Preparado-virus-T-student.

R
sala L310

2023-10-23
#Prueba t student
#fecha:23 de octubre

#Importar los datos

datos<-read.csv2("C:/Users/sala
L310/OneDrive/Escritorio/bioestadistica/script/preparados.csv", header =
T, encoding = "latin1")
View(datos)
#prueba t student para dos medias poblacionales
#planteamiento de hipotesis estadistica
#Ho:las aplicaciones de los preparados con el contenido de virus no
afecta a las plantas
#Ha:las aplicaciones de los preparados con el contenido de virus afecta
a las plantas

#cumplimiento de supuestos
#Supuesto de normalidad
#análisis exploratorio
#Herramienta gráfica: histograma
hist(datos$Tamaño, freq = F, col = "blue", main = "Preparado del virus",
xlab = "(Tamaño (mm2)")
lines(density(datos$Tamaño), col="red")
#col=color
#main=titulo de la grafica
#xlab= nombre en el eje x

#QQ plot
qqnorm(datos$Tamaño)
qqline(datos$Tamaño, col="blue")
#prueba shapiro Wilk
#Ho:los residuales presentan una distribución normal
#Ha:los residuales no presentan una distribución normal
#generar el modelo
modelo<-aov(datos$Tamaño ~ datos$Preparados)
shapiro.test(resid(modelo))

##
## Shapiro-Wilk normality test
##
## data: resid(modelo)
## W = 0.91784, p-value = 0.1557

#interpretacion: presenta una distrución normal y se acepta la hipotesis

nula Ho

#prueba de kolmogorov para normalidad

#install.packages("nortest")
#Ho:los residuales presentan una distribución normal
#Ha:los residuales no presentan una distribución normal
library("nortest")
lillie.test(x =resid(modelo))

##
## Lilliefors (Kolmogorov-Smirnov) normality test
##
## data: resid(modelo)
## D = 0.16735, p-value = 0.2696

#interpretacion: presenta una distrución normal y se acepta la hipotesis

nula Ho

#supuesto de homogeneidad de varianza

#Análisis exploratorio
#Herramienta gráfica: boxplot
boxplot(datos$Tamaño~datos$Preparados, col="green",main="Preparados con
el conteniendo los virus ", xlab="Preparados del virus", ylab="Tamaño
(mm2)")
abline(h=mean(datos$Tamaño),col="red")
#Interpretación:El preparado 1 del virus presenta una mayor disperción
comparado con el prepatado 2

#prueba de bartlett
#Ho:los tratamientos presenta homogeneidad de varianza
#Ha: los tratamientos no presentan homogeneidad de varianza
bartlett.test(datos$Tamaño~datos$Preparados)

##
## Bartlett test of homogeneity of variances
##
## data: datos$Tamaño by datos$Preparados
## Bartlett's K-squared = 1.5724, df = 1, p-value = 0.2099

#interpretacion: presenta homogeneidad de varianza y se acepta la

hipotesis nula Ho

#supuesto de independencia
#Ho:los errores no estan autocorrelacionados
#Ha:los errores estan correlacionados
#install.packages("lmtest")
library(lmtest)

## Loading required package: zoo

##
## Attaching package: 'zoo'

## The following objects are masked from 'package:base':

##
## as.Date, as.Date.numeric
dwtest(datos$Tamaño~datos$Preparados)

##
## Durbin-Watson test
##
## data: datos$Tamaño ~ datos$Preparados
## DW = 0.72344, p-value = 0.000445
## alternative hypothesis: true autocorrelation is greater than 0

#Interpretación: Los errores estan correlacionados

#prueba t-student para varianzas iguales/ diferentes/pareadas

#Ho:las aplicaciones de los preparados con el contenido de virus no
afecta a las plantas
#Ha: las aplicaciones de los preparados con el contenido de virus afecta
a las plantas
t.test(datos$Tamaño~datos$Preparados, paried=F, var.equal=TRUE)

##
## Two Sample t-test
##
## data: datos$Tamaño by datos$Preparados
## t = 1.1832, df = 14, p-value = 0.2564
## alternative hypothesis: true difference in means between group
preparados1 and group preparados2 is not equal to 0
## 95 percent confidence interval:
## -3.250702 11.250702
## sample estimates:
## mean in group preparados1 mean in group preparados2
## 15 11

#interpretación:no rechazo la hiotesis nula es decir que las

aplicaciones de los preparados con el contenido de virus no afecta a las
plantas