Integrantes: Santiago Guerrero Rondon- Valentina Valle Velasco
Prueba de hipotesis
\[Ho: t_{77} < t_{45}\\
Ha: t_{77} > t_{45}\]
Prueba t-Dos muestras dependientes/pareadas
ts = t.test(t_77,t_45, alternative = "t", mu = 0, paired = TRUE, var.equal = FALSE, conf.level = 0.95);ts
Paired t-test
data: t_77 and t_45
t = 70.276, df = 15, p-value < 2.2e-16
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
755.3126 802.5624
sample estimates:
mean of the differences
778.9375
ifelse(ts$p.value < 0.05, 'Rechazo la Ho', 'No rechazo la Ho')
[1] "Rechazo la Ho"
2 Boxplot para comparar: Se cambio la escala a uno de ellos para poder visualizarlo mejor
data2 = data.frame(values = c(tuberculos_45, tuberculos_77), group = c(rep("45",16), rep("77",16)))
boxplot(values ~ group, data2, main = "Comparacion Grafica", xlab = "Dias despues de la siembra", ylab = "Rendimiento en Kg/ha")
points(c(1,2), c(mean(tuberculos_45), mean(tuberculos_77)), pch = 15, col = 'red')

datuberculos = data.frame(values = c(tuberculos_45, ultuberculos_77), group = c(rep("45",16), rep("77",16)))
boxplot(values ~ group, datuberculos, main = "Comparacion Grafica (modificando la escala)", xlab = "Dias despues de la siembra", ylab = "Rendimiento en Kg/ha")
points(c(1,2), c(mean(tuberculos_45), mean(ultuberculos_77)), pch = 15, col = 'red')

Coeficiente de correlacion de Pearson
cc = cor(t_45, t_77);cc
[1] 0.391328
crp1 = 100*(mean(t_77) - mean(t_45))/mean(t_45);crp1
[1] 1162.593
crp2 = 100*(mean(t_77) - mean(t_45))/mean(t_77);crp2
[1] 92.07979
dif_med = (mean(t_77) - mean(t_45))
dif_med
[1] 778.9375
Conclusiones
A partir del rechazo de la hipotesis nula, se puede concluir que hay un aumento en el rendimiento, es decir, la fertilizacion ayudo al mejoramiento de la planta durante la toma de las muestras.
A traves del cambio relativo promedio y el grafico de boxplot se puede apreciar la gran diferencia que existe entre los valores de las medias de el dia 45 y el dia 77 despues de la siembra, por lo tanto se observa un incremento marcado en el rendimiento por dia.
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