Universidad de Chile Facultad de Ciencias Agronmicas

Estadstica Aplicada a los Recursos Naturales Vctor Caquilpan Parra

Prctico 5
1. Utilizando function {}, programe una nueva funcin para calcular los intervalos de confianza.

Cdigo en R: IC_mayor30<-function(x){c(mean(x)(qnorm(z)*sd(x)/sqrt(length(x))),mean(x)+(qnorm(z)*sd(x)/sqrt(length(x))))} IC_mayor30(x) IC_menor30<-function(x){c(mean(x)-(qt(z,(length(x)1))*sd(x)/sqrt(length(x))),mean(x)+(qt(z,(length(x)-1))*sd(x)/sqrt(length(x))))} IC_menor30(x)

Dependiendo la cantidad de muestras (n) se a utilizar una funcin distinta. Para casos en los que se disponga de ms de 30 muestras se utilizar la primera funcin, que asume una distribucin normal de los datos (distribucin de probabilidad normal), mientras que para casos en los que se utiliza un n menor a 30, se utilizar la segunda funcin que se basa en la distribucin de T Student. Para desarrollar las funciones, se necesita conocer los valores de los datos (x) y el nivel de confianza que quiero tener (z). Para realizar los siguientes ejercicios se utiliz este mismo cdigo como base. Adems de utiliz la Extensin Sciplot para crear los grficos.

2. Utilizando la funcin anterior calcule los intervalos de confianza (con 95% de confianza), grafique y compare (considere los datos de todos los grupos): a) La temperatura medida en la superficie y a 10 centmetros de profundidad.

Cdigo en R para Temperatura Superficial

x<-Resp$Tsuperficial x z<-0.975 z length(x) IC_mayor30<-function(x){c(mean(x)(qnorm(z)*sd(x)/sqrt(length(x))),mean(x)+(qnorm(z)*sd(x)/sqrt(length(x))))} IC_mayor30(x)

Resultado para intervalo Tsuperficial: 21.60198 24.21602 Cdigo en R para Temperatura a 10 cm. x1<-Resp$T10 x1 z1<-0.975 z1 length(x1) IC1_mayor30<-function(x1){c(mean(x1)(qnorm(z1)*sd(x1)/sqrt(length(x1))),mean(x1)+(qnorm(z1)*sd(x1)/sqrt(length(x1))))} IC1_mayor30(x1) Resultado para intervalo T10 20.72491 22.90009 Para realizar los grficos, se realiz el siguiente cdigo: Temp<-read.delim("clipboard") Temp library(sciplot) bargraph.CI(Caso,T,data=Resp) bargraph.CI(Caso,T,data=Resp,ci.fun= mean(x)+qnorm(0.975)*se(x)))

function(x)

c(mean(x)-qnorm(0.975)*se(x),

10

15

20

T10

Tsuperficial

2 b) La concentracin de CO2 en pasto y en bosque esclerfilo.

Cdigo para Concentracin de CO2 de Bosque Esclerfilo.

Resp<-read.delim("clipboard") Resp x<-Resp$Concentracin[Resp$Tipo=="Esclerofilo"] x z<-0.975 z length(x) IC_mayor30<-function(x){c(mean(x)(qnorm(z)*sd(x)/sqrt(length(x))),mean(x)+(qnorm(z)*sd(x)/sqrt(length(x))))} IC_mayor30(x) Respuesta para intervalo Esclerofilo 460.968 469.032

Cdigo para Concentracin de CO2 de Pasto. x<-Resp$Concentracin[Resp$Tipo=="Pasto"] x z<-0.975 z length(x) IC_mayor30<-function(x){c(mean(x)(qnorm(z)*sd(x)/sqrt(length(x))),mean(x)+(qnorm(z)*sd(x)/sqrt(length(x))))} IC_mayor30(x) Respuesta para Intervalo para pasto 450.6174 457.7326 Cdigo Grfico library(sciplot) bargraph.CI(Tipo,Concentracin,data=Resp) bargraph.CI(Tipo,Concentracin,data=Resp,ci.fun= qnorm(0.975)*se(x), mean(x)+qnorm(0.975)*se(x)))

function(x)

c(mean(x)-

100

200

300

400

Esclerofilo

Pasto

d) La temperatura a 10 centmetros de profundidad en pasto y en bosque esclerfilo.

Cdigo en R para la T10 de pasto

Resp<-read.delim("clipboard") Resp

x<-Resp$T10[Resp$Tipo=="Pasto"] x z<-0.975 z length(x) IC_mayor30<-function(x){c(mean(x)(qnorm(z)*sd(x)/sqrt(length(x))),mean(x)+(qnorm(z)*sd(x)/sqrt(length(x))))} IC_mayor30(x) Resultado. Intervalo T10 en Pasto. 23.10144 26.26856

Cdigo en R para T10 en Esclerfilo Resp<-read.delim("clipboard") Resp x<-Resp$T10[Resp$Tipo=="Esclerofilo"] x z<-0.975 z length(x) IC_mayor30<-function(x){c(mean(x)(qnorm(z)*sd(x)/sqrt(length(x))),mean(x)+(qnorm(z)*sd(x)/sqrt(length(x))))} IC_mayor30(x) Resultado Intervalo T10 en Esclerfilo 18.12824 19.75176

10

15

20

25

Esclerofilo

Pasto

3. Calcule el intervalo de confianza con un 80%, 95% y 99% de confianza del AFE de Aristotelia chilensis y Pyrus communis. Compare e intrprete en cada caso. Qu sucede cuando se aumenta o disminuye el nivel de confianza? Cdigo para intervalo con un 80% de confianza Hojas<-read.delim("clipboard") Hojas x<-Hojas$AFE[Hojas$Especie=="Aristotelia chilensis"] x z<-0.90 z length(x) IC_menor30<-function(x){c(mean(x)-(qt(z,(length(x)1))*sd(x)/sqrt(length(x))),mean(x)+(qt(z,(length(x)-1))*sd(x)/sqrt(length(x))))} IC_menor30(x) Resultado para intervalo con 80% confianza: 46.92792 53.29508

Cdigo para intervalo de confianza con un 95% Hojas<-read.delim("clipboard") Hojas x<-Hojas$AFE[Hojas$Especie=="Aristotelia chilensis"] x z<-0.975 z length(x) IC_menor30<-function(x){c(mean(x)-(qt(z,(length(x)1))*sd(x)/sqrt(length(x))),mean(x)+(qt(z,(length(x)-1))*sd(x)/sqrt(length(x))))}

IC_menor30(x) Resultado Intervalo con 95% confianza: 45.09292 55.13008 Cdigo para intervalo de confianza con un 99% de confianza Hojas<-read.delim("clipboard") Hojas x<-Hojas$AFE[Hojas$Especie=="Aristotelia chilensis"] x z<-0.995 z length(x) IC_menor30<-function(x){c(mean(x)-(qt(z,(length(x)1))*sd(x)/sqrt(length(x))),mean(x)+(qt(z,(length(x)-1))*sd(x)/sqrt(length(x))))} IC_menor30(x)

Resultado para 99% confianza: 43.25165 56.97135 Conclusin: Al aumentar el nivel de confianza para los intervalos, estos van siendo cada vez ms grandes (de mayor extensin). Existe una relacin directa.