data(saquinhos)
glimpse(saquinhos)
#> Rows: 24
#> Columns: 2
#> $ resistencia <int> 7, 8, 15, 11, 9, 10, 12, 17, 13, 18, 19, 15, 14, 18, 19, …
#> $ concentracao <int> 5, 5, 5, 5, 5, 5, 10, 10, 10, 10, 10, 10, 15, 15, 15, 15,…
saquinhos <- saquinhos |>
mutate(
concentracao = as.factor(concentracao)
)
mod <- aov(resistencia ~ concentracao, data = saquinhos)
summary(mod)
#> Df Sum Sq Mean Sq F value Pr(>F)
#> concentracao 3 382.8 127.60 19.61 3.59e-06 ***
#> Residuals 20 130.2 6.51
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
comp <- emmeans(mod, pairwise ~ concentracao)
comp
#> $emmeans
#> concentracao emmean SE df lower.CL upper.CL
#> 5 10.0 1.04 20 7.83 12.2
#> 10 15.7 1.04 20 13.49 17.8
#> 15 17.0 1.04 20 14.83 19.2
#> 20 21.2 1.04 20 18.99 23.3
#>
#> Confidence level used: 0.95
#>
#> $contrasts
#> contrast estimate SE df t.ratio p.value
#> concentracao5 - concentracao10 -5.67 1.47 20 -3.847 0.0051
#> concentracao5 - concentracao15 -7.00 1.47 20 -4.753 0.0007
#> concentracao5 - concentracao20 -11.17 1.47 20 -7.581 <.0001
#> concentracao10 - concentracao15 -1.33 1.47 20 -0.905 0.8022
#> concentracao10 - concentracao20 -5.50 1.47 20 -3.734 0.0066
#> concentracao15 - concentracao20 -4.17 1.47 20 -2.829 0.0470
#>
#> P value adjustment: tukey method for comparing a family of 4 estimates
# Tukey (default):
pairs(comp)
#> contrast estimate SE df t.ratio p.value
#> concentracao5 - concentracao10 -5.67 1.47 20 -3.847 0.0051
#> concentracao5 - concentracao15 -7.00 1.47 20 -4.753 0.0007
#> concentracao5 - concentracao20 -11.17 1.47 20 -7.581 <.0001
#> concentracao10 - concentracao15 -1.33 1.47 20 -0.905 0.8022
#> concentracao10 - concentracao20 -5.50 1.47 20 -3.734 0.0066
#> concentracao15 - concentracao20 -4.17 1.47 20 -2.829 0.0470
#>
#> P value adjustment: tukey method for comparing a family of 4 estimates
# mínima diferença significativa de Fisher:
pairs(comp, adjust = "none")
#> contrast estimate SE df t.ratio p.value
#> concentracao5 - concentracao10 -5.67 1.47 20 -3.847 0.0010
#> concentracao5 - concentracao15 -7.00 1.47 20 -4.753 0.0001
#> concentracao5 - concentracao20 -11.17 1.47 20 -7.581 <.0001
#> concentracao10 - concentracao15 -1.33 1.47 20 -0.905 0.3761
#> concentracao10 - concentracao20 -5.50 1.47 20 -3.734 0.0013
#> concentracao15 - concentracao20 -4.17 1.47 20 -2.829 0.0104
# Bonferroni
pairs(comp, adjust = "bonferroni")
#> contrast estimate SE df t.ratio p.value
#> concentracao5 - concentracao10 -5.67 1.47 20 -3.847 0.0060
#> concentracao5 - concentracao15 -7.00 1.47 20 -4.753 0.0007
#> concentracao5 - concentracao20 -11.17 1.47 20 -7.581 <.0001
#> concentracao10 - concentracao15 -1.33 1.47 20 -0.905 1.0000
#> concentracao10 - concentracao20 -5.50 1.47 20 -3.734 0.0079
#> concentracao15 - concentracao20 -4.17 1.47 20 -2.829 0.0622
#>
#> P value adjustment: bonferroni method for 6 tests
# Dunnet (considerando concentracao de 20% como referencia):
contrast(comp, method = "dunnett", ref = 4)
#> contrast estimate SE df t.ratio p.value
#> concentracao5 - concentracao20 -11.17 1.47 20 -7.581 <.0001
#> concentracao10 - concentracao20 -5.50 1.47 20 -3.734 0.0037
#> concentracao15 - concentracao20 -4.17 1.47 20 -2.829 0.0281
#>
#> P value adjustment: dunnettx method for 3 tests
comp <- glht(mod, linfct = mcp(concentracao = "Tukey"))
comp
#>
#> General Linear Hypotheses
#>
#> Multiple Comparisons of Means: Tukey Contrasts
#>
#>
#> Linear Hypotheses:
#> Estimate
#> 10 - 5 == 0 5.667
#> 15 - 5 == 0 7.000
#> 20 - 5 == 0 11.167
#> 15 - 10 == 0 1.333
#> 20 - 10 == 0 5.500
#> 20 - 15 == 0 4.167
# Tukey (default):
summary(comp)
#>
#> Simultaneous Tests for General Linear Hypotheses
#>
#> Multiple Comparisons of Means: Tukey Contrasts
#>
#>
#> Fit: aov(formula = resistencia ~ concentracao, data = saquinhos)
#>
#> Linear Hypotheses:
#> Estimate Std. Error t value Pr(>|t|)
#> 10 - 5 == 0 5.667 1.473 3.847 0.00538 **
#> 15 - 5 == 0 7.000 1.473 4.753 < 0.001 ***
#> 20 - 5 == 0 11.167 1.473 7.581 < 0.001 ***
#> 15 - 10 == 0 1.333 1.473 0.905 0.80222
#> 20 - 10 == 0 5.500 1.473 3.734 0.00644 **
#> 20 - 15 == 0 4.167 1.473 2.829 0.04703 *
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> (Adjusted p values reported -- single-step method)
# mínima diferença significativa de Fisher:
summary(comp, test = adjusted(type = "none"))
#>
#> Simultaneous Tests for General Linear Hypotheses
#>
#> Multiple Comparisons of Means: Tukey Contrasts
#>
#>
#> Fit: aov(formula = resistencia ~ concentracao, data = saquinhos)
#>
#> Linear Hypotheses:
#> Estimate Std. Error t value Pr(>|t|)
#> 10 - 5 == 0 5.667 1.473 3.847 0.001005 **
#> 15 - 5 == 0 7.000 1.473 4.753 0.000122 ***
#> 20 - 5 == 0 11.167 1.473 7.581 2.65e-07 ***
#> 15 - 10 == 0 1.333 1.473 0.905 0.376114
#> 20 - 10 == 0 5.500 1.473 3.734 0.001309 **
#> 20 - 15 == 0 4.167 1.473 2.829 0.010372 *
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> (Adjusted p values reported -- none method)
# Bonferroni
summary(comp, test = adjusted(type = "bonferroni"))
#>
#> Simultaneous Tests for General Linear Hypotheses
#>
#> Multiple Comparisons of Means: Tukey Contrasts
#>
#>
#> Fit: aov(formula = resistencia ~ concentracao, data = saquinhos)
#>
#> Linear Hypotheses:
#> Estimate Std. Error t value Pr(>|t|)
#> 10 - 5 == 0 5.667 1.473 3.847 0.00603 **
#> 15 - 5 == 0 7.000 1.473 4.753 0.00073 ***
#> 20 - 5 == 0 11.167 1.473 7.581 1.59e-06 ***
#> 15 - 10 == 0 1.333 1.473 0.905 1.00000
#> 20 - 10 == 0 5.500 1.473 3.734 0.00785 **
#> 20 - 15 == 0 4.167 1.473 2.829 0.06223 .
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> (Adjusted p values reported -- bonferroni method)
# Dunnett:
saquinhos <- saquinhos |>
mutate(
concentracao = relevel(concentracao, ref = "20")
)
mod <- aov(resistencia ~ concentracao, data = saquinhos)
dunnett <- glht(mod, linfct = mcp(concentracao = "Dunnett"))
summary(dunnett)
#>
#> Simultaneous Tests for General Linear Hypotheses
#>
#> Multiple Comparisons of Means: Dunnett Contrasts
#>
#>
#> Fit: aov(formula = resistencia ~ concentracao, data = saquinhos)
#>
#> Linear Hypotheses:
#> Estimate Std. Error t value Pr(>|t|)
#> 5 - 20 == 0 -11.167 1.473 -7.581 < 0.001 ***
#> 10 - 20 == 0 -5.500 1.473 -3.734 0.00368 **
#> 15 - 20 == 0 -4.167 1.473 -2.829 0.02728 *
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> (Adjusted p values reported -- single-step method)
# alterando a classe para factor:
baterias <- baterias %>%
mutate(
across(c("tipo", "temperatura"), as.factor)
)
# sumarizando:
mod <- aov(tempo ~ temperatura*tipo, data=baterias)
summary(mod)
#> Df Sum Sq Mean Sq F value Pr(>F)
#> temperatura 2 39119 19559 28.968 1.91e-07 ***
#> tipo 2 10684 5342 7.911 0.00198 **
#> temperatura:tipo 4 9614 2403 3.560 0.01861 *
#> Residuals 27 18231 675
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Comparações múltiplas para delineamentos com dois fatores e efeito de interação significativo.
comp <- emmeans(mod, pairwise ~ tipo|temperatura)
comp
#> $emmeans
#> temperatura = 15:
#> tipo emmean SE df lower.CL upper.CL
#> 1 134.8 13 27 108.1 161.4
#> 2 155.8 13 27 129.1 182.4
#> 3 144.0 13 27 117.3 170.7
#>
#> temperatura = 70:
#> tipo emmean SE df lower.CL upper.CL
#> 1 57.2 13 27 30.6 83.9
#> 2 119.8 13 27 93.1 146.4
#> 3 145.8 13 27 119.1 172.4
#>
#> temperatura = 125:
#> tipo emmean SE df lower.CL upper.CL
#> 1 57.5 13 27 30.8 84.2
#> 2 49.5 13 27 22.8 76.2
#> 3 85.5 13 27 58.8 112.2
#>
#> Confidence level used: 0.95
#>
#> $contrasts
#> temperatura = 15:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 -21.00 18.4 27 -1.143 0.4967
#> tipo1 - tipo3 -9.25 18.4 27 -0.503 0.8703
#> tipo2 - tipo3 11.75 18.4 27 0.639 0.7998
#>
#> temperatura = 70:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 -62.50 18.4 27 -3.402 0.0058
#> tipo1 - tipo3 -88.50 18.4 27 -4.817 0.0001
#> tipo2 - tipo3 -26.00 18.4 27 -1.415 0.3475
#>
#> temperatura = 125:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 8.00 18.4 27 0.435 0.9012
#> tipo1 - tipo3 -28.00 18.4 27 -1.524 0.2959
#> tipo2 - tipo3 -36.00 18.4 27 -1.959 0.1419
#>
#> P value adjustment: tukey method for comparing a family of 3 estimates
summary(comp)
#> $emmeans
#> temperatura = 15:
#> tipo emmean SE df lower.CL upper.CL
#> 1 134.8 13 27 108.1 161.4
#> 2 155.8 13 27 129.1 182.4
#> 3 144.0 13 27 117.3 170.7
#>
#> temperatura = 70:
#> tipo emmean SE df lower.CL upper.CL
#> 1 57.2 13 27 30.6 83.9
#> 2 119.8 13 27 93.1 146.4
#> 3 145.8 13 27 119.1 172.4
#>
#> temperatura = 125:
#> tipo emmean SE df lower.CL upper.CL
#> 1 57.5 13 27 30.8 84.2
#> 2 49.5 13 27 22.8 76.2
#> 3 85.5 13 27 58.8 112.2
#>
#> Confidence level used: 0.95
#>
#> $contrasts
#> temperatura = 15:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 -21.00 18.4 27 -1.143 0.4967
#> tipo1 - tipo3 -9.25 18.4 27 -0.503 0.8703
#> tipo2 - tipo3 11.75 18.4 27 0.639 0.7998
#>
#> temperatura = 70:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 -62.50 18.4 27 -3.402 0.0058
#> tipo1 - tipo3 -88.50 18.4 27 -4.817 0.0001
#> tipo2 - tipo3 -26.00 18.4 27 -1.415 0.3475
#>
#> temperatura = 125:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 8.00 18.4 27 0.435 0.9012
#> tipo1 - tipo3 -28.00 18.4 27 -1.524 0.2959
#> tipo2 - tipo3 -36.00 18.4 27 -1.959 0.1419
#>
#> P value adjustment: tukey method for comparing a family of 3 estimates
comp <- emmeans(mod, pairwise ~ temperatura|tipo)
comp
#> $emmeans
#> tipo = 1:
#> temperatura emmean SE df lower.CL upper.CL
#> 15 134.8 13 27 108.1 161.4
#> 70 57.2 13 27 30.6 83.9
#> 125 57.5 13 27 30.8 84.2
#>
#> tipo = 2:
#> temperatura emmean SE df lower.CL upper.CL
#> 15 155.8 13 27 129.1 182.4
#> 70 119.8 13 27 93.1 146.4
#> 125 49.5 13 27 22.8 76.2
#>
#> tipo = 3:
#> temperatura emmean SE df lower.CL upper.CL
#> 15 144.0 13 27 117.3 170.7
#> 70 145.8 13 27 119.1 172.4
#> 125 85.5 13 27 58.8 112.2
#>
#> Confidence level used: 0.95
#>
#> $contrasts
#> tipo = 1:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 77.50 18.4 27 4.218 0.0007
#> temperatura15 - temperatura125 77.25 18.4 27 4.204 0.0007
#> temperatura70 - temperatura125 -0.25 18.4 27 -0.014 0.9999
#>
#> tipo = 2:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 36.00 18.4 27 1.959 0.1419
#> temperatura15 - temperatura125 106.25 18.4 27 5.783 <.0001
#> temperatura70 - temperatura125 70.25 18.4 27 3.823 0.0020
#>
#> tipo = 3:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 -1.75 18.4 27 -0.095 0.9950
#> temperatura15 - temperatura125 58.50 18.4 27 3.184 0.0099
#> temperatura70 - temperatura125 60.25 18.4 27 3.279 0.0078
#>
#> P value adjustment: tukey method for comparing a family of 3 estimates
summary(comp)
#> $emmeans
#> tipo = 1:
#> temperatura emmean SE df lower.CL upper.CL
#> 15 134.8 13 27 108.1 161.4
#> 70 57.2 13 27 30.6 83.9
#> 125 57.5 13 27 30.8 84.2
#>
#> tipo = 2:
#> temperatura emmean SE df lower.CL upper.CL
#> 15 155.8 13 27 129.1 182.4
#> 70 119.8 13 27 93.1 146.4
#> 125 49.5 13 27 22.8 76.2
#>
#> tipo = 3:
#> temperatura emmean SE df lower.CL upper.CL
#> 15 144.0 13 27 117.3 170.7
#> 70 145.8 13 27 119.1 172.4
#> 125 85.5 13 27 58.8 112.2
#>
#> Confidence level used: 0.95
#>
#> $contrasts
#> tipo = 1:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 77.50 18.4 27 4.218 0.0007
#> temperatura15 - temperatura125 77.25 18.4 27 4.204 0.0007
#> temperatura70 - temperatura125 -0.25 18.4 27 -0.014 0.9999
#>
#> tipo = 2:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 36.00 18.4 27 1.959 0.1419
#> temperatura15 - temperatura125 106.25 18.4 27 5.783 <.0001
#> temperatura70 - temperatura125 70.25 18.4 27 3.823 0.0020
#>
#> tipo = 3:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 -1.75 18.4 27 -0.095 0.9950
#> temperatura15 - temperatura125 58.50 18.4 27 3.184 0.0099
#> temperatura70 - temperatura125 60.25 18.4 27 3.279 0.0078
#>
#> P value adjustment: tukey method for comparing a family of 3 estimates
# forma mais eficiente:
comp <- emmeans(mod, pairwise ~ tipo*temperatura)
comp
#> $emmeans
#> tipo temperatura emmean SE df lower.CL upper.CL
#> 1 15 134.8 13 27 108.1 161.4
#> 2 15 155.8 13 27 129.1 182.4
#> 3 15 144.0 13 27 117.3 170.7
#> 1 70 57.2 13 27 30.6 83.9
#> 2 70 119.8 13 27 93.1 146.4
#> 3 70 145.8 13 27 119.1 172.4
#> 1 125 57.5 13 27 30.8 84.2
#> 2 125 49.5 13 27 22.8 76.2
#> 3 125 85.5 13 27 58.8 112.2
#>
#> Confidence level used: 0.95
#>
#> $contrasts
#> contrast estimate SE df t.ratio p.value
#> tipo1 temperatura15 - tipo2 temperatura15 -21.00 18.4 27 -1.143 0.9616
#> tipo1 temperatura15 - tipo3 temperatura15 -9.25 18.4 27 -0.503 0.9999
#> tipo1 temperatura15 - tipo1 temperatura70 77.50 18.4 27 4.218 0.0065
#> tipo1 temperatura15 - tipo2 temperatura70 15.00 18.4 27 0.816 0.9953
#> tipo1 temperatura15 - tipo3 temperatura70 -11.00 18.4 27 -0.599 0.9995
#> tipo1 temperatura15 - tipo1 temperatura125 77.25 18.4 27 4.204 0.0067
#> tipo1 temperatura15 - tipo2 temperatura125 85.25 18.4 27 4.640 0.0022
#> tipo1 temperatura15 - tipo3 temperatura125 49.25 18.4 27 2.680 0.2017
#> tipo2 temperatura15 - tipo3 temperatura15 11.75 18.4 27 0.639 0.9991
#> tipo2 temperatura15 - tipo1 temperatura70 98.50 18.4 27 5.361 0.0003
#> tipo2 temperatura15 - tipo2 temperatura70 36.00 18.4 27 1.959 0.5819
#> tipo2 temperatura15 - tipo3 temperatura70 10.00 18.4 27 0.544 0.9997
#> tipo2 temperatura15 - tipo1 temperatura125 98.25 18.4 27 5.347 0.0004
#> tipo2 temperatura15 - tipo2 temperatura125 106.25 18.4 27 5.783 0.0001
#> tipo2 temperatura15 - tipo3 temperatura125 70.25 18.4 27 3.823 0.0172
#> tipo3 temperatura15 - tipo1 temperatura70 86.75 18.4 27 4.721 0.0018
#> tipo3 temperatura15 - tipo2 temperatura70 24.25 18.4 27 1.320 0.9165
#> tipo3 temperatura15 - tipo3 temperatura70 -1.75 18.4 27 -0.095 1.0000
#> tipo3 temperatura15 - tipo1 temperatura125 86.50 18.4 27 4.708 0.0019
#> tipo3 temperatura15 - tipo2 temperatura125 94.50 18.4 27 5.143 0.0006
#> tipo3 temperatura15 - tipo3 temperatura125 58.50 18.4 27 3.184 0.0743
#> tipo1 temperatura70 - tipo2 temperatura70 -62.50 18.4 27 -3.402 0.0460
#> tipo1 temperatura70 - tipo3 temperatura70 -88.50 18.4 27 -4.817 0.0014
#> tipo1 temperatura70 - tipo1 temperatura125 -0.25 18.4 27 -0.014 1.0000
#> tipo1 temperatura70 - tipo2 temperatura125 7.75 18.4 27 0.422 1.0000
#> tipo1 temperatura70 - tipo3 temperatura125 -28.25 18.4 27 -1.537 0.8282
#> tipo2 temperatura70 - tipo3 temperatura70 -26.00 18.4 27 -1.415 0.8823
#> tipo2 temperatura70 - tipo1 temperatura125 62.25 18.4 27 3.388 0.0475
#> tipo2 temperatura70 - tipo2 temperatura125 70.25 18.4 27 3.823 0.0172
#> tipo2 temperatura70 - tipo3 temperatura125 34.25 18.4 27 1.864 0.6420
#> tipo3 temperatura70 - tipo1 temperatura125 88.25 18.4 27 4.803 0.0015
#> tipo3 temperatura70 - tipo2 temperatura125 96.25 18.4 27 5.238 0.0005
#> tipo3 temperatura70 - tipo3 temperatura125 60.25 18.4 27 3.279 0.0604
#> tipo1 temperatura125 - tipo2 temperatura125 8.00 18.4 27 0.435 1.0000
#> tipo1 temperatura125 - tipo3 temperatura125 -28.00 18.4 27 -1.524 0.8347
#> tipo2 temperatura125 - tipo3 temperatura125 -36.00 18.4 27 -1.959 0.5819
#>
#> P value adjustment: tukey method for comparing a family of 9 estimates
pairs(comp, simple = "tipo")
#> temperatura = 15:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 -21.00 18.4 27 -1.143 0.4967
#> tipo1 - tipo3 -9.25 18.4 27 -0.503 0.8703
#> tipo2 - tipo3 11.75 18.4 27 0.639 0.7998
#>
#> temperatura = 70:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 -62.50 18.4 27 -3.402 0.0058
#> tipo1 - tipo3 -88.50 18.4 27 -4.817 0.0001
#> tipo2 - tipo3 -26.00 18.4 27 -1.415 0.3475
#>
#> temperatura = 125:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 8.00 18.4 27 0.435 0.9012
#> tipo1 - tipo3 -28.00 18.4 27 -1.524 0.2959
#> tipo2 - tipo3 -36.00 18.4 27 -1.959 0.1419
#>
#> P value adjustment: tukey method for comparing a family of 3 estimates
pairs(comp, simple = "temperatura")
#> tipo = 1:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 77.50 18.4 27 4.218 0.0007
#> temperatura15 - temperatura125 77.25 18.4 27 4.204 0.0007
#> temperatura70 - temperatura125 -0.25 18.4 27 -0.014 0.9999
#>
#> tipo = 2:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 36.00 18.4 27 1.959 0.1419
#> temperatura15 - temperatura125 106.25 18.4 27 5.783 <.0001
#> temperatura70 - temperatura125 70.25 18.4 27 3.823 0.0020
#>
#> tipo = 3:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 -1.75 18.4 27 -0.095 0.9950
#> temperatura15 - temperatura125 58.50 18.4 27 3.184 0.0099
#> temperatura70 - temperatura125 60.25 18.4 27 3.279 0.0078
#>
#> P value adjustment: tukey method for comparing a family of 3 estimates
# cálculo do p-valor para o teste de Tukey (tipo 1 - tipo 2):
ptukey(abs(-1.143)*sqrt(2), nmeans = 3, df = 27, lower.tail = FALSE)
#> [1] 0.4966678
# teste da mínima diferença significativa de Fisher:
summary(comp, adjust = "none")
#> $emmeans
#> tipo temperatura emmean SE df lower.CL upper.CL
#> 1 15 134.8 13 27 108.1 161.4
#> 2 15 155.8 13 27 129.1 182.4
#> 3 15 144.0 13 27 117.3 170.7
#> 1 70 57.2 13 27 30.6 83.9
#> 2 70 119.8 13 27 93.1 146.4
#> 3 70 145.8 13 27 119.1 172.4
#> 1 125 57.5 13 27 30.8 84.2
#> 2 125 49.5 13 27 22.8 76.2
#> 3 125 85.5 13 27 58.8 112.2
#>
#> Confidence level used: 0.95
#>
#> $contrasts
#> contrast estimate SE df t.ratio p.value
#> tipo1 temperatura15 - tipo2 temperatura15 -21.00 18.4 27 -1.143 0.2631
#> tipo1 temperatura15 - tipo3 temperatura15 -9.25 18.4 27 -0.503 0.6187
#> tipo1 temperatura15 - tipo1 temperatura70 77.50 18.4 27 4.218 0.0002
#> tipo1 temperatura15 - tipo2 temperatura70 15.00 18.4 27 0.816 0.4214
#> tipo1 temperatura15 - tipo3 temperatura70 -11.00 18.4 27 -0.599 0.5544
#> tipo1 temperatura15 - tipo1 temperatura125 77.25 18.4 27 4.204 0.0003
#> tipo1 temperatura15 - tipo2 temperatura125 85.25 18.4 27 4.640 0.0001
#> tipo1 temperatura15 - tipo3 temperatura125 49.25 18.4 27 2.680 0.0124
#> tipo2 temperatura15 - tipo3 temperatura15 11.75 18.4 27 0.639 0.5279
#> tipo2 temperatura15 - tipo1 temperatura70 98.50 18.4 27 5.361 <.0001
#> tipo2 temperatura15 - tipo2 temperatura70 36.00 18.4 27 1.959 0.0605
#> tipo2 temperatura15 - tipo3 temperatura70 10.00 18.4 27 0.544 0.5907
#> tipo2 temperatura15 - tipo1 temperatura125 98.25 18.4 27 5.347 <.0001
#> tipo2 temperatura15 - tipo2 temperatura125 106.25 18.4 27 5.783 <.0001
#> tipo2 temperatura15 - tipo3 temperatura125 70.25 18.4 27 3.823 0.0007
#> tipo3 temperatura15 - tipo1 temperatura70 86.75 18.4 27 4.721 0.0001
#> tipo3 temperatura15 - tipo2 temperatura70 24.25 18.4 27 1.320 0.1980
#> tipo3 temperatura15 - tipo3 temperatura70 -1.75 18.4 27 -0.095 0.9248
#> tipo3 temperatura15 - tipo1 temperatura125 86.50 18.4 27 4.708 0.0001
#> tipo3 temperatura15 - tipo2 temperatura125 94.50 18.4 27 5.143 <.0001
#> tipo3 temperatura15 - tipo3 temperatura125 58.50 18.4 27 3.184 0.0036
#> tipo1 temperatura70 - tipo2 temperatura70 -62.50 18.4 27 -3.402 0.0021
#> tipo1 temperatura70 - tipo3 temperatura70 -88.50 18.4 27 -4.817 <.0001
#> tipo1 temperatura70 - tipo1 temperatura125 -0.25 18.4 27 -0.014 0.9892
#> tipo1 temperatura70 - tipo2 temperatura125 7.75 18.4 27 0.422 0.6765
#> tipo1 temperatura70 - tipo3 temperatura125 -28.25 18.4 27 -1.537 0.1358
#> tipo2 temperatura70 - tipo3 temperatura70 -26.00 18.4 27 -1.415 0.1685
#> tipo2 temperatura70 - tipo1 temperatura125 62.25 18.4 27 3.388 0.0022
#> tipo2 temperatura70 - tipo2 temperatura125 70.25 18.4 27 3.823 0.0007
#> tipo2 temperatura70 - tipo3 temperatura125 34.25 18.4 27 1.864 0.0732
#> tipo3 temperatura70 - tipo1 temperatura125 88.25 18.4 27 4.803 0.0001
#> tipo3 temperatura70 - tipo2 temperatura125 96.25 18.4 27 5.238 <.0001
#> tipo3 temperatura70 - tipo3 temperatura125 60.25 18.4 27 3.279 0.0029
#> tipo1 temperatura125 - tipo2 temperatura125 8.00 18.4 27 0.435 0.6667
#> tipo1 temperatura125 - tipo3 temperatura125 -28.00 18.4 27 -1.524 0.1392
#> tipo2 temperatura125 - tipo3 temperatura125 -36.00 18.4 27 -1.959 0.0605
pairs(comp, simple = "tipo", adjust = "none")
#> temperatura = 15:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 -21.00 18.4 27 -1.143 0.2631
#> tipo1 - tipo3 -9.25 18.4 27 -0.503 0.6187
#> tipo2 - tipo3 11.75 18.4 27 0.639 0.5279
#>
#> temperatura = 70:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 -62.50 18.4 27 -3.402 0.0021
#> tipo1 - tipo3 -88.50 18.4 27 -4.817 <.0001
#> tipo2 - tipo3 -26.00 18.4 27 -1.415 0.1685
#>
#> temperatura = 125:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 8.00 18.4 27 0.435 0.6667
#> tipo1 - tipo3 -28.00 18.4 27 -1.524 0.1392
#> tipo2 - tipo3 -36.00 18.4 27 -1.959 0.0605
pairs(comp, simple = "temperatura", adjust = "none")
#> tipo = 1:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 77.50 18.4 27 4.218 0.0002
#> temperatura15 - temperatura125 77.25 18.4 27 4.204 0.0003
#> temperatura70 - temperatura125 -0.25 18.4 27 -0.014 0.9892
#>
#> tipo = 2:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 36.00 18.4 27 1.959 0.0605
#> temperatura15 - temperatura125 106.25 18.4 27 5.783 <.0001
#> temperatura70 - temperatura125 70.25 18.4 27 3.823 0.0007
#>
#> tipo = 3:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 -1.75 18.4 27 -0.095 0.9248
#> temperatura15 - temperatura125 58.50 18.4 27 3.184 0.0036
#> temperatura70 - temperatura125 60.25 18.4 27 3.279 0.0029
# teste com correção de Bonferroni:
summary(comp, adjust = "bonferroni")
#> $emmeans
#> tipo temperatura emmean SE df lower.CL upper.CL
#> 1 15 134.8 13 27 95.6 173.9
#> 2 15 155.8 13 27 116.6 194.9
#> 3 15 144.0 13 27 104.8 183.2
#> 1 70 57.2 13 27 18.1 96.4
#> 2 70 119.8 13 27 80.6 158.9
#> 3 70 145.8 13 27 106.6 184.9
#> 1 125 57.5 13 27 18.3 96.7
#> 2 125 49.5 13 27 10.3 88.7
#> 3 125 85.5 13 27 46.3 124.7
#>
#> Confidence level used: 0.95
#> Conf-level adjustment: bonferroni method for 9 estimates
#>
#> $contrasts
#> contrast estimate SE df t.ratio p.value
#> tipo1 temperatura15 - tipo2 temperatura15 -21.00 18.4 27 -1.143 1.0000
#> tipo1 temperatura15 - tipo3 temperatura15 -9.25 18.4 27 -0.503 1.0000
#> tipo1 temperatura15 - tipo1 temperatura70 77.50 18.4 27 4.218 0.0089
#> tipo1 temperatura15 - tipo2 temperatura70 15.00 18.4 27 0.816 1.0000
#> tipo1 temperatura15 - tipo3 temperatura70 -11.00 18.4 27 -0.599 1.0000
#> tipo1 temperatura15 - tipo1 temperatura125 77.25 18.4 27 4.204 0.0093
#> tipo1 temperatura15 - tipo2 temperatura125 85.25 18.4 27 4.640 0.0029
#> tipo1 temperatura15 - tipo3 temperatura125 49.25 18.4 27 2.680 0.4456
#> tipo2 temperatura15 - tipo3 temperatura15 11.75 18.4 27 0.639 1.0000
#> tipo2 temperatura15 - tipo1 temperatura70 98.50 18.4 27 5.361 0.0004
#> tipo2 temperatura15 - tipo2 temperatura70 36.00 18.4 27 1.959 1.0000
#> tipo2 temperatura15 - tipo3 temperatura70 10.00 18.4 27 0.544 1.0000
#> tipo2 temperatura15 - tipo1 temperatura125 98.25 18.4 27 5.347 0.0004
#> tipo2 temperatura15 - tipo2 temperatura125 106.25 18.4 27 5.783 0.0001
#> tipo2 temperatura15 - tipo3 temperatura125 70.25 18.4 27 3.823 0.0254
#> tipo3 temperatura15 - tipo1 temperatura70 86.75 18.4 27 4.721 0.0023
#> tipo3 temperatura15 - tipo2 temperatura70 24.25 18.4 27 1.320 1.0000
#> tipo3 temperatura15 - tipo3 temperatura70 -1.75 18.4 27 -0.095 1.0000
#> tipo3 temperatura15 - tipo1 temperatura125 86.50 18.4 27 4.708 0.0024
#> tipo3 temperatura15 - tipo2 temperatura125 94.50 18.4 27 5.143 0.0007
#> tipo3 temperatura15 - tipo3 temperatura125 58.50 18.4 27 3.184 0.1312
#> tipo1 temperatura70 - tipo2 temperatura70 -62.50 18.4 27 -3.402 0.0757
#> tipo1 temperatura70 - tipo3 temperatura70 -88.50 18.4 27 -4.817 0.0018
#> tipo1 temperatura70 - tipo1 temperatura125 -0.25 18.4 27 -0.014 1.0000
#> tipo1 temperatura70 - tipo2 temperatura125 7.75 18.4 27 0.422 1.0000
#> tipo1 temperatura70 - tipo3 temperatura125 -28.25 18.4 27 -1.537 1.0000
#> tipo2 temperatura70 - tipo3 temperatura70 -26.00 18.4 27 -1.415 1.0000
#> tipo2 temperatura70 - tipo1 temperatura125 62.25 18.4 27 3.388 0.0783
#> tipo2 temperatura70 - tipo2 temperatura125 70.25 18.4 27 3.823 0.0254
#> tipo2 temperatura70 - tipo3 temperatura125 34.25 18.4 27 1.864 1.0000
#> tipo3 temperatura70 - tipo1 temperatura125 88.25 18.4 27 4.803 0.0019
#> tipo3 temperatura70 - tipo2 temperatura125 96.25 18.4 27 5.238 0.0006
#> tipo3 temperatura70 - tipo3 temperatura125 60.25 18.4 27 3.279 0.1033
#> tipo1 temperatura125 - tipo2 temperatura125 8.00 18.4 27 0.435 1.0000
#> tipo1 temperatura125 - tipo3 temperatura125 -28.00 18.4 27 -1.524 1.0000
#> tipo2 temperatura125 - tipo3 temperatura125 -36.00 18.4 27 -1.959 1.0000
#>
#> P value adjustment: bonferroni method for 36 tests
pairs(comp, simple = "tipo", adjust = "bonferroni")
#> temperatura = 15:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 -21.00 18.4 27 -1.143 0.7893
#> tipo1 - tipo3 -9.25 18.4 27 -0.503 1.0000
#> tipo2 - tipo3 11.75 18.4 27 0.639 1.0000
#>
#> temperatura = 70:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 -62.50 18.4 27 -3.402 0.0063
#> tipo1 - tipo3 -88.50 18.4 27 -4.817 0.0001
#> tipo2 - tipo3 -26.00 18.4 27 -1.415 0.5055
#>
#> temperatura = 125:
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 8.00 18.4 27 0.435 1.0000
#> tipo1 - tipo3 -28.00 18.4 27 -1.524 0.4175
#> tipo2 - tipo3 -36.00 18.4 27 -1.959 0.1814
#>
#> P value adjustment: bonferroni method for 3 tests
pairs(comp, simple = "temperatura", adjust = "bonferroni")
#> tipo = 1:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 77.50 18.4 27 4.218 0.0007
#> temperatura15 - temperatura125 77.25 18.4 27 4.204 0.0008
#> temperatura70 - temperatura125 -0.25 18.4 27 -0.014 1.0000
#>
#> tipo = 2:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 36.00 18.4 27 1.959 0.1814
#> temperatura15 - temperatura125 106.25 18.4 27 5.783 <.0001
#> temperatura70 - temperatura125 70.25 18.4 27 3.823 0.0021
#>
#> tipo = 3:
#> contrast estimate SE df t.ratio p.value
#> temperatura15 - temperatura70 -1.75 18.4 27 -0.095 1.0000
#> temperatura15 - temperatura125 58.50 18.4 27 3.184 0.0109
#> temperatura70 - temperatura125 60.25 18.4 27 3.279 0.0086
#>
#> P value adjustment: bonferroni method for 3 testsExemplo envolvendo delineamento com dois fatores fixos cruzados e efeito de interação não significativo
data(zarcao)
zarcao <- zarcao %>%
mutate(
tipo = as.factor(tipo)
)
mod <- aov(adesao ~ tipo*metodo, data=zarcao)
emmeans(mod, pairwise ~ tipo)
#> NOTE: Results may be misleading due to involvement in interactions
#> $emmeans
#> tipo emmean SE df lower.CL upper.CL
#> 1 4.78 0.117 12 4.53 5.04
#> 2 5.68 0.117 12 5.43 5.94
#> 3 4.50 0.117 12 4.24 4.76
#>
#> Results are averaged over the levels of: metodo
#> Confidence level used: 0.95
#>
#> $contrasts
#> contrast estimate SE df t.ratio p.value
#> tipo1 - tipo2 -0.900 0.166 12 -5.436 0.0004
#> tipo1 - tipo3 0.283 0.166 12 1.711 0.2410
#> tipo2 - tipo3 1.183 0.166 12 7.148 <.0001
#>
#> Results are averaged over the levels of: metodo
#> P value adjustment: tukey method for comparing a family of 3 estimates
emmeans(mod, pairwise ~ metodo)
#> NOTE: Results may be misleading due to involvement in interactions
#> $emmeans
#> metodo emmean SE df lower.CL upper.CL
#> aspersao 5.51 0.0956 12 5.30 5.72
#> imersao 4.47 0.0956 12 4.26 4.67
#>
#> Results are averaged over the levels of: tipo
#> Confidence level used: 0.95
#>
#> $contrasts
#> contrast estimate SE df t.ratio p.value
#> aspersao - imersao 1.04 0.135 12 7.727 <.0001
#>
#> Results are averaged over the levels of: tipo
data(refrigerantes)
glimpse(refrigerantes)
#> Rows: 24
#> Columns: 4
#> $ velocidade <fct> 200, 200, 200, 200, 200, 200, 250, 250, 250, 250, 250, 25…
#> $ carbonatacao <fct> 10, 10, 12, 12, 14, 14, 10, 10, 12, 12, 14, 14, 10, 10, 1…
#> $ pressao <fct> 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 30, 30, 3…
#> $ desvio <int> -3, -1, 0, 1, 5, 4, -1, 0, 2, 1, 7, 6, -1, 0, 2, 3, 7, 9,…
mod <- aov(desvio ~ carbonatacao*pressao*velocidade,
data=refrigerantes)
summary(mod)
#> Df Sum Sq Mean Sq F value Pr(>F)
#> carbonatacao 2 252.75 126.38 178.412 1.19e-09 ***
#> pressao 1 45.38 45.38 64.059 3.74e-06 ***
#> velocidade 1 22.04 22.04 31.118 0.00012 ***
#> carbonatacao:pressao 2 5.25 2.62 3.706 0.05581 .
#> carbonatacao:velocidade 2 0.58 0.29 0.412 0.67149
#> pressao:velocidade 1 1.04 1.04 1.471 0.24859
#> carbonatacao:pressao:velocidade 2 1.08 0.54 0.765 0.48687
#> Residuals 12 8.50 0.71
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
comp <- emmeans(mod, pairwise ~ carbonatacao*pressao*velocidade)
comp
#> $emmeans
#> carbonatacao pressao velocidade emmean SE df lower.CL upper.CL
#> 10 25 200 -2.0 0.595 12 -3.297 -0.703
#> 12 25 200 0.5 0.595 12 -0.797 1.797
#> 14 25 200 4.5 0.595 12 3.203 5.797
#> 10 30 200 -0.5 0.595 12 -1.797 0.797
#> 12 30 200 2.5 0.595 12 1.203 3.797
#> 14 30 200 8.0 0.595 12 6.703 9.297
#> 10 25 250 -0.5 0.595 12 -1.797 0.797
#> 12 25 250 1.5 0.595 12 0.203 2.797
#> 14 25 250 6.5 0.595 12 5.203 7.797
#> 10 30 250 1.0 0.595 12 -0.297 2.297
#> 12 30 250 5.5 0.595 12 4.203 6.797
#> 14 30 250 10.5 0.595 12 9.203 11.797
#>
#> Confidence level used: 0.95
#>
#> $contrasts
#> contrast
#> carbonatacao10 pressao25 velocidade200 - carbonatacao12 pressao25 velocidade200
#> carbonatacao10 pressao25 velocidade200 - carbonatacao14 pressao25 velocidade200
#> carbonatacao10 pressao25 velocidade200 - carbonatacao10 pressao30 velocidade200
#> carbonatacao10 pressao25 velocidade200 - carbonatacao12 pressao30 velocidade200
#> carbonatacao10 pressao25 velocidade200 - carbonatacao14 pressao30 velocidade200
#> carbonatacao10 pressao25 velocidade200 - carbonatacao10 pressao25 velocidade250
#> carbonatacao10 pressao25 velocidade200 - carbonatacao12 pressao25 velocidade250
#> carbonatacao10 pressao25 velocidade200 - carbonatacao14 pressao25 velocidade250
#> carbonatacao10 pressao25 velocidade200 - carbonatacao10 pressao30 velocidade250
#> carbonatacao10 pressao25 velocidade200 - carbonatacao12 pressao30 velocidade250
#> carbonatacao10 pressao25 velocidade200 - carbonatacao14 pressao30 velocidade250
#> carbonatacao12 pressao25 velocidade200 - carbonatacao14 pressao25 velocidade200
#> carbonatacao12 pressao25 velocidade200 - carbonatacao10 pressao30 velocidade200
#> carbonatacao12 pressao25 velocidade200 - carbonatacao12 pressao30 velocidade200
#> carbonatacao12 pressao25 velocidade200 - carbonatacao14 pressao30 velocidade200
#> carbonatacao12 pressao25 velocidade200 - carbonatacao10 pressao25 velocidade250
#> carbonatacao12 pressao25 velocidade200 - carbonatacao12 pressao25 velocidade250
#> carbonatacao12 pressao25 velocidade200 - carbonatacao14 pressao25 velocidade250
#> carbonatacao12 pressao25 velocidade200 - carbonatacao10 pressao30 velocidade250
#> carbonatacao12 pressao25 velocidade200 - carbonatacao12 pressao30 velocidade250
#> carbonatacao12 pressao25 velocidade200 - carbonatacao14 pressao30 velocidade250
#> carbonatacao14 pressao25 velocidade200 - carbonatacao10 pressao30 velocidade200
#> carbonatacao14 pressao25 velocidade200 - carbonatacao12 pressao30 velocidade200
#> carbonatacao14 pressao25 velocidade200 - carbonatacao14 pressao30 velocidade200
#> carbonatacao14 pressao25 velocidade200 - carbonatacao10 pressao25 velocidade250
#> carbonatacao14 pressao25 velocidade200 - carbonatacao12 pressao25 velocidade250
#> carbonatacao14 pressao25 velocidade200 - carbonatacao14 pressao25 velocidade250
#> carbonatacao14 pressao25 velocidade200 - carbonatacao10 pressao30 velocidade250
#> carbonatacao14 pressao25 velocidade200 - carbonatacao12 pressao30 velocidade250
#> carbonatacao14 pressao25 velocidade200 - carbonatacao14 pressao30 velocidade250
#> carbonatacao10 pressao30 velocidade200 - carbonatacao12 pressao30 velocidade200
#> carbonatacao10 pressao30 velocidade200 - carbonatacao14 pressao30 velocidade200
#> carbonatacao10 pressao30 velocidade200 - carbonatacao10 pressao25 velocidade250
#> carbonatacao10 pressao30 velocidade200 - carbonatacao12 pressao25 velocidade250
#> carbonatacao10 pressao30 velocidade200 - carbonatacao14 pressao25 velocidade250
#> carbonatacao10 pressao30 velocidade200 - carbonatacao10 pressao30 velocidade250
#> carbonatacao10 pressao30 velocidade200 - carbonatacao12 pressao30 velocidade250
#> carbonatacao10 pressao30 velocidade200 - carbonatacao14 pressao30 velocidade250
#> carbonatacao12 pressao30 velocidade200 - carbonatacao14 pressao30 velocidade200
#> carbonatacao12 pressao30 velocidade200 - carbonatacao10 pressao25 velocidade250
#> carbonatacao12 pressao30 velocidade200 - carbonatacao12 pressao25 velocidade250
#> carbonatacao12 pressao30 velocidade200 - carbonatacao14 pressao25 velocidade250
#> carbonatacao12 pressao30 velocidade200 - carbonatacao10 pressao30 velocidade250
#> carbonatacao12 pressao30 velocidade200 - carbonatacao12 pressao30 velocidade250
#> carbonatacao12 pressao30 velocidade200 - carbonatacao14 pressao30 velocidade250
#> carbonatacao14 pressao30 velocidade200 - carbonatacao10 pressao25 velocidade250
#> carbonatacao14 pressao30 velocidade200 - carbonatacao12 pressao25 velocidade250
#> carbonatacao14 pressao30 velocidade200 - carbonatacao14 pressao25 velocidade250
#> carbonatacao14 pressao30 velocidade200 - carbonatacao10 pressao30 velocidade250
#> carbonatacao14 pressao30 velocidade200 - carbonatacao12 pressao30 velocidade250
#> carbonatacao14 pressao30 velocidade200 - carbonatacao14 pressao30 velocidade250
#> carbonatacao10 pressao25 velocidade250 - carbonatacao12 pressao25 velocidade250
#> carbonatacao10 pressao25 velocidade250 - carbonatacao14 pressao25 velocidade250
#> carbonatacao10 pressao25 velocidade250 - carbonatacao10 pressao30 velocidade250
#> carbonatacao10 pressao25 velocidade250 - carbonatacao12 pressao30 velocidade250
#> carbonatacao10 pressao25 velocidade250 - carbonatacao14 pressao30 velocidade250
#> carbonatacao12 pressao25 velocidade250 - carbonatacao14 pressao25 velocidade250
#> carbonatacao12 pressao25 velocidade250 - carbonatacao10 pressao30 velocidade250
#> carbonatacao12 pressao25 velocidade250 - carbonatacao12 pressao30 velocidade250
#> carbonatacao12 pressao25 velocidade250 - carbonatacao14 pressao30 velocidade250
#> carbonatacao14 pressao25 velocidade250 - carbonatacao10 pressao30 velocidade250
#> carbonatacao14 pressao25 velocidade250 - carbonatacao12 pressao30 velocidade250
#> carbonatacao14 pressao25 velocidade250 - carbonatacao14 pressao30 velocidade250
#> carbonatacao10 pressao30 velocidade250 - carbonatacao12 pressao30 velocidade250
#> carbonatacao10 pressao30 velocidade250 - carbonatacao14 pressao30 velocidade250
#> carbonatacao12 pressao30 velocidade250 - carbonatacao14 pressao30 velocidade250
#> estimate SE df t.ratio p.value
#> -2.5 0.842 12 -2.970 0.2268
#> -6.5 0.842 12 -7.723 0.0002
#> -1.5 0.842 12 -1.782 0.8011
#> -4.5 0.842 12 -5.347 0.0058
#> -10.0 0.842 12 -11.882 <.0001
#> -1.5 0.842 12 -1.782 0.8011
#> -3.5 0.842 12 -4.159 0.0371
#> -8.5 0.842 12 -10.100 <.0001
#> -3.0 0.842 12 -3.565 0.0942
#> -7.5 0.842 12 -8.911 <.0001
#> -12.5 0.842 12 -14.852 <.0001
#> -4.0 0.842 12 -4.753 0.0145
#> 1.0 0.842 12 1.188 0.9800
#> -2.0 0.842 12 -2.376 0.4801
#> -7.5 0.842 12 -8.911 <.0001
#> 1.0 0.842 12 1.188 0.9800
#> -1.0 0.842 12 -1.188 0.9800
#> -6.0 0.842 12 -7.129 0.0004
#> -0.5 0.842 12 -0.594 0.9999
#> -5.0 0.842 12 -5.941 0.0024
#> -10.0 0.842 12 -11.882 <.0001
#> 5.0 0.842 12 5.941 0.0024
#> 2.0 0.842 12 2.376 0.4801
#> -3.5 0.842 12 -4.159 0.0371
#> 5.0 0.842 12 5.941 0.0024
#> 3.0 0.842 12 3.565 0.0942
#> -2.0 0.842 12 -2.376 0.4801
#> 3.5 0.842 12 4.159 0.0371
#> -1.0 0.842 12 -1.188 0.9800
#> -6.0 0.842 12 -7.129 0.0004
#> -3.0 0.842 12 -3.565 0.0942
#> -8.5 0.842 12 -10.100 <.0001
#> 0.0 0.842 12 0.000 1.0000
#> -2.0 0.842 12 -2.376 0.4801
#> -7.0 0.842 12 -8.317 0.0001
#> -1.5 0.842 12 -1.782 0.8011
#> -6.0 0.842 12 -7.129 0.0004
#> -11.0 0.842 12 -13.070 <.0001
#> -5.5 0.842 12 -6.535 0.0010
#> 3.0 0.842 12 3.565 0.0942
#> 1.0 0.842 12 1.188 0.9800
#> -4.0 0.842 12 -4.753 0.0145
#> 1.5 0.842 12 1.782 0.8011
#> -3.0 0.842 12 -3.565 0.0942
#> -8.0 0.842 12 -9.505 <.0001
#> 8.5 0.842 12 10.100 <.0001
#> 6.5 0.842 12 7.723 0.0002
#> 1.5 0.842 12 1.782 0.8011
#> 7.0 0.842 12 8.317 0.0001
#> 2.5 0.842 12 2.970 0.2268
#> -2.5 0.842 12 -2.970 0.2268
#> -2.0 0.842 12 -2.376 0.4801
#> -7.0 0.842 12 -8.317 0.0001
#> -1.5 0.842 12 -1.782 0.8011
#> -6.0 0.842 12 -7.129 0.0004
#> -11.0 0.842 12 -13.070 <.0001
#> -5.0 0.842 12 -5.941 0.0024
#> 0.5 0.842 12 0.594 0.9999
#> -4.0 0.842 12 -4.753 0.0145
#> -9.0 0.842 12 -10.694 <.0001
#> 5.5 0.842 12 6.535 0.0010
#> 1.0 0.842 12 1.188 0.9800
#> -4.0 0.842 12 -4.753 0.0145
#> -4.5 0.842 12 -5.347 0.0058
#> -9.5 0.842 12 -11.288 <.0001
#> -5.0 0.842 12 -5.941 0.0024
#>
#> P value adjustment: tukey method for comparing a family of 12 estimates
# comparando níveis de carbonatação dentro de cada combinação dos níveis dos demais fatores
pairs(comp, simple = list(c("pressao", "velocidade"), "carbonatacao"))
#> $`simple contrasts for pressao*velocidade`
#> carbonatacao = 10:
#> contrast estimate SE df t.ratio
#> pressao25 velocidade200 - pressao30 velocidade200 -1.5 0.842 12 -1.782
#> pressao25 velocidade200 - pressao25 velocidade250 -1.5 0.842 12 -1.782
#> pressao25 velocidade200 - pressao30 velocidade250 -3.0 0.842 12 -3.565
#> pressao30 velocidade200 - pressao25 velocidade250 0.0 0.842 12 0.000
#> pressao30 velocidade200 - pressao30 velocidade250 -1.5 0.842 12 -1.782
#> pressao25 velocidade250 - pressao30 velocidade250 -1.5 0.842 12 -1.782
#> p.value
#> 0.3276
#> 0.3276
#> 0.0177
#> 1.0000
#> 0.3276
#> 0.3276
#>
#> carbonatacao = 12:
#> contrast estimate SE df t.ratio
#> pressao25 velocidade200 - pressao30 velocidade200 -2.0 0.842 12 -2.376
#> pressao25 velocidade200 - pressao25 velocidade250 -1.0 0.842 12 -1.188
#> pressao25 velocidade200 - pressao30 velocidade250 -5.0 0.842 12 -5.941
#> pressao30 velocidade200 - pressao25 velocidade250 1.0 0.842 12 1.188
#> pressao30 velocidade200 - pressao30 velocidade250 -3.0 0.842 12 -3.565
#> pressao25 velocidade250 - pressao30 velocidade250 -4.0 0.842 12 -4.753
#> p.value
#> 0.1350
#> 0.6452
#> 0.0003
#> 0.6452
#> 0.0177
#> 0.0023
#>
#> carbonatacao = 14:
#> contrast estimate SE df t.ratio
#> pressao25 velocidade200 - pressao30 velocidade200 -3.5 0.842 12 -4.159
#> pressao25 velocidade200 - pressao25 velocidade250 -2.0 0.842 12 -2.376
#> pressao25 velocidade200 - pressao30 velocidade250 -6.0 0.842 12 -7.129
#> pressao30 velocidade200 - pressao25 velocidade250 1.5 0.842 12 1.782
#> pressao30 velocidade200 - pressao30 velocidade250 -2.5 0.842 12 -2.970
#> pressao25 velocidade250 - pressao30 velocidade250 -4.0 0.842 12 -4.753
#> p.value
#> 0.0063
#> 0.1350
#> 0.0001
#> 0.3276
#> 0.0499
#> 0.0023
#>
#> P value adjustment: tukey method for comparing a family of 4 estimates
#>
#> $`simple contrasts for carbonatacao`
#> pressao = 25, velocidade = 200:
#> contrast estimate SE df t.ratio p.value
#> carbonatacao10 - carbonatacao12 -2.5 0.842 12 -2.970 0.0292
#> carbonatacao10 - carbonatacao14 -6.5 0.842 12 -7.723 <.0001
#> carbonatacao12 - carbonatacao14 -4.0 0.842 12 -4.753 0.0013
#>
#> pressao = 30, velocidade = 200:
#> contrast estimate SE df t.ratio p.value
#> carbonatacao10 - carbonatacao12 -3.0 0.842 12 -3.565 0.0101
#> carbonatacao10 - carbonatacao14 -8.5 0.842 12 -10.100 <.0001
#> carbonatacao12 - carbonatacao14 -5.5 0.842 12 -6.535 0.0001
#>
#> pressao = 25, velocidade = 250:
#> contrast estimate SE df t.ratio p.value
#> carbonatacao10 - carbonatacao12 -2.0 0.842 12 -2.376 0.0829
#> carbonatacao10 - carbonatacao14 -7.0 0.842 12 -8.317 <.0001
#> carbonatacao12 - carbonatacao14 -5.0 0.842 12 -5.941 0.0002
#>
#> pressao = 30, velocidade = 250:
#> contrast estimate SE df t.ratio p.value
#> carbonatacao10 - carbonatacao12 -4.5 0.842 12 -5.347 0.0005
#> carbonatacao10 - carbonatacao14 -9.5 0.842 12 -11.288 <.0001
#> carbonatacao12 - carbonatacao14 -5.0 0.842 12 -5.941 0.0002
#>
#> P value adjustment: tukey method for comparing a family of 3 estimates