Tallerparcial 2 Andres Jaimes

2024-04-02

1a. Si se considera adecuado un crecimiento de los dientes de

18mm, identifique con la respectiva prueba estadística si el
crecimiento dental fue adecuado o no para cada grupo. Genere un
gráfico descriptivo y analice los resultados obtenidos.
b.Realice comparaciones del crecimiento dental entre los dos grupos empleando la
prueba estadística adecuada. Genere un grá fico descriptivo para esta situació n y
analice los resultados obtenidos.
# dos grupos (VC u OJ)
grupo_VC <- subset(ToothGrowth, supp == "VC")
grupo_OJ <- subset(ToothGrowth, supp == "OJ")

# Prueba grupo VC
test_VC <- with(grupo_VC, t.test(len, mu = 18))

# Prueba grupo OJ
test_OJ <- with(grupo_OJ, t.test(len, mu = 18))

# Comparar los grupos

test_comp <- t.test(grupo_VC$len, grupo_OJ$len)

# Gráfico descriptivo
boxplot(grupo_VC$len, grupo_OJ$len,
names = c("VC", "OJ"),
main = "Crecimiento dental por tipo de suplemento",
xlab = "Tipo de suplemento",
ylab = "Longitud del diente")
abline(h = 18,
col = "red", # ref
lty = 2)
# Imprimir resultados
print("Resultados de las pruebas de una muestra para cada grupo:")

## [1] "Resultados de las pruebas de una muestra para cada grupo:"

print(test_VC)

##
## One Sample t-test
##
## data: len
## t = -0.68691, df = 29, p-value = 0.4976
## alternative hypothesis: true mean is not equal to 18
## 95 percent confidence interval:
## 13.87675 20.04992
## sample estimates:
## mean of x
## 16.96333

print(test_OJ)

##
## One Sample t-test
##
## data: len
## t = 2.2084, df = 29, p-value = 0.03528
## alternative hypothesis: true mean is not equal to 18
## 95 percent confidence interval:
## 18.19678 23.12989
## sample estimates:
## mean of x
## 20.66333

print("Resultado de la prueba de comparación de dos muestras entre los

grupos VC y OJ:")

## [1] "Resultado de la prueba de comparación de dos muestras entre los

grupos VC y OJ:"

print(test_comp)

##
## Welch Two Sample t-test
##
## data: grupo_VC$len and grupo_OJ$len
## t = -1.9153, df = 55.309, p-value = 0.06063
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## -7.5710156 0.1710156
## sample estimates:
## mean of x mean of y
## 16.96333 20.66333

Aná lisis de los Resultados:

• Para ninguno de los casos el tratamiento fue adecuado ya que sus medias
difieren del valor de crecimiento de referencia que es de 18mm.

• Si se tiene en cuenta el P valor se evidencia que en el caso del tratamiento con

VC es menor a 0,05 es decir, se descarta la hipotesis de que fue apropiado. en el
caso del OJ su p valor es mayor a 0,05 ; como su crecimiento es mayor se podria
decir que al tener crecimiento dental mayor al estimado 18mm podria verse
como adecuado.

#################

2a.Transforme la variable dosis de numérica a factor. Genere la

tabla de ANOVA para este experimento y analice los resultados
obtenidos.
b. Realice al menos dos pruebas de comparació n mú ltiple para los resultados
obtenidos y analice los resultados
c.Valide la pertinencia del modelo de ANOVA mediante la evaluació n de sus supuestos
y analice los resultados obtenidos
2a.
# Transformar la variable dosis a factor
ToothGrowth$dose <- as.factor(ToothGrowth$dose)

# Tabla de ANOVA
anova_t <- aov(len ~ dose, data = ToothGrowth)
summary(anova_t)

## Df Sum Sq Mean Sq F value Pr(>F)

## dose 2 2426 1213 67.42 9.53e-16 ***
## Residuals 57 1026 18
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

2b.
# Prueba de Tukey
tukey_r <- TukeyHSD(anova_t)
tukey_r

## Tukey multiple comparisons of means

## 95% family-wise confidence level
##
## Fit: aov(formula = len ~ dose, data = ToothGrowth)
##
## $dose
## diff lwr upr p adj
## 1-0.5 9.130 5.901805 12.358195 0.00e+00
## 2-0.5 15.495 12.266805 18.723195 0.00e+00
## 2-1 6.365 3.136805 9.593195 4.25e-05

plot(tukey_r)
# Prueba Duncan
Dun= duncan.test(anova_t, "tratamiento", group=F)
summary(Dun)

## Length Class Mode

## 0 NULL NULL

2c.
# Supuesto de normalidad de los residuos
shapiro.test(residuals(anova_t))

##
## Shapiro-Wilk normality test
##
## data: residuals(anova_t)
## W = 0.96731, p-value = 0.1076

# Supuesto de homogeneidad de varianzas

bartlett.test(len ~ dose, data = ToothGrowth)

##
## Bartlett test of homogeneity of variances
##
## data: len by dose
## Bartlett's K-squared = 0.66547, df = 2, p-value = 0.717
# Gráfico de diagnóstico para evaluar la normalidad de los residuos
qqnorm(residuals(anova_t))
qqline(residuals(anova_t))

#################
Aná lisis de los Resultados:
-La tabla de ANOVA proporciona informació n sobre si hay diferencias significativas en
la longitud de los dientes entre los diferentes niveles de dosis.
• La prueba de Tukey nos permite identificar diferencias significativas entre los
diferentes niveles de dosis en términos de longitud de los dientes.

• La prueba de Duncan también nos permite realizar comparaciones mú ltiples

entre los niveles de dosis y identificar diferencias significativas en la longitud
de los dientes.

-La prueba de Shapiro-Wilk nos ayuda a determinar si los residuos del modelo siguen
una distribució n normal. Si el valor p es mayor que 0.05, no hay evidencia suficiente
para rechazar la hipó tesis nula de normalidad.
• La prueba de Bartlett evalú a si las varianzas entre los grupos son homogéneas.
Si el valor p es mayor que 0.05, no hay evidencia suficiente para rechazar la
hipó tesis nula de homogeneidad de varianzas.