Analisis Inferencial de medidas antropometricas:

En el presente estudio estadistico, se mostrara un analisis inferencial, regresional y analitico sobre las medidas antropometricas (Medidas y dimensiones de las diferentes partes del cuerpo humano) que se tomaron de una poblacion de 507 individuos; escogiendose una muestra para el estudio de 100 individuos (50% hombres y 50% mujeres), en dicha poblacion se realizaron 25 medidas antropometricas, de las cuales para el presente estudio solo se consideraran 8, las cuales son: genero, altura peso, circunferencia del muslo, circunferencia abdominal, la suma del diametro de las rodillas, la suma del diametro de las muñecas, y la suma del diametro del codo. A diferencia de el peso y del genero, las demas medidas estan expresadas en centimetros, mientras que el peso y el genero estan en kilogramos y en expresion binaria correspondientemente (Asignandose un valor de 1 para los hombres y de 0 para las mujeres) A continuacion se mostrara una breve definicion acerca de la antropometria y la muestra escogida:

La antropometria, es la subrama de la antropología biológica o física que estudia las medidas del cuerpo humano y las estudia referentemente sin ningún tipo de porcentaje de error mínimo, ya que las medidas han de ser exactas a la par que se tomen. Se refiere al estudio de las dimensiones y medidas humanas con el propósito de valorar los cambios físicos del ser humano y las diferencias entre sus grupos humanos y polimorfismos. Es la ciencia que consiste en poder identificar a una persona con la ayuda de medidas y signos particulares individuales.

En base a la anterior informacion, cabe esperar los altos costos relacionados con los diamantes y su correlacion con caracteres como el color, la profundidad, el quilate, entes otros aspectos.

Muestreo de la Poblacion

A continuacion se muestra una tabla en la que se observan datos relacionados con las medidas escogidas de muestra, en este caso se llevo a cabo un metodo de muestreo aleatorio simple sin remplazo con estratificacion uniforme (el numero de elementos de cada estrato de la muestra de estudio es igual) en el cual tanto el numero de hombres como de mujeres es igual en la muestra.

Inferencias e Intervalos

Analisis Promedial del Diametro del Codo con un intervalo de confianza del 90%

Basado en el análisis de los datos del diametro del codo de una muestra de 100 habitantes, se observa que la gráfica de densidad presenta una forma similar a una campana de Gauss, lo que sugiere una distribución aproximadamente normal de los datos. Esta distribución simétrica con dos picos cercanos indica que existe una tendencia central en los datos y una dispersión equilibrada alrededor de la media.

Además, al examinar las líneas que indican el intervalo donde se encuentra el promedio de la población, se observa que están muy cercanas entre sí. Esto sugiere que los valores de la muestra se encuentran agrupados y concentrados alrededor de la media, lo que indica una baja variabilidad en los datos.

Al analizar el QQPlot, se aprecia que los puntos de dispersión se encuentran muy cercanos a la línea de referencia de los cuantiles teóricos. Esto indica un buen ajuste de los datos a la distribución normal esperada. La estrecha alineación de los puntos con la línea de referencia sugiere una alta similitud entre los valores observados y los valores esperados bajo la hipótesis de una distribución normal.

En conclusión, el análisis estadístico revela que los datos del codo de la muestra presentan características de una distribución normal, evidenciadas por la forma de la gráfica de densidad, la proximidad de las líneas de intervalo del promedio y la concordancia en el QQPlot. Estos hallazgos proporcionan una comprensión más precisa de la distribución y variabilidad de los datos del codo en la población estudiada.

Analisis Promedial del Diametro de la muneca con un intervalo de confianza del 90%

Basado en el análisis estadístico del diámetro de la muneca en una muestra de 100 habitantes, se observa que la gráfica de densidad presenta una distribución que se asemeja a una campana de Gauss. Los dos picos cercanos y de igual altura indican la presencia de dos grupos o subpoblaciones dentro de la muestra.

Al examinar las líneas que representan el intervalo donde se encuentra el promedio de la población, se nota que están muy cercanas entre sí. Esto sugiere que los valores del diámetro de la muneca se concentran en una estrecha gama alrededor del promedio, lo que implica una baja variabilidad en los datos.

En cuanto al QQPlot, los puntos de dispersión se encuentran muy próximos a la línea de referencia de los cuantiles teóricos. Esta cercanía indica que los datos se ajustan bien a la distribución normal esperada. En otras palabras, el diámetro de codo en la muestra se distribuye de manera similar a una distribución normal, sin desviaciones significativas.

En resumen, el análisis estadístico revela que el diámetro de la muneca en la muestra de 100 habitantes sigue una distribución que se asemeja a una campana de Gauss, con dos picos cercanos y de igual altura. La estrecha proximidad de las líneas de intervalo del promedio y la concordancia entre los puntos de dispersión y la línea de referencia en el QQPlot indican una baja variabilidad y un buen ajuste a la distribución normal. Estos hallazgos proporcionan información relevante sobre las características de los datos del diámetro de codo en la población estudiada desde una perspectiva estadística.

Analisis Promedial del Diametro de la Rodilla con un intervalo de confianza del 90%

Basado en el análisis estadístico del diámetro de la rodilla en una muestra de 100 habitantes, se observa que la gráfica de densidad presenta una forma que se asemeja, aunque no tanto, a una campana de Gauss. Existe un pico dominante en la distribución, lo cual sugiere la presencia de una sola subpoblación o grupo predominante en la muestra.

Al examinar las líneas que indican el intervalo donde se encuentra el promedio de la muestra, se observa que están muy cercanas entre sí, aunque ligeramente desplazadas hacia la izquierda. Esto puede indicar una asimetría en la distribución del diámetro de la rodilla, con una ligera tendencia hacia valores más bajos.

En cuanto al QQPlot, se observa que los puntos de dispersión están muy cercanos a la línea de referencia de los cuantiles teóricos, pero solo en el rango de cuantiles teóricos que va desde -1 a 1. Fuera de este rango, los puntos comienzan a dispersarse más, lo que indica una mayor variabilidad en los extremos de la distribución.

En resumen, el análisis estadístico revela que el diámetro de la rodilla en la muestra de 100 habitantes presenta una distribución que se asemeja, aunque no de manera precisa, a una campana de Gauss. La presencia de un pico dominante y la asimetría hacia la izquierda sugieren características particulares en la distribución. Aunque las líneas de intervalo del promedio están cercanas entre sí, su desplazamiento hacia la izquierda indica una posible tendencia hacia valores más bajos. Los puntos en el QQPlot muestran una buena correspondencia con los cuantiles teóricos en el rango de -1 a 1, pero una mayor dispersión fuera de este rango indica una variabilidad más amplia en los extremos de la distribución. Estos hallazgos proveen información relevante sobre las características del diámetro de la rodilla en la muestra estudiada desde una perspectiva estadística.

Analisis Promedial de la estatura de las mujeres que miden menos de 165cm con un intervalo de confianza del 99%

Basado en el análisis estadístico de la estatura de mujeres que miden menos de 165 cm, se observa que la gráfica de densidad presenta una forma que se asemeja, aunque no de manera precisa, a una campana de Gauss. Existe un pico dominante en la distribución, pero se encuentra desplazado hacia la derecha, indicando una concentración de mujeres con estaturas relativamente más altas dentro del grupo analizado.

Las líneas que indican el intervalo donde se encuentra el promedio de la población están muy cercanas entre sí, aunque desplazadas hacia la derecha. Esto sugiere que el promedio de estatura se encuentra ligeramente desplazado hacia valores más altos en comparación con la media general de la población.

El QQPlot revela que los puntos de dispersión forman una especie de escalera en el rango de cuantiles teóricos que va desde -1 a 1. Sin embargo, fuera de este rango, los puntos comienzan a dispersarse más ampliamente, lo que indica una mayor variabilidad en las estaturas de las mujeres en los extremos de la distribución.

En resumen, el análisis estadístico de la estatura de mujeres que miden menos de 165 cm muestra una distribución de densidad que se asemeja, aunque no de manera precisa, a una campana de Gauss. El desplazamiento del pico hacia la derecha indica la presencia de mujeres con estaturas relativamente más altas dentro del grupo analizado. Las líneas de intervalo del promedio están cercanas entre sí, pero desplazadas hacia la derecha, lo que sugiere un promedio ligeramente más alto en comparación con la media general. En el QQPlot, se observa una estructura escalonada de los puntos de dispersión en el rango de cuantiles teóricos de -1 a 1, mientras que fuera de este rango, los puntos se dispersan más ampliamente.

Analisis de la diferencia Promedial del Diametro de la circunferencia abdominal entre hombres y mujeres con un intervalo de confianza del 95%

Basado en el análisis estadístico de la diferencia promedial del diámetro de la circunferencia abdominal entre hombres y mujeres, se observa que la gráfica de densidad presenta una forma que se asemeja, aunque no de manera precisa, a una campana de Gauss. Existe un pico en la distribución, pero se encuentra ubicado hacia la derecha, lo que indica que hay una mayor cantidad de hombres con valores más altos de diámetro de la circunferencia abdominal en comparación con las mujeres.

Las líneas que indican el intervalo donde se encuentra el promedio de la población están muy lejanas entre sí, lo cual sugiere una gran variabilidad en la diferencia promedial del diámetro de la circunferencia abdominal entre hombres y mujeres. Además, el pico de la distribución se encuentra desplazado hacia la derecha, lo que indica que existen diferencias significativas en esta medida entre los dos grupos.

En cuanto al QQPlot, se observa que los puntos de dispersión no se asemejan a la línea de referencia de los cuantiles teóricos. En lugar de seguir una distribución esperada, los puntos parecen formar una línea recta con una pendiente mucho mayor a la de la línea de referencia. Esto indica una discrepancia significativa entre la distribución observada y la distribución teórica esperada.

En resumen, el análisis estadístico de la diferencia promedial del diámetro de la circunferencia abdominal entre hombres y mujeres muestra una distribución de densidad que se asemeja, aunque no de manera precisa, a una campana de Gauss. El pico desplazado hacia la derecha indica una mayor presencia de hombres con valores más altos en comparación con las mujeres. Las líneas de intervalo del promedio están muy separadas, lo que indica una variabilidad importante en esta diferencia entre los grupos. En el QQPlot, los puntos de dispersión no siguen la distribución teórica esperada y muestran una línea recta con una pendiente mayor a la de referencia. Estos resultados destacan las diferencias significativas en el diámetro de la circunferencia abdominal entre hombres y mujeres y sugieren la necesidad de un análisis más detallado para comprender las causas de estas disparidades.

Analisis de la diferencia Promedial del Diametro de la Rodilla entre hombres y mujeres con un intervalo de confianza del 95%

Basado en el análisis estadístico de la diferencia promedial del diámetro de la rodilla entre hombres y mujeres, se observa que la gráfica de densidad presenta una forma que se asemeja, aunque no de manera precisa, a una campana de Gauss. Existe un pico en la distribución, pero se encuentra ubicado hacia la derecha, indicando que hay una mayor cantidad de hombres con valores más altos de diámetro de la rodilla en comparación con las mujeres.

Las líneas que indican el intervalo donde se encuentra el promedio de la población están muy lejanas entre sí y no presentan simetría. Una línea se encuentra aproximadamente en x = -1, mientras que la otra está ubicada en x = 5. Esto sugiere una gran variabilidad y asimetría en la diferencia promedial del diámetro de la rodilla entre hombres y mujeres.

El pico de la distribución también se encuentra desplazado hacia la derecha, lo que indica diferencias significativas en esta medida entre los dos grupos.

En cuanto al QQPlot, los puntos de dispersión no se asemejan a la línea de referencia de los cuantiles teóricos. En lugar de seguir una distribución esperada, los puntos parecen formar una línea recta con una pendiente mucho mayor a la de la línea de referencia. Esto indica una discrepancia significativa entre la distribución observada y la distribución teórica esperada.

En resumen, el análisis estadístico de la diferencia promedial del diámetro de la rodilla entre hombres y mujeres muestra una distribución de densidad que se asemeja, aunque no de manera precisa, a una campana de Gauss. El pico desplazado hacia la derecha indica una mayor presencia de hombres con valores más altos en comparación con las mujeres. Las líneas de intervalo del promedio están muy separadas y asimétricas, lo que indica una variabilidad importante en esta diferencia entre los grupos. En el QQPlot, los puntos de dispersión no siguen la distribución teórica esperada y muestran una línea recta con una pendiente mayor a la de referencia. Estos resultados destacan las diferencias significativas en el diámetro de la rodilla entre hombres y mujeres y sugieren la necesidad de una mayor investigación para comprender las causas subyacentes de estas disparidades.

Analisis de la varianza poblacional del muslo entre las muejeres con un intervalo de confianza del 90%

## NULL

Basado en el análisis de la varianza de la medida del muslo en mujeres, utilizando un intervalo de confianza del 90%, se observa que la gráfica de densidad en función de la varianza presenta una forma que se asemeja a una distribución exponencial, típica de una distribución chi-cuadrada.

En cuanto al QQ Plot, se puede apreciar que los puntos de dispersión tienen una gran semejanza con la línea de referencia. Esto indica que los datos se ajustan bien a la distribución teórica esperada, lo cual es consistente con la distribución chi-cuadrada que se esperaría en este tipo de análisis de varianza.

En resumen, el análisis de la varianza de la medida del muslo en mujeres con un intervalo de confianza del 90% muestra una distribución de densidad que se asemeja a una distribución exponencial, indicando la presencia de una distribución chi-cuadrada. Además, el QQ Plot demuestra una buena concordancia entre los datos observados y la distribución teórica, confirmando el ajuste adecuado de los datos a la distribución chi-cuadrada. Estos resultados respaldan el uso de la varianza como medida estadística en el análisis del muslo en mujeres y proporcionan una base sólida para futuras investigaciones relacionadas con esta área.

Pruebas e Hipotesis

La media del diametro del codo sera diferente de 13 cm?

Para poder responder dicha pregunta, se desarrollo una prueba de hipotesis, con el codigo que aparecera despues de su correspondiente explicacion que se encuentrara a continuacion.

1 Paso: Calcular la media de la variable Diametro del Codo:

2 Paso: Se utiliza la función mean() para calcular la media de los datos en la variable x6 y se almacena en un objeto llamado media.

3 Paso: Definir las hipótesis nula (H0) y alternativa (H1):

4 Paso: Se establece el valor esperado para la media bajo la hipótesis nula (H0) como 13 cm. La hipótesis alternativa (H1) se define como “two.sided”, lo que implica que estamos interesados en detectar cualquier diferencia en la media de la variable X6 con respecto a 13 cm, ya sea mayor o menor.

5 Paso: Realizar la prueba de hipótesis:

6 Paso: Se utiliza la función t.test() para realizar la prueba de hipótesis. La función toma como argumentos la variable x6 (los datos), el valor de referencia H0 y la especificación de la hipótesis alternativa H1.

7 Paso: Obtener los resultados de la prueba:

8 Paso: Se extraen los valores relevantes del resultado de la prueba de hipótesis. Específicamente, se almacena el valor del p-valor en el objeto p_valor, el valor del estadístico de prueba en estadistico y los grados de libertad en grados_libertad.

9 Paso: Interpretar los resultados:

10 Pasp: Se evalúa el p-valor en relación al nivel de significancia (en este caso, 0.05). Si el p-valor es menor que el nivel de significancia, se rechaza la hipótesis nula y se concluye que hay evidencia estadística para afirmar que la media de la variable X6 es diferente de 13 cm. Si el p-valor es mayor que el nivel de significancia, no se rechaza la hipótesis nula y no hay suficiente evidencia para afirmar que la media difiere de 13 cm.

11 Paso: Imprimir los resultados:

12 Paso Se muestra un mensaje que incluye el p-valor, el estadístico de prueba, los grados de libertad y la decisión final de rechazar o no la hipótesis nula.

Siguiendo estos pasos, el código realiza una prueba de hipótesis para determinar si la media de la variable X6 es diferente de 13 cm y proporciona la interpretación de los resultados obtenidos. Dicho codigo se encuentra a continuacio y su resultado se muestra enseguida

Hipostesiscodo <- datos.muestreado$Diametro_del_Codo

# Paso 1: Calcular la media de la variable X6
media <- mean(Hipostesiscodo)

# Paso 2: Definir las hipótesis nula (H0) y alternativa (H1)
H0 <- 13
H1 <- "two.sided"

# Paso 3: Realizar la prueba de hipótesis
resultadocodo <- t.test(Hipostesiscodo, mu = H0, alternative = H1)

# Paso 4: Obtener los resultados de la prueba
p_valorcodo <- resultadocodo$p.value
estadisticocodo <- resultadocodo$statistic
grados_libertadcodo <- resultadocodo$parameter

# Paso 5: Interpretar los resultados
if (p_valorcodo < 0.05) {
  decision <- "\\Rechazamos la hipótesis nula"
} else {
  decision <- "\\No rechazamos la hipótesis nula"
}

mensajecodo <- paste("El p-valor es:", p_valorcodo,
                 "\nEl estadístico de prueba es:", estadisticocodo,
                 "\nLos grados de libertad son:", grados_libertadcodo,
                 "\nDecisión:", decision)


print(mensajecodo)

## [1] "El p-valor es: 0.00896260582059731 \nEl estadístico de prueba es: 2.66612810932165 \nLos grados de libertad son: 99 \nDecisión: \\Rechazamos la hipótesis nula"

La prueba de hipótesis se basa en comparar el valor observado (la media calculada de los datos) con el valor esperado bajo la hipótesis nula (en este caso, 13 cm). Si el p-valor obtenido es menor que el nivel de significancia (en este caso, 0.05)como se puedo observar en el recuadro de dialogo anterior, se rechaza la hipótesis nula en favor de la hipótesis alternativa.

En otras palabras, el resultado indica que existen diferencias significativas entre la media observada de la variable “Diametro del codo” y el valor de referencia de 13 cm. Sin embargo, es importante tener en cuenta que la interpretación final de los resultados debe realizarse considerando el contexto y el conocimiento experto en el área en la que se está trabajando, esto es meramente un estudio y analisis estadistico,necesitariamos saber bajo que condiciones se hicieron las medidas, bajo que objetivos y mediante que metodos se realizaron para llegar a tener mas conclusiones al respecto .

Los promedios del diametro de la muneca sera iguales tanto en hombres como en mujeres?

Para responder esta pregunta se desarrollaron los siguientes pasos para crear un codigo que me respondiera esta pregunta

1 Paso: Se extraen las columnas correspondientes a los datos de hombres (x7_hombres) y mujeres (x7_mujeres) y se asignan a objetos separados.

2 Paso: Realizar una prueba t para comparar las medias de las muestras:

Se utiliza la función t.test() para realizar la prueba de hipótesis.
Los argumentos x7_hombres y x7_mujeres representan las muestras de hombres y mujeres, respectivamente.
El argumento alternative = “two.sided” indica que estamos interesados en detectar cualquier diferencia en las medias (dos colas).
El argumento var.equal = TRUE asume que las varianzas de ambas muestras son iguales.

3 Paso: Obtener los resultados de la prueba:

Se extraen los valores relevantes del resultado de la prueba de hipótesis.
El p-valor se almacena en el objeto p_valor.
El estadístico de prueba se almacena en el objeto estadistico.
Los grados de libertad se almacenan en el objeto grados_libertad.

4 Paso: Interpretar los resultados:

Se compara el p-valor con el nivel de significancia (α) establecido en 0.10.
Si el p-valor es menor que α (0.10), se rechaza la hipótesis nula y se concluye que hay evidencia para afirmar que los promedios de la variable X7 en hombres y mujeres son diferentes.
Si el p-valor es mayor que α, no se rechaza la hipótesis nula y no hay suficiente evidencia para afirmar que los promedios son diferentes.

5 Paso: Imprimir los resultados:

Se construye un mensaje que incluye el p-valor, el estadístico de prueba, los grados de libertad y la decisión final de rechazar o no la hipótesis nula. El mensaje se imprime en la consola utilizando la función print().

x7_hombres = hombres$Diametro_de_la_muneca
x7_mujeres = mujeres$Diametro_de_la_muneca

resultadomuneca <- t.test(x7_hombres, x7_mujeres, alternative = "two.sided", var.equal = TRUE)

p_valormuneca <- resultadomuneca$p.value
estadisticomuneca <- resultadomuneca$statistic
grados_libertadmuneca <- resultadomuneca$parameter

if (p_valormuneca < 0.10) {
  decision <- "Rechazamos la hipótesis nula"
} else {
  decision <- "No rechazamos la hipótesis nula"
}

mensajemuneca <- paste("El p-valor es:", p_valormuneca,
                 "\nEl estadístico de prueba es:", estadisticomuneca,
                 "\nLos grados de libertad son:", grados_libertadmuneca,
                 "\nDecisión:", decision)

print(mensajemuneca)

## [1] "El p-valor es: 9.84365276450287e-22 \nEl estadístico de prueba es: 12.370681310816 \nLos grados de libertad son: 98 \nDecisión: Rechazamos la hipótesis nula"

Cuando el p-valor es extremadamente pequeño (en este caso, del orden de 10^-22), indica que hay una evidencia estadística muy fuerte en contra de la hipótesis nula. En términos prácticos, esto significa que los promedios de la variable X7 en hombres y mujeres son altamente diferentes.

Cuando el p-valor es tan pequeño, generalmente se rechaza la hipótesis nula en favor de la hipótesis alternativa. En este caso, como el p-valor es menor que el nivel de significancia establecido de 0.10, podemos concluir que hay suficiente evidencia para afirmar que los promedios de la variable X7 en hombres y mujeres son diferentes.

En resumen, el resultado obtenido indica que hay una diferencia significativa en los promedios de la variable X7 entre hombres y mujeres, y esta diferencia no se puede atribuir únicamente al azar, esto quizas a las claramente diferencias morfologicas presentes entre ambos sexos.

El Promedio de la circunferencia abdominal sera mayor en hombres en relacion con las mujeres?

Para poder responder la pregunta se utilizó la función t.test para realizar la prueba de hipótesis. Se especificó x13_hombres y x13_mujeres como los vectores que contienen los datos de la variable X13 para hombres y mujeres, respectivamente. Además, se estableció alternative = “greater” para indicar que estábamos interesados en probar si el promedio en hombres era mayor. La opción var.equal = FALSE se utilizó para asumir que las varianzas de las dos muestras no eran iguales.

Después de realizar la prueba de hipótesis, se almacenaron los resultados en la variable resultado. Esto incluye el valor de p, el estadístico de prueba y los grados de libertad.

A continuación, se interpretaron los resultados de la prueba. Se comparó el valor de p con el nivel de significancia establecido de 0.05. Si el valor de p era menor que 0.05, se concluyó que había evidencia estadística para rechazar la hipótesis nula y se asignó la decisión correspondiente a la variable decision. Si el valor de p era mayor o igual a 0.05, se concluyó que no había suficiente evidencia para rechazar la hipótesis nula.

Finalmente, se construyó un mensaje que incluía el valor de p, el estadístico de prueba, los grados de libertad y la decisión tomada. Este mensaje se imprimió en la consola utilizando la función print.

En resumen, el código siguió los pasos de carga de datos, realización de la prueba de hipótesis, interpretación de los resultados y presentación de un mensaje con los resultados obtenidos. Esto permitió determinar si existía evidencia estadística para afirmar que el promedio de la variable X13 era mayor en hombres que en mujeres.

x13_hombres <- hombres$CicuferenciaAbdominal
x13_mujeres <- mujeres$CicuferenciaAbdominal

# Paso 2: Realizar la prueba de hipótesis
resultadoabs <- t.test(x13_hombres, x13_mujeres, alternative = "greater", var.equal = FALSE)

# Paso 3: Obtener los resultados de la prueba
p_valorabs <- resultadoabs$p.value
estadisticoabs <- resultadoabs$statistic
grados_libertadabs <- resultadoabs$parameter

# Paso 4: Interpretar los resultados
if (p_valorabs < 0.05) {
  decision <- "Rechazamos la hipótesis nula"
} else {
  decisionabs <- "No rechazamos la hipótesis nula"
}

mensajeabs <- paste("El p-valor es:", p_valorabs,
                 "\nEl estadístico de prueba es:", estadisticoabs,
                 "\nLos grados de libertad son:", grados_libertadabs,
                 "\nDecisión:", decision)

print(mensajeabs)

## [1] "El p-valor es: 0.0447574532114625 \nEl estadístico de prueba es: 1.71505893912852 \nLos grados de libertad son: 97.3822432219015 \nDecisión: Rechazamos la hipótesis nula"

Al obtener un valor de p igual a 0.044 en la prueba de hipótesis y al rechazar la hipótesis nula, esto significa que hay evidencia estadística para afirmar que el promedio de la variable X13 es mayor en hombres que en mujeres. Vamos a realizar un análisis más detallado en relación a tu pregunta anterior:

Al rechazar la hipótesis nula, se concluye que hay suficiente evidencia para afirmar que el promedio de la variable X13 es mayor en hombres que en mujeres. Esto implica que, en promedio, los hombres tienden a tener valores más altos en la variable X13 en comparación con las mujeres.

El valor de p obtenido en la prueba de hipótesis representa la probabilidad de obtener una diferencia en los promedios igual o mayor a la observada en la muestra, asumiendo que la hipótesis nula es verdadera. En este caso, como el valor de p (0.044) es menor que el nivel de significancia establecido (0.05), se rechaza la hipótesis nula.

Esto sugiere que la diferencia observada en los promedios entre hombres y mujeres en la variable X13 no se puede atribuir únicamente al azar. Existe evidencia suficiente para afirmar que la diferencia es estadísticamente significativa.

En resumen, según los resultados de la prueba de hipótesis, se puede concluir que hay evidencia estadística para afirmar que el promedio de la variable X13 es mayor en hombres que en mujeres.

Sera la varianza de la circunferencia abdominal en las mujeres mayor que 80?

A continuación, se realiza la prueba de hipótesis para determinar si la varianza de la variable X13 en las mujeres es mayor que 80. Se calcula el tamaño de la muestra utilizando la función length. Luego, se establece la varianza de referencia en 80.

El estadístico de prueba Chi-cuadrado se calcula utilizando la fórmula (n - 1) * s^2 / sigma^2, donde n es el tamaño de la muestra, s^2 es la varianza muestral de x13_mujeres y sigma^2 es la varianza de referencia.

A continuación, se calcula el p-valor utilizando la función pchisq con el estadístico de prueba y los grados de libertad correspondientes.

Finalmente, se interpreta el resultado comparando el valor de p con el nivel de significancia establecido. Si el valor de p es menor que el nivel de significancia, se rechaza la hipótesis nula y se concluye que la varianza de la variable X13 en las mujeres es mayor que 80. Si el valor de p es mayor o igual al nivel de significancia, no se rechaza la hipótesis nula y no se puede concluir que la varianza sea mayor que 80.

x13_mujeres <- mujeres$CicuferenciaAbdominal
nm = length(x13_mujeres)
varianza_referenciam <- 80

chi2_estadisticom <- (nm - 1) * var(x13_mujeres) / varianza_referenciam
grados_libertadm <- nm - 1

p_valorm <- 1 - pchisq(chi2_estadisticom, df = grados_libertadm)

if (p_valorm < 0.01) {
  decision <- "Rechazamos la hipótesis nula"
} else {
  decision <- "No rechazamos la hipótesis nula"
}

mensajem <- paste("El p-valor es:", p_valorm,
                 "\nEl estadístico de prueba es:", chi2_estadisticom,
                 "\nDecisión:", decision)

print(mensajem)

## [1] "El p-valor es: 0.198884848718026 \nEl estadístico de prueba es: 57.12239 \nDecisión: No rechazamos la hipótesis nula"

los resultados obtenidos indican que no se puede afirmar con confianza que haya una diferencia significativa en la varianza. En otras palabras, no se encontró suficiente evidencia estadística para concluir que la varianza de la variable de Circunferencia Abdominal en las mujeres es significativamente mayor que 80.

Recuerda que el valor de p representa la probabilidad de obtener un resultado igual o más extremo que el observado, asumiendo que la hipótesis nula es verdadera. En este caso, un valor de p de 0.1988 indica que hay una probabilidad relativamente alta de obtener una diferencia en las varianzas igual o más grande que la observada, incluso si la varianza verdadera en las mujeres es igual o menor que 80.

Es importante tener en cuenta el contexto y la interpretación adecuada de los resultados. En este caso, los datos no proporcionan suficiente evidencia para afirmar que la varianza de la variable X13 en las mujeres sea mayor que 80.

Sera la varianza del Diametro de la rodilla en los hombres diferente de 1.5?

Para poder responder a esta pregunta los datos de interés se seleccionan y se almacenan en el objeto x8_hombres.

Luego, se procede a realizar la prueba de hipótesis para determinar si la varianza de la variable X8 en los hombres es diferente de 1.5. Para ello, se inicia calculando el tamaño de la muestra utilizando la función length. Se especifica la varianza de referencia como 1.5.

El estadístico de prueba Chi-cuadrado se calcula utilizando la fórmula (n - 1) * s^2 / sigma^2, donde n es el tamaño de la muestra, s^2 es la varianza muestral de x8_hombres y sigma^2 es la varianza de referencia.

A continuación, se calcula el p-valor utilizando la función pchisq con el estadístico de prueba y los grados de libertad correspondientes (n - 1). Dado que estamos interesados en determinar si la varianza es diferente de 1.5, se utiliza un enfoque de dos colas y se multiplica el p-valor obtenido por 2 para obtener el valor adecuado.

Finalmente, se interpreta el resultado comparando el valor de p con el nivel de significancia establecido (0.01 en este caso). Si el valor de p es menor que el nivel de significancia, se rechaza la hipótesis nula y se concluye que la varianza de la variable X8 en los hombres es diferente de 1.5. Si el valor de p es mayor o igual al nivel de significancia, no se rechaza la hipótesis nula y no se puede concluir que la varianza sea diferente de 1.5.

x8_hombres <- hombres$Diametro_de_la_Rodilla

# Paso 2: Realizar la prueba de hipótesis
n <- length(x8_hombres)
varianza_referencia <- 1.5

chi2_estadistico <- (n - 1) * var(x8_hombres) / varianza_referencia
grados_libertad <- n - 1
p_valor <- 2 * min(pchisq(chi2_estadistico, df = grados_libertad),
                   1 - pchisq(chi2_estadistico, df = grados_libertad))

# Paso 3: Interpretar los resultados
if (p_valor < 0.01) {
  decision <- "Rechazamos la hipótesis nula"
} else {
  decision <- "No rechazamos la hipótesis nula"
}

mensaje <- paste("El p-valor es:", p_valor,
                 "\nEl estadístico de prueba es:", chi2_estadistico,
                 "\nDecisión:", decision)

print(mensaje)

## [1] "El p-valor es: 0.988210563707931 \nEl estadístico de prueba es: 48.19 \nDecisión: No rechazamos la hipótesis nula"

Como se puede observar, el valor p obtenido es cercano a 1 y no se rechaza la hipótesis nula, significa que no hay suficiente evidencia para concluir que la varianza de la variable X8 en los hombres es diferente de 1.5.

En este caso, el valor de p cercano a 1 indica que la probabilidad de obtener una diferencia en las varianzas igual o más extrema que la observada, asumiendo que la varianza verdadera en los hombres sea igual a 1.5, es muy alta. No se encontró suficiente evidencia estadística para afirmar que la varianza de la variable X8 en los hombres es significativamente diferente de 1.5.

Recuerda que el valor de p representa la probabilidad de obtener un resultado igual o más extremo que el observado, asumiendo que la hipótesis nula es verdadera. En este caso, un valor de p cercano a 1 indica que hay una alta probabilidad de obtener una diferencia en las varianzas igual o mayor que la observada, incluso si la varianza verdadera en los hombres es igual a 1.5.

Por lo tanto, en relación a la pregunta inicial de si la varianza de la variable X8 en los hombres es diferente de 1.5, los resultados obtenidos indican que no se puede afirmar con confianza que haya una diferencia significativa en las varianzas. No hay suficiente evidencia para concluir que la varianza de la variable X8 en los hombres sea diferente de 1.5.

La media de la variable de la circunferencia del muslo es mayor a 55 cm?

Hipostesismuslo <- datos.muestreado$Circunferencia_del_Muslo

# Paso 1: Calcular la media de la variable X6
mediamuslo <- mean(Hipostesismuslo)

# Paso 2: Definir las hipótesis nula (H0) y alternativa (H1)
resultadomuslo <- t.test(Hipostesismuslo, alternative = "greater", mu = 55)

# Paso 4: Obtener los resultados de la prueba
p_valormuslo <- resultadomuslo$p.value
estadisticomuslo <- resultadomuslo$statistic
grados_libertadmuslo <- resultadomuslo$parameter

# Paso 5: Interpretar los resultados
if (p_valormuslo < 0.05) {
  decision <- "\\Rechazamos la hipótesis nula"
} else {
  decision <- "\\No rechazamos la hipótesis nula"
}

mensajemuslo <- paste("El p-valor es:", p_valormuslo,
                 "\nEl estadístico de prueba es:", estadisticomuslo,
                 "\nLos grados de libertad son:", grados_libertadmuslo,
                 "\nDecisión:", decision)


print(mensajemuslo)

## [1] "El p-valor es: 0.00165309182883815 \nEl estadístico de prueba es: 3.01080964984745 \nLos grados de libertad son: 99 \nDecisión: \\Rechazamos la hipótesis nula"

El codigo utilizado muestra que se rechaza la hipotesis nula, eso significa que se encontró evidencia estadística para afirmar que la media de la variable X15 es mayor de 55 cm. A continuación, se realiza un análisis al respecto:

Al rechazar la hipótesis nula, se concluye que hay suficiente evidencia para afirmar que la media de la variable X15 es mayor de 55 cm. Esto implica que los datos muestran una tendencia hacia valores superiores a 55 cm.

El p-valor obtenido en la prueba de hipótesis es un indicador de la evidencia en contra de la hipótesis nula. En este caso, si el p-valor es menor que el nivel de significancia (α) establecido de 0.01, se rechaza la hipótesis nula. Esto implica que la probabilidad de obtener una muestra con una media tan extremadamente grande, asumiendo que la media verdadera es igual o menor de 55 cm, es muy baja.

Por lo tanto, según los resultados de la prueba de hipótesis, se puede concluir que hay evidencia estadística para afirmar que la media de la variable X15 es mayor de 55 cm en la población de interés.

Correlaciones y Regresiones Lineales

A continuacion se mostrara un grafico interactiva de matriz de correlacion con colores que indican la fuerza de correlacion entre las distintas medidas antropometricas, (entra mas amarillo sea la casilla habra una alta correlacion entre dichas variables, mientras que un color mas azul o frio indican una baja correlacion) al pasar el raton del mause sobre las casillas, podra observar los coeficientes de determinacion presentes entre dichas variables

En la grafica se puede observar que gran parte de las medidas poseen una correlacion mutua relativamente alta, sin embargo, se observa que las que tienen una altisima correlacion en comparacion con las demas son: el Diametro del codo en relacion con el diametro de la muneca, con el peso, con el diametro de la rodilla y con la altura; el diametro de la muneca en relacion con el peso, la altura y el diametro de la rodilla y este ultimo en relacion con el peso y tambien la altura. ***

Correlaciones de la suma del Diametro de Codo

A continuacion se mostraran graficas interactivas relacionadas con las distintas variables de las cuales dicha medida tiene una alta relacion (diametro de muneca, de rodilla, peso y altura) ***

Diametro de codo VS Diametro de Muneca

Regresión del diámetro de la muñeca y diámetro del codo (R² = 0.896):

El modelo de regresión lineal de estas dos variables explica aproximadamente el 89.6% de la variabilidad en los datos. Esto indica una fuerte relación positiva entre el diámetro de la muñeca y el diámetro del codo. A medida que el diámetro de la muñeca aumenta, es probable que el diámetro del codo también aumente en gran medida.

Diametro de codo VS Diametro de Rodilla

Regresión del diámetro del codo y diámetro de la rodilla (R² = 0.808):

El modelo de regresión lineal de estas dos variables explica aproximadamente el 80.8% de la variabilidad en los datos. Esto indica una relación positiva entre el diámetro del codo y el diámetro de la rodilla, aunque ligeramente más débil en comparación con la relación entre el diámetro de la muñeca y el diámetro del codo.

Diametro de codo VS Peso

Regresión del diámetro del codo y peso (R² = 0.83): El modelo de regresión lineal de estas dos variables explica aproximadamente el 83% de la variabilidad en los datos. Esto indica una relación moderada entre el diámetro del codo y el peso. A medida que el diámetro del codo aumenta, es probable que el peso también aumente, pero no tan fuertemente como en la relación entre el diámetro de la muñeca y el diámetro del codo.

Diametro de codo VS Altura

Regresión del diámetro del codo y altura (R² = 0.78):

El modelo de regresión lineal de estas dos variables explica aproximadamente el 78% de la variabilidad en los datos. Esto indica una relación moderada entre el diámetro del codo y la altura. A medida que la altura aumenta, es probable que el diámetro del codo también aumente, aunque no tan fuertemente como en la relación entre el diámetro de la muñeca y el diámetro del codo.

En general, podemos observar que hay una relación positiva entre todas las medidas antropométricas mencionadas. Sin embargo, el coeficiente de determinación es más alto en la relación entre el diámetro de la muñeca y el diámetro del codo (0.896), lo que indica una asociación más fuerte en comparación con las otras dos relaciones. Esto sugiere que el diámetro de la muñeca puede ser un indicador más fuerte o predictor del diámetro del codo en comparación con el diámetro de la rodilla y el peso.

Es importante tener en cuenta que estos análisis son basados únicamente en los coeficientes de determinación proporcionados y no tienen en cuenta otros factores relevantes que pueden influir en las relaciones entre las medidas antropométricas. Para un análisis más completo y preciso, se recomienda considerar el tamaño de la muestra, realizar pruebas de significancia y explorar otros análisis estadísticos adecuados para el conjunto de datos específico.

Correlaciones de la suma del Diametro de la muneca

A continuacion se mostraran graficas interactivas relacionadas con las distintas variables de las cuales dicha medida tiene una alta relacion (diametro de Rodilla, peso y altura) ***

Diametro de la muneca VS Peso

Regresión del diámetro de la muñeca y el peso (R² = 0.82):

El modelo de regresión lineal muestra una relación moderada entre el diámetro de la muñeca y el peso, explicando aproximadamente el 82% de la variabilidad en los datos. Esto indica que el peso puede ser un factor predictor del diámetro de la muñeca, y la relación es más fuerte en comparación con las otras dos combinaciones.

Diametro de la muneca VS Altura

Regresión del diámetro de la muñeca y la altura (R² = 0.77):

El modelo de regresión lineal muestra una relación moderada entre el diámetro de la muñeca y la altura, explicando aproximadamente el 77% de la variabilidad en los datos. Esto indica que la altura puede ser un factor predictor del diámetro de la muñeca, aunque la relación no es tan fuerte como en otras combinaciones.

Diametro de la muneca VS Diametro de la Rodilla

Regresión del diámetro de la muñeca y el diámetro de la rodilla (R² = 0.78):

El modelo de regresión lineal muestra una relación moderada entre el diámetro de la muñeca y el diámetro de la rodilla, explicando aproximadamente el 78% de la variabilidad en los datos. Esto indica que el diámetro de la rodilla puede ser un factor predictor del diámetro de la muñeca, aunque nuevamente la relación no es tan fuerte como en otras combinaciones.

En resumen, los resultados muestran que el diámetro de la muñeca está relacionado con la altura, el diámetro de la rodilla y el peso, aunque las relaciones son de moderada fuerza en comparación con otras combinaciones. La relación más fuerte se encuentra entre el diámetro de la muñeca y el peso, seguida por la relación entre el diámetro de la muñeca y el diámetro de la rodilla, y finalmente la relación entre el diámetro de la muñeca y la altura.

Recuerda que este análisis se basa únicamente en los coeficientes de determinación proporcionados y no considera otros factores relevantes que puedan influir en las relaciones entre las medidas antropométricas. Es recomendable realizar pruebas de significancia y explorar análisis estadísticos adicionales para obtener una comprensión más completa de los datos.

Correlaciones de la suma del Diametro de la Rodilla

A continuacion se mostraran graficas interactivas relacionadas con las distintas variables de las cuales dicha medida tiene una alta relacion ( peso y altura) ***

Diametro de la Rodilla VS Peso

Regresión del diámetro de la rodilla y el peso (R² = 0.82):

El modelo de regresión lineal muestra una relación moderada entre el diámetro de la rodilla y el peso, explicando aproximadamente el 82% de la variabilidad en los datos. Esto indica que el peso puede ser un factor predictor del diámetro de la rodilla, y la relación es relativamente fuerte. ***

Diametro de la Rodilla VS Altura

Regresión del diámetro de la rodilla y la altura (R² = 0.72):

El modelo de regresión lineal muestra una relación moderada entre el diámetro de la rodilla y la altura, explicando aproximadamente el 72% de la variabilidad en los datos. Esto indica que la altura puede ser un factor predictor del diámetro de la rodilla, aunque la relación es menos fuerte que en la regresión del diámetro de la rodilla y el peso.

En resumen, los resultados muestran que el diámetro de la rodilla está relacionado con el peso y la altura, siendo la relación más fuerte con el peso. La regresión del diámetro de la rodilla y el peso revela una relación moderada y significativa, explicando aproximadamente el 82% de la variabilidad en los datos. Por otro lado, la regresión del diámetro de la rodilla y la altura muestra una relación moderada, pero menos fuerte, explicando aproximadamente el 72% de la variabilidad en los datos.

Desarrollo del Tercer Parcial de Probabilidad y Estadistica

Manuel Alejandro Valcarcel Rodriguez

Fechas de Entrega: 2023-26-06