#===============================================================================
#. Título: Determinações numéricas dos exemplos de MEE
#. Curso : CET076 - Metodologia e Estatística Experimental - Agronomia
# Autor : José Cláudio Faria
# Data  : 06/04/2022 17:36:28
#===============================================================================
# Objetivos
#===============================================================================
# -  Exemplificar, através do R, as análises e determinações numéricas do curso
#    de MEE, referentes a análise de variância sob DQL
#===============================================================================

#. Dados
# Gerar data.frame com os dados
dad <- data.frame(tra=gl(5, 5,
                         labels=LETTERS[1:5]),
                  lin=1:5,
                  col=c(2, 3, 5, 4, 1,
                        3, 4, 2, 1, 5,
                        4, 1, 3, 5, 2,
                        1, 5, 4, 2, 3,
                        5, 2, 1, 3, 4),
                  pro=c(518, 524, 420, 486, 515,
                        458, 550, 384, 494, 318,
                        583, 724, 556, 501, 660,
                        432, 400, 297, 500, 438,
                        331, 478, 489, 313, 394))
## Leitura via web
#dad <- read.table('https://lec.pro.br/download/R/dados/dql.txt',
#                  head=TRUE)


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

dad
str(dad)

#. Verificação da adequação dos dados para análise sob DQL
is.factor(dad$tra)  # OK

is.factor(dad$lin)  # NOK
is.factor(dad$col)  # NOK
# Transformando ambos as fontes de variação (lin e col) para fator
dad$lin <- factor(dad$lin)
dad$col <- factor(dad$col)

is.factor(dad$lin)  # OK
is.factor(dad$col)  # OK

is.numeric(dad$pro) # OK

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

library(gplots)
#.. Efeito do fator "lin"
plotmeans(pro ~ lin,
          main='Linhas',
          data=dad,
          mean.labels=TRUE,
          digits=2,
          connect=FALSE,
          ylab='',
          xlab='',
          pch=' ')

#.. Efeito do fator "col"
plotmeans(pro ~ col,
          main='Colunas',
          data=dad,
          mean.labels=TRUE,
          digits=2,
          connect=FALSE,
          ylab='',
          xlab='',
          pch=' ')

#.. Efeito do fator "tra"
plotmeans(pro ~ tra,
          main='Tratamentos',
          data=dad,
          col='red',
          mean.labels=TRUE,
          digits=2,
          connect=FALSE,
          ylab='Produção, kg/ue',
          xlab='',
          pch=' ')

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

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

#. TCMM
#.. Testando fator "lin"
tk_lin <- TukeyC(av,
                 which='lin')
summary(tk_lin)

#.. Testando fator "col"
tk_col <- TukeyC(av,
                 which='col')
summary(tk_col)

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