Ejercicio 1

Marca A
n = 100
μ = 1120
σ = 75
α = 0.05
Varianzas iguales
Marca B
n = 100
μ = 1064
σ = 82
α=
0.05
Varianzas iguales

HACER EL T.TEST

Tienen un IC de 5% para la diferencia de 55.3 y 56.7, por lo

tanto
concluimos que no es significativa la diferencia
entre los tiempos
medios de vida de los focos entre ambas marcas

Marca A
n = 100
μ = 1120
σ = 75
α = 0.05
varianzas diferentes
Marca B
n = 100
μ = 1064
σ = 82
α = 0.05
varianzas
diferentes

Diferencia = μ (1)
-
μ (2)
Estimación de la diferencia: 56.0
IC de 5% para la diferencia: (55.3, 56.7)
Prueba T de diferencia = 0 (vs. ≠): Valor T = 5.04 Valor p = 0.000
GL
= 196
Se puede observar, que en este caso no afecta el asumir
varianzas
iguales o diferentes, ya que no cambian los resultados, solo los
Grados de Libertad

Ejercicio 2

En un laboratorio bajo condiciones controladas, se evaluó, para 10

hombres y 10 mujeres, la temperatura que cada persona encontró más
confortable. Los resultados en grados Fahrenheit fueron los
siguientes:

Mujer 75 77 78 79 77 73 78 79 78 80
Hombre 74 72 77 76 76 73 75 73 74 75

a) ¿Cuáles son en realidad los tratamientos que se comparan en este

estudio?
b) ¿Las muestras son dependientes o independientes? Explique.
c) ¿La temperatura promedio más confortable es igual para hombres que
para mujeres? Pruebe la hipótesis adecuada.

X: Las temperaturas Mujeres (°F)

Y: Las temperaturas Hombres (°F)
Son poblaciones independientes

A) La temperatura más confortable entre hombres y mujeres, es decir, las temperaturas

de 10 mujeres y 10 hombres entre si.
Los tratamientos que se comparan en este estudio son :
Temperatura de las mujeres
Temperatura de los hombres

b) Las muestras son independientes debido a que las muestras o temperaturas fueron
tomadas a diferentes personas, es decir, las muestras son independientes porque no hay
relación de causa efecto entre la temperatura de las mujeres y la temperatura de los hombres.

Entrada de Datos:

Mujer=c(75, 77, 78, 79, 77, 73, 78, 79, 78, 80)
Hombre=c(74, 72, 77, 76, 76, 73, 75, 73, 74, 75)

Prueba t para diferencia de medias

Hipótesis nula:

H0:μ=μ0
Ha:μ≠μ0
df=data.frame(Mujer=Mujer,Hombre=Hombre)
df

Mujer Hombre
1 75 74
2 77 72
3 78 77
4 79 76
5 77 76
6 73 73
7 78 75
8 79 73
9 78 74
10 80 75

Aplicamos la prueba t para la diferencia de medias de dos muestras independientes y

obtenemos:

t.test(df$Mujer,df$Hombre)

Welch Two Sample t-test

data: df$Mujer and df$Hombre

t = 3.5254, df = 16.851, p-value = 0.002626
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
1.163304 4.636696
sample estimates:
mean of x mean of y
77.4 74.5

La temperatura promedio no es igual para hombre que para mujeres.

75+77+78+79+77+73+78+79+78+80 = 774/10 = 77.4
74+72+77+76+76+73+75+73+74+75 = 745 / 10 = 74.5
No es igual, existe una diferencia de 2.9 grados fahrenheit

El p-valor o valor del estadístico p=0.002626<0.05 indica que las dos muestras son
estadísticamente diferentes a un grado de significancia α=0.05.

Para poder observar el comportamiento de los datos utilizaré la función boxplot() . Por lo

cual coloco los datos en el formato apilado con la función stack() y le cambio los nombres
a los encabezados de cada columna:

df2=stack(df)
names(df2)=c("Y","Genero")
df2

Y Genero
1 75 Mujer
2 77 Mujer
3 78 Mujer
4 79 Mujer
5 77 Mujer
6 73 Mujer
7 78 Mujer
8 79 Mujer
9 78 Mujer
10 80 Mujer
11 74 Hombre
12 72 Hombre
13 77 Hombre
14 76 Hombre
15 76 Hombre
16 73 Hombre
17 75 Hombre
18 73 Hombre
19 74 Hombre
20 75 Hombre

boxplot(Y~Genero,data=df2,col=c("pink","blue"))

c) Tanto el valor del pvalor=0.002626 como el gráfico de caja nos muestra que existe
diferencias significativas entre el grupo de mujeres y hombres respecto a la temperatura

promedio en que siente confortable. Valor p < alfa SE RECHAZA HO es decir las medias
de las temperaturas de los hombres y las mujeres es diferente.
Ejercicio 3

Se prueban 10 partes diferentes en cada nivel de temperatura y se mide el encogimiento

sufrido en unidades de porcentaje multiplicado por 10. Los resultados son:

Temp baja Temp alta

17.2 21.4

17.5 20.9

18.6 19.8

15.9 20.4

16.4 20.6

17.3 21.0

16.8 20.8

18.4 19.9

16.7 21.1

17.6 20.3

Temp_baja=c(17.2, 17.5, 18.6, 15.9, 16.4, 17.3, 16.8, 18.4, 16.7, 17.6)

Temp_alta=c(21.4, 20.9, 19.8, 20.4, 20.6, 21.0, 20.8, 19.9,21.1, 20.3)

df=data.frame(Temp_baja=Temp_baja,Temp_alta=Temp_alta)

df
Temp_baja Temp_alta
1 17.2 21.4
2 17.5 20.9
3 18.6 19.8
4 15.9 20.4
5 16.4 20.6
6 17.3 21.0
7 16.8 20.8
8 18.4 19.9
9 16.7 21.1
10 17.6 20.3

df=stack(df)

df
values ind
1 17.2 Temp_baja
2 17.5 Temp_baja
3 18.6 Temp_baja
4 15.9 Temp_baja
5 16.4 Temp_baja
6 17.3 Temp_baja
7 16.8 Temp_baja
8 18.4 Temp_baja
9 16.7 Temp_baja
10 17.6 Temp_baja
11 21.4 Temp_alta
12 20.9 Temp_alta
13 19.8 Temp_alta
14 20.4 Temp_alta
15 20.6 Temp_alta
16 21.0 Temp_alta
17 20.8 Temp_alta
18 19.9 Temp_alta
19 21.1 Temp_alta
20 20.3 Temp_alta

names(df)=c("encogimiento","Trat")

df
encogimiento Trat
1 17.2 Temp_baja
2 17.5 Temp_baja
3 18.6 Temp_baja
4 15.9 Temp_baja
5 16.4 Temp_baja
6 17.3 Temp_baja
7 16.8 Temp_baja
8 18.4 Temp_baja
9 16.7 Temp_baja
10 17.6 Temp_baja
11 21.4 Temp_alta
12 20.9 Temp_alta
13 19.8 Temp_alta
14 20.4 Temp_alta
15 20.6 Temp_alta
16 21.0 Temp_alta
17 20.8 Temp_alta
18 19.9 Temp_alta
19 21.1 Temp_alta
20 20.3 Temp_alta

boxplot(encogimiento~Trat,data=df,col=("green"))

t.test(Temp_baja,Temp_alta)

Welch Two Sample t-test

data: Temp_baja and Temp_alta

t = -10.797, df = 14.995, p-value = 1.811e-08
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-4.047267 -2.712733
sample estimates:
mean of x mean of y
17.24 20.62

var(Temp_baja)
[1] 0.7093333

var(Temp_alta)
[1] 0.2706667

var.test(Temp_baja,Temp_alta)
F test to compare two variances

data: Temp_baja and Temp_alta

F = 2.6207, num df = 9, denom df = 9, p-value = 0.1674
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.6509422 10.5508812
sample estimates:
ratio of variances
2.62069

a) ¿La temperatura tiene algún efecto en el encogimiento? Plantee las hipótesis estadísticas
correspondientes a esta interrogante.

La temperatura si tiene efecto en el encogimiento ya que a mayor temperatura mayor es el

nivel de encogimiento.

La hipótesis seria basada en

si el encogimiento es igual
en ambas
temperaturas.
Ho = Temperatura alta =
Temperatura baja
Ha = Temperatura alta <>
Temperatura baja
La hipótesis seria basada en
si el encogimiento es igual
en ambas
temperaturas.
Ho = Temperatura alta =
Temperatura baja
Ha = Temperatura alta <>
Temperatura baja
La hipótesis seria basada en si el encogimiento es igual en ambas temperaturas.

Ho = Temperatura alta = Temperatura baja

Ha = Temperatura alta ≠ Temperatura baja

b) Dé un intervalo de confianza para la diferencia de medias.

Si calculamos esto en base a un error del 5% e intervalo de confianza del 95% obtenemos
un intervalo de -4.047267 ≤ µD ≤ -2.712733

Toma de decisión

No se puede aceptar la hipótesis nula y se puede decir que con un 95% de confianza el
encogimiento medio de la temperatura alta es mayor que el encogimiento de la temperatura
baja.

c) ¿Cuál temperatura provoca un encogimiento menor?

La temperatura baja provoca un encogimiento menor según el diagrama de cajas

d) Compare las varianzas en cada temperatura.

La varianza de Temperatura baja = 0.7093333 S2 y la varianza de la Temperatura alta =
0.2706667

La varianza de temperatura alta presenta menos varianza lo que nos indica que las
mediciones son más constantes y hay menos alteraciones de encogimiento respecto a las
temperaturas altas.
e) Dibuje los diagramas de cajas simultáneos e interprete.
No hay superposición de datos, ambos son totalmente distintos y se observa que a
temperaturas bajas hay menor nivel de encogimiento y a temperaturas altas el nivel de
encogimiento es mayor