K
kruskal.test() {stats}
Realiza una prueba de suma de rangos de Kruskal-Wallis |
|
afluentes = factor(rep(c("Archibarca","Cerro Overo","Rosario"), each = 12))
MOT = c(1.40,2.16,0.74,0.86,1.13,1.75,1.86,1.16,2.36,1.46,0.98,1.14,
4.14,2.25,2.16,2.45,2.56,2.36,2.78,2.69,3.16,2.48,2.63,2.59,
1.10,1.05,1.15,0.60,1.11,0.63,0.89,0.75,1.03,1.06,1.09,0.55)
data.kruskal = data.frame(afluentes, MOT)
kruskal.test(x = data.kruskal$MOT, g = data.kruskal$afluentes)
##
## Kruskal-Wallis rank sum test
##
## data: data.kruskal$MOT and data.kruskal$afluentes
## Kruskal-Wallis chi-squared = 25.783, df = 2, p-value = 2.519e-06
kruskal_test() {rstatix}
¡Atención!
Instalar el paquete rstatix para hacer uso de la función kruskal_test.
Para ello utilizar el siguiente código:
install.packages("rstatix")
Proporciona un marco amigable para realizar la prueba de suma de r warnangos de Kruskal-Wallis |
data = data.frame que contiene las variables de la fórmula
formula = fórmula de la forma x ~ grupo donde x es una variable numérica que da los valores de los datos y grupo es un factor con uno o varios niveles que dan los grupos correspondientes
|
afluentes = factor(rep(c("Archibarca","Cerro Overo","Rosario"), each = 12))
MOT = c(1.40,2.16,0.74,0.86,1.13,1.75,1.86,1.16,2.36,1.46,0.98,1.14,
4.14,2.25,2.16,2.45,2.56,2.36,2.78,2.69,3.16,2.48,2.63,2.59,
1.10,1.05,1.15,0.60,1.11,0.63,0.89,0.75,1.03,1.06,1.09,0.55)
data.kruskal = data.frame(afluentes, MOT)
kruskal_test(data = data.kruskal, formula = MOT ~ afluentes)
## # A tibble: 1 × 6
## .y. n statistic df p method
## * <chr> <int> <dbl> <int> <dbl> <chr>
## 1 MOT 36 25.8 2 0.00000252 Kruskal-Wallis
kurtosis() {moments}
¡Atención!
Instalar el paquete moments para hacer uso de la función kurtosis.
Para ello utilizar el siguiente código:
install.packages("moments")
Calcula el estimador de la medida de curtosis de Pearson |
x= vector numérico |
library(moments) # Llamar al paquete primero
kurtosis(datos$pH)
## [1] 2.156796