Trabajo Clase 5
Ismael Trujillo
4/5/2021
Pruebas estadísticas estudiadas en clase
- Prueba T-Student para dos muestras independientes
- Prueba para igualdad de varianzas
- Prueba T-Student para dos muestras pareadas o dependientes
- Prueba para igualdad de dos proporciones
- Prueba de la correlacion nula de Pearson
- Prueba de Wilcoxon para dos muestras independientes (Mediana)
- Prueba de Wilcoxon para dos muestras pareadas (Mediana)
set.seed(7234)
crec5= c(rnorm(60,15,2), rnorm(60,20,2.2))
dias_ev5=gl(2,60,120,c("15d","30d"))
df_crec5=data.frame(crec5,dias_ev5)
df5<-split(crec5,dias_ev5)
cor(df5$`15d`,df5$`30d`)## [1] 0.1952682\[H_o: \rho_{xy}=0\]
pb5= cor.test(df5$`15d`,df5$`30d`, alternative = "t", method = "pearson")
ifelse(pb5$p.value<0.05, "rechazar Ho","NO rechazar Ho")## [1] "NO rechazar Ho"###Prueba de wilcoxon para dos muestras independientes(mediana)
Variable de tipo cuantitativo discreto para evaluar medianas
\[H_o: Med_1 =Med_2\] Se desea evaluar la mediana de los frutos desprendidos en dos lotes con dos relieves diferentes, uno es totalmente plano, y el otro con alrededor 20% de pendiente.
set.seed(7234)
tomate_p5<-round(runif(n=40,min=50,max=80),0)
tomate_20a<-round(runif(36,70,100),0)
med1b=median(tomate_p5);med1b## [1] 64.5med2b=median(tomate_20a);med2b## [1] 82pb6= wilcox.test(tomate_p5,tomate_20a, alternative = "t", mu= 0); pb6##
## Wilcoxon rank sum test with continuity correction
##
## data: tomate_p5 and tomate_20a
## W = 117, p-value = 3.519e-10
## alternative hypothesis: true location shift is not equal to 0ifelse(pb6$p.value<0.05, "Rechazo Ho","No rechazo Ho")## [1] "Rechazo Ho"La pendiente influye en el numero de frutos desprendidos.
###Situacion entomologica
Evaluación del conteo de salivazo en pastos a dos horas diferentes (10:00 am - 4:00 pm)
set.seed(7234)
Salivazo6<-round(sort(runif(60, 2, 10)), 0)
salivazo3<-round(sort(runif(60, 1,8), decreasing = T), 0)
median(Salivazo6);median(salivazo3)## [1] 6## [1] 4\[H_o: Med_{6am}=Med_{3am}\]
pb7= wilcox.test(Salivazo6,salivazo3, paired = T, mu= 0, alternative = "t")
ifelse(pb6$p.value<0.05, "rechazar Ho", "No rechazar Ho")## [1] "rechazar Ho"\[H_o : \rho_{6am,3pm}= 0\]
pb8= cor.test(Salivazo6,salivazo3, alternative = "t", method = "spearman")
pb8##
## Spearman's rank correlation rho
##
## data: Salivazo6 and salivazo3
## S = 71129, p-value < 2.2e-16
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## -0.9763418ifelse(pb8$p.value<0.05, "rechazar Ho", "no rechazar Ho")## [1] "rechazar Ho"Entre mas salivazos capturados en la mañana menos salivasos capturados en la tarde. \(\rho= -0.976\)
Que es una tasa(rate)
set.seed(7234)
lt= expand.grid(lat =(1:12), long= (1:12));lt## lat long
## 1 1 1
## 2 2 1
## 3 3 1
## 4 4 1
## 5 5 1
## 6 6 1
## 7 7 1
## 8 8 1
## 9 9 1
## 10 10 1
## 11 11 1
## 12 12 1
## 13 1 2
## 14 2 2
## 15 3 2
## 16 4 2
## 17 5 2
## 18 6 2
## 19 7 2
## 20 8 2
## 21 9 2
## 22 10 2
## 23 11 2
## 24 12 2
## 25 1 3
## 26 2 3
## 27 3 3
## 28 4 3
## 29 5 3
## 30 6 3
## 31 7 3
## 32 8 3
## 33 9 3
## 34 10 3
## 35 11 3
## 36 12 3
## 37 1 4
## 38 2 4
## 39 3 4
## 40 4 4
## 41 5 4
## 42 6 4
## 43 7 4
## 44 8 4
## 45 9 4
## 46 10 4
## 47 11 4
## 48 12 4
## 49 1 5
## 50 2 5
## 51 3 5
## 52 4 5
## 53 5 5
## 54 6 5
## 55 7 5
## 56 8 5
## 57 9 5
## 58 10 5
## 59 11 5
## 60 12 5
## 61 1 6
## 62 2 6
## 63 3 6
## 64 4 6
## 65 5 6
## 66 6 6
## 67 7 6
## 68 8 6
## 69 9 6
## 70 10 6
## 71 11 6
## 72 12 6
## 73 1 7
## 74 2 7
## 75 3 7
## 76 4 7
## 77 5 7
## 78 6 7
## 79 7 7
## 80 8 7
## 81 9 7
## 82 10 7
## 83 11 7
## 84 12 7
## 85 1 8
## 86 2 8
## 87 3 8
## 88 4 8
## 89 5 8
## 90 6 8
## 91 7 8
## 92 8 8
## 93 9 8
## 94 10 8
## 95 11 8
## 96 12 8
## 97 1 9
## 98 2 9
## 99 3 9
## 100 4 9
## 101 5 9
## 102 6 9
## 103 7 9
## 104 8 9
## 105 9 9
## 106 10 9
## 107 11 9
## 108 12 9
## 109 1 10
## 110 2 10
## 111 3 10
## 112 4 10
## 113 5 10
## 114 6 10
## 115 7 10
## 116 8 10
## 117 9 10
## 118 10 10
## 119 11 10
## 120 12 10
## 121 1 11
## 122 2 11
## 123 3 11
## 124 4 11
## 125 5 11
## 126 6 11
## 127 7 11
## 128 8 11
## 129 9 11
## 130 10 11
## 131 11 11
## 132 12 11
## 133 1 12
## 134 2 12
## 135 3 12
## 136 4 12
## 137 5 12
## 138 6 12
## 139 7 12
## 140 8 12
## 141 9 12
## 142 10 12
## 143 11 12
## 144 12 12estado_a=round(runif(144,0,0.7))
color_a= ifelse(estado_a==0, "red","blue")
estado_b= round(runif(144,0,0.65))
color_b= ifelse(estado_b==0, "red","blue")
par(mfrow = c(1,2))
plot(lt, col = color_a, pch= 16, main= "lote A")
segments(x0 = 0,y0 = 0,x1 =12 ,y1 =12 ,lty = 2,lwd=2)
segments(x0 = 1,y0 = 12,x1 =12 ,y1 =1 ,lty = 2,lwd=2)
plot(lt,col=color_b,pch=16,main="Lote2")
segments(x0 = 1,y0 = 1,x1 =1 ,y1 =12 ,lty = 2,lwd=2)
segments(x0 = 1,y0 = 12,x1 =12 ,y1 =1 ,lty = 2,lwd=2)
segments(x0 = 12,y0 = 12,x1 =12 ,y1 =1 ,lty = 2,lwd=2)
coordenadas de un recorrido en el lote 1
- (1,1) a (12,12)
dist_a1= sqrt((11^2)+(11^2))
dist_a= 2*dist_a1; dist_a## [1] 31.1127recorrido lote 2
*(1,1) a (1,12)
dist_b1= sqrt((11^2)+(1-1)^2)
dist_b= (dist_b1*2)+(dist_a1); dist_b## [1] 37.55635\[\lambda_1=\frac{conteo_1}{recorrido_1}\]
\[\lambda_2=\frac{conteo_2}{recorrido_2}\]
conteox=18
conteon=18
ratex=18/dist_a;ratex ## [1] 0.5785419raten=18/dist_b;raten## [1] 0.4792798\[H_0:\lambda_1=\lambda_2\]
library(rateratio.test)
pb9= rateratio.test(c(18,18), c(dist_a,dist_b))
ifelse(pb9$p.value<0.05, "rechar Ho","No rechazar Ho")## [1] "No rechazar Ho"