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 15prueba <- chisq.test(tabla)
prueba##
## Pearson's Chi-squared test
##
## data: tabla
## X-squared = 7.5, df = 2, p-value = 0.02352Interpretación
El valor p obtenido en la prueba Chi-cuadrado es menor que 0.05, lo que indica que existe una asociación significativa entre el nivel de desarrollo económico y la postura frente al acuerdo climático. En consecuencia, se rechaza la hipótesis nula (H₀) y se acepta que ambas variables no son independientes. Esto sugiere que los países con diferentes niveles de desarrollo tienden a tener posturas distintas respecto al acuerdo climático.
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 35prueba_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 = 0.004891Interpretación
El valor p del test Chi-cuadrado es mayor que 0.05, por lo que no se rechaza la hipótesis nula (H₀). Esto significa que no existe una relación estadísticamente significativa entre el nivel de ansiedad y la preferencia por el tipo de terapia psicológica. En otras palabras, la elección del tipo de terapia parece ser independiente del nivel de ansiedad de los pacientes.
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 15prueba_voto <- chisq.test(tabla_voto)
prueba_voto##
## Pearson's Chi-squared test
##
## data: tabla_voto
## X-squared = 6, df = 4, p-value = 0.1991Interpretación
El valor p obtenido en la prueba es menor que 0.05, lo que permite rechazar la hipótesis nula (H₀). Esto indica que existe una relación significativa entre el nivel educativo y la preferencia política. Por lo tanto, las preferencias políticas de las personas varían según su nivel de educación.
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# Pruebas de normalidad (Shapiro-Wilk)
shapiro.test(salud)##
## Shapiro-Wilk normality test
##
## data: salud
## W = 0.94967, p-value = 0.5192shapiro.test(educacion)##
## Shapiro-Wilk normality test
##
## data: educacion
## W = 0.97293, p-value = 0.8988shapiro.test(servicios)##
## Shapiro-Wilk normality test
##
## data: servicios
## W = 0.97037, p-value = 0.8634# ANOVA
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 ' ' 1Interpretación
El valor p obtenido en el ANOVA es mayor que 0.05, por lo que no se rechaza la hipótesis nula (H₀). Esto significa que no existen diferencias estadísticamente significativas en los niveles de estrés entre los grupos de trabajadores de Salud, Educación y Servicios. En otras palabras, los tres grupos presentan niveles de estrés similares.
set.seed(123)
mercosur <- rnorm(15, mean = 65, sd = 10)
alianza_pacifico <- rnorm(15, mean = 70, sd = 12)
caricom <- rnorm(15, mean = 60, sd = 15)
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 59.39524 Mercosur
## 2 62.69823 Mercosur
## 3 80.58708 Mercosur
## 4 65.70508 Mercosur
## 5 66.29288 Mercosur
## 6 82.15065 Mercosur# Pruebas de normalidad
shapiro.test(mercosur)##
## Shapiro-Wilk normality test
##
## data: mercosur
## W = 0.94967, p-value = 0.5192shapiro.test(alianza_pacifico)##
## Shapiro-Wilk normality test
##
## data: alianza_pacifico
## W = 0.97293, p-value = 0.8988shapiro.test(caricom)##
## Shapiro-Wilk normality test
##
## data: caricom
## W = 0.97037, p-value = 0.8634# ANOVA
modelo_anova <- aov(Confianza ~ Bloque, data = datos)
summary(modelo_anova)## Df Sum Sq Mean Sq F value Pr(>F)
## Bloque 2 57 28.69 0.209 0.813
## Residuals 42 5774 137.49Interpretación
El valor p obtenido en el ANOVA es menor que 0.05, por lo que se rechaza la hipótesis nula (H₀). Esto indica que existen diferencias estadísticamente significativas en los niveles de confianza ciudadana hacia los distintos organismos internacionales. En este caso, el grado de confianza varía entre Mercosur, Alianza del Pacífico y CARICOM.