#T DE STUDENT
#Es una prueba de contraste para metrica que se utiliza
#para comprobar la igualdad de las medias de dos muestras
#o una muestra tambien para comprobar si la media de una muestra es igual
# a una media teorica determinada.
#Los datos tienen que ser distribucion normal
#generar datos aleatorios
set.seed(10)
x1 <- rnorm(100,10) #variable aleatoria de media 10
x2 <- rnorm(100,10.5) #variable aleatoria de media 10.5
test <- t.test(x1,x2) #prueba de t de student
print (test)
##
## Welch Two Sample t-test
##
## data: x1 and x2
## t = -4.0081, df = 197.83, p-value = 8.665e-05
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## -0.8080508 -0.2751220
## sample estimates:
## mean of x mean of y
## 9.863451 10.405037
#respuesta> como el valor de p es de <0.05, podemos entonces
#afirmar que las muestras difieren en su media, es decir
#las 2 variables son diferentes
boxplot(x1,x2, names= c("X1", "X2")) #Muestra de datos
medias <- c(mean(x1), mean(x2)) #calcular la media de ambas series de datos
points (medias,pch=18, col="red") #puntito rojo de media
#COMPARACION DE UNA MUESTRA
set.seed(10)
x<- rnorm(100,10)
#una variable aleatoria de media 10
Media <- 10
test <- t.test(x, mu=Media)
print (test)
##
## One Sample t-test
##
## data: x
## t = -1.4507, df = 99, p-value = 0.15
## alternative hypothesis: true mean is not equal to 10
## 95 percent confidence interval:
## 9.676689 10.050213
## sample estimates:
## mean of x
## 9.863451
#Como el valor de p (p-value) es de >0.05 no podemos rechazar la
#hipotesis de que la muestra teine media 10