################## ANOVA
Crie o dataframe com os dados
dados_batatadoce <- data.frame(
qtdproduzida =c(636.69, 622.43, 603.35, 575.87, 655.61, 619.19, 414.28,
490.09, 445.6, 472.42, 484.44, 484.72, 498.05, 533.16,
538.5, 513.65, 518.54, 529.53, 548.44, 477.47, 495.18, 544.82,
479.42, 505.35, 525.81, 595.98, 669.45, 776.28, 741.2,
805.41, 847.9, 1222.43) +
ano =factor(c("1990", "1991", "1992", "1993", "1994", "1995", "1996", "1997", "1998", "1999", "2000", "2001", "2002", "2003", "2004", "2005", "2006", "2007", "2008", "2009", "2010", "2011", "2012", "2013", "2014", "2015", "2016", "2017", "2018", "2019", "2020", "2021"))
Realize o teste de ANOVA
Realize o teste de ANOVA usando a variável 'ano'
resultado_anova <- aov(qtdproduzida ~ ano, data = dados_batatadoce)
Resumo do resultado do ANOVA
summary(resultado_anova)
Verifique os resíduos com QQ plot
qqnorm(resid(resultado_anova))
qqline(resid(resultado_anova))
#Boxplot para visualizar as médias dos grupos
boxplot(qtdproduzida ~ ano, data = dados_batatadoce,
ylab = "Quantidade Produzida", xlab = "Ano",
main = "Distribuição da Quantidade Produzida por Ano")
Calcula as médias para cada ano
means <- tapply(dados_batatadoce$qtdproduzida, dados_batatadoce$ano, mean)
Selecionar apenas as colunas relevantes para a análise de PCA
dados_pca <- dados_batatadoce[, c("qtdproduzida", "ano")]
Remover linhas com NA (caso existam) dos dados relevantes
dados_pca <- na.omit(dados_pca)
Realizar a análise de PCA
pca_resultado <- princomp(dados_pca$qtdproduzida)
Resumo da análise de PCA
summary(pca_resultado)
Selecionar apenas as colunas relevantes para a análise de PCA
dados_pca <- dados_batatadoce[, c("qtdproduzida", "ano", "areacolhida")]
Remover linhas com NA (caso existam) dos dados relevantes
dados_pca <- na.omit(dados_pca)
Realizar a análise de PCA
pca_resultado <- princomp(dados_pca$qtdproduzida)
Resumo da análise de PCA
summary(pca_resultado)
Biplot para visualizar relações entre observações e variáveis
biplot(pca_resultado)