Академический Документы
Профессиональный Документы
Культура Документы
1
En el curso de Diseño experimental se desea saber si los pesos de los estudiantes de
agroindustria son iguales entre mujeres y hombres utilizando el programa Rstudio
Grupos Sorteados
H0: U1=U2
Ha: U-U2
Peso_de_estudiantes_de_agroindustrias<-read.table("clipboard",header=T)
#paso de datos de Excel a Rstudio
> Peso_de_estudiantes_de_agroindustrias
Mujeres Hombres
1 80 54
2 70 65
3 66 58
4 81 70
5 70 65
6 60 55
7 65 63
8 62 57
9 83 50
10 70 50
11 NA 60
12 NA 70
13 NA 55
14 NA 50
15 NA 70
16 NA 62
17 NA 52
18 NA 54
19 NA 50
20 NA 65
# verificación de los datos en la ventana que se está trabajando en R studio
> View(Peso_de_estudiantes_de_agroindustrias)
# Para visualizar los datos en la ventana en script
> qqnorm(Peso_de_estudiantes_de_agroindustrias$Mujeres,main = "MUJERES")
# Grafica de datos en Rstudio
# main sirve para poner nombre a la gráfica y esta debe estar entre comillas "MUJERES"
> qqline(Peso_de_estudiantes_de_agroindustrias$Hombres,main="Hombre")
# Grafica de línea en los datos de peso de los hombres
> shapiro.test(Peso_de_estudiantes_de_agroindustrias$Mujeres)
data: Peso_de_estudiantes_de_agroindustrias$Mujeres
W = 0.90837, p-value = 0.27
Interoperación:
Hay normalidad porque p-value es mayor a 0.05
Aceptación y rechazo de las hipótesis
Se acepta H0
X Se rechaza la Hipótesis Ha
> shapiro.test(Peso_de_estudiantes_de_agroindustrias$Hombres)
data: Peso_de_estudiantes_de_agroindustrias$Hombres
W = 0.90682, p-value = 0.05545
Interoperación:
Hay normalidad porque p-value es mayor a 0.05
Aceptación y rechazo de las hipótesis
Se acepta H0
X Se rechaza la Hipótesis Ha
> var.test(Peso_de_estudiantes_de_agroindustrias$Mujeres,Peso_de_estudiante
s_de_agroindustrias$Hombres)
> boxplot(maquinas)
#
qqnorm(maquinas$M1,main = "MÁQUINA 1")
> qqline(maquinas$M1,col="red")
> qqline(maquinas$M2,col="red")
# (col=”red”) sirve para dar la colora la línea en la gráfica en la máquina 2
> shapiro.test(maquinas$M1)
#Shapiro.test sirve para saber si hay o no hay normalidad en la máquina 1
data: maquinas$M1
W = 0.93516, p-value = 0.5005
Interpretación: p-value es mayor a 0.05 porque si existe normalidad en la m
áquina 1
> shapiro.test(maquinas$M2)
data: maquinas$M2
W = 0.94212, p-value = 0.6579
Interpretación: p-value es mayor a 0.05 porque si existe normalidad en la m
áquina 2
> var.test(maquinas$M1,maquinas$M2)