Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Las opciones indicadas son todas las ofrecidas por defecto. Podemos poner sólo un
conjunto de datos para muestras unidimensionales (estimaciones puntuales) o dos
conjuntos para comparación de muestras.
Note que el output entrega además la media con valor 3,9 y por defecto, el test de
hipótesis H 0 : μ = 0 en contra de la hipótesis alternativa H 1 : μ ≠ 0 . Se rechaza la
hipótesis nula ya que el valor de la prueba es p-value = 5.681e-09
X −0 3,9
El valor t = 25,674 es el valor de Tobs = = = 25,674 y df =8
s 0,455713725
n 3
indica que la muestra tenía 9 datos
Ejemplo 2
Imaginemos que deseamos verificar la hipótesis que el rendimiento medio es mayor
⎧H 0 : μ = 4
que 4; aquí el test es ⎨ , con el lenguaje R procedemos como sigue
⎩H 1 : μ > 4
> t.test(T,conf.level=0.90,alternative="greater",mu=4)
data: T
t = -0.6583, df = 8, p-value = 0.7356
alternative hypothesis: true mean is greater than 4
90 percent confidence interval:
3.687817 Inf
sample estimates:
mean of x
3.9
La hipótesis nula no se rechaza ya que el valor p-value = 0.7356 es alto
Ejemplo 3
Una operación de montaje en una fábrica manufacturera requiere aproximadamente un
período de entrenamiento de un mes para que un nuevo operario alcance la máxima
eficiencia. Se sugirió un nuevo método para el entrenamiento y se realizó una prueba
para comparar el método nuevo con el método estándar. Se entrenaron dos grupos de
9 nuevos empleados durante un período de un mes; un grupo utilizó el método
estándar y el otro grupo usó el método nuevo. Se midió el tiempo en minutos que
necesito cada empleado en armar cierto dispositivo al final del período de
entrenamiento; los resultados obtenidos fueron:
Método estándar 32 37 35 28 41 44 35 31 34
Método nuevo 35 31 29 25 34 40 27 32 31
data: E and N
F = 1.2205, num df = 8, denom df = 8, p-value = 0.7849
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.2753114 5.4109136
sample estimates:
ratio of variances
1.220527
Paired t-test
data: E and N
t = 2.9938, df = 8, p-value = 0.01723
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
0.842400 6.490933
sample estimates:
mean of the differences
3.666667
∧ 600
Los datos del problema son: n = 800; p = = 0,75; 1 − α = 0,99 de donde
800
α
1− = 0,995 y entonces z α = z 0 ,995 = 2,575, así, reemplazando en la fórmula
2 1−
2
declarada tenemos:
⎡ (0,75)(0,25) ⎤
⎥ = [0,7106 ; 0,7894]
(0,75)(0,25)
IC ( p ) = ⎢0,75 − 2,575 ;0,75 + 2,575
⎣ 800 800 ⎦
ESTADISTICA INFERENCIAL CON R 4
HERALDO GONZALEZ SERRANO
Si no usa la opción $conf.int , el intervalo que se determina usa, por defecto, un 95%
de confianza
Test de hipótesis
Ejemplo 6
El test H 0 : p1 − p 2 = 0 v/s H 1 : p1 − p 2 ≠ 0 es el que viene por defecto en prop.test
Si queremos el valor p del test procedemos como sigue
> prop.test(x, n)$p.value
[1] 2.866061e-09
Ejemplo 7
Para realizar un test unilateral que indique que la vacuna tiene efecto positivo, es decir,
H 1 : p1 < p 2 , usamos el argumento alt="l"
> prop.test(x, n, alt = "l")$p.value
[1] 1.433030e-09
Aquí, el valor p es aún más pequeño indicando que la vacuna es altamente eficiente
para la enfermedad en cuestión
Ejemplo 8
Para el caso de la vacuna, con un 95% de confianza ( que está por defecto) procedemos
como sigue:
> prop.test(x, n)$conf.int
[1] -0.0005641508 -0.0002792920
attr(,"conf.level")
[1] 0.95
Podemos obtener toda la información que otorga la función prop.test como sigue
> prop.test(x, n, conf.level = 0.90)
data: x out of n
X-squared = 35.2728, df = 1, p-value = 2.866e-09
alternative hypothesis: two.sided
90 percent confidence interval:
-0.0005420518 -0.0003013909
sample estimates:
prop 1 prop 2
0.0002839423 0.0007056637