Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El Tambo - Huancayo
2020
CHI CUADRADO
Problema 1:
Supongamos que se quiere estudiar la posible asociación entre el hecho de que una gestante
fume durante el embarazo y que el niño presente bajo peso al nacer. Por lo tanto, se trata de
ver si la probabilidad de tener bajo peso es diferente en gestantes que fumen o en gestantes
que no fumen durante la gestación. Para responder a esta pregunta se realiza un estudio de
seguimiento sobre una cohorte de 2000 gestantes, a las que se interroga sobre su habito
durante la gestación y se determina además el peso del recién nacido.
Programación en Rstudio
> #H0: No hay asociación entre las variables (en el ejemplo, el bajo
peso del niño y el hecho de fumar durante la gestacion son
independientes o no estan asociados).
> #H1: Si hay asociación entre las variables, es decir, el bajo peso
y el fumar durante la gestacion estan asociados.
> si<-c(43,105)
> no<-c(207,1645)
> cuadro1<-data.frame(si,no)
> rownames(cuadro1)<-c("fumadores","no fumadores")
> cuadro1
si no
fumadores 43 207
no fumadores 105 1645
> chisq.test(cuadro1)
data: cuadro1
X-squared = 38.427, df = 1, p-value = 5.685e-10
> fisher.test(cuadro1)
data: cuadro1
p-value = 1.687e-08
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
2.161142 4.830833
sample estimates:
odds ratio
3.25158
data: cuadro1
X-squared = 40.044, df = 1, p-value = 2.483e-10
> prop.table(cuadro1)
si no
fumadores 0.0215 0.1035
no fumadores 0.0525 0.8225
> mosaicplot(cuadro1,color = TRUE,main = "plot de mosaico")
> #valores esperados
> valor_E<-chisq.test(cuadro1)$expected;E
Error: objeto 'E' no encontrado
> valor_E<-chisq.test(cuadro1)$expected
> valor_E
si no
fumadores 18.5 231.5
no fumadores 129.5 1620.5
> valor_E<-chisq.test(cuadro1)$expected;valor_E
si no
fumadores 18.5 231.5
no fumadores 129.5 1620.5
># Sí existe una asociación entre las variables, es decir, el bajo peso y el fumar durante
la gestacion estan asociados de manera significativa (Chi2=38.42, gl = 1, p-value <0.05).
Problema 2
Se sabe que en un cruce T x T de palma, la descendencia de duras, teneras y pisiferas
esta en una proporción de 1:2:1. En una muestra de 104 palmas se obtuvieron 28 duras,
49 teneras y 27 pisiferas. ¿Se ajustan estos datos a la proporción esperada?
Programación en Rstudio
> #Ho: Los datos corresponden a una proporción de 1:2:1
> #H1: Los datos no corresponden a una proporción de 1:2:1
> chisq.test(c(28,49,27),p=c(1/4,2/4,1/4))
> prob$expected
[1] 26 52 26
Problema 3
Se quiere demostrar bajo un experimento genetico, si nuestros datos se ajustan a la
proporción Mendeliana 9:3:3:1 Valores observados: . 318 semillas redondas, color amarillo
. 103 semillas redondas, color verde . 99 semillas arrugadas, color amarillo . 30 semillas
arrugadas, color verde.
Programación en Rstudio
> #Ho: los datos se ajustan a la proporción Mendeliana 9:3:3:1
> #H1: los datos no se ajustan a la proporción Mendeliana 9:3:3:1.
> chisq.test(c(318,103,99,30),p=c(9/16,3/16,3/16,1/16))
Problema 4
Se sabe que en un cruce A x A de palma, la descendencia de duras, teneras y pisiferas
esta en una proporción de 3:2:2. En una muestra de 104 palmas se obtuvieron 38 duras,
69 teneras y 47 pisiferas. ¿Se ajustan estos datos a la proporción esperada?
Programación en Rstudio
> #Ho:los datos corresponden a una proporcion de 3:2:2
> #H1:los datos no corresponden a una proporcion de 3:2:2
> chisq.test(c(38,69,47),p=c(3/7,2/7,2/7))
> pro<-chisq.test(c(38,69,47),p=c(3/7,2/7,2/7))
> pro$expected
[1] 66 44 44
> # Los datos corresponden a una proporción de 1:2:1 de manera
significativa (Chi2=26.28, gl = 2, p-value < 0.05)
Problema 5
Se quiere demostrar bajo un experimento genético, si nuestros datos se ajustan a la
proporción 9:3:3:1 Valores observados: .418 semillas ovaladas, color naranja. 203 semillas
ovaladas, color marrón. 199 semillas arrugadas, color naranja. 130 semillas arrugadas,
color marrón.
Programación en Rstudio
> ##Ho: los datos se ajustan a la proporción 9:3:3:1
> ##H1: los datos no se ajustan a la proporción Mendeliana 9:3:3:1
> chisq.test(c(418,203,199,130),p=c(9/16,3/16,3/16,1/16))
> pra<-chisq.test(c(418,203,199,130),p=c(9/16,3/16,3/16,1/16))
> pra$expected
[1] 534.375 178.125 178.125 59.375
T - STUDENT
PROBLEMA 1
Programación en r studio
> library(openintro)
> library(knitr)
> data(births)
> kable(head(births, 4), align = "c")
El datset births del paquete openintro contiene información sobre 150 nacimientos junto
con información de las madres. Se quiere determinar si existen evidencias significativas de
que el peso de los recién nacidos cuyas madres fuman (f) difiere de aquellos cuyas
madres no fuman (nf)
Problema 2
Problema 3
Tenemos dos muestras, en la cual la primera se toma de forma aleatoria con
una media de 10, la segunda también se toma deuna muestra aleatoria con
una media de 10.5. comparar los dos tipos demuestras
Programación en Rstudio
> x1 <- rnorm(100,10) # Variable aleatoria de
media 10
> x2 <- rnorm(100,10.5) # Variable aleatoria
de media 10.5
> test <- t.test(x1,x2) # Prueba t de
Student
> print(test)
Problema 4
Del problema anterior se nos pide hacer una comparación muestral con la
media, utilizando los primero datos aleatorios.
Programación en Rstudio
> x <- rnorm(100,10) # Creación de una variable aleatoria
de media 10
> Media <- 10
> test <- t.test(x, mu=Media) # Comparación de la media
muestral con la media
> print(test)
One Sample t-test
data: x
t = -1.4507, df = 99, p-value = 0.15
alternative hypothesis: true mean is not equal to 10
95 percent confidence interval:
9.676689 10.050213
sample estimates:
mean of x
9.863451
Problema 5
Queremos saber con un nivel de significanza de 0,05 si existe diferencia entre la
media de los dos grupos. Nuestras hipótesis nula y alternativa son entonces:
H0: μA=μBH0:μA=μB,
H1: μA≠μBH1:μA≠μB.
Los datos son:
Grupo A: {15, 12, 11, 18, 15, 15, 9, 19, 14, 13, 11, 12, 18, 15, 16, 14, 16, 17, 15, 17,
13, 14, 13, 15, 17, 19, 17, 18, 16, 14} y
Grupo B: {11, 16, 14, 18, 6, 8, 9, 14, 12, 12, 10, 15, 12, 9, 13, 16, 17, 12, 8, 7, 15, 5,
14, 13, 13, 12, 11, 13, 11, 7}.
Programación en Rstudio
> Grupo.A = c(15, 12, 11, 18, 15, 15, 9, 19, 14, 13, 11, 12, 18, 15,
16, 14, 16, 17, 15, 17, 13, 14, 13, 15, 17, 19, 17, 18, 16, 14)
> Grupo.B = c(11, 16, 14, 18, 6, 8, 9, 14, 12, 12, 10, 15, 12, 9,
13, 16, 17, 12, 8, 7, 15, 5, 14, 13, 13, 12, 11, 13, 11, 7)
> t.test(Grupo.A,Grupo.B)