Ejercicio:

Una institución desea saber si existe relación entre las horas de estudio semanales y el puntaje obtenido en un examen final por un grupo de estudiantes. Realizar

Simular o carga dos vectores llamados horas_usodelcelular y puntaje_examen, con al menos 40 observaciones cada uno.

library(readxl)
Promedio <- read_excel("C:/Users/Usuario/Downloads/Promedio.xlsx")
View(Promedio)

Verificar si ambas variables se distribuyen normalmente con shapiro.test().

D_H<- shapiro.test(Promedio$Horas_Uso_Celular)
D_P <-shapiro.test(Promedio$Puntaje_Examen)
print(D_H)
## 
##  Shapiro-Wilk normality test
## 
## data:  Promedio$Horas_Uso_Celular
## W = 0.95678, p-value = 0.1299
print(D_P)
## 
##  Shapiro-Wilk normality test
## 
## data:  Promedio$Puntaje_Examen
## W = 0.98285, p-value = 0.7932

Para la distribución normal con respecto puntaje de examen y a horas de uso de celular se tiene que p- valor en ambos casos mayor a 0,05 es decir que en ambos casos p-valores > 0,05 lo que significa que los datos tienden a tener una distribucíón normal. # Según el resultado de normalidad, elige la prueba de correlación adecuada se debe utilizar una correlación de pearson por lo que si hay normalidad.

cor<-cor.test(Promedio$Horas_Uso_Celular,Promedio$Puntaje_Examen, method = "pearson")
print(cor)
## 
##  Pearson's product-moment correlation
## 
## data:  Promedio$Horas_Uso_Celular and Promedio$Puntaje_Examen
## t = -13.812, df = 38, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  -0.9534655 -0.8408744
## sample estimates:
##        cor 
## -0.9131841

Se indica una correlación negativa fuerte entre las horas de uso de celular y puntaje del examen, esto quiere decir que , mientras mas sea el uso del celular el puntaje del examen tiende a bajar # Del ejercicio anterior variables horas_usodelcelular y puntaje_examen realizar:

Plantea las hipótesis nula y alterna:

Hipotesis_Nula:El uso de celular no afecta el desempeño en la prueba. Hipotesis_Alterna: El incremento en las horas de uso del celular está asociado con una disminución en el puntaje del examen.

Verifica la normalidad de los datos

print(D_H)
## 
##  Shapiro-Wilk normality test
## 
## data:  Promedio$Horas_Uso_Celular
## W = 0.95678, p-value = 0.1299
print(D_P)
## 
##  Shapiro-Wilk normality test
## 
## data:  Promedio$Puntaje_Examen
## W = 0.98285, p-value = 0.7932

Simula o carga un conjunto de datos llamado notas (al menos 30 observaciones).

set.seed(123)

Notas<-data.frame(notas=round(runif(30, min =1.0 , max = 5.0), 1))
D_N <- shapiro.test(Notas$notas)
print(D_N)
## 
##  Shapiro-Wilk normality test
## 
## data:  Notas$notas
## W = 0.94388, p-value = 0.1157

en este caso p-valoor es de 0.1137 lo que sugiere que los datos tienen una distribución normal