DOCENTE: Dra. Silvia Haro.

NOMBRE: Daniela Rocío Carrasco Cayambe.

Para el desarrollo de nuestro mini manualempezaremos definiendo que es una hipótesis yque es una prueba de hipótesis:

Hipótesis es una aseveración de una poblaciónelaborado con el propósito de poner a prueba,para verificar si la afirmación es razonable, seusan datos. En el análisis estadístico se hace unaaseveración, es decir, se plantea una hipótesis,después se hacen las pruebas para verificar laaseveración o para determinar que no esverdadera.

Por tanto, diremos que la Prueba de hipótesis esun procedimiento basado en la evidenciamuestral y la teoría de probabilidad; se empleapara determinar si la hipótesis es una afirmaciónrazonable.

Se trata de un proyecto de software libre.

R-Commander se denomina como una Interfaz

Gráfica de Usuario (GUI en inglés), creada por

John Fox, que permite acceder a muchas

capacidades del entorno estadístico R sin que el

usuario tenga que conocer el lenguaje de

comandos propio de este entorno. Al iniciar R-

Commander, se nos presentan dos ventanas:

En la consola de R, podremos ejecutar

comandos de R, para lo cual necesitamos

conocer el lenguaje R y su sintaxis.

El entorno de R-commander, nos evita precisamentetener que usar dicho lenguaje de comandos, al menospara las tareas que se encuentran implementadasdentro de dicho entorno.

No obstante, R-Commander no pretende ocultar ellenguaje R. Si observamos de cerca la ventana de R-Commander, vemos que se divide en tres subventanas:script, output y messages. Cada vez que, a través de losmenús de R-commander accedamos a las capacidadesde R (gráficos, procedimientosestadísticos, modelos, etc.), en la ventana script semostrará el comando R que ejecuta la tarea quehayamos solicitado, y en la ventana output se mostraráel resultado de dicho comando. De este modo, aunqueel usuario no conozca el lenguaje de comandos deR, simplemente observando lo que va apareciendo en laventana script se irá familiarizando con dicho lenguaje.

Test t para una muestra Sirve para hacer

contrastes de hipótesis para la media de una

variable cuantitativa con distribución normal.

En la pantalla de construcción del contraste se

pueden elegir:

tipo de contraste — bilateral

(igualdad), unilaterales (menor o mayor);

valor de la media bajo la hipótesis nula;

nivel de confianza para el intervalo de

estimación.

Por ejemplo, si queremos averiguar si la media

del Gasto total en el viaje por

persona (gastotal) es mayor que 300, haremos

como se muestra en la siguiente figura:

Mostraremos su salida:

Realiza un contraste de hipótesis de igualdad

de medias entre dos muestras. Se necesita por

un lado una variable cuantitativa y, por

otro, una variable dicotómica (cualitativa o

factor, con sólo dos modalidades) que indique

los dos grupos (por ejemplo, el sexo).

En el siguiente ejemplo, se muestra cómo

realizar un contraste para averiguar si el Gasto

total en el viaje por persona (gastotal)

promedio es mayor para las mujeres que para

los hombres, con un nivel de confianza

del 95% y suponiendo que la dos muestras

tengan la misma varianza.

Mostraremos su salida:

Contraste la hipótesis nula de que la

proporción de respuesta positiva después del

parto (aclact1) es igual a 0,5. Construya el

intervalo de confianza al 95% para la

proporción poblacional de respuesta positiva.

Resultados

Deberemos rechazar la hipótesis nula de que la proporción sea 0,5 con

p=0,002304.

Nótese que el estadístico X-squared (ji-cuadrado) es equivalente en

valor de p a la prueba z para una proporción.

Con el conjunto de datos de Pulsos,

queremos estudiar la altura media de los

hombres solamente, por medio de un

intervalo de confianza al nivel de

significación =0.05, o de confianza del 95%, y

utilizarlo para contrastar la hipótesis de si la

altura media de los hombres es de 171 cms.

Vamos a generar un conjunto de datos con

las alturas de los hombres.

En principio debemos filtrar la altura por medio del Géneropara separar los hombres de las mujeres con la secuencia:

>Datos >Conjunto de datos activos>Filtrar datos.

Como marcamos Incluir todas las

variables, va a generar un Data.frame

con todos los datos referidos sólo

a Hombres: Gender==”Male”

El nuevo conjunto de datos activo, que

tiene siempre el tipo data.frame, se

llamará Alturahombres

El intervalo de confianza para la media de altiras,

Empleando el R Commander, lo producen los menús:

>Estadísticos > Medias >Test para una muestra….

Resultando en la Ventana de resultados de R Commander

One Sample t-test

data: Alturahombres$Height

t = 206.8254, df = 56, p-value < 2.2e-16

alternative hypothesis:

true mean is not equal to 0

95 percent confidence interval:

70.06908 71.43969

sample estimates:

mean of x

70.75439

Basándonos en el intervalo de confianza parala media de alturas de hombres: (70.0690871.43969) consideremos ahora el contraste dehipótesis sobre que la altura media es 171 cms.Pasando esta altura media a pulgadas, que esla información extraída de la tabla: 171/2.54=67.3228 pulgadas.

Se concluye afirmando con el 95% de confianza que la altura media no es 171

cms, pues 67.3228 pulgadas no está contenido en el intervalo de confianza

calculado.

FIN