# Cargando librerias:
library(readxl)
# Cargar los datos desde el archivo Excel
datos <- read_excel("Oceanografia_Dataset.xlsx")
# Mostrando las 10 primeras filas de la tabla:
head(datos,10)## # A tibble: 10 × 10
## Profundidad_del_agua_m Temperatura_agua_sup…¹ Salinidad_ppm Tipo_fondo_marino
## <dbl> <dbl> <dbl> <chr>
## 1 2744. 14.3 37.7 roca
## 2 3576. 16.0 35.4 lodo
## 3 3014. 14.6 39.8 arena
## 4 2724. 19.0 30.7 roca
## 5 2118. 21.0 37.7 arena
## 6 3229. 16.4 32.7 lodo
## 7 2188. 30.1 33.7 lodo
## 8 4459. 21.2 32.2 lodo
## 9 4818. 12.9 37.9 arena
## 10 1917. 13.4 31.4 lodo
## # ℹ abbreviated name: ¹Temperatura_agua_superficial_C
## # ℹ 6 more variables: Presencia_corales <chr>,
## # Concentracion_oxigeno_disuelto_mg_L <dbl>, Presencia_algas <chr>,
## # Velocidad_corriente_m_s <dbl>, Area_geografica <chr>, pH_agua <dbl>El primer paso es establecer las pruebas de hipótesis (Tanto para profundidad como para salinidad):
H0 (Hipótesis nula):La variable presenta una distribución normal.
H1 (Hipótesis alternativa): La variable no presenta una distribución normal.
shapiro.test(datos$Profundidad_del_agua_m)##
## Shapiro-Wilk normality test
##
## data: datos$Profundidad_del_agua_m
## W = 0.95246, p-value = 2.341e-16Como el p valor es menor a 0.05, entonces se rechaza H0 (Hipótesis nula), indicando que la profundidad no sigue una distribución normal.
shapiro.test(datos$Salinidad_ppm)##
## Shapiro-Wilk normality test
##
## data: datos$Salinidad_ppm
## W = 0.958, p-value = 2.759e-15Como el p valor es menor a 0.05, entonces se rechaza H0 (Hipótesis nula), indicando que la profundidad no sigue una distribución normal.
El primer paso es establecer las pruebas de hipótesis:
H0 (Hipótesis nula):Las variables son dependientes.
H1 (Hipótesis alternativa): Las variables son independientes.
# Creando tabla de contingencia
tabla_contingencia <- table(datos$Tipo_fondo_marino, datos$Presencia_corales)
# Haciendo el test de chi cuadrado
test_chi_cuadrado <- chisq.test(tabla_contingencia)
#Imprimiendo el resultado
test_chi_cuadrado##
## Pearson's Chi-squared test
##
## data: tabla_contingencia
## X-squared = 3.4607, df = 2, p-value = 0.1772Se acepta H0 (hipótesis nula), ya que el p valor es mayor a 0.05, lo que sugiere que las variables son independientes
El primer paso es establecer las pruebas de hipótesis:
H0 (Hipótesis nula):No hay diferencias significativas en el pH del agua entre los grupos de presencia y ausencia de algas.
H1 (Hipótesis alternativa): Existen diferencias significativas en el pH del agua entre al menos dos de los grupos de presencia y ausencia de algas.
#Código de ANOVA
modelo_anova <- aov(pH_agua ~ Presencia_algas, data = datos)
#Resúmen ANOVA
summary(modelo_anova)## Df Sum Sq Mean Sq F value Pr(>F)
## Presencia_algas 2 0.85 0.4255 1.257 0.285
## Residuals 887 300.19 0.3384En este caso, el valor p asociado a “Presencia_algas” es 0.285, que es mayor que el nivel de significancia típico de 0.05. Por lo tanto, no hay suficiente evidencia para rechazar la hipótesis nula de que no hay diferencias significativas en el pH del agua entre los grupos de presencia y ausencia de algas.
El primer paso es establecer las pruebas de hipótesis:
# Código Bartlett
resultado_bartlett <- bartlett.test(pH_agua ~ Presencia_algas, data = datos)
# Mostrando resultados Bartlett
print(resultado_bartlett)##
## Bartlett test of homogeneity of variances
##
## data: pH_agua by Presencia_algas
## Bartlett's K-squared = 1.3555, df = 2, p-value = 0.5078Dado que el valor p (0.5078) es mayor que el nivel de significancia típico de 0.05, no hay suficiente evidencia para rechazar la hipótesis nula. Por lo tanto, no podemos concluir que las varianzas de las muestras sean significativamente diferentes entre los grupos definidos por la presencia y ausencia de algas.
El primer paso es establecer las pruebas de hipótesis:
H0 (Hipótesis nula): ρ = 0 (donde ρ es el coeficiente de correlación de Spearman). Esto significa que no hay correlación entre las variables “profundidad del agua” y “salinidad del agua” en la población subyacente.
H1 (Hipótesis alternativa): ρ ≠ 0. Esto significa que hay alguna forma de relación o asociación entre las variables “profundidad del agua” y “salinidad del agua” en la población subyacente.
# Código correlación
resultado_correlacion <- cor.test(datos$Profundidad_del_agua_m, datos$Salinidad_ppm, method = "spearman")
#Mostrando resultados correlación
print(resultado_correlacion)##
## Spearman's rank correlation rho
##
## data: datos$Profundidad_del_agua_m and datos$Salinidad_ppm
## S = 118108678, p-value = 0.8763
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## -0.005225709Se rechaza H0 (Hipótesis nula), Esto significa que hay alguna forma de relación o asociación entre las variables “profundidad del agua” y “salinidad del agua” en la población subyacente.