1. Responder usando el Ejemplo 2 de ‘Pruebas de Hipótesis para Dos Muestras’:

  1. ¿Por qué en esta investigación se usa una prueba de hipótesis de una cola? Explique brevemente. \[H_0:\mu_1\geq\mu_2\ \ \ H_a:\mu_1<\mu_2\]

  2. Luego de realizar la prueba, ¿cuál fue la conclusión sobre las hipótesis planteadas?

fertT <- c(48.2,54.6,58.3,47.8,51.4,52.0,55.2,49.1,49.9,52.6)
fertT
##  [1] 48.2 54.6 58.3 47.8 51.4 52.0 55.2 49.1 49.9 52.6
fertN <- c(52.3,57.4,55.6,53.2,61.3,58.0,59.8,54.8)
fertN
## [1] 52.3 57.4 55.6 53.2 61.3 58.0 59.8 54.8
pruebat <- t.test(fertT, fertN, var.equal = TRUE, alternative = "less")
pruebat
## 
##  Two Sample t-test
## 
## data:  fertT and fertN
## t = -2.9884, df = 16, p-value = 0.004343
## alternative hypothesis: true difference in means is less than 0
## 95 percent confidence interval:
##       -Inf -1.929255
## sample estimates:
## mean of x mean of y 
##     51.91     56.55

C. Se utilizó una prueba t (paramétrica). Realice las pruebas correspondientes para comprobar que se cumple lo asumido para realizar este tipo de prueba de hipótesis.

library(EnvStats)
## 
## Attaching package: 'EnvStats'
## The following objects are masked from 'package:stats':
## 
##     predict, predict.lm
## The following object is masked from 'package:base':
## 
##     print.default
qqPlot(fertT, add.line = TRUE, points.col = "blue", line.col = "red")

qqPlot(fertN, add.line = TRUE, points.col = "blue", line.col = "red")

shapiro.test(fertT)
## 
##  Shapiro-Wilk normality test
## 
## data:  fertT
## W = 0.95125, p-value = 0.6833
shapiro.test(fertN)
## 
##  Shapiro-Wilk normality test
## 
## data:  fertN
## W = 0.97053, p-value = 0.9021
var.test(fertN, fertT, alternative = "two.sided")
## 
##  F test to compare two variances
## 
## data:  fertN and fertT
## F = 0.87031, num df = 7, denom df = 9, p-value = 0.8744
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
##  0.2073637 4.1977180
## sample estimates:
## ratio of variances 
##           0.870315

2. Describa un experimento (relacionado a alguna actividad en uno de sus laboratorios, por ejemplo) para el cual sea adecuada la prueba t de mediciones pareadas. BONO: si usa datos y realiza la prueba.

Para esta parte usted debe escribir su descripción.

3. Realizar las pruebas de hipótesis correspondientes y sacar conclusiones:

A. para probar si la concentración de calcio en el plasma de aves (sin importar el sexo), es afectado por tratamiento hormonal. Verificar los supuestos que se deben cumplir para usar una prueba paramétrica.

library(readxl)
calcio <- read_excel("Biometria calcio ANOVA.xlsx")
head(calcio)
## # A tibble: 6 x 3
##   caplasma hormona sexo  
##      <dbl> <chr>   <chr> 
## 1     16.3 no      hembra
## 2     20.4 no      hembra
## 3     12.4 no      hembra
## 4     15.8 no      hembra
## 5      9.5 no      hembra
## 6     15.3 no      macho
# qqplot
qqPlot(calcio$caplasma, add.line = TRUE, points.col = "blue", line.col = "red")