title: “Actividad AEST” author: “Carlos Guerrero y Andrés Arrieta” date: “2024-05-22”
# Base de datos
``` r
# 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>#Prueba de Normalidad para Salinidad y Profundidad
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-16se rechaza H0 (Hipótesis nula), ya que p-valor < 0.05
shapiro.test(datos$Salinidad_ppm)##
## Shapiro-Wilk normality test
##
## data: datos$Salinidad_ppm
## W = 0.958, p-value = 2.759e-15se rechaza H0 (Hipótesis nula), ya que p-valor < 0.05
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 > 0.05
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 0.33840.285 > 0.05, No hay evidencia suficiente para rechazar H0
H0 (Hipótesis nula):Las varianzas de las muestras son iguales.
H1 (Hipótesis alternativa): Al menos una de las varianzas de las muestras es diferente.
# 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 = 0.50780.5078 > 0.05, no hay suficiente evidencia para rechazar H0
H0 (Hipótesis nula): ρ = 0
H1 (Hipótesis alternativa): ρ ≠ 0
# 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)