Paso 1: Resumen estadístico

Se realizó la importación de los datos.

##    ÁrbolC Red_N Regresion SActual
## 1   23.81 23.24     16.13   17.09
## 2   22.13 20.08     17.84   15.77
## 3   22.64 18.01     18.28   18.45
## 4   21.69 23.28     15.61   16.55
## 5   23.58 19.23     17.62   22.23
## 6   22.14 21.22     16.12   22.11
## 7   18.73 21.47     17.29   18.26
## 8   21.59 20.60     16.13   18.04
## 9   20.36 21.11     16.64   19.66
## 10  20.53 21.27     15.03   19.76
## 11  20.11 21.03     18.16   18.74
## 12  20.34 17.34     16.82   19.02
## 13  19.19 22.80     17.44   18.54
## 14  22.92 21.85     16.76   16.70
## 15  18.65 17.85     17.26   17.57
## 16  20.60 23.15     15.55   19.89
## 17  19.83 19.57     17.49   19.06
## 18  20.09 19.56     18.42   18.70
## 19  19.43 20.79     17.54   19.39
## 20  22.06 18.04     17.13   19.68
## 21  21.15 20.95     15.50   19.20
## 22  19.26 21.83     16.80   16.85
## 23  18.08 18.17     18.47   19.91
## 24  20.24 22.66     18.42   19.82
## 25  18.75 18.29     18.43   18.08
## 26  20.69 18.89     15.56   19.38
## 27  21.62 19.49     16.03   20.30
## 28  23.69 19.19     15.39   21.60
## 29  23.93 26.47     15.12   23.39
## 30  23.19 25.25     17.77   19.33

Se muestra un resumen estadístico a continuación:

##      ÁrbolC          Red_N         Regresion        SActual     
##  Min.   :18.08   Min.   :17.34   Min.   :15.03   Min.   :15.77  
##  1st Qu.:19.89   1st Qu.:19.20   1st Qu.:16.05   1st Qu.:18.12  
##  Median :20.64   Median :20.87   Median :16.98   Median :19.13  
##  Mean   :21.03   Mean   :20.76   Mean   :16.89   Mean   :19.10  
##  3rd Qu.:22.14   3rd Qu.:21.84   3rd Qu.:17.73   3rd Qu.:19.80  
##  Max.   :23.93   Max.   :26.47   Max.   :18.47   Max.   :23.39

Paso 2: Generar un código para la lectura de los datos

A continuación, se realizó la elaboracion de un codigo para mostrar la estructura de los datos:

## 'data.frame':    30 obs. of  4 variables:
##  $ ÁrbolC   : num  23.8 22.1 22.6 21.7 23.6 ...
##  $ Red_N    : num  23.2 20.1 18 23.3 19.2 ...
##  $ Regresion: num  16.1 17.8 18.3 15.6 17.6 ...
##  $ SActual  : num  17.1 15.8 18.4 16.6 22.2 ...

Realizaremos una evaluación para ver si existen un dato faltante, no encontrándose ningun dato faltante en la data, tal como se muestra a continuación:

## [1] FALSE

##    ÁrbolC     Red_N Regresion   SActual 
##         0         0         0         0

Paso 3: Graficamos los 4 modelos:

A continuación, graficamos los 3 modelos de analítica propuestos y el modelo de analítica actual:

COMPARACIÓN ENTRE ArbolC VS Red_N

Identificar el parámetro de interés

El beneficio empresarial
Establecer la hipótesis nula H0

u1=u(ArbolC)

u2=u(Red_N)

H0: u(ArbolC) - u(Red_N) >= 0

H0: u1 - u2 >= 0
Especificar la hipótesis alternativa H1

H1: u(ArbolC) - u(Red_N) < 0

H1: u1 - u2 < 0
Elegir el nivel de significación

nivel de significación = alfa = 5%
Establecer un estadístico de la prueba apropiado

A continuación, se muestran las desviaciones estandar de ARBOL y REDN, respectivamente

## [1] 1.705609

## [1] 2.224344

Para calcular los estadisticos:

u1-u2 = 0

n1=30

x1=21.03

σ1=1.705609



n2=30

x2=20.76

σ2=2.224344


a1=σ1^2

a2=σ2^2

z=((x1-x2)-(u1-u2))/((a1/n1)+(a2/n2))^0.5

z=

## [1] 0.5275958

Establecer la región de rechazo del estadístico

Para un nivel de significacion del 5%, el valor de Z=-1.645
Realizamos una prueba de hipotesis empleando R Commander

Al realizar la prueba de hipótesis, se obtuvieron los siguientes resultados:

Paired t-test

data: ARBOL and REDN

t = 0.65544, df = 29, p-value = 0.7413

alternative hypothesis: true mean difference is less than 0

95 percent confidence interval:

-Inf 0.9986669

sample estimates:

mean difference = 0.278
Coclusión:

Obtuvimos un P-VAlue = 0.7413, siendo este mayor que el nivel de significacion del 0.05.

Con un nivel de significancia del 5%, no existe evidencia estadística suficiente para afirmar que la media de ACTUAL sea menor que la media de ARBOL. Es decir, no existe una diferencia significativa al momento de escoger cualquiera de las 2 alternativas. Por lo tanto, escoger cualquiera de los 2 modelos planteados nos darán resultados similares.
Recomendaciones:

Se puede descartar mediante inspección visual de la data en un boxplot la alternativa REGRESION, debido a que su gráfica representa valores más bajos que la situación actual, lo cual permite enfocar los esfuerzos en el análisis de las otras alternativas planteadas en el caso.

TRABAJO GRUPAL 2

GRUPO 6

2025-12-16

Paso 1: Resumen estadístico

Paso 2: Generar un código para la lectura de los datos

Paso 3: Graficamos los 4 modelos:

COMPARACIÓN ENTRE ArbolC VS Red_N