Documentos de Académico
Documentos de Profesional
Documentos de Cultura
82 horas.
Use α = 0.05.
b\. ¿Con qué tamaño de muestra se aceptaría que las marcas son iguales,
utilizando α = 0.05?
Use α = 0.05.**
**Datos**
muestra1=100
varianza1=5625 hs.
Significancia= 0,05
**Datos**
muestra2= 100
$$H0=σ1^2=σ2^2$$
$$H1=σ1^2>σ2^2$$
$$F0=\dfrac{S1^2}{\S2^2}$$
$$F0=\dfrac{5625}{6725}= 0,836431$$
H0.
iguales.
de vida, para esto decimos que la hipótesis nula es que las medias de
Sp segun la fórmula:
$$Sp={\sqrt{(99).5625+(99)6724/(99+99-2)}}=78,9779$$
valores se tiene:
tanto existe una diferencia muy grande entre las dos medias que no
### Ejercicio 2
Mujer 75 77 78 79 77 73 78 79 78 80
Hombre 74 72 77 76 76 73 75 73 74 75
estudio?
poblaciones independientes
a\. La temperatura más confortable entre hombres y mujeres, es decir,
Mujer=c(75, 77, 78, 79, 77, 73, 78, 79, 78, 80)
Hombre=c(74, 72, 77, 76, 76, 73, 75, 73, 74, 75)
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 |
independientes:
t.test(df$Mujer,df$Hombre)
y obtenemos:
α=0.05.
Para poder observar el comportamiento de los datos utilizaré la función
columna:
| | 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"))
![](mujer_hombre.png){width="511"}
### Ejercicio 3
| 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)
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 |
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 |
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"))
![](Temperatura.png){width="484"}
t.test(Temp_baja,Temp_alta)
Ejecutando se obtiene:
-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)
var.test(Temp_baja,Temp_alta)
Y al ejecutar se obtiene:
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.**
temperaturas.
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
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.