F

factor() {base}
Descripción Argumentos
Codifica un vector como factor

  • x = vector

  • levels = vector opcional del vector x

  • ordered = TRUE (sí los niveles del vector deben considerarse ordenados)

 
#Importación de datos
datos.f = data.frame(
  CO2 = factor(
    rep(
      c("0.0","0.083","0.29","0.50","0.86"),
      each = 10
    )
  ),
  respuesta = c(
    62.6,59.6,64.5,59.3,58.6,64.6,50.9,56.2,52.3,62.8,
    50.9,44.3,47.5,49.5,48.5,50.4,35.2,49.9,42.6,41.6,
    45.5,41.1,29.8,38.3,40.2,38.5,30.2,27.0,40.0,33.9,
    29.5,22.8,19.2,20.6,29.2,24.1,22.6,32.7,24.4,29.6,
    24.9,17.2,7.8,10.5,17.8,22.1,22.6,16.8,15.9,8.8
  )
)
#factor()
datos.f$CO2 = factor(x = datos.f$CO2, 
                     levels = c("0.86","0.50","0.29","0.083","0.0"),
                     ordered = TRUE)
datos.f$CO2
##  [1] 0.0   0.0   0.0   0.0   0.0   0.0   0.0   0.0   0.0   0.0   0.083 0.083
## [13] 0.083 0.083 0.083 0.083 0.083 0.083 0.083 0.083 0.29  0.29  0.29  0.29 
## [25] 0.29  0.29  0.29  0.29  0.29  0.29  0.50  0.50  0.50  0.50  0.50  0.50 
## [37] 0.50  0.50  0.50  0.50  0.86  0.86  0.86  0.86  0.86  0.86  0.86  0.86 
## [49] 0.86  0.86 
## Levels: 0.86 < 0.50 < 0.29 < 0.083 < 0.0
filter() {dplyr}
¡Atención!
Instalar el paquete dplyr para hacer uso de la función filter. 

Para ello utilizar el siguiente código:

install.packages("dplyr")
Descripción Argumentos
Nos permite filtrar filas según una condición determinada. Se pueden incluir una o más condiciones en un mismo filtro

  • data = El marco de datos que se va a filtrar.

  • Indiccar condiciones de filtrado

Por ejemplo puede filtrar de la columna AT (Acidez Total), perteneciente a la Tabla 1: datos, todas aquellas filas que contengan valores que sean menores o iguales a la media de AT. 

library(dplyr) # Se debe llamar al paquete primero
mean(AT) 
## [1] 3.937647
#Filtrar todos los valores de AT que sean menores o iguales al promedio de AT (<=)
filter(datos, datos$AT <= mean(datos$AT)) 
##   Departamento            Variedad Brix   pH   AT   PT Caracterización
## 1      Tumbaya        Red Delicius 10.0 3.72 2.32 1.03           Dulce
## 2      Tumbaya        Red Delicius 11.0 3.70 2.18 1.30           Dulce
## 3      Tumbaya        Red Delicius  8.0 3.59 3.08 0.77           Dulce
## 4    Humahuaca        Red Delicius 12.0 4.71 1.06 0.95           Dulce
## 5    Humahuaca Amarilla tempranera 15.0 4.86 0.96 0.33          Amargo
## 6    Humahuaca              Melona 16.0 4.79 2.12 1.79    Dulce-amargo
## 7    Humahuaca     Verde deliciosa 10.0 3.94 3.31 0.86           Dulce
## 8    Humahuaca  Desconocida roja I 14.5 3.74 2.99 0.64           Dulce
## 9    Humahuaca Desconocida roja II 12.0 4.73 0.87 1.18           Dulce
#Misma confición pero con el ordenador %>% o |>
datos %>%
  select(AT) %>%
  filter(AT <= mean(AT))
##     AT
## 1 2.32
## 2 2.18
## 3 3.08
## 4 1.06
## 5 0.96
## 6 2.12
## 7 3.31
## 8 2.99
## 9 0.87
fivenum() {stats}
Descripción
Permite obtener un agregado de medidas de tendencia central (cinco números) 
# PT: Polifenoles totales
fivenum(datos$PT)
## [1] 0.33 0.86 1.01 1.27 2.05
summary(datos$PT)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.330   0.860   1.010   1.078   1.270   2.050
Freq() {DescTools}
¡Atención!
Instalar el paquete DescTools para hacer uso de la función Freq. 

Para ello utilizar el siguiente código:

install.packages("DescTools")
Descripción Argumentos
Permite construir una tabla de frecuencias

  • x = es el vector de valores reales a agrupar

  • breaks = son los puntos de corte de agrupamiento

  • include.lowest = TRUE o FALSE. Cuando es TRUE, el primer intervalo de clase es cerrado por izquierda

 
library(DescTools) # Llamar al paquete primero
Freq(datos$PT)
##      level  freq   perc  cumfreq  cumperc
## 1  [0,0.5]     1   5.9%        1     5.9%
## 2  (0.5,1]     7  41.2%        8    47.1%
## 3  (1,1.5]     7  41.2%       15    88.2%
## 4  (1.5,2]     1   5.9%       16    94.1%
## 5  (2,2.5]     1   5.9%       17   100.0%
friedman.test() {stats}
Descripción Argumentos
Realiza una prueba de suma de rangos de Friedman

  • y = vector numérico de valores de datos

  • groups = vector que da el grupo para los elementos correspondientes de y

  • blocks = vector que da el bloque para los elementos correspondientes de y

 
tratamientos = factor(rep(c("control","ch","ch+2%AEO"), times = 10))
bloques = factor(rep(c("1","2","3","4","5","6","7","8","9","10"),each =3))
olor = c(1,3,3,1,2,4,1,2,4,2,3,5,1,3,3,
         1,3,3,2,2,3,2,3,3,3,3,5,1,3,3)
dat.friedman = data.frame(tratamientos,bloques,olor)
dat.friedman
##    tratamientos bloques olor
## 1       control       1    1
## 2            ch       1    3
## 3      ch+2%AEO       1    3
## 4       control       2    1
## 5            ch       2    2
## 6      ch+2%AEO       2    4
## 7       control       3    1
## 8            ch       3    2
## 9      ch+2%AEO       3    4
## 10      control       4    2
## 11           ch       4    3
## 12     ch+2%AEO       4    5
## 13      control       5    1
## 14           ch       5    3
## 15     ch+2%AEO       5    3
## 16      control       6    1
## 17           ch       6    3
## 18     ch+2%AEO       6    3
## 19      control       7    2
## 20           ch       7    2
## 21     ch+2%AEO       7    3
## 22      control       8    2
## 23           ch       8    3
## 24     ch+2%AEO       8    3
## 25      control       9    3
## 26           ch       9    3
## 27     ch+2%AEO       9    5
## 28      control      10    1
## 29           ch      10    3
## 30     ch+2%AEO      10    3
friedman.test(y = dat.friedman$olor,
              groups = dat.friedman$tratamientos,
              blocks = dat.friedman$bloques)
## 
##  Friedman rank sum test
## 
## data:  dat.friedman$olor, dat.friedman$tratamientos and dat.friedman$bloques
## Friedman chi-squared = 16.909, df = 2, p-value = 0.0002129
friedman_test() {rstatix}
¡Atención!
Instalar el paquete rstatix para hacer uso de la función friedman_test. 

Para ello utilizar el siguiente código:

install.packages("rstatix")
Descripción Argumentos
Proporciona un marco fácil de usar para realizar una prueba de suma de rangos de Friedman

  • data = data.frame que contiene las variables de la fórmula

  • formula = fórmula de la forma a ~ b | c, donde a (numérico) es el nombre de la variable dependiente; b son las variables del factor dentro de los sujetos; y c (factor) es el nombre de la columna que contiene el identificador de los individuos/sujetos. Debe ser único por individuo

 
tratamientos = factor(rep(c("control","ch","ch+2%AEO"), times = 10))
bloques = factor(rep(c("1","2","3","4","5","6","7","8","9","10"),each =3))
olor = c(1,3,3,1,2,4,1,2,4,2,3,5,1,3,3,
         1,3,3,2,2,3,2,3,3,3,3,5,1,3,3)
dat.friedman = data.frame(tratamientos,bloques,olor)
dat.friedman
##    tratamientos bloques olor
## 1       control       1    1
## 2            ch       1    3
## 3      ch+2%AEO       1    3
## 4       control       2    1
## 5            ch       2    2
## 6      ch+2%AEO       2    4
## 7       control       3    1
## 8            ch       3    2
## 9      ch+2%AEO       3    4
## 10      control       4    2
## 11           ch       4    3
## 12     ch+2%AEO       4    5
## 13      control       5    1
## 14           ch       5    3
## 15     ch+2%AEO       5    3
## 16      control       6    1
## 17           ch       6    3
## 18     ch+2%AEO       6    3
## 19      control       7    2
## 20           ch       7    2
## 21     ch+2%AEO       7    3
## 22      control       8    2
## 23           ch       8    3
## 24     ch+2%AEO       8    3
## 25      control       9    3
## 26           ch       9    3
## 27     ch+2%AEO       9    5
## 28      control      10    1
## 29           ch      10    3
## 30     ch+2%AEO      10    3
library(rstatix)
friedman_test(data = dat.friedman, 
              formula = olor ~ tratamientos |bloques)
## # A tibble: 1 × 6
##   .y.       n statistic    df        p method       
## * <chr> <int>     <dbl> <dbl>    <dbl> <chr>        
## 1 olor     10      16.9     2 0.000213 Friedman test