Page 83 - Introducción a la Bioestadística con R

El valor F calculado es mayor que el F crítico, es por lo tanto posible rechazar la hipótesis nula con un valor de alpha de 0.05 y concluir que el factor dieta tiene un efecto significativo en el peso de los voluntarios.
ANOVA en R: función aov().
Ahora que hemos disfrutado de la belleza de hacer una ANOVA a mano, veamos cómo se haría usando la función aov() de R. El comando que hay que utilizar es muy sencillo:
mi_modelo <- aov(Y∼A)
Donde “Y” es tu variable dependiente, en este caso, el peso, y “A” es tu variable independiente,
es decir, dieta 1, 2, 3, ó 4. Hemos almacenado esta función bajo el nombre “mi_modelo”. mi_modelo <- aov(Y∼A, data = mis_datos)
Se consideran buenas prácticas específicas cuál es la base de datos que estamos utilizando, aunque en ocasiones sea suficiente con usar la función attach() al principio, así nos aseguramos de que el programa no se confunde. Recuerda comprobar la normalidad, homocedasticidad, independencia, etc.
Introducción a la Bioestadística con R
Para ver los resultados:
Ejercicio 18. Función aov() en R.
summary(mi_modelo) plot(mi_modelo)
Ahora vamos a estudiar si el tipo de dieta ha tenido efecto en el peso de nuestros voluntarios usando la función de ANOVA automática de R.
1. En primer lugar, introduce tus datos en R. Por consistencia, los vamos a llamar Datos_anova.
2. Después de subir los datos adjúntalos usando el comando attach() y comprueba el tipo de clase de cada variable usando class(). Habrá que corregirlos si no los ha almacenado correctamente.
3. Finalmente, usa la función aov() y summary() para ver los resultados de tu ANOVA.
79