### DISEÑO DE BLOQUES COMPLETOS AL AZAR - DBCA ###
### Version 2.0 ###

### Nombre de datos: datos
### Titulo de datos: "TRAT", "BLOQ" y "RTA"
### Instalar y cargar paquetes
library(stats)
library(readxl)
library(carData)
library(car)
library(agricolae)

### ANOVA (DBCA)
MOD<-aov(RTA~TRAT+BLOQ, data = datos)
par(mfrow=c(1,1))
boxplot(RTA~TRAT, data = datos)
boxplot(RTA~BLOQ, data = datos)
summary(MOD)

### Verificacion de supuestos ###
resi<-residuals(MOD)
stdresid<-rstandard(MOD)
par(mfrow=c(2,2))
plot(MOD)

#shapiro:Test para normalidad
#Ho:los datos proceden de una distribucion normal
#Ha:los datos no proceden de una distribucion normal
shapiro.test(resi) #Si son normales los residuos

#Kolmogorov-Smirnov: Test para normalidad
#Ho:No hay diferencia significativa entre la distribucion evaluada y una distribucion normal)
#Ha:Si hay diferencia significativa entre la distribucion evaluada y una distribucion normal)
ks.test(resi,"pnorm",mean=mean(resi), sd=sd(resi))  

#Barlett: Para homogeneidad de varianzas
#Ho: sigma1 = sigma2
#Ho: sigma1 dif sigma2
bartlett.test(RTA~TRAT, data=datos)

#Prueba de Levene: Para homogeneidad de varianzas
#Ho: sigma1 = sigma2
#Ho: sigma1 dif sigma2
leveneTest(RTA~TRAT, data=datos, center = "median")

### Prueba de comparacion de medias
# Prueba de Tukey:
TUKEY <- TukeyHSD(MOD, conf.level=0.95)
TUKEY
par(mfrow=c(1,1))
plot(TukeyHSD(MOD))

# Prueba de Duncan:
DUN<-duncan.test(MOD,"TRAT",alpha=0.01,console=FALSE)
DUN
plot(DUN)

### Prueba de Kruskal-Wallis - No parametrica
#kruskal.test(RTA ~ TRAT, data=datos)