Universidad Mariano Gálvez de Guatemala sede de Coatepeque

Área de ingeniería en sistemas

Curso:
Estadifica II

Catedrático:
Lic. Miguel Delgado

Nombre:
Maximiliano Ajca Us

Carne:
0906 – 22 – 12336
Fecha:
25/05/2024

1
 Índice general

Portada--------------------------------------------------------------------------------------------------3

Introducción--------------------------------------------------------------------------------------------4

Objetivos------------------------------------------------------------------------------------------------5

Objetivo General--------------------------------------------------------------------------------------5

Objetivos específicos--------------------------------------------------------------------------------5

Justificación--------------------------------------------------------------------------------------------6

Desarrollo del tema ------------------------------------------------------------------------------7-

22

Código fuente------------------------------------------------------------------------------------23-26

Conclusiones-----------------------------------------------------------------------------------------27

Recomendaciones----------------------------------------------------------------------------------28

Anexos--------------------------------------------------------------------------------------------29-30

Referencias-------------------------------------------------------------------------------------------31

2
3
 Introducción

La prueba de hipótesis es una herramienta fundamental en el análisis estadístico,

permitiendo a los investigadores tomar decisiones informadas basadas en datos
muéstrales. En este proyecto, se emplea la prueba de hipótesis t de Student, una
de las más utilizadas cuando se trabaja con muestras pequeñas y se desea
comparar medias. Utilizando Python y su entorno de desarrollo PyCharm, se
implementa y analiza este método estadístico. Python, con su amplia gama de
bibliotecas estadísticas, como SciPy y Statsmodels, ofrece una plataforma robusta
para realizar análisis detallados y precisos. Este proyecto no solo tiene como
objetivo entender y aplicar la prueba t de Student, sino también demostrar cómo
las herramientas tecnológicas pueden facilitar el proceso de análisis estadístico.

4
Objetivos

Objetivo General

Aplicar la prueba de hipótesis t de Student utilizando Python y PyCharm para

evaluar diferencias significativas entre medias muéstrales.

Objetivos específicos

 Comprender los fundamentos teóricos de la prueba t de Student.

 Implementar la prueba t de Student en Python utilizando bibliotecas.
 Interpretar los resultados obtenidos y evaluar su significancia estadística.
 Desarrollar habilidades en el uso de PyCharm para la gestión de proyectos
de análisis estadístico.
 Comparar los resultados obtenidos con distintos conjuntos de datos para
validar la robustez del método.

5
 Justificación

La elección de la prueba t de Student se debe a su capacidad para manejar

muestras pequeñas y su aplicabilidad en diversas situaciones de investigación
donde se compara la media de una muestra con una media conocida o entre dos
muestras independientes. Además, el uso de Python y PyCharm proporciona una
plataforma flexible y poderosa que facilita la implementación y visualización de los
resultados estadísticos. Esta combinación es especialmente relevante en el
contexto educativo y profesional, donde la capacidad de manejar datos y realizar
análisis precisos es crucial.

6
Desarrollo del tema

Qué es Python

Python es un lenguaje de programación de código abierto, creado por Guido

van Rossum en 1991. Se trata de un lenguaje orientado a objetos, fácil de
interpretar y con una sintaxis que permite leerlo de manera semejante a como se
lee el inglés. Es un lenguaje interpretado, esto significa que el código de
programación se convierte en bytecode y luego se ejecuta por el intérprete, que,
en este caso, es la máquina virtual de Python.

Con el paso de los años, Python ha crecido en popularidad y funciones, lo que

ha contribuido a la flexibilidad de uso. Hacer y probar cambios rápidamente al
código es una tarea sencilla.

Python también es fácil de aprender. Estos dos factores han contribuido a que
sea el lenguaje preferido de los principiantes que incursionan en el desarrollo de
software. Su versatilidad como lenguaje de programación para propósitos
generales lo hace adecuado para las necesidades de muchas industrias.

Para qué sirve Python

La respuesta es breve: para todo. Python está en todo, desde programación de

instrumentos hasta software de computadoras, desarrollo web y aplicaciones
móviles. Incluso, te permite hacer comentarios para que tengas recordatorios para
funciones futuras o indicar problemas en una línea de código.

Python es genial para casi cualquier necesidad de desarrollo, ya sea

programación de servidores, operación de sistemas, software, juegos y mucho
más. A continuación, repasamos los usos más comunes.

Scripting y automatización

Python se utiliza para scripting (secuencias de comandos) y automatización en

muchas industrias, desde máquinas de programación en grandes fábricas hasta

7
usos de ocio, como videojuegos. Las maneras en que el scripting y la
automatización benefician a las industrias son innumerables, al igual que la
variedad de industrias en las que se utiliza.

Desarrollo de software

Python se implementa en el desarrollo de software desde que se lanzó y

continúa siendo muy popular para ese propósito. Se utiliza para crear software en
diferentes plataformas porque es compatible con muchos ámbitos de operación,
sistemas operativos para computadoras y dispositivos móviles y en entornos de
sistema en tiempo de ejecución.

Análisis de datos

Python es adecuado para el análisis de datos porque funciona bien al crear

representaciones visuales efectivas de bloques de datos complejos y al examinar
datos. Estos dos aspectos de sus capacidades lo convierten en una herramienta
básica en la industria de la ciencia de datos.

Con las ciencias de datos, el acceso a una amplia gama de métodos de

visualización de datos —como gráficos de barras, lineales y circulares— es
benéfico porque ayuda a simplificar el proceso. Además, la habilidad de usar un
lenguaje para gestionar la manera en que la información se clasifica, maneja y ve
lo hace invaluable, gracias a herramientas como el diccionario Python,
los pandas o las listas Python.

Machine learning e Inteligencia Artificial

Los proyectos de machine learning (aprendizaje automático) se basan en la

Inteligencia Artificial, que utiliza algoritmos para analizar datos, aprender y tomar
mejores decisiones. Por lo que Python se utiliza ampliamente en este sector
pues tiene la potencia y la escalabilidad para manejar cantidades masivas de
solicitudes de datos simultáneamente.

Ciencias de blockchain

8
 Esta industria se ha convertido, recientemente, en un usuario importante del
lenguaje Python, que ha manejado desde siempre ciencias de blockchain. El
surgimiento y crecimiento continuo alrededor de tecnologías —como las
criptomonedas y NFT— lo han encumbrado dentro de la industria. Su habilidad
para manejar todos los aspectos de la tecnología blockchain lo convierte en un
elemento primordial.

Por qué usar Python

Python se creó para que la programación fuera un proceso más fluido para los
desarrolladores. Como resultado, el lenguaje es fácil de aprender. Al estar vigente
por más de dos decenios, es una gran entrada para aprender otros lenguajes.

Si no tienes experiencia en programación, existen recursos que hablan

sobre cómo comenzar a hacer código. Sin embargo, hay algunas cosas que debes
considerar al estudiar cualquier lenguaje nuevo y Python no es la excepción.

9
 Este lenguaje se discute en muchas plataformas, empezando con Python
Español y Comunidad Python. Por supuesto, estos no son los únicos lugares
donde puedes encontrar ayuda, pero son dos de los recursos más poderosos que
conviene que tengas al alcance. Siempre puedes buscar otros foros y sitios
web para localizar respuestas, consejos, trucos y continuar tu educación sobre
Python.

Cómo funciona Python

Sin entrar en detalles técnicos, Python es un lenguaje de programación de alto

nivel, orientado a objetos y de fácil interpretación gracias a su sintaxis.

Se le considera un lenguaje de alto nivel porque tiene en cuenta las

capacidades cognitivas del programador, un ser humano, y no las del procesador
de datos, que es, a fin de cuentas, una máquina. Esto hace de Python un
lenguaje muy amigable para el programador: fácil de leer, de aprender y de
escribir.

Python se caracteriza por ser un lenguaje:

 Multiparadigma: la programación imperativa, orientada a objetos y

funcional.
 Multiplataforma: los sistemas operativos más populares tienen su propio
intérprete de Python, por lo cual se puede usar el mismo código en
Windows, Linux y macOS.
 Tipado dinámico: las variables pueden tomar valores de diferentes tipos.
 Interpretado: el código de Python no se compila en el lenguaje del
procesador, en su lugar se necesita un programa intérprete que lo ejecute.

Además de estas características, hay que tener presente que Python es un

lenguaje orientado a objetos. Esto significa que el código está centrado en los
objetos o conjuntos de datos, y no necesariamente en las funciones, aunque no
por ello dejan de ser importantes. Si quieres conocer algunas de las funciones
básicas de Python y sus ejemplos, te recomendamos el artículo que publicamos
especialmente para ello.

10
 Un objeto es una especie de contenedor de datos y funcionalidades. En
Python, los datos representan el objeto en un punto determinado del tiempo. Por lo
tanto, los datos de un objeto se denominan estado. Para modelar el estado de un
objeto, Python utiliza lo que llamamos atributos.

Ahora bien, para entender mejor la programación orientada a objetos, hay que
saber cuáles son los cuatro conceptos fundamentales que hay detrás:

 Encapsulación: consiste en empaquetar las variables y las funciones en un

objeto único, definiéndolas como una clase. Esto ayuda a proteger los datos
y evitar que el código pueda ser alterado por terceros.
 Abstracción: es sumamente útil cuando el programador desea bloquear
ciertas funciones y métodos del resto del código. Además, reduce el
número de funciones y métodos necesarios, al simplificar el código y
minimizar los efectos de los cambios.
 Herencia: ayuda a reducir la redundancia, ya que permite aplicar un
conjunto de propiedades y métodos a múltiples objetos, en lugar de tener
que repetir esas propiedades y métodos en cada ocasión. Los objetos
pueden heredar la información, reduciendo de esta forma la cantidad total
de código que el programador debe escribir.
 Polimorfismo: aporta flexibilidad, ya que, en vez de aplicar un método a un
grupo de elementos u objetos, los métodos se aplican a objetos individuales
y se pueden ejecutar de diferentes maneras en función del tipo de objeto.

Estos son solo algunos de los aspectos generales de este lenguaje de

programación. Con el tiempo descubrirás más, conforme investigues y vayas
adquiriendo práctica.

Cómo puedes empezar a usar Python

Para usar Python solo necesitas instalar el software en tu computadora o

dispositivo inteligente compatible. A partir de ese punto, existen muchas maneras
de usar Python. La más común es utilizarlo con marcos de trabajo, como Django y
Flask, que hacen mucho más sencillo su empleo cuando se programa software.

11
 Existen varios tipos de marcos de trabajo o frameworks diseñados para
aprovechar los beneficios de Python aplicados a necesidades específicas. Por
ejemplo, Django y Flask asisten en el desarrollo de aplicaciones web, mientras
que Kivy y BeeWare sirven para el desarrollo de aplicaciones móviles.

El proceso de instalación varía según frameworks y sistemas operativos. El

siguiente video explica los pasos para instalar y configurar Python en tu
dispositivo.

Si buscas información sobre cómo instalar Python en tus dispositivos, puedes

consultar distintos sitios web. Uno de los mejores recursos de información sobre
instalación y solución de problemas es la página de documentación Python, la cual
brinda datos sobre la instalación y configuración de Python para varios sistemas y
entornos.

La página de instalación y configuración que encuentras en español aquí tiene una

sección para cada entorno de instalación:

 Instalación para Windows

 Instalación para Unix (incluye Linux distros)
 Instalación para Mac
 Otra gran fuente de información, sobre todo para solución de problemas,
es Stack Overflow, que tiene una comunidad enorme de desarrolladores a
los que puedes contactar para solicitar ayuda, también en español.
 Prerrequisitos de Python
 Un factor que debes considerar son los prerrequisitos del proceso, como el
software necesario o los editores de texto e IDE (Integrated Development
Environments, o entornos de desarrollo integrados).
 En este caso, los prerrequisitos para aprender Python son bastante simples
y es posible aprenderlos desde algunos de los dispositivos
inteligentes actuales. Revisemos cuáles son.

12
 Los principales beneficios de este lenguaje es que ahorra tiempo y recursos, lo
que facilita su comprensión e implementación.

Recursos para aprender Python

Una de las cosas más importantes a considerar cuando aprendes un nuevo

lenguaje, son sus recursos. Revisemos algunos de los más valiosos a
continuación.

13
1. Udacity

Imagen de Udacity

Udacity es una plataforma en línea para aprender temas tecnológicos. Tiene

cursos de diferentes tópicos, incluyendo Python. Podrás encontrar versiones
gratuitas y de pago. Su curso introductorio a Python está disponible sin costo.

2. Codecademy

14
Imagen de Codecademy

Codecademy es un sitio de aprendizaje muy popular para estudiar y aprender

todo lo relacionado con la programación. Cuenta con un entorno de desarrollo
integrado totalmente equipado, es decir, puedes practicar y aprender sin tener que
instalar nada en tu computadora.

3. FreeCodeCamp

15
Imagen de FreeCodeCamp

FreeCodeCamp ofrece cursos gratuitos de programación y certificaciones en

muchos idiomas, además de una gran cantidad de videos de YouTube sobre cada
tema.

4. The Official Docs Python Tutorial

16
Imagen de The Python Tutorial

Esta es la información directa de la fuente diseñada por la comunidad

Python. Se creó para que la experiencia de aprendizaje sea simple, con un tutorial
organizado en etapas. Sin embargo, como se trata de un curso que se sumerge de
lleno en el lenguaje, precisa de una pequeña curva de aprendizaje.

5. DataCamp

17
Imagen de DataCamp

DataCamp tomó el liderazgo en los datos de ciencia y brinda cursos de

programación en varios campos relacionados, incluyendo aquellos de lenguaje
Python. Cuenta con esquemas de aprendizaje para empresas y universidades.

Python es un lenguaje de programación que posee una gran versatilidad

para prácticamente todos los sectores de la industria (robótica, vehículos
autónomos, machine learning, ciencia de datos, astronomía, neurociencia,
farmacología, bioinformática, etc.) por lo que aprenderlo es útil a corto y largo
plazo.

(https://blog.hubspot.es/website/que-es-python, s.f.)

18
¿Qué beneficios ofrece Python?

Los beneficios de Python incluyen los siguientes:

 Los desarrolladores pueden leer y comprender fácilmente los programas de

Python debido a su sintaxis básica similar a la del inglés.
 Python permite que los desarrolladores sean más productivos, ya que
pueden escribir un programa de Python con menos líneas de código en
comparación con muchos otros lenguajes.
 Python cuenta con una gran biblioteca estándar que contiene códigos
reutilizables para casi cualquier tarea. De esta manera, los desarrolladores
no tienen que escribir el código desde cero.
 Los desarrolladores pueden utilizar Python fácilmente con otros lenguajes
de programación conocidos, como Java, C y C++.
 La comunidad activa de Python incluye millones de desarrolladores
alrededor del mundo que prestan su apoyo. Si se presenta un problema,
puede obtener soporte rápido de la comunidad.
 Hay muchos recursos útiles disponibles en Internet si desea aprender
Python. Por ejemplo, puede encontrar con facilidad videos, tutoriales,
documentación y guías para desarrolladores.
 Python se puede trasladar a través de diferentes sistemas operativos de
computadora, como Windows, macOS, Linux y Unix.

¿Cuál es la historia de Python?

Guido Van Rossum, un programador de computación de los Países Bajos, creó

Python. Python comenzó en 1989 en el Centrum Wiskunde & Informatica (CWI),
en principio como un proyecto de afición para mantenerse ocupado durante las
vacaciones de Navidad. El nombre del lenguaje se inspiró en el programa de
televisión de la BBC “Monty Python’s Flying Circus” debido a que Guido Van
Rossum era un gran aficionado del programa.

Historial de lanzamientos de Python

19
  Guido Van Rossum publicó la primera versión del código Python
(versión 0.9.0) en 1991. Dicha versión ya incluía buenas características,
como algunos tipos de datos y funciones para la gestión de errores.
 Python 1.0 se lanzó en 1994 con nuevas funciones para procesar
fácilmente una lista de datos, como la asignación, el filtrado y la reducción.
 Python 2.0 se lanzó el 16 de octubre de 2000, con nuevas características
útiles para los programadores, como la compatibilidad con los caracteres
Unicode y una forma más corta de recorrer una lista.
 El 3 de diciembre de 2008, se lanzó Python 3.0. Incluía características
como la función de impresión y más soporte para la división de números y
la gestión de errores.

¿Cuáles son las características de Python?

Las características siguientes del lenguaje de programación Python lo hacen

único:

 Un lenguaje interpretado: Python es un lenguaje interpretado, lo que

significa que ejecuta directamente el código línea por línea. Si existen
errores en el código del programa, su ejecución se detiene. Así, los
programadores pueden encontrar errores en el código con rapidez.
 Un lenguaje fácil de utilizar: Python utiliza palabras similares a las del
inglés. A diferencia de otros lenguajes de programación, Python no utiliza
llaves. En su lugar, utiliza sangría.
 Un lenguaje tipeado dinámicamente: Los programadores no tienen que
anunciar tipos de variables cuando escriben código porque Python los
determina en el tiempo de ejecución. Debido a esto, es posible escribir
programas de Python con mayor rapidez.
 Un lenguaje de alto nivel: Python es más cercano a los idiomas humanos
que otros lenguajes de programación. Por lo tanto, los programadores no
deben preocuparse sobre sus funcionalidades subyacentes, como la
arquitectura y la administración de la memoria.

20
  Un lenguaje orientado a los objetos: Python considera todo como un objeto,
pero también admite otros tipos de programación, como la programación
estructurada y la funcional.

¿Qué son las bibliotecas de Python?

Una biblioteca es una colección de códigos usados con frecuencia que los
desarrolladores pueden incluir en sus programas de Python para evitar tener que
escribir el código desde cero. De forma predeterminada, Python incluye la
biblioteca estándar, que contiene una gran cantidad de funciones reutilizables.
Además, más de 137 000 bibliotecas de Python están disponibles para diversas
aplicaciones, incluidos el desarrollo web, la ciencia de datos y el machine
learning (ML).

¿Cuáles son las bibliotecas de Python más populares?

Matplotlib

Los desarrolladores utilizan Matplotlib para trazar los datos en gráficos de dos y
tres dimensiones (2D y 3D) de alta calidad. Por lo general, se utiliza en las
aplicaciones científicas. Con Matplotlib, puede visualizar los datos mostrándolos
en diferentes gráficos, como los gráficos de barras y los de líneas. También puede
trazar varios gráficos de una sola vez, y estos se pueden trasladar a todas las
plataformas.

Pandas

Pandas proporciona estructuras de datos optimizadas y flexibles que se

pueden utilizar para manipular datos de serie temporal y datos estructurados,
como las tablas y las matrices. Por ejemplo, puede utilizar Pandas para leer,
escribir, combinar, filtrar y agrupar datos. Muchas personas lo utilizan para las
tareas de ciencia de datos, análisis de datos y ML.

NumPy

NumPy es una conocida biblioteca que utilizan los desarrolladores para crear y
administrar matrices, manipular formas lógicas y efectuar operaciones de álgebra

21
lineal con facilidad. NumPy admite la integración a muchos lenguajes, como C y
C++.

Requests

La biblioteca Requests proporciona funciones útiles que se necesitan para el

desarrollo web. Puede usarla para enviar solicitudes HTTP; agregar encabezados,
parámetros de URL y datos; y llevar a cabo muchas más tareas cuando se
comunica con aplicaciones web.

OpenCV-Python

OpenCV-Python es una biblioteca que los desarrolladores utilizan para

procesar imágenes para las aplicaciones de visión artificial. Proporciona muchas
funciones para las tareas de procesamiento de imágenes, como la lectura y la
escritura simultáneas de imágenes, la creación de un entorno 3D a partir de uno
2D y la captura y el análisis de las imágenes de video.

Keras

Keras es la biblioteca de red neuronal profunda de Python que cuenta con un

excelente soporte para el procesamiento de datos, su visualización y mucho más.
Keras admite muchas redes neuronales. Posee una estructura modular que ofrece
flexibilidad en la escritura de aplicaciones innovadoras.

(https://aws.amazon.com/es/what-is/python/#:~:text=Python%20es%20un%20lenguaje%20de,
s.f.)

22
Código Fuentes

import scipy.stats as stats

import tkinter as tk

from tkinter import messagebox

import matplotlib.pyplot as plt

import numpy as np

from scipy.stats import t

def calcular_t(x_barra, mu, s, n):

return (x_barra - mu) / (s / np.sqrt(n))

def realizar_prueba_hipotesis():

try:

n = int(entry_n.get())

s = float(entry_s.get())

mu = float(entry_mu.get())

x_barra = float(entry_x_barra.get())

alpha = float(entry_alpha.get())

23
 df = n - 1

if df <= 0 or alpha <= 0 or alpha >= 100:

raise ValueError

t_critico = t.ppf(1 - (alpha / 200), df)

t_calculado = (x_barra - mu)/s * ( np.sqrt(df))

resultado = "Se acepta la hipotesis nula, se rechaza la alternativa."

if abs(t_calculado) > t_critico:

resultado = "Se acepta la hipotesis alternativa, se rechaza la hipótesis

nula."

messagebox.showinfo("Resultado",

f"Valor de t: {t_calculado:.4f}\n"

f"Valor de t (tabla): {t_critico:.4f}\n"

f"{resultado}")

x = np.linspace(-4, 4, 1000)

y = stats.t.pdf(x, df)

plt.plot(x, y, 'b-', label=f'Distribución t con {df} grados de libertad')

plt.axvline(x=t_calculado, color='r', linestyle='--', label='Valor de t calculado')

plt.axvline(x=t_critico, color='g', linestyle='--', label='Valor crítico de t')

plt.fill_between(x, 0, y, where=(abs(x) > t_critico), color='gray', alpha=0.3)

plt.legend()

plt.xlabel('Valor de t')

24
 plt.ylabel('Densidad de probabilidad')

plt.title('Distribución t de Student')

plt.grid(True)

plt.show()

except ValueError:

messagebox.showerror("Error", "Por favor, ingrese valores numéricos

válidos.")

root = tk.Tk()

root.title("Prueba de Hipótesis con t de Student y Gráfica")

root.configure(bg="#00BFBF")

root.geometry("850x300")

root.resizable(False, False)

background_color = root.cget("bg")

tk.Label(root, text="Tamaño de la muestra (n):", font=("Verdana", 18),

bg=background_color).grid(row=0, column=0, padx=10, pady=5)

entry_n = tk.Entry(root, font=("Verdana", 18))

entry_n.grid(row=0, column=1, padx=10, pady=5)

tk.Label(root, text="Desviación estándar de la muestra (s):", font=("Verdana", 18),

bg=background_color).grid(row=1, column=0, padx=10, pady=5)

entry_s = tk.Entry(root, font=("Verdana", 18))

entry_s.grid(row=1, column=1, padx=10, pady=5)

25
tk.Label(root, text="Media poblacional (μ):", font=("Verdana", 18),
bg=background_color).grid(row=2, column=0, padx=10, pady=5)

entry_mu = tk.Entry(root, font=("Verdana", 18))

entry_mu.grid(row=2, column=1, padx=10, pady=5)

tk.Label(root, text="Media de la muestra (x̄ ):", font=("Verdana", 18),

bg=background_color).grid(row=3, column=0, padx=10, pady=5)

entry_x_barra = tk.Entry(root, font=("Verdana", 18))

entry_x_barra.grid(row=3, column=1, padx=10, pady=5)

tk.Label(root, text="Nivel de significancia (α):", font=("Verdana", 18),

bg=background_color).grid(row=4, column=0, padx=10, pady=5)

entry_alpha = tk.Entry(root, font=("Verdana", 18))

entry_alpha.grid(row=4, column=1, padx=10, pady=5)

tk.Button(root, text="Realizar Prueba y Gráficar", font=("Verdana", 18),

command=realizar_prueba_hipotesis).grid(row=5, column=0, columnspan=2,
pady=20)

root.mainloop()

26
 Conclusiones

La prueba de hipótesis t de Student es una herramienta esencial en el análisis

estadístico, especialmente cuando se trabaja con muestras pequeñas. El uso de
Python y PyCharm en este proyecto no solo facilita la implementación y análisis de
esta prueba, sino que también proporciona un entorno eficiente para el desarrollo
de habilidades analíticas. A través de este proyecto, se ha demostrado cómo
combinar la teoría estadística con herramientas tecnológicas avanzadas para
llevar a cabo análisis precisos y significativos. La comprensión y aplicación de
estas técnicas no solo son vitales en el ámbito académico, sino también en el
profesional, donde la capacidad de realizar análisis estadísticos robustos es cada
vez más demandada.

27
 Recomendaciones

 Familiarización con Python y sus bibliotecas estadísticas: Antes de

comenzar con la prueba de hipótesis, es crucial tener un conocimiento
sólido de Python y bibliotecas.
 Uso adecuado de PyCharm: Aprovechar las funcionalidades de PyCharm
para organizar y gestionar el proyecto eficientemente, utilizando sus
herramientas de depuración y análisis de código.
 Validación de supuestos: Asegurarse de que se cumplen los supuestos de
la prueba t de Student, como la normalidad de los datos y la homogeneidad
de varianzas, para garantizar la validez de los resultados.
 Documentación y reporte: Mantener una documentación clara y detallada
del proceso y resultados, facilitando la comprensión y reproducibilidad del
análisis.
 Aplicación práctica: Aplicar los conocimientos adquiridos a problemas
reales, mejorando así la capacidad de interpretar y comunicar los
resultados de manera efectiva.

28
Anexos

29
30
 Referencias

Referencias
https://aws.amazon.com/es/what-is/python/#:~:text=Python%20es%20un%20lenguaje%20de, e.
(s.f.). Obtenido de https://aws.amazon.com/es/what-is/python/#:~:text=Python%20es
%20un%20lenguaje%20de,ejecutar%20en%20muchas%20plataformas%20diferentes.

https://blog.hubspot.es/website/que-es-python. (s.f.). Obtenido de

https://blog.hubspot.es/website/que-es-python

31