viewing paste Unknown #45302 | Text

Posted on the
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141
CONTRASTES DE HIPOTESIS PARA LA MEDIA:
-si la duracion media de las baterias de la planta A es menor a 180 con un nivel de confianza del 99 %
 
t.test(Battery$facilityA, mu=180, conf.level=.99, alternative="less")
-realizar un contraste para ver si las baterias de la planta A duran mas que las de la planta B utilizando un nivel de confianza del 
 
95 % 
 
t.test(Battery$facilityA, Battery$facilityB, conf.level=.95,alternative="greater")
 
 
CONTRASTE DE UNA PROPORCION EN UNA POBLACION
Preguntamos por la calle a 100 personas elegidas al azar sobre cierta cuestion y 42 personas responden que si a la misma. ¿Es este 
 
dato compatible con la hipotesis de que la proporcion de sies en la poblacion es del 50 %?
 
prop.test(42,100,p=0.5)
 
si queremos añadir nivel confianza: prop.test(42,100,p=0.5,conf.level=.99)
 
sin la correccion de la continuidad de Yates:  
 
prop.test(42,100,p=0.5,conf.level=0.99,correct=F)
 
 
CONTRASTE DE DOS PROPORCIONES
Si otro encuestador realizo 200 encuestas y obtuvo 110 sies en otra poblacion,
podemos preguntarnos si la proporcion de sies es la misma en las dos poblaciones:
prop.test(c(42,110),c(100,200))
 
Se pueden comparar 4 muestras:
smokers=c(83,90,129,70)
patients=c(86,93,136,82)
prop.test(smokers,patients)
 
tambien podemos añadir las proporciones poblacionales (y por esto sale df=4 y no df=3):
 
prop.test(smokers, patients, p=c(0.95,0.95,0.95,0.85))
 
AL TENER LAS PROPORCIONES MUESTRALES
Simulamos una base de datos con 350 datos, 200 de ellos unos y el resto
ceros.
 
> x=c(rep(1,200),rep(0,150))
> y=sample(x) #con esta instruccion se desordenan los datos y parece mas real
> w=as.factor(y) #Convertimos en factor el vector de ceros y unos
> b=data.frame(w) #creamos una estructura de datos con el factor 
 
si no salen con negrita lo de estadisticos/proporciones/para una muestra.. poner:
 
.Table=xtabs(~ w, data=b)
.Table
prop.test(rbind(.Table),alternative='two.sided',p=.5,conf.level=.95,correct=F)
 
 
CASOS DE 2 MUESTRAS
Crearemos una estructura de datos, fumadores con dos variables: fumador y salud,
cada una con 250 valores.
 
fumador <- sample(c("no","si"),size=250,replace=TRUE)
salud <- sample(c("buena","mala"),size=250,replace=TRUE)
table(fumador,salud)
fumadores=data.frame(fumador,salud)
hacer estadisticos/proporciones/para dos muestras..
 
otro test que se puede realizar en lo anterior es el de la ji-cuadrado de Pearson
 
m <- matrix(table(fumador,salud),nrow=2)
m
chisq.test(m)
 
 
CONTRASTANDO UNA MEDIA (ejemplo que no se puede hacer con t-test y se hace a mano)
 
med.muestra=22;destip=1.5;n=10;mediaH0=25
t=(med.muestra-mediaH0)/(destip/sqrt(10))
t
 
> p_valor=pt(t,df=n-1)
> p_valor
 
 
CONTRASTANDO UNA MEDIANA (prueba de signos)
Queremos contrastar si la mediana es 5
 
x=c(12.8,3.5,2.9,9.4,8.7,0.7,0.2,2.8,1.9,2.8,3.1,15.8)restamos 5 a x:
y=x-5
y
contamos positivos: positivos=length(y[y>0])
contamos no nulos: nonulos=length(y[y!=0])
 
se aplica el test binomial:
binom.test(positivos,nonulos,p=0.5)
tambien se puede hacer con WILCOXON:
wilcox.test(x,mu=5)
 
y para añadir intervalo de confianza: wilcox.test(x,conf.int=TRUE)
 
 
CONTRASTE DE MEDIAS PARA DOS MUESTRAS
 
Se realiza un experimento para determinar el efecto del tiempo de
curado del hormigon sobre la carga de rotura a compresion del mismo. Se
han tomado dos muestras x e y de 15 probetas de hormigon cada una. La
muestra x se somete a un curado de dos dias y la muestra y a uno de seis.
 
x<-c(1236,1302,1324,1270,1287,1328,1318,1296,1306,1329,1255,1310,1255,1291,1280)
y<-c(1387,1301,1376,1397,1399,1378,1343,1349,1321,1364,1332,1396,1372,1341,1374)
¿Puede concluirse que la media de la carga de rotura es superior para las probetas
curadas durante 6 dias?
 
 con varianzas poblaciones iguales: t.test(x,y,var.equal=TRUE,alt="less")
 con varianas poblaciones distintas: t.test(x,y,alt="less") (calculos con correccion Welch)
 
CASO DE DATOS EMPAREJADOS
 
con poblaciones normales:
t.test(x,y,paired=TRUE)
 
con poblaciones no normales:
wilcox.test(x,y,alternative="less")
con intervalo de confianza: wilcox.test(x,y,alternative="less",conf.int=TRUE)
si las poblaciones no pueden suponerse normales:
x=c(586,568,587,550,543,552,562,577,558,571)
y=c(582,569,587,543,540,548,563,572,559,566)
 
wilcox.test(x,y,paired=TRUE)
 
con intervalo de confianza:  wilcox.test(x,y,paired=TRUE,conf.int=TRUE)
 
HIPOTESIS DE NORMALIDAD
 
x=c(1236,1302,1324,1270,1287,1328,1318,1296,1306,1329,1255,1310,1255,1291,1280)
qqnorm(x)
qqline(x)
 
CONTRASTE DE VARIANZAS
 
y=c(1387,1301,1376,1397,1399,1378,1343,1349,1321,1364,1332,1396,1372,1341,1374)
var.test(x,y)
 
Viewed 962 times, submitted by Guest.