setwd("C:/Users/cliente/Dropbox/UFMT/Disciplinas/Veterinaria/experimental/dados")



setwd("D:/experimental/dados")
require(xlsx)
dados=read.xlsx("insulina.xls",1)
attach(dados)

####Gerar a análise de variância
model=aov(VR~trat)
anova(model)

###Gerar os erros do modelo
e=resid(model)

##Obter os erros padronizados
QME=deviance(model)/df.residual(model)
d=e/sqrt(QME)

##########################################################################
#####################Verificar suposição de normalidade###################
##########################################################################

###Gráfico Q-Qplot
 d1=sort(d)
 n=length(VR)
 i=seq(1,12,1)
 p=(i-0.375)/(12+0.25)
 z=qnorm(p)
 plot(z,d1,ylim=c(-2,2))
 lines(z,z)

###Obter o envelope simulado###
X=model.matrix(model)
XX=t(X)%*%X
XX1=solve(XX)
H=X%*%XX1%*%t(X)
n=nrow(X)
I=diag(n)
 #Simulação de monte carlo
B=1000 #numer de simulações
e1=matrix(0,n,B)

for(i in 1:B){
 z1=rnorm(12)
 d1=(I-H)%*%z1
 d1=d1/sqrt(1-diag(H))
 d1=sort(d1)
 e1[,i]=d1
}
li=rep(0,12)
ls=rep(0,12)
for(i in 1:12){
  e2=e1[i,]
  n=length(e2)
  e2=sort(e2)
  li[i]=e2[0.025*n]
  ls[i]=e2[0.975*n]
}
lines(z,li)
lines(z,ls)


require(PerformanceAnalytics)
chart.QQPlot(d,ylim=c(-2.5,2.5),envelope=0.95,distribution = "norm")

#Teste de Shapiro-Wilk
shapiro.test(d) 

#Teste de Kolmogorov-Smirnov
m=mean(d)
dp=sd(d)
ks.test(e,"pnorm",sd=dp)

##########################################################################
############Verificar suposição de Homogeneidade de Variância#############
##########################################################################
tapply(e,trat,var)
###Gráfico Q-Qplot
m=predict(model)
plot(m,d,ylim=c(-2,2),xlab="Média dos Tratamentos",ylab="Erros Padronizados")
abline(h=0)

##TEste de Cochran
require(outliers)
cochran.test(VR~trat,dados)

#teste de Bartlett 
bartlett.test(VR~trat)

#Teste de Levene
require(car)
leveneTest(model)

##########################################################################
##################Verificar suposição de Independencia####################
##########################################################################

#Grafico
plot(d,xlab="Observações",ylab="Residuos Padronizados")
abline(h=0)

##Teste de Durbin-Watson
require(car)
durbinWatsonTest(model)


#########################################################################
########################Transformação de dados###########################
#########################################################################
require(xlsx)
dados=read.xlsx("transformar.xls",1)
attach(dados)

attach(dados)
summary(dados)

###Transformação Raiz quadrada
model=aov(VR1~TRAT)
anova(model)
e=resid(model)
require(bstats)
 durbinWatsonTest(model)
shapiro.test(e)
bartlett.test(VR1~TRAT)

Y1=sqrt(VR1)
model=aov(Y1~TRAT)
anova(model)
e=resid(model)
durbinWatsonTest(model)
shapiro.test(e)
bartlett.test(Y1~TRAT)


###Transformação Arco Seno
model=aov(VR2~TRAT)
anova(model)
e=resid(model)
 durbinWatsonTest(model)
shapiro.test(e)
bartlett.test(VR2~TRAT)


Y1=asin(VR2/100)
model=aov(Y1~TRAT)
anova(model)
e=resid(model)
durbinWatsonTest(model)
shapiro.test(e)
bartlett.test(Y1~TRAT)

###Transformação Logaritmica
model=aov(VR3~TRAT)
anova(model)
e=resid(model)
durbinWatsonTest(model)
shapiro.test(e)
bartlett.test(VR3~TRAT)

Y1=log(VR3)
model=aov(Y1~TRAT)
anova(model)
e=resid(model)
durbinWatsonTest(model)
shapiro.test(e)
bartlett.test(Y1~TRAT)

###Transformação de boxcox
model=aov(VR4~TRAT)
anova(model)
e=resid(model)
shapiro.test(e)
durbinWatsonTest(model)
shapiro.test(e)
bartlett.test(VR4~TRAT)


require(car)
boxCox(VR4~ TRAT,lambda = seq(-5 ,2, len = 100),)
p=powerTransform(VR4 ~ TRAT)
summary(p)

Y1=(VR4^-1)
model=aov(Y1~TRAT)
anova(model)
e=resid(model)
durbinWatsonTest(model)
shapiro.test(e)
bartlett.test(Y1~TRAT)
cv.model(model)