#===============================================================================
#. Name   : gexp_quali_dexp_bas
#. Author : J.C.Faria
# Date   : 06/10/2022 01:33:35
# Aim    : Gerar/simular e analisar experimentos qualitativos
#          nos delineamentos experimentais básicos:
#          - Del. Inteiramente ao Acaso - DIC
#          - Del. Blocos Casualizados - DBC
#          - Del. Quadrado Latino - DQL
# Mail   : <<< joseclaudio.faria@gmail.com >>>
#===============================================================================

#.. Instalação do pacote 'gexp'
#... do GitHub: via devtools
#install.packages('devtools', dep=TRUE)
#library(devtools)
#install_github('ivanalaman/gexp')

#... do GitHub: via pacman
#install.packages('pacman', dep=TRUE)
#p_load_gh('ivanalaman/gexp')

#... do CRAN
# install.packages('gexp')

#.. Anexando o pacote
#... Necessita gexp >= 1.0.2
library(gexp)
packageVersion('gexp') >= '1.0.2'

#.. ___DIC___
set.seed(1)
dic <- gexp(mu=5,
            r=4,
            fe=list(1:4),
            fl=list(X=paste0('X',
                             1:4))
#...        Descomente abaixo p/ erro experimental = 0
#            err=matrix(0,
#                       nrow=4*4)
           )
str(dic)
summary(dic)

par(mfrow=c(1, 1))
plot(dic,
     main='DIC')

# ANOVA
av_dic <- aov(Y1 ~ X,
              dic$dfm)
summary(av_dic)
## Análise de resíduos (opcional)
#par(mfrow=c(2,2))
#plot(av_dic)

# TCMM
library(TukeyC)
cv(av_dic)

tk_dic <- TukeyC(av_dic)
summary(tk_dic)
plot(tk_dic,
     disp='mm',
     ylab='Y1',
     xlab='X')


#.. ___DBC___
set.seed(2)
dbc <- gexp(mu=5,
            r=1, # repetição do tratamento dentro do bloco
            fe=list(f1=c(5, 1, 1, 1)),
            fl=list(X=paste0('x',
                             1:4)),
            blke=c(1, 2, 3),
            blkl=list(BLO=paste0('b',
                                 1:3)),
            round=1,
            design='RCBD'
           )
str(dbc)
summary(dbc)

par(mfrow=c(1, 1))
plot(dbc,
     main='DBC')

# ANOVA
av_dbc <- aov(Y1 ~ BLO + X,
              dbc$dfm)
summary(av_dbc)
## Análise de resíduos (opcional)
#par(mfrow=c(2, 2))
#plot(av_dbc)

cv(av_dbc)

# TCMM
# Efeito dos blocos
tk_blo <- TukeyC(av_dbc,
                 which='BLO')
summary(tk_blo)

# Ordenando as médias dos blocos em ordem decrescente para boxplot
bym_blo <- with(dbc$dfm,
                reorder(BLO, -Y1, mean))
levels(bym_blo)

# Vizualizando efeito do bloco
par(mfrow=c(2, 1))
boxplot(Y1 ~ bym_blo,
        dbc$dfm,
        names=levels(bym_blo),
        ylab='',
        xlab='')
plot(tk_blo,
     disp='mm',
     ylab='Y1',
     xlab='BLO')

# Efeito dos tratamentos
tk_x <- TukeyC(av_dbc,
               which='X')
summary(tk_x)

# Ordenando as médias dos tratamentos em ordem decrescente para boxplot
bym_x <- with(dbc$dfm,
              reorder(X, -Y1, mean))
levels(bym_x)

# Vizualizando efeito do tratamento
par(mfrow=c(2, 1))
boxplot(Y1 ~ bym_x,
        dbc$dfm,
        names=levels(bym_x),
        ylab='',
        xlab='')
plot(tk_x,
     disp='mm',
     ylab='Y1',
     xlab='X')


#.. ___DQL___
set.seed(3)
dql <- gexp(mu=10,
            fe=list(f1=c(1, 1, 2, 2, 10)),
            fl=list(X=paste0('x',
                             1:5)),
            rowe=c(1, 2, 3, 4, 5),
            cole=c(5, 4, 3, 2, 1),
            rowl=list(LIN=paste0('l',
                                 1:5)),
            coll=list(COL=paste0('c',
                                1:5)),
            round=1,
            design='LSD'
           )
str(dql)
summary(dql)

par(mfrow=c(1, 1))
plot(dql,
     main='DQL')

# ANOVA
av_dql <- aov(Y1 ~ LIN + COL + X,
              dql$dfm)
summary(av_dql)
## Análise de resíduos (opcional)
#par(mfrow=c(2,2))
#plot(av_dql)

cv(av_dql)

# TCMM
# Efeito das linhas
tk_lin <- TukeyC(av_dql,
                 which='LIN')
summary(tk_lin)

# Efeito das colunas
tk_col <- TukeyC(av_dql,
                 which='COL')
summary(tk_col)

# Efeito dos tratamentos
tk_x <- TukeyC(av_dql,
               which='X')
summary(tk_x)

# Visualizando os resultados do TCMM
# Tdos os efeitos via boxplot
# Usando o método boxplot fornecido pelo pacote TukeyC
par(mfrow=c(3, 1))
# Linha - LIN
boxplot(tk_lin,
        args.legend=list(x='topright'),
        ylab='',
        xlab='Linha')

# Coluna - COL
boxplot(tk_col,
        #args.legend=list(x='topright'),
        ylab='',
        xlab='Coluna')

# Tratamento - X
boxplot(tk_x,
        args.legend=list(x='topright'),
        ylab='Y1',
        xlab='X')