similar to: Problem with Tukey test

Dispongo de un experimento en el que cinco tratamientos ha sido aplicados a cinco grupos de voluntarios. En cada grupo había tres personas y a cada persona se le tomaron 3 medidas, En total dispongo de 45 medidas, pero evidentemente no son independientes entre sí. Si no tomo en cuenta que las medidas de la misma persona son más parecidas entre sí (bloques anidados) estaría incurriendo en

Dear professors and collegues I need to perform a analysis of dates from a nested experimental design. From "Bioestatical Analysis" of Zar "Bimetry of Sokal" & Rohlf "Design and Analysis of Experiments" of Montgomery I have: Sum (mean(x)_i - mean(x)_T)2 / (a-1) -> var(epsilon) + n sigma2_B + n b (sum alfa_i)2 / (a-1) Sum (mean(x)_ij - mean(x)_i)2 /

¿Alguien sabe cómo dibujar un diagrama de barras agrupado (o apilado) con diferente número de elementos en cada grupo y que la leyenda quede "correcta"? Si utilizamos barplot (o barplot2 de gplots) podemos definir una matriz con columnas las diferentes alturas para cada grupo y si un grupo tiene menos categorias simplemente asignamos NA a los elementos sobrantes de esa columna. Pero no

I want to specify two factors and their interaction as random effects using the function lme(). This works okay when I specify these terms using the function Error() within the function aov(), but I can't get the same model fitted using lme(). The code below illustrates the problem. a <- factor(rep(c(1:3), each = 27)) b <- factor(rep(rep(c(1:3), each = 9), times = 3)) c <-

Dear all How do I access individual elements of a "summary.aov" object? > data(iris) > AnovaModel.1 <- aov(Sepal.Length ~ Species, data=iris) > tmp <- summary(AnovaModel.1) > tmp Df Sum Sq Mean Sq F value Pr(>F) Species 2 63.2 31.6 119 <2e-16 *** Residuals 147 39.0 0.3 --- Signif. codes: 0 '***' 0.001 '**' 0.01

Dear all I have found that the two "equivalent" commands do not produce the same results. 1. (I wrote this command by hand, this is what I would do usually) >summary(aov(eduyrs ~ cntry * edf, data=ESS1)) Df Sum Sq Mean Sq F value Pr(>F) cntry 1 257 256.65 21.2251 4.243e-06 *** edf 4 11010 2752.42 227.6296 <