IDENTIFICACION DE DIFERENCIAS SIGNIFICATIVAS CON BOXPLOT

boxplot(data2, horizontal=T)

Dada la grafica anterior, descartamos los modelos de Red Neuronal y Arbol de Clasificacion

Por lo tanto, evaluaremos solamente el Modelo de Regresion vs Actual

PRUEBA DE HIPOTESIS: REGRESION VS ACTUAL

Seguimos el siguiente procedimiento general:

1. Identificar el parámetro de interés

Tiempo de mantenimiento de los diferentes modelos.

2. Establecer la hipótesis nula H0

Ho: mu1 - mu2 = 0

Siendo:

mu1: Actual

mu2: Regresion

3. Especificar la hipotesis alternativa H1

H1: mu1 - mu2 > 0

Siendo:

mu1: Actual

mu2: Regresion

4. Elegir el nivel de significacion a

Alfa es igual a 5%

a <- 0.05

5. Establecer un estadistico de la prueba apropiado

Zo = ((X1 - X2) - (mu1 - mu2)) / (sqrt(var1^2/n1 + var2^2/n2))

Siendo:

x1: media actual

x2: media regresion

mu1 - mu2: Ho = 0

var: Varianza

n: numero de elementos de la muestra

6. Establecer la region de rechazo de estadistico

En el grafico anterior, podemos observar la region de aceptacion al centro (entre -Z y Z) y, en rojo, la region de rechazo. Los puntos de corte se calculan a continuacion:

Z_neg <- qnorm(a/2) #-Z
Z_neg
## [1] -1.959964
Z <- qnorm(1 - a/2) #Z
Z
## [1] 1.959964

7. Calcular las cantidades muestrales necesarias, sustituirlas en la ecuacion del estadistico de prueba, y calcular ese valor (calcular el estadistico observado)

## [1] "x1 =  19.1023333333333"
## [1] "x2 =  16.8916666666667"
## [1] "varianza1 =  2.99168057471264"
## [1] "varianza2 =  1.21729712643678"
## [1] "n1 =  30"
## [1] "n2 =  30"
## [1] "mu1 - mu2 =  0"
## [1] "Zo =  5.90195070396786"

8. Decidir si debera rechazarse o no H0 y contextualizar la decision en el problema

## [1] "Se rechaza la hipotesis nula. Por lo tanto, deberia implementarse la nueva propuesta: regresion"
## [1] "LI: 1.47653192616859"
## [1] "LS: 2.94480140716474"