Practica

Problema 1

Mujer<- c(75, 77, 78, 79, 77, 73, 78, 79, 78, 80)
Hombre<-c(74, 72, 77, 76, 76, 73, 75, 73, 74, 75)

Sexo<-c(rep("Mujer",10),rep("Hombre",10))
Temp<-c(Mujer,Hombre)

datos<-data.frame(Sexo=Sexo,T=Temp)

resultado <- t.test(Mujer, Hombre,
                    alternative = "two.sided",
                    var.equal = FALSE)
print(resultado)

## 
##  Welch Two Sample t-test
## 
## data:  Mujer and Hombre
## t = 3.5254, df = 16.851, p-value = 0.002626
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  1.163304 4.636696
## sample estimates:
## mean of x mean of y 
##      77.4      74.5

datos

##      Sexo  T
## 1   Mujer 75
## 2   Mujer 77
## 3   Mujer 78
## 4   Mujer 79
## 5   Mujer 77
## 6   Mujer 73
## 7   Mujer 78
## 8   Mujer 79
## 9   Mujer 78
## 10  Mujer 80
## 11 Hombre 74
## 12 Hombre 72
## 13 Hombre 77
## 14 Hombre 76
## 15 Hombre 76
## 16 Hombre 73
## 17 Hombre 75
## 18 Hombre 73
## 19 Hombre 74
## 20 Hombre 75

datos$Sexo<-factor(datos$Sexo)
boxplot(T~Sexo,data=datos,col=c("orange","green"))

library("car")

## Warning: package 'car' was built under R version 4.4.1

## Cargando paquete requerido: carData

## Warning: package 'carData' was built under R version 4.4.1

leveneTest(T~Sexo,data=datos,center=mean)

## Levene's Test for Homogeneity of Variance (center = mean)
##       Df F value Pr(>F)
## group  1  0.2085 0.6534
##       18

Problema 2

actual<-c(1.88, 1.84, 1.83, 1.90, 2.19, 1.89, 2.27, 2.03, 1.96,
1.98, 2.00, 1.92, 1.83, 1.94, 1.94, 1.95, 1.93, 2.01)
nuevo<-c(1.87, 1.90, 1.85, 1.88, 2.18, 1.87, 2.23, 1.97, 2.00,
1.98, 1.99, 1.89, 1.78, 1.92, 2.02, 2.00, 1.95, 2.05)

resultado <- t.test(actual, nuevo,
                    alternative = "two.sided",paired=TRUE,
                    var.equal = FALSE)

print(resultado)

## 
##  Paired t-test
## 
## data:  actual and nuevo
## t = -0.23874, df = 17, p-value = 0.8142
## alternative hypothesis: true mean difference is not equal to 0
## 95 percent confidence interval:
##  -0.02186024  0.01741580
## sample estimates:
## mean difference 
##    -0.002222222

desgaste<-c(264, 260, 258, 241, 262, 255,208, 220, 216, 200, 213, 206,220, 263, 219, 225, 230, 228,217, 226, 215, 227, 220, 222)
tipoCuero<-c(rep("A",6),rep("B",6),rep("C",6),rep("D",6))
datos<-data.frame(tipoCuero=tipoCuero,desgaste=desgaste)
datos

##    tipoCuero desgaste
## 1          A      264
## 2          A      260
## 3          A      258
## 4          A      241
## 5          A      262
## 6          A      255
## 7          B      208
## 8          B      220
## 9          B      216
## 10         B      200
## 11         B      213
## 12         B      206
## 13         C      220
## 14         C      263
## 15         C      219
## 16         C      225
## 17         C      230
## 18         C      228
## 19         D      217
## 20         D      226
## 21         D      215
## 22         D      227
## 23         D      220
## 24         D      222