U1A9

Inferencias estadisticas

Caso de estudio 1: ¿Las busquedas en Google de cubrebocasy covid estan relacionadas? ¿podemos inferir que existe una relacion entre estas vriables?

Para este caso utiilizaremos la herrameinta de google trends, para conocer la cantidad de busquedas en México en ambos temas https://trends.google.com/trends/explore?geo=MX&q=covid,cubrebocas

• Importar datos

library(readr)
covidCubreBocas <- read_csv("covidCubreBocas.csv", 
    col_types = cols(`cubrebocas` = col_number(), 
        `covid` = col_number()))
head(covidCubreBocas)

## # A tibble: 6 x 2
##   cubrebocas covid
##        <dbl> <dbl>
## 1          1     0
## 2          1     0
## 3          1     0
## 4          1     0
## 5          8     3
## 6          4     3

Relacion entre los datos

Existe relacion entre estos datos?

• Primer analisis visual con una matriz de diagramas de dispersion

(covidCubreBocas)

• Matriz de coeficientes de correlacion

cor(covidCubreBocas)

##            cubrebocas     covid
## cubrebocas  1.0000000 0.8535324
## covid       0.8535324 1.0000000

Con esto inferimos que existe una correlacion de 0.85 con respecto de las busquedas de covid y cubrebocas en Mexico para el caso de 2020 de Febrero a Septiembre

Caso de estudio 2: ¿Como varia el indice de esbeltez en plantulas que fueron fertilizadas comparadas con otras que no?

• Importar datos

plantas <- read_csv("plantas.csv")

## 
## -- Column specification ------------------------------------------------------------
## cols(
##   planta = col_double(),
##   IE = col_double(),
##   Tratamiento = col_character()
## )

#Analisis comparativo
boxplot(plantas$IE ~ plantas$Tratamiento, col = "grey" )

Tabla de datos

• Mostrar datos en una tabla

knitr::kable(plantas)

planta	IE	Tratamiento
1	0.80	Ctrl
2	0.66	Ctrl
3	0.65	Ctrl
4	0.87	Ctrl
5	0.63	Ctrl
6	0.94	Ctrl
7	0.78	Ctrl
8	0.71	Ctrl
9	0.70	Ctrl
10	0.71	Ctrl
11	0.76	Ctrl
12	0.93	Ctrl
13	0.55	Ctrl
14	0.70	Ctrl
15	0.95	Ctrl
16	0.78	Ctrl
17	0.90	Ctrl
18	0.79	Ctrl
19	0.63	Ctrl
20	0.91	Ctrl
21	0.77	Ctrl
22	0.56	Fert
23	0.67	Fert
24	0.65	Fert
25	0.69	Fert
26	1.04	Fert
27	0.95	Fert
28	0.74	Fert
29	1.10	Fert
30	0.91	Fert
31	1.09	Fert
32	0.79	Fert
33	0.90	Fert
34	1.15	Fert
35	1.04	Fert
36	1.00	Fert
37	0.88	Fert
38	1.15	Fert
39	0.88	Fert
40	0.78	Fert
41	1.16	Fert
42	0.91	Fert

Test de normalidad de Shapiro Wilk

• Este test se usa para contrarrestar la normalidad de un conjunto de datos.

shapiro.test(plantas$IE)

## 
##  Shapiro-Wilk normality test
## 
## data:  plantas$IE
## W = 0.96225, p-value = 0.1777

Conclusion

Entre las busquedas de covid y cubrebocas hubo una correlacion de 0.8559244. Por otro lado pudimos ver que las plantas fertilizadas tienen un mayor nivel de esbeltez, era algo que podia esperarse pero lo vimos estadisticamente.