1 Probabilidad

Se ha realizado un estudio sobre los tipos de empleo solicitados por los estudiantes de Bachiller, Formación Profesional y Universitarios. El informe clasifica estos solicitantes de empleo como cualificados o no para los trabajos que solicitan, y de los datos que contiene se desprende que sólo el 25% estaban cualificados para el trabajo que solicitaban, de los cuales, un 40% eran estudiantes universitarios, un 45% estudiaban Formación Profesional y un 15% Bachillerato. La situación entre los no cualificados es diferente: un 25% de ellos era estudiante universitario, otro 15% estudiaban Formación Profesional y un 60% se encontraba en Bachillerato.

  1. ¿Qué porcentaje de estos estudiantes se encontraban en Bachillerato y estaban cualificados para los empleos que solicitaban?

  2. ¿Cuál es la probabilidad de que uno de estos estudiantes que solicitaba empleo estudiara Formación Profesional?

  3. Entre los estudiantes universitarios que solicitaron empleo, ¿qué porcentaje no estaba cualificado para los puestos de trabajo que solicitaban?

  4. ¿Cúal es la probabilidad de que sea un estudiante universitario?

Para representar a cada grupo se utilizaran una serie de abreviaturas: B: estudiante de bachillerato. U: estudiante universitario. F: estudiante de Formación Profesional.

C: cualificado(para el trabajo).

A partir del enunciado obtenemos las siguientes igualdades:

\(P(C) = 0.25\)

\(P(U/C) = 0.4\)

\(P(F/C) = 0.45\)

\(P(B/C) = 0.15\)

\(P(U/C') = 0.25\)

\(P(F/C') = 0.15\)

\(P(B/C') = 0.60\)

  1. Calcula la probabilidad de \(P(B \cap C)\).

\(P(B \cap C)=P(C)*P(B/C)\), despejando obtenemos que \(P(B \cap C)= 0.0375\)

  1. Calcula \(P(F)\).

\(P(F)=P(F \cap C)+P(F \cap C')\), \(P(F)=P(F/C)*P(C) + P(F/ C') * P(C')= 0.45*0.25 +0.15*0.75 = 0.225\)

  1. Calcula \(P(A/B)\)

\(P(C' / U)=\frac{P(U \cap C')}{P(C)}=\frac{P(U / C')*P(C')}{P(U \cap C)+P(U \cap C')}=\) \(=\frac{P(U / C')*P(C')}{P(U/C)*P(C) + P(U/ C') * P(C')}=\frac{0.25*0.75}{0.4*0.25+0.25*0.75} = 0.6521739\)

  1. Calcula \(P(U)\).

\(P(U)=P(U\cap C ) + P(U \cap C') = P(U/C)* P(C) + P(U/C')* P(C')\) \(0.4*0.25+0.25*0.75 = 0.2875\)


2 Variable aleatoria Binomial

Un grupo de 20 estudiantes está realizando un examen de opción múltiple con 10 preguntas, cada una con 4 opciones de respuesta. Solo una de las opciones es la correcta. Teniendo en cuenta que los estudiantes responden de forma aleatoria:

  1. ¿Cuál es la probabilidad de aprobar el examen?

  2. ¿Cuál es la probabilidad de que en este grupo aprueben al menos 5 estudiantes?

  3. ¿Cuál es la probabilidad de que un estudiante saque un notable sabiendo que esta aprobado?

  4. Realiza un resumen.

Para el apartado 1 calculamos la probabilidad de que el numero de aciertos sea 4 o menos y lo restamos a 1:

1 - pbinom(4, 10, 0.25)
## [1] 0.07812691
  1. Calcula la probabilidad de que X sea mayor o igual de 5.

Para ello utilizamos la probabilidad de aprobado calculada anteriormente.

1 - pbinom(4, 20, (1 - pbinom(4, 10, 0.25)))
## [1] 0.01669489
  1. Calcula \(P(7<=X<=8/x>=5)\)

\(=\frac{P(7<=X<=8)}{P(x>=5)}= \frac{P(X=7)+P(X=8)}{P(x>=5)}\)

(dbinom(7, 10, 0.25)+dbinom(8, 10, 0.25))/(1 - pbinom(4, 10, 0.25))
## [1] 0.04449354
  1. Resumen de una clase.
clase20 = (rbinom(20, 10, 0.25))
summary(clase20)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     0.0     1.0     2.0     2.1     3.0     5.0

3 Estadística descriptiva

En una fabrica de chocolates se elaboran bombones con un peso de media de 20 gramos, se sabe que sigue una desviación normal con una desviación típica de 1 gramo.

  1. Calcula la probabilidad de que tomando muestras de 25 bombones la media es encuentre entre 20.2 y 20.5 gramos.

  2. Realiza un resumen de un muestra de 50 bombones.

  3. Realiza un histograma y una diagrama de cajas de una muestra de 50 bombones.

  4. Realiza un resumen obtenido de realizar 10 muestras de 50 bombones cada una.

Utilizamos el comando pnorm para obtener la probabilidad de que el valor sea menor al indicado.

pnorm(20.5, 20, 1)- pnorm(20.2, 20, 1)
## [1] 0.1122028

Creamos la variable muestra50 para almacenar un conjunto aleatorio de datos que sigue la distribución normal mencionada. 2. Utilizamos summary para mostrar algunos datos relevantes de la muestra.

muestra50 = (rnorm(50, mean = 20, sd = 1))
summary(muestra50)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   17.62   19.46   20.07   20.03   20.77   21.80

Ahora vamos a utilizar la función hist para realizar un histograma y boxplot para realizar un diagrama de cajas de la variable muestra50

hist(muestra50, breaks = 20)

boxplot(muestra50)

Para reunir las 10 medias de muestras aleatorias utilizamos medias50 = (rnorm(50, mean = 20, sd = (1/50^(1/2)))

medias50 = (rnorm(50, mean = 20, sd = (1/50^(1/2))))


medias10 = (rnorm(50, mean = 20, sd = (1/10^(1/2))))

Observamos el resumen de medias50 y lo comparamos con medias10

summary (medias50)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   19.75   19.91   20.02   20.02   20.12   20.29
hist(medias50, breaks = 10)

summary (medias10)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   19.27   19.79   19.97   20.00   20.16   20.72
hist(medias10, breaks = 10)

#Probabilidad y Variables Aleatorias

Un taller mecánico recibe un promedio de 3 clientes por hora para reparaciones de emergencia. Se sabe que la distribución de la llegada de clientes es Poisson. Además, se ha observado que el tiempo que tarda un mecánico en atender a un cliente sigue una distribución normal con una media de 45 minutos y una desviación estándar de 10 minutos.

  1. Calcular la varianza de la distribución de Poisson que modela la llegada de clientes, ¿Cuál es la probabilidad de que el taller mecánico atienda a menos de 12 clientes en un día de 8 horas?

  2. Si se atienden cuatro clientes al mismo tiempo, ¿cuál es la probabilidad de que todos ellos terminen en menos de 60 minutos?

  3. Simular la llegada de clientes durante un día de 8 horas, comparalo con la distribución de poisson.

  4. Se estima que el 60% de los clientes que llegan al taller mecánico requieren una reparación. Si en una hora llegan 5 clientes, ¿cuál es la probabilidad de que al menos 3 de ellos necesiten la reparación sabiendo que al menos 1 de ellos la necesitaba?

  5. La varianza de una distribución de poisson es igual a las media, en este caso 3. Para calcular la probabilidad de que un taller atienda a menos de 12 en 8 horas, primero calculamos la media de clientes que llegan en 8 horas: $ 8*3 = 24 $ y ahora para calcular la probabilidad de que atienda a menos de 12 clientes utlizamos el comando en R ppois()

  ppois(12, 24)
## [1] 0.005402392
  1. Para calcular la probabilidad de que todos terminen en menos de 60 minutos debemos calcular cual es la probabilidad de que uno termine en menos de 60 minutos y establecer con esos datos una distribucion binomial.
  P = pnorm(60, 45, 10)
  dbinom(4, 4, P)
## [1] 0.7583776
  1. Para realizar esta simulación debemos obtener una muestra que siga esa distribución.
  mp = rpois(100, 24)
  summary(mp)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   14.00   21.00   24.00   23.96   26.00   39.00
  hist(mp, breaks = 10)

  pois = rpois(1000000, 24)
  summary(pois)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##       4      21      24      24      27      50
  hist(pois, breaks = 10)

  qpois(0.25 ,24)
## [1] 21
  qpois(0.5 ,24)
## [1] 24
  qpois(0.75 ,24)
## [1] 27
Como se puede observar ambos histogramas presentan similitudes aunque el primero al tener menos muestras es mas impreciso por lo que se aleja un poco de    los quartiles reales y la media.


4. Para calcular la probabilidad de que necesite reparación debemos definir el problema como una distribución binomial.
   (1 - pbinom(2, 5, 0.6)) / (1 - pbinom(0, 5, 0.6))
## [1] 0.6896217

#Contraste de Hipotesis 1

Supongamos que estás comparando la precisión de dos modelos de clasificación, A y B, con una distribucion normal en un conjunto de datos de prueba. Después de probar ambos modelos en un conjunto de datos de prueba de tamaño n, obtienes los siguientes resultados:

Modelo A tiene una precisión media de 0.85 con una desviación estándar de 0.03. Modelo B tiene una precisión media de 0.82 con una desviación estándar de 0.04. Se probaron ambos modelos en 50 conjuntos de datos de prueba. Se quiere determinar si hay evidencia estadística para sugerir que el modelo A es significativamente más preciso que el modelo B con un nivel de confianza del 95%.

  1. Indica el contraste del modelo.

  2. Calcula P - Valor.

  3. Calcula el intervalo de confianza.

  4. Crea una muestra de 100 datos y utiliza “wilcox.test(A,B)” y comprueba los resultados obtenidos

  5. Se quiere calcular si el modelo A es significativamente más preciso que el modelo B, es decir si su media de precisión es mayor que la media de B, por tanto establecemos:

\(H0 => μ1>μ2\) por tanto \(μ1-μ2>0\)

\(H1 => μ1 \leq μ2\) por tanto \(μ1-μ2<0\)

  1. Para calcular P - Valor vamos a utlizar la formula \(Zs = \frac{(0.85-0.82)-d0}{sqrt((σ1^2/n1)+(σ2^2/n2))}\) donde \(d0=μ1-μ2 = 0\) Y ahora calculamos \(P-Valor = 1-pnorm(Zs)\)
Zs = ((0.85-0.82)-0)/(sqrt((0.03^2/50)+(0.04^2/50)))
Zs
## [1] 4.242641
PVal= 1-pnorm(Zs)
format(PVal, scientific = FALSE)
## [1] "0.00001104525"

Como este \(P-Valor < α\) entonces podemos decir que existe evidencia estadistica de que H1 no se cumple y que por tanto el modelo A es significativamente superior.

  1. Para calcular el intervalo de confianza solo tenemos que calcular el limite inferior, ya que este test es unilateral, con la formula \(LimInf=qnorm(α)\)
qnorm(0.05)
## [1] -1.644854

Como Zs>LimInf entonces podemos decir que existe evidencia estadistica de que esta hipotesis se cumple y que por tanto el modelo A es significativamente superior.

  1. Para utilizar Wilcox.test debemos tener 2 muestras de A y B
MuestraA = rnorm(100, 0.85, 0.03)
MuestraB = rnorm(100, 0.82, 0.04)
wilcox.test(MuestraA, MuestraB, alternative = "greater")
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  MuestraA and MuestraB
## W = 7331, p-value = 6.193e-09
## alternative hypothesis: true location shift is greater than 0

#Contraste de Hipotesis 2

Supongamos que se está llevando a cabo un ensayo clínico para evaluar la eficacia de un nuevo tratamiento para reducir la presión arterial en pacientes hipertensos. Se reclutan 25 participantes para recibir el tratamiento experimental durante un período de 8 semanas. Al final del estudio, se registran los cambios en la presión arterial sistólica de cada participante. Los datos muestran una media de reducción de 12.5 mmHg con una desviación estándar de 2 mmHg.

  1. Define las hipótesis nula y alternativa para este estudio.

  2. Calcula P-Valor

  3. Calcula el intervalo de confianza del 95% para la reducción de la presión arterial en la población.

  4. Discute las implicaciones clínicas de tus resultados y sugiere posibles pasos a seguir en términos de investigación adicional o aplicación clínica del tratamiento experimental.

1 Si el nuevo tratamiento surge efecto, entonces las presión arterial de los pacientes deberá bajar 12mmHg

Se trata de un contraste bilateral, con una muestra de n<30, y teniendo la siguiente fórmula: \(Zs= \frac{x-µ}{σ/√n}\)

\(H_0 : µ = 12\) y \(H_1 : µ ≠ 12\)

  1. Para calcular P-Valor primero tenemos que calcular Zs con la fórmula anterior y ahora utilizar \(Pval= 2*(1-pnorm(abs(Zs)))\)
Zs = (12.5- 12)/(2/sqrt(25))
Zs
## [1] 1.25
PVal = 2*(1-pnorm(abs(Zs)))
format(PVal, scientific = FALSE)
## [1] "0.2112995"
  1. Como este test es bilateral, para calcular el intervalo de confianza, tenemos que calcular \(IC=qnorm(1-α/2)\)
IC = qnorm(1-0.05/2)
IC
## [1] 1.959964

Por tanto podemos decir que el intervalo de confianza está entre -1.959964 y 1.959964

4.Para discutir si este tratamiento sería eficaz simplemente comprobamos P-Valor, como este es mayor que 0.05 entonces no existen evidencias estadisticas en contra de H1, esto también se puede comprobar al ver que Zs se encuentra dentro del intervalo de confianza. En conclusión no existe evidencia estadistica para decir que este tratamiento es recomendable.

1.Contraste de Hipótesis

Se lleva a cabo un estudio para evaluar el efecto de un nuevo programa de ejercicio físico sobre la pérdida de peso en adultos obesos. Se reclutan 40 participantes, el cual realizarán el programa durante 12 semanas. Al final del estudio, se registra el cambio de peso corporal de cada participante. Los datos muestran un reducción media de 3500g con una desviación estandar de 700g

  1. Define las hipótesis nula y alternativa para este estudio.

  2. Calcula P-Valor

  3. Calcula el intervalo de confianza del 95% para la reducción media de peso en la población de personas obesas.

  4. Discute las implicaciones física de tus resultados y sugiere posibles pasos a seguir en términos de investigación adicional o aplicación clínica del tratamiento experimental.

1.Define las hipótesis nula y alternativa para este estudio

Si el nuevo programa funciona, entonces el peso de los participantes bajará, luego la reducción no tine que ser superior a 3500g. \(H_0 : µ ≤ 3500\) y \(H_1 : µ > 3500\)

2.Calcula P-Valor

Se trata de un contraste unilateral, con una muestra de n > 30,por tanto utilizaremos la siguiente fórmula: \(p-valor = 1-pt(1-α, n-1)\)

PVal = 1-pt(1-0.05, 39)
format(PVal, scientific = FALSE)
## [1] "0.1739813"

3.Calcula el intervalo de confianza del 95% para la reducción media de peso en la población de personas obesas.

Para calcular el intervalo de Confianza, como sabemos que es unilateral, calculamos el límite con la siguiente fórmula: \(IC=qt(1-α,n-1)\)

IC = qt(1-0.05,39)
IC
## [1] 1.684875

4.Discute las implicaciones físicas de tus resultados y sugiere posibles pasos a seguir en términos de investigación adicional o aplicación física del programa experimental.

Para discutir si este programa es eficaz, simplemente comprobamos P-Valor, como es mayor que 0.05 no podemos rechazar la hipotesis nula de que no hay efecto de ejercicio físico sobre la pérdida de peso en personas obesas.

2.Analisis de la Varianza

Los miembros de un equipo ciclista se dividen al azar en tres grupos que entrenan con métodos diferentes. El primer grupo realiza largos recorridos a ritmo pausado, el segundo grupo realiza series cortas de alta intensidad y el tercero trabaja en el gimnasio con pesas y se ejercita en el pedaleo de alta frecuencia. Después de un mes de entrenamiento se realiza un test de rendimiento consistente en un recorrido cronometrado de 9 Km. Los tiempos empleados fueron los siguientes:
Método I: 15 16 14 15 17
Método II: 14 13 15 16 14
Método III: 13 12 11 14 11

  1. Determina un intervalo de confianza al 98% para la media del modelo III

  2. Demuestra mediante un diagrama de cajas que metodo conlleva a tiempos más largos.

  3. A un nivel de confianza del 95% ¿Puede considerarse que los tres métodos producen resultados equivalentes?


1.Determina un intervalo de confianza al 98% para la media del modelo III

Almacenamos en una variable el vector con los datos de dicho modelo e introducimos los datos necesarios.

m3<- c(13,12, 11,14, 11)
t.test(m3, mu = mean(m3), conf.level = 0.98)
## 
##  One Sample t-test
## 
## data:  m3
## t = 0, df = 4, p-value = 1
## alternative hypothesis: true mean is not equal to 12.2
## 98 percent confidence interval:
##  10.01517 14.38483
## sample estimates:
## mean of x 
##      12.2

El intervalo de confianza es:(10.0152, 14.3848)

2.Demuestra mediante un diagrama de cajas que metodo conlleva a tiempos más largos.

d = c(15, 16, 14, 15, 17, 14, 13, 15, 16, 14, 13, 12, 11, 14, 11)
metodo = factor((rep(c("I", "II", "III"),5)) )
datos <- data.frame(d, metodo)
boxplot(d~metodo)


A simple vista apreciamos que el “Método II” es el método que emplearía los tiempos más largos.

3.A un nivel de confianza del 95% ¿Puede considerarse que los tres métodos producen resultados equivalentes?

datos = c(15, 16, 14, 15, 17, 14, 13, 15, 16, 14, 13, 12, 11, 14, 11)
metodo = c(rep("I",5),rep("II",5),rep("III",5))
T = rep(c("t1", "t2","t3","t4","t5"),3)
anova(lm(datos~T+metodo))
## Analysis of Variance Table
## 
## Response: datos
##           Df  Sum Sq Mean Sq F value  Pr(>F)  
## T          4  4.6667  1.1667  0.7447 0.58792  
## metodo     2 26.8000 13.4000  8.5532 0.01031 *
## Residuals  8 12.5333  1.5667                  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1


Concluimos diciendo que los tres métodos de entrenamiento producen diferencias significativas.

3.Regresión Lineal

Tomando una base de datos de coches con el consumo, la potencia, las cilindradas, pvp y la emision para distintos coches.

1. Indica que factores están relacionados entre si.

2. Indica el valor de la pendiente y la constante de la relación lineal entre consumo y emisión.

3. Predice el valor de emisión que tendría un coche con una consumo de 11, ¿se podría predecir también para uno con un consumo de 18?

4. Crea una grafica de los residuos de la relacion lineal entre consumo y emisión y extrae conslusiones a partir de ella.

  1. Para comprobar que valores están linealmente relacionados con el consumo una opción es mostrar las graficas para ver si siguen una distribución lineal.
library(haven)
## Warning: package 'haven' was built under R version 4.3.3
CochesBig <- read_sav("C:/Users/Pc/Desktop/estadistica/Archivos/CochesBig.sav")


plot(CochesBig$potencia, CochesBig$emision)
abline(lm(CochesBig$emision~CochesBig$potencia))

plot(CochesBig$cilindra, CochesBig$potencia)
abline(lm(CochesBig$potencia~CochesBig$cilindra))

plot(CochesBig$consumo, CochesBig$emision)
abline(lm(CochesBig$emision~CochesBig$consumo))

plot(CochesBig$consumo, CochesBig$pvp)
abline(lm(CochesBig$pvp~CochesBig$consumo))

Podemos observar que al mirar las graficas se podría decir que: La relación entre potencia y emisión sigue una relación lineal floja en el que a mayor potencia mayor emisión aunque con una varianza elevada. La relación entre cilindradas y potencia se puede observar que a mayor cilindrada mayor potencia, pero que cuanto mayor son los valores de cilindradas mayor el el coste. La relación entre consumo y emision se puede observar que a mayor consumo mayor emisión, pero que la varianza es alta. Sin embargo al compara el cosumo y el precio de venta podemos ver que no sigue una relación lineal.

  1. Para ver la pendiente y la constante en una relacion lineal debemos utilizar el comando lm()
lm(CochesBig$emision~CochesBig$consumo)
## 
## Call:
## lm(formula = CochesBig$emision ~ CochesBig$consumo)
## 
## Coefficients:
##       (Intercept)  CochesBig$consumo  
##             25.38              21.05

Como podemos observar la pendiente es 21.05 y la constante 25.38

  1. Para predecir el utilizamos predict(lm(), data.frame()) sin embargo no podemos hacerlo para consumo = 18 porque no tenemos datos para valores cercanos a eso por lo tanto no podríamos deducir si tendría el mismo comportamiento a partir de un consumo = 16.
x<-CochesBig$consumo
nuevax=data.frame(x=11)
predict(lm(CochesBig$emision~x), nuevax)
##        1 
## 256.8889
  1. Para ello utilizamos plot(lm()$residuals)
plot(lm(CochesBig$emision~CochesBig$consumo)$residuals)

Podemos ver que los residuos están distribuidos deforma lineal y uniforme

Banco De Datos

A partir de un dataset de pacientes aleatorios víctimas de ataque al corazón extrae información y conclusiones.

heart<-read.csv("C:/Users/Pc/Documents/heart1.csv")
hist(heart$age)

Podemos observar que la mayor parte de los pacientes de ataques al corazón están entre los 50 y 60 años.

mean(heart$target[heart$age>65])
## [1] 0.6339286
mean(heart$target[heart$age>45 & heart$age<65])
## [1] 0.5834379
mean(heart$target[heart$age<45])
## [1] 0.30837

Al observar las medias de las enfermedades de corazón en pacientes de distinta edad observamos el porcentaje de pacientes con enfermedades cardíacas: En pacientes de más de 65 años un 63% tienen enfermdades cardíacas En pacientes de entre 45 y 65 años un 63% tienen enfermdades cardíacas En pacientes de menos de 45 años un 30% tienen enfermdades cardíacas

library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.3.3
boxplot(heart$max.heart.rate ~ heart$sex)

boxplot(heart$max.heart.rate ~ heart$chest.pain.type)

boxplot(heart$max.heart.rate ~ heart$target)

boxplot(heart$cholesterol[heart$cholesterol>0] ~ heart$target[heart$cholesterol>0])

hist(heart$cholesterol[heart$cholesterol>0])

filtered_data <- heart[heart$chest.pain.type %in% c(1, 2, 3, 4), ]
pain_type_counts <- table(filtered_data$chest.pain.type)
pie(pain_type_counts, labels = c("Typical Angina", "Atypical Angina", "Non-Angina Pain", "No Pain"), pct = TRUE)
## Warning in text.default(1.1 * P$x, 1.1 * P$y, labels[i], xpd = TRUE, adj =
## ifelse(P$x < : "pct" is not a graphical parameter
## Warning in text.default(1.1 * P$x, 1.1 * P$y, labels[i], xpd = TRUE, adj =
## ifelse(P$x < : "pct" is not a graphical parameter

## Warning in text.default(1.1 * P$x, 1.1 * P$y, labels[i], xpd = TRUE, adj =
## ifelse(P$x < : "pct" is not a graphical parameter

## Warning in text.default(1.1 * P$x, 1.1 * P$y, labels[i], xpd = TRUE, adj =
## ifelse(P$x < : "pct" is not a graphical parameter
## Warning in title(main = main, ...): "pct" is not a graphical parameter

hist(heart$resting.bp.s[heart$resting.bp.s>0],  breaks = 15)

filtered_data <- heart[heart$sex %in% c(0, 1), ]
pain_type_counts <- table(filtered_data$sex)
pie(pain_type_counts, labels = c("Mujer", "Hombre"), pct = TRUE)
## Warning in text.default(1.1 * P$x, 1.1 * P$y, labels[i], xpd = TRUE, adj =
## ifelse(P$x < : "pct" is not a graphical parameter

## Warning in text.default(1.1 * P$x, 1.1 * P$y, labels[i], xpd = TRUE, adj =
## ifelse(P$x < : "pct" is not a graphical parameter
## Warning in title(main = main, ...): "pct" is not a graphical parameter

Se puede observar que alrededor de un 75% de las víctimas de infartos son hombres.

Queremos comprobar si existe evidencia estadistica de que la media de frecuencia cardíaca máxima es distinta en pacientes de infarto hombres y mujeres. Para comprovar esto podemos utilizar dos metodos: summary(aov(datos~grupos)) wilcox.test()

summary(aov(heart$max.heart.rate ~ heart$sex))
##               Df Sum Sq Mean Sq F value   Pr(>F)    
## heart$sex      1  25599   25599   40.62 2.63e-10 ***
## Residuals   1188 748618     630                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
wilcox.test(heart$max.heart.rate [heart$sex == 0], heart$max.heart.rate[heart$sex == 1])
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  heart$max.heart.rate[heart$sex == 0] and heart$max.heart.rate[heart$sex == 1]
## W = 160517, p-value = 7.231e-11
## alternative hypothesis: true location shift is not equal to 0

P-Valor es 2.63e-10 como es menor que 0.05 esto corrobora la teoría de que hay una diferencia estadisticamente significativa entre la media de la frecuencia máxima cardíaca entre hombres y mujeres

mean(heart$target[heart$sex==0])
## [1] 0.2491103
mean(heart$target[heart$sex==1])
## [1] 0.6149615

Video: https://youtu.be/xxfS076Tz9s Html: https://rpubs.com/angellohor/1157250