tiempo<-scan()
51 64 70 63 78 55 67 75 82 61 53 60 62 83 77 90 85 60 70 58 40 61 66 37 54 77 75 57 85 82 30 51 68 45 56 49 42 50 72 45 53 47 57 83 54 50 64 65 46 68 33 52 52
42 42 66 58 44 71 39 39 54 69 47 66 44 56 55 67 47 58 39 42 45 72 72 69 75 57 54 34 62 50 58 48 63 74 45 71 59 92 73 86 83 49 68 66 83 80 67 74 63 77 77 54 79
80 85 78 64 80 80 57 75 76 78 83 74 78 84

pais<-as.factor(c(rep(1,30),rep(2,30),rep(3,30),rep(4,30)))
boxplot(tiempo~pais,names=c("A","B","C","D"),main="boxplot de los tiempos de fraguado")
salida<- aov(tiempo~pais)
summary(salida)
attributes(salida)
#notar toda la información que se consigue al realizar un test anova
#Todo queda guardado con el nombre que lo guardé. Y escribiendo
#nombre+$+variable  vemos la variable deseada que guarda el programa
#Por ejemplo:
residuos<-salida$residuals
ajustados<-salida$fitted.values
#Ver cuál es el vector de residuos y el de valores ajustados
plot(ajustados,residuos)
#Nos da una idea sobre la homogeneidad de varianzas
#De estar cargado el paquete lawstat, puedo realizar el test de homogeneidad de varianzas
levene.test(tiempo,pais)
#Si el p-valor es alto no rechazo homoscedasticidad.
#Una vez que no rechacé homoscedasticidad, resulta razonable
#para chequear normalidad de los datos, directamente mirar si los residuos son normales
boxplot(residuos)
qqnorm(residuos)
shapiro.test(residuos)
#Un p-valor alto ya nos dejaría tranquilos que el test de ANOVA que aplicamos al comienzo
#tiene sentido ya que hemos validado los supuestos del test.
#Por lo tanto en este caso, a nivel 0,05 podemos decir que el país de procedencia del yeso afecta el tiempo de fraguado