Está en la página 1de 14

AGRO 5005

LAB 9

Pruebas t para una y dos muestras independientes

  • 1. Calcule las siguientes probabilidades usando la tabla t e InfoStat. Incluya un diagrama en cada caso.

    • a. P(T>1.356) si gl=12

    • b. P(T<2.101) si gl=18

    • c. P(T<-1.319) si gl=23

    • d. P(T<-1.711) si gl=24

    • e. P(T<.697) si gl=11

  • a. P(T>1.356) si gl=12 Valor en la tabla: 0.1

AGRO 5005 LAB 9 Pruebas t para una y dos muestras independientes 1. Calcule las siguientes

Función de densidad

T Student(12): p(evento)=0.1000 0.40 0.30 0.20 0.10 0.00 -5.53 -2.76 0.00 2.76 5.53 Densidad
T Student(12): p(evento)=0.1000
0.40
0.30
0.20
0.10
0.00
-5.53
-2.76
0.00
2.76
5.53
Densidad

Variable

  • b. P(T<2.101) si gl=18 1 P(T>2.101) = 1 - 0.025 = 0.975

AGRO 5005 LAB 9 Pruebas t para una y dos muestras independientes 1. Calcule las siguientes

Función de densidad

T Student(18): p(evento)=0.9750 0.40 0.30 0.20 0.10 0.00 -5.53 -2.76 0.00 2.76 5.53 Densidad
T Student(18): p(evento)=0.9750
0.40
0.30
0.20
0.10
0.00
-5.53
-2.76
0.00
2.76
5.53
Densidad

Variable

c.

P(T<-1.319) si gl=23 Valor en la tabla: 0.1

c. P(T<-1.319) si gl=23 Valor en la tabla: 0.1 Función de densidad T Student(23): p(evento)=0.1001 0.40

Función de densidad

T Student(23): p(evento)=0.1001 0.40 0.30 0.20 0.10 0.00 -5.53 -2.76 0.00 2.76 5.53 Densidad
T Student(23): p(evento)=0.1001
0.40
0.30
0.20
0.10
0.00
-5.53
-2.76
0.00
2.76
5.53
Densidad

Variable

  • d. P(T<-1.711) si gl=24

Valor en la tabla: 0.05

c. P(T<-1.319) si gl=23 Valor en la tabla: 0.1 Función de densidad T Student(23): p(evento)=0.1001 0.40

Función de densidad

T Student(24): p(evento)=0.0500 0.40 0.30 0.20 0.10 0.00 -5.53 -2.76 0.00 2.76 5.53 Densidad
T Student(24): p(evento)=0.0500
0.40
0.30
0.20
0.10
0.00
-5.53
-2.76
0.00
2.76
5.53
Densidad

Variable

  • e. P(T<0.697) si gl=11 p 1 P(T>0.697) = 1 - 0.25 = 0.75

e. P(T<0.697) si gl=11 p 1 – P(T>0.697) = 1 - 0.25 = 0.75 Función de

Función de densidad

T Student(11): p(evento)=0.7499 0.40 0.30 0.20 0.10 0.00 -5.53 -2.76 0.00 2.76 5.53 Densidad
T Student(11): p(evento)=0.7499
0.40
0.30
0.20
0.10
0.00
-5.53
-2.76
0.00
2.76
5.53
Densidad

Variable

  • 2. Determine los valores críticos (valores en la tabla) de t, haga un diagrama de la distribución y lleve a cabo las pruebas indicadas. Calcule los valores p usando el calculador de probabilidad de Infostat (o el graficador).

  • a.
    b.
    d. c. : : : :     30, 58, 430, 25, H

H H

0

0

H H

0

0

H H

a

a

a

H

: : : :     58, 30, 25, 430, n n 18, 25, 10,

a

n

16,

Y

Y

Y

n

   57, 32, 9, s s s

2

  • 2 2  100,20,25,   0.05 0.05 0.05

Y

400,

s

  • 2 14,0.01

H :   30, H :   30, n 0 a a. Y 
H
:   30,
H
:   30,
n
0
a
a.
Y   0
s
32
30
t 
 1.6
n
5
16

16,

Y

32,

Valor tabla: 2.131

s

  • 2 25,0.05

Valor p (InfoStat): 0.1304 Decisión: No se rechaza

H

0

α/2=0.025 gl =15

Valor absoluto de t < t α/2

e. P(T<0.697) si gl=11 p 1 – P(T>0.697) = 1 - 0.25 = 0.75 Función de
e. P(T<0.697) si gl=11 p 1 – P(T>0.697) = 1 - 0.25 = 0.75 Función de

Función de densidad

T Student(15): p(evento)=0.0500 0.40 0.30 0.20 0.10 0.00 -5.37 -4.30 -3.22 -2.15 -1.07 0.00 1.07 2.15
T Student(15): p(evento)=0.0500
0.40
0.30
0.20
0.10
0.00
-5.37 -4.30 -3.22 -2.15 -1.07
0.00
1.07
2.15
3.22
4.30
Densidad

Variable

Valor p

T Student(15): p(evento)=0.1304 0.39 0.29 0.20 0.10 0.00 -5.37 -2.69 0.00 2.69 5.37 Densidad
T Student(15): p(evento)=0.1304
0.39
0.29
0.20
0.10
0.00
-5.37
-2.69
0.00
2.69
5.37
Densidad

Variable

H :   58, H :   58, n 18, Y 0 a b.
H
:   58,
H
:   58,
n
18,
Y
0
a
b.
Y   0
s
57
58
t 
  0.4243
n
10
18
Valor tabla: -1.740
gl= 17
Función de densidad

57,

s

2

100,0.05

Valor p (InfoStat): 0.3383

Decisión: No se rechaza

H

0

Valor absoluto de t < t α

T Student(17): p(evento)=0.0500 0.40 0.30 0.20 0.10 0.00 -5.37 -4.30 -3.22 -2.15 -1.07 0.00 1.07 2.15
T Student(17): p(evento)=0.0500
0.40
0.30
0.20
0.10
0.00
-5.37 -4.30 -3.22 -2.15 -1.07
0.00
1.07
2.15
3.22
4.30
Densidad

Variable

-5.37 -2.69 0.00 2.69 5.37 Valor de p c. H :   25, H :
-5.37 -2.69 0.00 2.69 5.37 Valor de p c. H :   25, H :
-5.37 -2.69 0.00 2.69 5.37 Valor de p c. H :   25, H :
-5.37 -2.69 0.00 2.69 5.37 Valor de p c. H :   25, H :

-5.37

-2.69

0.00

2.69

5.37

Valor de p
Valor de p

c.

H :   25, H :   25, n  25, Y  9,
H
:   25,
H
:   25,
n
 25,
Y
 9,
s
2
 20,  0.05
0
a
Y   0
s
9
25
t 
  17.8885
Valor p (InfoStat): 0
n
20
25

Valor tabla: -1.711 gl = 24

Decisión: Se rechaza Valor de t > t α

H

0

Funcion de densidad

T Student(24): p(evento)=0.0500 0.39 0.29 0.20 0.10 0.00 Densidad
T Student(24): p(evento)=0.0500
0.39
0.29
0.20
0.10
0.00
Densidad
-5.37 -2.69 0.00 2.69 5.37 Variable Valor de p
-5.37
-2.69
0.00
2.69
5.37
Variable
Valor de p

Valor p

T Student(24): p(evento)=0.0000 0.39 0.29 0.20 0.10 0.00 -5.37 -2.69 0.00 2.69 5.37 Densidad
T Student(24): p(evento)=0.0000
0.39
0.29
0.20
0.10
0.00
-5.37
-2.69
0.00
2.69
5.37
Densidad

Variable

d.

H

0

: 430,

H

a

: 430,

n

10,

Y

400,

s

  • 2 14,0.01

t

Y   0 s 400  430  n 14 10
Y   0
s
400
430
n
14
10

  25.3546

Valor tabla:3.250

α/2=0.005 gl =9

Valor p (InfoStat): 0

Decisión: Se rechaza

H

0

Valor absoluto de t > t α/2

Funcion de densidad

T Student(9): p(evento)=0.0100 0.39 0.29 0.20 0.10 0.00 -5.37 -2.69 0.00 2.69 5.37 Densidad
T Student(9): p(evento)=0.0100
0.39
0.29
0.20
0.10
0.00
-5.37
-2.69
0.00
2.69
5.37
Densidad

Valor de p

T Student(9): p(evento)=0.0000

0.40 0.30 0.20 0.10 0.00 Densidad
0.40
0.30
0.20
0.10
0.00
Densidad
-5.67 -2.83 Variable Valor de p
-5.67
-2.83
Variable
Valor de p

0.00

Variable

2.83

5.67

3.

Los rendimientos de 7 plantas de piña aleatoriamente escogidas, variedad “Cabezona”, fueron 4.2, 5.6, 4.3, 4.8, 5.7,

5.5 y 4.9 kg/planta.

  • (a) Construya un intervalo de confianza del 95% para la media poblacional.

  • (b) Pruebe H 0 : =4.5, H a : 4.5 usando =.05.

  • (c) Repita los pasos 1 y 2 usando InfoStat.

  • a. Construya un intervalo de confianza del 95% para la media poblacional.

3. Los rendimientos de 7 plantas de piña aleatoriamente escogidas, variedad “Cabezona”, fueron 4.2, 5.6, 4.3,

α/2= 0.025 gl = 6

̅

⁄ √

(4.43, 5.57)

(

) [

⁄ √

] = 5 ± 0.57

  • b. Pruebe H 0 : =4.5, H a : 4.5 usando =.05.

5 t Y   n  4.5  0   2.1461 t y obs
5
t
Y  
n
4.5
0
 2.1461
t
y
obs .
0.05 ,6
s
0.6164
7
2
Densidad

2.4469

Luego, no se rechaza H 0 .

Función de densidad

T Student(6): p(evento)=0.0500

0.38 0.29 0.19 0.10 0.00 -6.12 -3.06 0.00 3.06 6.12
0.38
0.29
0.19
0.10
0.00
-6.12
-3.06
0.00
3.06
6.12

Variable

  • c. Repita los pasos 1 y 2 usando InfoStat (menú Estadísticas > Inferencia Basada en una muestra > Prueba t para un parámetro).

3. Los rendimientos de 7 plantas de piña aleatoriamente escogidas, variedad “Cabezona”, fueron 4.2, 5.6, 4.3,

Prueba T para un parámetro Valor del parámetro probado: 4.5

Variable

n

Media

DE

LI(95)

LS(95)

T

p(Bilateral)

Rendimientos 7

5.00

0.62

4.43

5.57

2.15

0.0755 __

  • 4. Se condujo un experimento para examinar la susceptibilidad de raíces de cierta variedad de limonero a una larva específica. Cuarenta y un plantas se expusieron a la larva, y se examinaron luego de cierto tiempo. La respuesta de interés es el logaritmo del número de larvas por gramo encontradas en cada raíz. Para las 41 plantas estudiadas, la media muestral fue 9.02 y la desviación estándar 1.12. Pruebe la hipótesis que =10 versus <10 usando =.01. Calcule el valor p usando InfoStat. Construya un intervalo de confianza del 95% para la susceptibilidad media de las raíces.

H   : 10 vs . H   : 10 ,   0.01
H  
:
10
vs
.
H  
:
10
,
 
0.01
0
a
9.02
10
t
 2.4233
t
Y  
n
0
  5.6027
y
0.01, 40
obs .
s
1.12
41
H
Decisión: Se rechaza
0
Por lo tanto, a un nivel de significancia de   0.01, hay

susceptibilidad de las raíces de cierta variedad de limonero a una larva específica.

Prueba T para un parámetro Valor del parámetro probado: 4.5 Variable n Media DE LI(95) LS(95)

Valor de p = 0.00000085

El intervalo de confianza del 95%, es:

IC

0.95

:

Y

t

2
2

0.025

s n
s
n

9.02

(2.021)

  • 1.12

41
41

9.02

(0.35)

IC

0.95

:(8.67 ; 9.37)

5.

En una compañía farmacéutica, se desea comparar la presión arterial sistólica de empleadas que usan anticonceptivos orales y que no usan anticonceptivos orales (todas entre 30 y 35 años de edad). Se obtuvieron dos muestras aleatorias:

una de 8 empleadas que usan anticonceptivos orales y otra de 21 empleadas que no usan anticonceptivos orales, y se les midió la presión arterial (mm Hg). Los resultados fueron los siguientes:

Usan anticonceptivos orales:

No usan anticonceptivos orales:

n=8, Y = 132.8 mm Hg, s=15.3 mm Hg

n=21, Y = 127.4 mm Hg, s=18.2 mm Hg

(a)

(b)

Conduzca una prueba para determinar si hay diferencias significativas entre las medias. Use =.05.

Pruebe si las empleadas que usan anticonceptivos orales tienen una presión arterial sistólica mayor (en promedio) que las que no usan. Use =.05.

(a)

( ) ( ) ̅ ̅ √ √ √
(
)
(
)
̅
̅

= 2.052

Por lo tanto Ho no se rechaza, es decir a 0.05 nivel de significancia, no hay diferencias significativas entre las medias de la presión sistólica de las empleadas que usan y que no usan anticonceptivos.

(b)

̅ ̅ √ √ √
̅
̅

= 1.703

Por lo tanto Ho no se rechaza. No hay evidencia para decir que la presión sistólica de las enfermeras que usan anticonceptivos es mayor que la de las que no usan anticonceptivos.

6.

Usando los datos del laboratorio 2 (altura de plantas de café), pruebe si las alturas promedios son diferentes en las plantas sanas y en las plantas enfermas. Formule las hipótesis de interés y obtenga sus conclusiones usando =.10.

H

0

:

Sanos

Enfermos

vs . H  :   a Sanos Enfermos
vs
.
H 
:
 
a
Sanos
Enfermos

,

0.10

6. Usando los datos del laboratorio 2 (altura de plantas de café), pruebe si las alturas
Y  Y Como p(Var.Hom.)<α, debemos usar el estadístico t '  1 2  
Y
Y
Como p(Var.Hom.)<α, debemos usar el estadístico
t ' 
1
2
 
s
2
s
2
1
2
n
n
1
2

0.45

,

cuyo valor absoluto debemos comparar con un valor crítico de t α/2 = 1.688 (Valor interpolado de la tabla t entre 35 y 40 gl). Observar que los grados de libertad aproximados son 36 (InfoStat calcula 38 porque usa una fórmula distinta a la del libro):

gl

 

n

1

1



n

2

1

38

10

n

2

1

c

2

  n  1 (1   c ) 2 10  0.5572 2 
n
1 (1
c
)
2
10
0.5572
2
38 1
1
2
s
1
0.58
n
39
c 
1
 0.5572
2
2
s
s
0.58
0.13
1
2
n
n
39
11
1
2

0.5572

2

36

,

Luego, no se rechaza

H

  • 0 .No tenemos evidencia para decir que las medias de altura entre los

árboles enfermos y sanos son diferentes.

7. Un inspector de control de contaminación sospechaba que una comunidad ribereña estaba descargando

aguas servidas no-tratadas en el río y eso cambiaba el nivel de oxígeno disuelto en el río. Para probar esto,

obtuvo 5 muestras aleatorias de agua del río en una zona río arriba del pueblo, y otras 5 muestras en una

zona río abajo del pueblo. Se midieron los niveles de oxígeno disuelto, en ppm. ¿Proveen los datos

evidencia de un contenido menor de oxígeno río abajo? Use =.05.

Río arriba: 4.8, 5.2, 5.0, 4.9, 5.1

Río abajo: 5.0, 4.7, 4.9, 4.8, 4.9

Luego, no se rechaza H 0 .No tenemos evidencia para decir que las medias de altura
Luego, no se rechaza H 0 .No tenemos evidencia para decir que las medias de altura
Luego, no se rechaza H 0 .No tenemos evidencia para decir que las medias de altura
H :    vs . H :    ,   0.05
H
:
 
vs
.
H
:
 
,
 
0.05
0
Arriba
Abajo
a
Arriba
Abajo
s
2
s
2
0.013
0.025
s
2
Arriba
Abajo
 0.019
p
2
2
Y
Y
5
4.86
t
Arriba
Abajo
 1.606
obs .
s
2
0.019
2
p
n
5
t
1.860
0.05, 8

Luego, no se rechaza abajo del pueblo.

H

  • 0 . Es decir, no hay evidencia de un contenido menor de oxígeno río

Otras observaciones:

  • 1. Como p(Var.Hom.) > α, podemos usar el estadístico t y asumir que las varianzas son iguales.

  • 2. El valor p, o nivel de significancia al 5%, (0.9265) está en la zona de aceptación, lo que es congruente con la decisión.

  • 8. Un estudio se realizó en 16 vacas lecheras. Ocho vacas fueron asignadas aleatoriamente a un régimen de líquidos de agua solamente (grupo 1), y las otras recibieron suero líquido solamente (grupo 2). Además, a cada animal se le dio 7.5 kg de grano por día, y se le permitió comer heno a voluntad. Se registró, entre otras cosas, la cantidad de heno (en kg/vaca) consumido diariamente.

Grupo 1: 15.1, 14.9, 14.8, 14.2, 13.1, 12.8, 15.5, 15.9

Grupo 2: 6.8, 7.5, 8.6, 8.4, 8.9, 8.1, 9.2, 9.5

  • (a) Pruebe la hipótesis que hay diferencias entre los consumos diarios promedios de heno en los dos grupos con =.01.

  • (b) ¿Cuáles son los supuestos necesarios para las pruebas realizadas en la parte a? Comente sobre su validez en este caso (grafique los datos si fuese necesario).

    • a. Pruebe la hipótesis que hay diferencias entre los consumos diarios promedios de heno en los dos grupos con =.01.

H :    vs . H :    ,   0.05
H :    vs . H :    ,   0.05

frecuencia relativa

frecuencia relativa

H

0

:

1

2

vs

.

H

a

:

1

2

,

0.01

̅ ̅ √ √ √
̅
̅

= 2.977

Por lo tanto, se rechaza

H

  • 0 . Es decir, existen diferencias significativas entre los consumos diarios

promedios de heno en los dos grupos. El valor p es congruente con esta decisión.

  • b. ¿Cuáles son los supuestos necesarios para las pruebas realizadas en la parte a? Comente sobre su validez en este caso (grafique los datos si fuese necesario). Para que la prueba sea válida, se necesitan realizar tres supuestos:

    • 1. Poblaciones normales: con 8 datos no se puede apreciar (haría falta n grande…)

    • 2. Varianzas iguales: Como p(Var.Hom.) > α, podemos usar el estadístico t y asumir que las varianzas

son iguales .

  • 3. Muestras independientes. Se cumple

Grupo= G1

0.40

0.30

0.20

0.10

0.00

frecuencia relativa frecuencia relativa H    0 : 1 2 vs . H 
frecuencia relativa frecuencia relativa H    0 : 1 2 vs . H 
frecuencia relativa frecuencia relativa H    0 : 1 2 vs . H 

12.4

13.2

14.0

14.7

15.5

16.3

Heno_Kg/Vaca

Grupo= G2

0.40

0.30

0.20

0.10

0.00

frecuencia relativa frecuencia relativa H    0 : 1 2 vs . H 
frecuencia relativa frecuencia relativa H    0 : 1 2 vs . H 

6.5

7.1

7.8

8.5

9.2

9.8

Heno_Kg/Vaca