title: “taller” author: “Jesus David Jimenez Cuesta” date: “2025-11-06” output: html_document

Problemas de Aplicación

  1. Un investigador en Relaciones Internacionales desea analizar si existe una relación entre el nivel de desarrollo económico de un país (clasificado como Alto, Medio o Bajo) y su postura frente a un acuerdo internacional sobre cambio climático (A favor o En contra).

¿Existe una asociación entre el nivel de desarrollo del país y su postura frente al acuerdo internacional?

Hipótesis

H0: El nivel de desarrollo y la postura frente al acuerdo son independientes.

H1: El nivel de desarrollo y la postura frente al acuerdo no son independientes.

Nivel de Significancia

α=0.05

tabla <- matrix(c(25, 5, 20, 10, 15, 15), nrow = 3, byrow = TRUE)
rownames(tabla) <- c("Alto", "Medio", "Bajo")
colnames(tabla) <- c("A favor", "En contra")
tabla
##       A favor En contra
## Alto       25         5
## Medio      20        10
## Bajo       15        15
prueba <- chisq.test(tabla)
print(prueba)
## 
##  Pearson's Chi-squared test
## 
## data:  tabla
## X-squared = 7.5, df = 2, p-value = 0.02352

Conclusión

El análisis mediante la prueba Chi-cuadrado (X² = 7.5; p = 0.0235) permitió determinar que sí existe una relación significativa entre el nivel de desarrollo económico de los países y su postura frente al acuerdo internacional sobre cambio climático, ya que el valor p es menor que el nivel de significancia (0.05).

Esto indica que los países más desarrollados tienden a estar más a favor del acuerdo, mientras que los de menor desarrollo muestran una mayor oposición. En términos simples, el grado de desarrollo influye en cómo cada nación enfrenta los compromisos ambientales internacionales.

  1. Un equipo de investigadores en Psicología Clínica quiere estudiar si existe una relación entre el nivel de ansiedad de los pacientes (Alto o Bajo) y su preferencia por el tipo de terapia psicológica (Terapia Cognitivo-Conductual o Terapia Humanista).

¿Existe una asociación entre el nivel de ansiedad y la preferencia por el tipo de terapia?

Hipótesis

H0: El nivel de ansiedad y la preferencia por la terapia son independientes.

H1: El nivel de ansiedad y la preferencia por la terapia no son independientes.

α=0.05

tabla_psico <- matrix(c(30, 20, 15, 35), nrow = 2, byrow = TRUE)
rownames(tabla_psico) <- c("Alto", "Bajo")
colnames(tabla_psico) <- c("Terapia Cognitivo-Conductual", "Terapia Humanista")
tabla_psico
##      Terapia Cognitivo-Conductual Terapia Humanista
## Alto                           30                20
## Bajo                           15                35
prueba_chi_psico <- chisq.test(tabla_psico)
prueba_chi_psico
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  tabla_psico
## X-squared = 7.9192, df = 1, p-value = 0.004891

Conclusión

Se realizó una prueba Chi-cuadrado de independencia (con corrección de Yates) para evaluar la relación entre el nivel de ansiedad y la preferencia por el tipo de terapia, con α = 0.05. El resultado fue X² = 7.9192 (df = 1) y p = 0.00489, por lo que p < 0.05 y se rechaza la hipótesis nula de independencia.

Por tanto, existe una asociación estadísticamente significativa entre el nivel de ansiedad y la preferencia terapéutica: los pacientes con ansiedad alta muestran mayor preferencia por Terapia Cognitivo-Conductual, mientras que los de ansiedad baja tienden a preferir la Terapia Humanista.

Interpretación práctica: esto sugiere que el nivel de ansiedad influye en la elección de terapia, por lo que los clínicos podrían considerar el grado de ansiedad al orientar la recomendación terapéutica.

  1. En un estudio de comportamiento electoral en América Latina, se busca analizar si existe una relación entre el nivel educativo de los votantes y su preferencia política (Izquierda, Centro o Derecha).

¿Existe una asociación entre el nivel educativo y la preferencia política de los votantes?

H0: El nivel educativo y la preferencia política son independientes.

H1: El nivel educativo y la preferencia política no son independientes.

α=0.05

tabla_voto <- matrix(c(20, 15, 15,
                       10, 20, 20,
                       20, 15, 15), nrow = 3, byrow = TRUE)
rownames(tabla_voto) <- c("Básico", "Medio", "Superior")
colnames(tabla_voto) <- c("Izquierda", "Centro", "Derecha")

tabla_voto
##          Izquierda Centro Derecha
## Básico          20     15      15
## Medio           10     20      20
## Superior        20     15      15
prueba_voto <- chisq.test(tabla_voto)
prueba_voto
## 
##  Pearson's Chi-squared test
## 
## data:  tabla_voto
## X-squared = 6, df = 4, p-value = 0.1991

Con base en el análisis realizado, ¿cuál es la conclusión más adecuada al nivel de significancia α=0.05 ?

Respuesta correcta: b) No existe suficiente evidencia para afirmar que el nivel educativo influye en la preferencia política.

Conclusión

Al aplicar la prueba Chi-cuadrado para analizar la relación entre el nivel educativo y la preferencia política (X² = 6; p = 0.1991; α = 0.05), se observa que el valor p es mayor que el nivel de significancia (0.1991 > 0.05). Por tanto, no se rechaza la hipótesis nula, lo que indica que no existe una asociación estadísticamente significativa entre el nivel educativo y la preferencia política de los votantes.

En términos prácticos, esto significa que el nivel educativo no influye de manera evidente en la orientación política de las personas dentro del grupo analizado; las preferencias hacia izquierda, centro o derecha se distribuyen de forma similar en los diferentes niveles educativos.

  1. Un grupo de psicólogos desea comparar el nivel de estrés en tres tipos de trabajadores: Trabajadores de salud Trabajadores de educación Trabajadores de servicios públicos

Se aplicó una escala de estrés (puntuación de 0 a 100) a 45 trabajadores (15 por grupo). Los datos son los siguientes:

set.seed(123)
salud <- rnorm(15, mean = 70, sd = 10)
educacion <- rnorm(15, mean = 60, sd = 12)
servicios <- rnorm(15, mean = 65, sd = 15)
estres <- c(salud, educacion, servicios)
grupo <- factor(rep(c("Salud", "Educacion", "Servicios"), each = 15))

datos <- data.frame(Estres = estres, Grupo = grupo)
head(datos)
##     Estres Grupo
## 1 64.39524 Salud
## 2 67.69823 Salud
## 3 85.58708 Salud
## 4 70.70508 Salud
## 5 71.29288 Salud
## 6 87.15065 Salud
shapiro_salud <- shapiro.test(salud)
shapiro_educacion <- shapiro.test(educacion)
shapiro_servicios <- shapiro.test(servicios)

shapiro_salud
## 
##  Shapiro-Wilk normality test
## 
## data:  salud
## W = 0.94967, p-value = 0.5192
shapiro_educacion
## 
##  Shapiro-Wilk normality test
## 
## data:  educacion
## W = 0.97293, p-value = 0.8988
shapiro_servicios
## 
##  Shapiro-Wilk normality test
## 
## data:  servicios
## W = 0.97037, p-value = 0.8634
modelo_anova <- aov(Estres ~ Grupo, data = datos)

summary(modelo_anova)
##             Df Sum Sq Mean Sq F value  Pr(>F)   
## Grupo        2   1838   919.0   6.685 0.00302 **
## Residuals   42   5774   137.5                   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Respuesta correcta: a) Se rechaza H₀. Existen diferencias significativas en el nivel promedio de estrés entre los grupos.

Conclusión

Antes de aplicar el análisis de varianza (ANOVA), se verificó el supuesto de normalidad mediante la prueba de Shapiro–Wilk en los tres grupos de trabajadores, obteniéndose valores p mayores a 0.05, lo que indica que los datos siguen una distribución normal. Posteriormente, el ANOVA mostró un resultado de F(2,42) = 6.685 con un p = 0.003, valor inferior al nivel de significancia de α = 0.05. Por esta razón, se rechaza la hipótesis nula, concluyendo que existen diferencias estadísticamente significativas en el nivel promedio de estrés entre los trabajadores de salud, educación y servicios públicos.

En términos interpretativos, los resultados evidencian que los trabajadores del área de salud presentan niveles de estrés más altos, probablemente debido a la alta carga laboral y la presión emocional característica de su labor. Por su parte, los trabajadores de educación y servicios públicos muestran niveles de estrés relativamente menores.

Estos hallazgos destacan la importancia de implementar programas de apoyo psicológico y estrategias de manejo del estrés adaptadas a las condiciones específicas de cada grupo ocupacional, especialmente en el sector salud, donde el impacto del estrés puede afectar tanto el bienestar del personal como la calidad del servicio que prestan.

  1. Un grupo de analistas en Relaciones Internacionales está interesado en estudiar si el nivel de confianza ciudadana en organismos internacionales varía según el bloque regional al que pertenece un país.

Para ello, se recolectaron datos de encuestas de percepción ciudadana en tres bloques regionales de América Latina:

Mercosur Alianza del Pacífico CARICOM

A cada participante se le pidió calificar su nivel de confianza en los organismos internacionales en una escala de 0 a 100, donde 0 representa “ninguna confianza” y 100 representa “confianza total”. Se tomaron muestras aleatorias de ciudadanos en países de cada bloque (15 por bloque).

El objetivo es determinar si existen diferencias estadísticamente significativas en el promedio de confianza entre los tres bloques regionales.

¿Existe una diferencia significativa en el nivel promedio de confianza ciudadana en organismos internacionales entre los países de Mercosur, Alianza del Pacífico y CARICOM?

H0: No hay diferencias en los niveles promedio de confianza entre los tres bloques regionales. μMercosur=μAlianza=μCARICOM

H1: Al menos uno de los bloques presenta un nivel promedio de confianza diferente. Al menos una μ difiere

mercosur <- rnorm(15, mean = 65, sd = 10)           # Media alta
alianza_pacifico <- rnorm(15, mean = 70, sd = 12)    # Media aún mayor
caricom <- rnorm(15, mean = 60, sd = 15)             # Media más baja
confianza <- c(mercosur, alianza_pacifico, caricom)
bloque <- factor(rep(c("Mercosur", "Alianza_Pacifico", "CARICOM"), each = 15))
datos <- data.frame(Confianza = confianza, Bloque = bloque)
head(datos)
##   Confianza   Bloque
## 1  53.76891 Mercosur
## 2  60.97115 Mercosur
## 3  60.33345 Mercosur
## 4  72.79965 Mercosur
## 5  64.16631 Mercosur
## 6  67.53319 Mercosur
shapiro_mercosur <- shapiro.test(mercosur)
shapiro_alianza <- shapiro.test(alianza_pacifico)
shapiro_caricom <- shapiro.test(caricom)
shapiro_mercosur
## 
##  Shapiro-Wilk normality test
## 
## data:  mercosur
## W = 0.96683, p-value = 0.8086
shapiro_alianza
## 
##  Shapiro-Wilk normality test
## 
## data:  alianza_pacifico
## W = 0.97703, p-value = 0.9451
shapiro_caricom
## 
##  Shapiro-Wilk normality test
## 
## data:  caricom
## W = 0.95378, p-value = 0.5858
modelo_anova <- aov(Confianza ~ Bloque, data = datos)
summary(modelo_anova)
##             Df Sum Sq Mean Sq F value Pr(>F)
## Bloque       2    247   123.5   1.163  0.322
## Residuals   42   4460   106.2
p_valor <- summary(modelo_anova)[[1]]$'Pr(>F)'[1]

Respuesta correcta: b) No se rechaza H₀. No existen diferencias significativas en el nivel promedio de confianza entre los bloques regionales.

Conclusión

Tras verificar que los datos cumplen con el supuesto de normalidad (todas las pruebas Shapiro–Wilk con p > 0.05), se aplicó un análisis de varianza (ANOVA) para comparar los niveles promedio de confianza ciudadana en organismos internacionales entre los tres bloques regionales: Mercosur, Alianza del Pacífico y CARICOM.

El resultado del ANOVA (F(2,42) = 1.163; p = 0.322) muestra que el valor p es mayor que el nivel de significancia (0.05), por lo cual no se rechaza la hipótesis nula. Esto indica que no existen diferencias estadísticamente significativas en el nivel promedio de confianza entre los bloques analizados.

En otras palabras, los ciudadanos de los distintos bloques regionales presentan niveles de confianza similares hacia los organismos internacionales, lo que sugiere que la percepción de confianza no depende directamente del bloque político o económico al que pertenece cada país, sino posiblemente de factores más generales, como las experiencias nacionales o la información mediática sobre dichos organismos.