c

c
c c
c
Ã


Este taller tiene como por finalidad aprender a usar a usar la

herramienta computacional R-Comander para desarrollar unos ejercicios
basados en la ³Encuesta de Alumnos 2010´, usando intervalos de confianza
mediante test t para una muestra.

Para esto utilizaremos distintos niveles de confianza dependiendo de la

pregunta.

A continuación realizaremos el desarrollo del taller.


c c

c 
c
c
c
 c
cc c
c
Ô


 c Estime con un 99% de confianza la media de la edad del Profesor

estimada por los alumnos. Asuma que la edad estimada del Profesor
distribuye Normal. Interprete el resultado obtenido.
X: Edad del Profesor (en años).
X ~ Normal (µ;ơ²)

Los resultados obtenidos por R-Comander son:

x=39.37634
38.27507 ” µ ” 40.47762

Ã

 Con un 99% de confianza es posible afirmar que la

media de la edad del profesor se encuentra entre 38.27507 y
40.47762 años.

 c Estime con un 95% de confianza el peso medio de los alumnos.

Asuma que el peso de los alumnos distribuye Normal. Interprete el
resultado obtenido.
X: Peso de los alumnos en kilos.
X ~ Normal (µ;ơ²)

Los resultados obtenidos por R-Comander son:

x=70.70109
68.34825 ” µ ” 73.05393

Ã

 Con un 95% de confianza es posible afirmar que el

peso medio de los alumnos se encuentra entre 68.34825 y 73.05393
kilos.

 c Estime con un 90% de confianza la proporción de alumnos que

realizan deportes. Interprete el resultado obtenido.
X: Cantidad de alumnos que realizan deportes.
X ~ Binomial (n;p)

Los resultados obtenidos por R-Comander son:

p= 0.4193548
0.3386364 ” p ” 0.5046329

Sin embargo, esto se cumple solo para los alumnos que no realizan
deportes, por lo tanto se debe utilizar el complemento

p= 1- 0.4193548
p= 0,58065


c c

c 
cc
c
 c
cc c
c

Luego obteniendo los complementos en el intervalo y cambiando su

lugar podemos decir que:

1-0,58065 ” p ” 1-0,3386364

0,41935 ” p ” 0,6613636

Ã

 Con un 90% de confianza podemos decir que la

proporción real de alumnos que realizan deportes se encuentra entre
un 41,93% y un 66,13%.

 c Estime con un 99% de confianza la proporción de alumnos que

fuman. Interprete el resultado obtenido.
X: Cantidad alumnos que fuman.
X ~ Binomial (n;p)

Los resultados obtenidos por R-Comander son:

p=0.7282609
0.5965116 ” p ” 0.8293012

Sin embargo esto es solo aplicable para los alumnos que no fuman.
Por esto se debe utilizar el complemento:

p=1- 0.7282609
p= 0,2718

Luego ya obtenidos los complementos en el intervalo y cambiando su

lugar tenemos:

1-c 0.8293012 ” p ” 1- 0.5965116

0,1706988 ” p ” 0,4034884

Ã

 Con un 99% de confianza podemos afirmar que la

proporción real de alumnos que fuman se encuentra entre un 17,06%
y un 40,34%.


c c

c 
cc
c
 c
cc c
c

Ã







  

> TALLERTRESGRUPOXXX <- sqlQuery(channel = 2, select * from

[BDatos$])

>showData(TALLERTRESGRUPOXXX, placement='-20+200',
font=getRcmdr('logFont'),
+ maxwidth=80, maxheight=30)

>t.test(TALLERTRESGRUPOXXX$Edprofesor, alternative='two.sided',
mu=0.0, conf.level=.99)

One Sample t-test

data: TALLERTRESGRUPOXXX$Edprofesor
t = 94.0481, df = 92, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
99 percent confidence interval:
38.27507 40.47762
sample estimates:
mean of x
39.37634

>t.test(TALLERTRESGRUPOXXX$Peso, alternative='two.sided',
mu=0.0, conf.level=.95)

One Sample t-test

data: TALLERTRESGRUPOXXX$Peso
t = 59.6891, df = 91, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
68.34825 73.05393
sample estimates:
mean of x
70.70109

> TALLERTRESGRUPOXXX$CDeporte <-

factor(TALLERTRESGRUPOXXX$CDeporte, labels=c('NO','SI'))

> .Table <- xtabs(~ CDeporte , data= TALLERTRESGRUPOXXX )


c c

c 
cc
c
 c
cc c
c
> .Table
CDeporte
NO SI
39 54

>prop.test(rbind(.Table), alternative='two.sided', p=.5,

conf.level=.90, correct=FALSE)

1-sample proportions test without continuity correction

data: rbind(.Table), null probability 0.5

X-squared = 2.4194, df = 1, p-value = 0.1198
alternative hypothesis: true p is not equal to 0.5
90 percent confidence interval:
0.3386364 0.5046329
sample estimates:
p
0.4193548

>TALLERTRESGRUPOXXX$CFuma<-
factor(TALLERTRESGRUPOXXX$CFuma, labels=c('NO','SI'))

> .Table <- xtabs(~ CFuma , data= TALLERTRESGRUPOXXX )

> .Table
CFuma
NO SI
67 25

>prop.test(rbind(.Table), alternative='two.sided', p=.5,

conf.level=.99, correct=FALSE)

1-sample proportions test without continuity correction

data: rbind(.Table), null probability 0.5

X-squared = 19.1739, df = 1, p-value = 1.193e-05
alternative hypothesis: true p is not equal to 0.5
99 percent confidence interval:
0.5965116 0.8293012
sample estimates:
p
0.7282609


c c

c 
cc
c
 c
cc c
c
c


c c

c 
cc
c