Análisis deshidratación osmótica

# Datos de cinética de deshidratación osmótica de 0,20,40,60 y 1440 minutoso 
tiempo<-(c(0,0,0,20,20,20,40,40,40,60,60,60,1440,1440,1440)) # factor tiempo
peso<-(c(100,100,100,
         90.55,84.55,83.57,
         80.25,81.51,83.4,
         79.45,77.6,77.6,
         61.6,62.7,59.75)) # peso (g)
brix<-(c(62,62,62,
         56.2,56,56.3,
         54,51.1,53.1,
         54,52.7,55.1,
         47,49,50)) # grados brix

X<-data.frame(tiempo,peso,brix)       # Crear tabla con los todos los datos

Y<-data.frame(tiempo[1:12],peso[1:12],brix[1:12])   # Crear tabla con datos hasta 60 min
View(X)

cor(X,use = "complete.obs", method = "pearson")   # Genera correlación con todos los datos

pairs(~tiempo+peso+brix, data=X, col= "orangered", 
      main="Correlaciones 24 hrs" )    # Genera gráficos de correlaciones con todos los datos

cor(Y,use = "complete.obs", method = "pearson")   # Genera correlación con todos los datos

pairs(~tiempo[1:12]+peso[1:12]+brix[1:12], data=Y, 
      col= "seagreen", main="Correlaciones 60min" )  # Genera gráficos de correlaciones hasta los 60 minutos

# Graficar con intervalo de confianza del 95% 
library(ggplot2)        # instalar previamente el paquete de "ggplot2"
rep<-(c(1,2,3,1,2,3,1,2,3,1,2,3,1,2,3)) # Agregar las replicas
Z<- data.frame(rep, tiempo, peso, brix) # crear matriz de datos 
View(Z)
ggplot(Z, aes(x=peso, y=brix, color=rep)) +
  geom_point(shape=1) +    # usar circulos
  geom_smooth(method=lm)   # Agregar línea de tendencia