###########################CARREGAR PACOTES##############################
#########################################################################
require(RcmdrMisc) #pacote para carregar arquivos do Excel
require(agricolae)



#Mudar diretório
setwd("D:/OneDrive/UFMT/Disciplinas/Veterinaria/experimental/2019/dados")
setwd("C:/Users/ander/OneDrive/UFMT/Disciplinas/Veterinaria/experimental/2019/dados")

##Importar dados
dados=readXL("transformar.xls",sheet = 1,stringsAsFactors=TRUE)
attach(dados)
str(dados)


#########################################################################
########################Transformação Raiz quadrada######################
#########################################################################


####GERAR MODELO
model=aov(VR1~TRAT)
anova(model)
cv.model(model)

#####PRESUPOSIÇÕES DA ANOVA
#Gerar os erros padronizados do modelo
e=rstandard(model)

#Teste de Shapiro-Wilk - NORMALIDADE
shapiro.test(e) 

#Teste de Levene - Homogeneidade de Variância
leveneTest(model)

##Teste de Durbin-Watson - Independencia
set.seed(12345)
durbinWatsonTest(model)

##Transformar os dados
Y1=sqrt(VR1)

model=aov(Y1~TRAT)
anova(model)
cv.model(model)

#####PRESUPOSIÇÕES DA ANOVA
#Gerar os erros padronizados do modelo
e=rstandard(model)

#Teste de Shapiro-Wilk - NORMALIDADE
shapiro.test(e) 

#Teste de Levene - Homogeneidade de Variância
leveneTest(model)

##Teste de Durbin-Watson - Independencia
set.seed(12345)
durbinWatsonTest(model)


#########################################################################
########################Transformação Arco Seno##########################
#########################################################################
model=aov(VR2~TRAT)
anova(model)
cv.model(model)

#####PRESUPOSIÇÕES DA ANOVA
#Gerar os erros padronizados do modelo
e=rstandard(model)

#Teste de Shapiro-Wilk - NORMALIDADE
shapiro.test(e) 

#Teste de Levene - Homogeneidade de Variância
leveneTest(model)

##Teste de Durbin-Watson - Independencia
set.seed(12345)
durbinWatsonTest(model)

###Transformação arco seno
Y1=asin(VR2/100)
model=aov(Y1~TRAT)
anova(model)
cv.model(model)

#####PRESUPOSIÇÕES DA ANOVA
#Gerar os erros padronizados do modelo
e=rstandard(model)

#Teste de Shapiro-Wilk - NORMALIDADE
shapiro.test(e) 

#Teste de Levene - Homogeneidade de Variância
leveneTest(model)

##Teste de Durbin-Watson - Independencia
set.seed(12345)
durbinWatsonTest(model)

#########################################################################
########################Transformação Logaritmica########################
#########################################################################
model=aov(VR3~TRAT)
anova(model)
cv.model(model)

#####PRESUPOSIÇÕES DA ANOVA
#Gerar os erros padronizados do modelo
e=rstandard(model)

#Teste de Shapiro-Wilk - NORMALIDADE
shapiro.test(e) 

#Teste de Levene - Homogeneidade de Variância
leveneTest(model)

##Teste de Durbin-Watson - Independencia
set.seed(12345)
durbinWatsonTest(model)

#Transformação logaritmica
Y1=log(VR3)

model=aov(Y1~TRAT)
anova(model)
cv.model(model)

#####PRESUPOSIÇÕES DA ANOVA
#Gerar os erros padronizados do modelo
e=rstandard(model)

#Teste de Shapiro-Wilk - NORMALIDADE
shapiro.test(e) 

#Teste de Levene - Homogeneidade de Variância
leveneTest(model)

##Teste de Durbin-Watson - Independencia
set.seed(12345)
durbinWatsonTest(model)


#########################################################################
########################Transformação de BoxCox##########################
#########################################################################
model=aov(VR4~TRAT)
anova(model)
cv.model(model)

#####PRESUPOSIÇÕES DA ANOVA
#Gerar os erros padronizados do modelo
e=rstandard(model)

#Teste de Shapiro-Wilk - NORMALIDADE
shapiro.test(e) 

#Teste de Levene - Homogeneidade de Variância
leveneTest(model)

##Teste de Durbin-Watson - Independencia
set.seed(12345)
durbinWatsonTest(model)


###Obter parametro de Box Cox
boxCox(VR4 ~ TRAT,lambda = seq(-3 ,3, len = 100))
p=powerTransform(VR4 ~ TRAT)
summary(p)

###Transformação de Box Cox
Y1=(VR4^-1)

model=aov(Y1~TRAT)
anova(model)
cv.model(model)

#####PRESUPOSIÇÕES DA ANOVA
#Gerar os erros padronizados do modelo
e=rstandard(model)

#Teste de Shapiro-Wilk - NORMALIDADE
shapiro.test(e) 

 #Teste de Levene - Homogeneidade de Variância
leveneTest(model)

##Teste de Durbin-Watson - Independencia
set.seed(12345)
 durbinWatsonTest(model)