#===============================================================================
#. Título: Determinações numéricas dos exemplos de MEE
#. Curso : CET076 - Metodologia e Estatística Experimental - Agronomia
# Autor : José Cláudio Faria
# Data  : 06/04/2022 17:34:37
#===============================================================================
# Objetivos
#===============================================================================
# - Exemplificar, através do R, as análises e determinações numéricas do curso
#   de MEE, referentes a análise de variância sob DBC
#===============================================================================

#. Dados
# Gerar data.frame com os dados
dad <- data.frame(tra=gl(5, 4,
                         labels=LETTERS[1:5]),
                  blo=paste('B', 1:4,
                            sep=''),
                  pro=c(142.36, 144.78, 145.19, 138.88,
                        139.28, 137.77, 144.44, 130.61,
                        140.73, 134.06, 136.07, 144.11,
                        150.88, 135.83, 136.97, 136.36,
                        153.49, 165.02, 151.75, 150.22),
                  stringsAsFactors=TRUE)

## Leitura via web
#dad <- read.table('https://lec.pro.br/download/R/dados/dbc.txt',
#                  head=TRUE)


## Se tiver o arquivo na máquina
#dad <- read.table('dados/dbc.txt',
#                 head=TRUE)

dad
str(dad)

#. Verificação da adequação dos dados para análise sob DBC
is.factor(dad$tra)
is.factor(dad$blo)
is.numeric(dad$pro)

#. Análise gráfica
#win.graph(w=5, h=6)
par(mfrow=c(2, 1),
    mar=c(3, 4, 2, 1))
#bringToTop(s=T)

library(gplots)
# Efeito dos blocos: observar decréscimo da produção no sentido 1-4,
# Os blocos estão controlando alguma fonte de variação reconecida!
plotmeans(pro ~ blo,
          main='Blocos',
          data=dad,
          mean.labels=TRUE,
          digits=2,
          connect=FALSE,
          ylab='',
          xlab='',
          pch=' ')

# Efeito dos tratamentos
plotmeans(pro ~ tra,
          main='Tratamentos',
          data=dad,
          col='red',
          mean.labels=TRUE,
          digits=2,
          connect=FALSE,
          ylab='Produção, gr (fruto)',
          xlab='',
          pch=' ')

#. ANOVA
av <- aov(pro ~ blo + tra,
          data=dad)
summary(av)

## Carregando o pacote TukeyC
library(TukeyC)
cv(av) # Coef. de variação

#. TCMM
#.. Testando blocos
tk_blo <- TukeyC(av,
                 which='blo')
summary(tk_blo)

#.. Testando tratamentos
tk_tra <- TukeyC(av,
                 which='tra')
summary(tk_tra)