### Ejercicio 1

1. Se desea comprar una gran cantidad de bombillas y se tiene que

elegir entre las marcas A y B. Para ello, se compraron 100 focos de

cada marca, y se encontró que las bombillas probadas de la marca A

tuvieron un tiempo de vida medio de 1 120 horas, con una desviación

estándar de 75 horas; mientras que las de la marca B tuvieron un

tiempo de vida medio de 1 064 horas, con una desviación estándar de

82 horas.

a\. ¿Es significativa la diferencia entre los tiempos medios de vida?

Use α = 0.05.

b\. ¿Con qué tamaño de muestra se aceptaría que las marcas son iguales,

utilizando α = 0.05?

### Respuesta pregunta

**a. ¿Es significativa la diferencia entre los tiempos medios de vida?

Use α = 0.05.**

**Datos**

muestra1=100

media1 (X)= 1120 hs.

varianza1=5625 hs.

Desviación estandar (Sa)= 75 hs.

Valor t= 1,98

Significancia= 0,05

**Datos**

muestra2= 100

media2 (X)= 1064 hs.

varianza2= 6724 hs.

Desviación estandar (Sb)= 82 hs.

Primero se analiza si las varianzas son iguales o diferentes, para esto

se propone como hipótesis nula que las varianzas son iguales y la

alterna que una es mayor que otra, es decir:

$$H0=σ1^2=σ2^2$$

$$H1=σ1^2>σ2^2$$

Se procede con el estadístico de prueba

$$F0=\dfrac{S1^2}{\S2^2}$$

$$F0=\dfrac{5625}{6725}= 0,836431$$

Ahora hallamos f∞, na-1, nb-1

f0,05, 99,99 =1,39

Se tiene como criterio de rechazo si F0\> Fa, n1-1, n2-1; se rechaza la

H0.

Se puede observar que F0(0,83) \< f∞(1,39) por lo tanto no se rechaza la

H0 y podemos decir que las muestras poseen varianzas desconocidas pero

iguales.

Ahora si procedemos a mirar si existe diferencia entre los tiempos medio

de vida, para esto decimos que la hipótesis nula es que las medias de

las dos muestras son iguales

$$H0: \mu1=\mu2$$ $$H1: \mu1≠500 gr.$$

Se procede con el estadístico de prueba , para esto primero calculamos

Sp segun la fórmula:

$$Sp={\sqrt{(n1-1).S1^2+(n2-1).S2^2/(n1+n2-2)}}$$ Reemplazando valores

$$Sp={\sqrt{(99).5625+(99)6724/(99+99-2)}}=78,9779$$

$$t0=\overline{X1}-\overline{X2}/ Sp.\sqrt{1/n1+1/n2}$$ Reemplazando los

valores se tiene:

$$t0=(1120-1064)/(78,9779.\sqrt{1/99+1/99})=4,98867$$ Se tiene que:

$$tα/2, n1+n2-2$$ $$0,025, 199=1,960$$ Como criterio de rechazo de esa

prueba se tiene que:

$$|t0|>|tα/2|, n1+n2-2 $$\|

$$|t0|(4,98867) >|tα/2|, n1+n2-2(1,960) $$\| Por lo tanto se rechaza la

hipótesis nula, esto quiere decir que si existen diferencias

significativas entre las dos tiempos medios de vida.

b) **¿Con qué tamaño de muestra se aceptaría que las marcas son

iguales, utilizando a = 0.05?**

Este caso se daría cuando los grados de libertad fuesen 1 ,por lo

tanto existe una diferencia muy grande entre las dos medias que no

hace que fácilmente se igualen.

### 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 en R:

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

Al ejecutar se obtiene:

| | 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:

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

y obtenemos:

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"))
{width="511"}

PEGAR PRIMERA IMAGEN

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 |

a) ¿La temperatura tiene algún efecto en el encogimiento? Plantee las

 hipótesis estadísticas correspondientes a esta interrogante.

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

c) ¿Cuál temperatura provoca un encogimiento menor?

d) Compare las varianzas en cada temperatura.

e) Dibuje los diagramas de cajas simultáneos e interprete.

Primeramente cargo los datos en R de la siguiente manera:

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)

Utilizo el data.frame para almacenar los datos de las tablas de la

siguiente manera:

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 |

Organizamos de acuerdo al tipo con la siguiente formula:

df=stack(df) df

Y ejecutando se tiene:

| | 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 |

Luego, calculamos el encogimiento de la siguiente manera

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 |

Diseñamos mediante la función boxplot mediante la fórmula:

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

{width="484"}

PEGAR 2DA IMAGEN

Aplico el t.test y obtengo el p-valor y los promedios

t.test(Temp_baja,Temp_alta)

Ejecutando se obtiene:

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

Calculamos la varianza de la temperatura baja mediante la formula:

var(Temp_baja)

Ejecutando se obtiene como resultado:

[1] 0.7093333

Calculamos la varianza de la temperatura alta mediante la formula:

var(Temp_alta)

Ejecutando se obtiene como resultado:

[1] 0.2706667

Se aplica el var.test para comarar las dos varianzas

var.test(Temp_baja,Temp_alta)

Y al ejecutar se obtiene:

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

Una vez realizado estos calculos, podemos responder las preguntas realizadas anteriormente.

**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.

$$Ho = Tempalta = Tempbaja$$

$$Ha = Tempalta ≠ Tempbaja$$

**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 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