Actividad en clase
En la investigación de Stone et al. (A-6), los investigadores informaron los siguientes datos de las mediciones referentes a todas las calificaciones del acondicionamiento muscular logradas por los individuos: Se considera que las dos poblaciones de todas las calificaciones de condicionamiento muscular siguen una distribución aproximadamente normal. Sin embargo, no debe suponerse que las dos variancias poblacionales son iguales. Se pretende construir un intervalo de confianza de 95 por ciento para la diferencia entre las medias de todas las calificaciones de acondicionamiento muscular para las dos poblaciones representadas por las muestras. Determine las interpretaciones.
n1 <- 13
x1 <- 4.5
s1 <- 0.3
n2 <- 17
x2 <- 3.7
s2 <- 1.0
confianza <- 0.95
df <- ((s1^2/n1 + s2^2/n2)^2) / ((s1^2/n1)^2/(n1-1) + (s2^2/n2)^2/(n2-1))
intervalo <- x1 - x2 + c(-1,1) * qt(0.975, df) * sqrt(s1^2/n1 + s2^2/n2)
cat("El intervalo de confianza al", confianza*100, "% para la diferencia entre las medias es", intervalo)## El intervalo de confianza al 95 % para la diferencia entre las medias es 0.2644806 1.335519El doctor Ali Kyriba (A-IO), de la Clínica y Fundación Mayo, condujo una serie de experimentos con el fin de evaluar las respuestas diuréticas y natriuréticas de ratas Okamoto espontáneamente hipertensivas (REB) y ratas Wistar-Kyoto (WRY) para dirigir incrementos en la presión hidrostática renal intersticial (PBRI). Para aumentar la PBRI se utilizó la expansión directa del volumen renal intersticial (DRIVE) a través de una matriz implantada crónicamente en el riñon. Entre los datos registrados durante el estudio están las siguientes mediciones de excreción de sodio a través de la orina (UNaV) durante el periodo de DRIVE, se pretende construir un intervalo de confianza de 99% para la diferencia entre las medias de estas dos poblaciones. Determine las interpretaciones.
REH <- c(6.32, 5.72, 7.96, 4.83, 5.27)
WRY <- c(4.20, 4.69, 4.82, 1.08, 2.10)
confianza <- 0.99
diff_medias <- mean(REH) - mean(WRY)
SE <- sqrt(var(REH)/length(REH) + var(WRY)/length(WRY))
intervalo_confianza <- c(diff_medias - qt(confianza/2, df = length(REH) + length(WRY) - 2) * SE,
diff_medias + qt(confianza/2, df = length(REH) + length(WRY) - 2) * SE)
cat("El intervalo de confianza para la diferencia entre las medias de las poblaciones es:",
paste0("[", round(intervalo_confianza[1], 2), ", ", round(intervalo_confianza[2], 2), "]"), "\n")## El intervalo de confianza para la diferencia entre las medias de las poblaciones es: [2.65, 2.63]Los objetivos de un estudio de Davis et al. (A-g) son evaluar 1) la
eficacia del programa auto ayuda “momento para dejar de fumar” cuando se
utiliza con base de uno a uno en el hogar, y 2) la viabilidad de enseñar
técnicas para abandonar el hábito de fumar a los estudiantes de
enfermería en bachillerato. A estudiantes graduados de enfermería
inscritos en dos cursos de metodología de la investigación, de la
Universidad de Ottawa, se les invitó a participar en el proyecto. Se
aplicó un cuestionario de opción múltiple para abandonar el hábito de
fumar a 120 estudiantes de enfermería que participaron y a otros 42
estudiantes que no participaron antes ni después del estudio.
Se calcularon las diferencias entre las calificaciones antes y después
del estudio, así como las siguientes estadísticas a partir de las
diferencias: Se pretende construir un intervalo de confianza de 90% para
la diferencia entre las medias de estas dos poblaciones. Determine las
interpretaciones
# Datos del problema
n1 <- 120
n2 <- 42
x1 <- 21.4444
x2 <- 3.3333
s1 <- 15.392
s2 <- 14.595
confianza <- 0.90
gl <- n1 + n2 - 2
t <- (x1 - x2) / sqrt((s1^2 / n1) + (s2^2 / n2))
t_critico <- qt((1 - confianza) / 2, gl)
limite_inferior <- (x1 - x2) - t_critico * sqrt((s1^2 / n1) + (s2^2 / n2))
limite_superior <- (x1 - x2) + t_critico * sqrt((s1^2 / n1) + (s2^2 / n2))
cat("El intervalo de confianza al", confianza * 100, "% para la diferencia entre las medias de las dos poblaciones es [",round(limite_inferior, 2), ",", round(limite_superior, 2), "].\n")## El intervalo de confianza al 90 % para la diferencia entre las medias de las dos poblaciones es [ 22.5 , 13.72 ].Un artículo publicado por Becker et al. (A-7) en la revista American
Journal of Health
Promotion describe el desarrollo de una herramienta para medir las
barreras para promover la salud entre personas discapacitadas. Los
autores afirman que los problemas de barreras sobresalen especialmente
de personas discapacitadas que las experimentan en situaciones como:
empleo, transporte, alojamiento, educación, seguros de vida, acceso
arquitect6nico, programas subtitulados y actitudes de la sociedad. Los
estudios sugieren que las mediciones de las barreras pueden mejorar la
comprensi6n de los profesionales de la salud respecto a la probabilidad
de que la gente participe en varias conductas 0 actividades de promod6n
de la salud, y probablemente sean un constructo importante en la
evaluaci6n de conductas de salud
de las personas discapacitadas. Para medir este constructo, los
investigadores desarrollaron la Escala de barreras en las actividades de
promoción de la salud en personas discapacitadas. Se obtuvieron los
siguientes resultados al aplicar la escala a
una muestra de 132 discapacitados (D) y a 137 personas no discapacitadas
(ND):
n1<-132
n2<-137
m1<-31.83
m2<-25.07
ds1<-62.88
ds2<-23.04
z<-(m1-m2)/sqrt((ds1/n1)+(ds2/n2))
z## [1] 8.420195alfa<-0.05
critico<-qnorm(1-alfa/2)
critico## [1] 1.959964La hipótesis alternativa es que las personas con discapacidad, en promedio, tienen una puntuación más alta en la escala de barrera en comparación con aquellas que no tienen discapacidad. Por otro lado, la hipótesis nula es que no hay diferencia significativa en la puntuación de la escala de barrera entre personas con y sin discapacidad.