Guia rápido
Quase todo experimento agronômico termina numa análise de variância — e é aí que a maioria trava: montar a tabela certa, escolher o teste de médias, fazer o gráfico, entender o resultado. O R faz isso de um jeito bonito; este guia é só o suficiente pra você chegar lá sem se afogar em código. Quatro passos curtos: instalar o R e o RStudio, importar seus dados, instalar pacotes e escolher o pacote certo pra análise experimental.
São dois programas diferentes: o R faz as contas, o RStudio é a tela onde você trabalha. Instale nessa ordem.
.exe; é só seguir o instalador com as opções padrão.
O jeito mais fácil é pelo menu, mas saber o comando por trás ajuda a repetir a análise depois.
No RStudio: File → Import Dataset e escolha o tipo de arquivo. Ele monta o comando pra você e mostra no console antes de rodar — bom jeito de aprender a sintaxe.
Os comandos mais comuns:
# CSV exportado do Excel brasileiro (separado por ; e vírgula decimal)
dados <- read.csv2("dados.csv")
# CSV no padrão internacional (separado por , e ponto decimal)
dados <- read.csv("dados.csv")
# Arquivo do Excel (.xlsx) — precisa do pacote readxl
dados <- readxl::read_excel("dados.xlsx", sheet = 1)
# Colar direto da área de transferência (copiou do Excel com Ctrl+C)
dados <- read.delim("clipboard")
Dica que resolve 90% dos erros de importação: se os números aparecerem como texto (entre aspas) ou
virarem NA, o problema quase sempre é vírgula decimal. Use read.csv2() em vez
de read.csv(), ou passe dec = "," como argumento.
Depois de importar, confira com str(dados) ou head(dados) se as colunas
vieram com o tipo certo (número, texto, fator) antes de seguir pra análise.
O R vem enxuto; quase tudo que você vai usar está em um pacote separado.
# Instala uma vez por computador (baixa e guarda o pacote)
install.packages("agricolae")
# Carrega em cada sessão nova do R — é o que de fato "liga" o pacote
library(agricolae)
A confusão mais comum é esquecer o library(): o pacote pode estar instalado e mesmo assim
o R reclamar que a função não existe, porque ele não foi carregado nessa sessão.
Pacotes que não estão no CRAN — como projetos que só existem no GitHub — pedem o pacote
remotes primeiro:
install.packages("remotes")
remotes::install_github("usuario/nome-do-repositorio")Os clássicos usados em TCC, dissertação e artigo para ANOVA de experimentos em DIC, DBC e esquema fatorial.
O mais tradicional. Gera os principais delineamentos experimentais, faz ANOVA e reúne quase todos os testes de comparação de médias usados em agronomia — Tukey, Duncan, SNK, Scott-Knott — numa única função por teste.
install.packages("agricolae")
Pensado para quem está aprendendo: funções em português, saída em português, feito para DIC, DBC e DQL — inclusive em esquema fatorial e parcelas subdivididas. Boa porta de entrada antes de partir para pacotes mais gerais.
install.packages("ExpDes.pt")
Uma função só resolve a ANOVA e já devolve médias, teste de comparação e pressupostos — troca flexibilidade por rapidez, útil pra conferir um resultado rápido antes de detalhar a análise.
install.packages("easyanova")
Pacote que desenvolvi para cobrir os casos que os anteriores tratam separadamente — DIC, DBC, esquema fatorial, parcelas subdivididas e subsubdivididas — com o erro correto em cada teste F e os mesmos nomes de função do início ao fim.
remotes::install_github("Marlenildo/ranova")
Se preferir não instalar nada agora, o Ranova dá interface pronta pra esse pacote direto no navegador — cole os dados, escolha o delineamento e o relatório sai em PDF ou HTML.