library(readr)
## Warning: package 'readr' was built under R version 4.0.5
parque_eolico_ <- read_csv("~/Git R estudio/CURSOR/parque_eolico_")
## Warning: Missing column names filled in: 'X1' [1]
## 
## -- Column specification --------------------------------------------------------
## cols(
##   X1 = col_double(),
##   Parque1 = col_double(),
##   Parque2 = col_double()
## )
View(parque_eolico_)

##Haga Click Aqui para ver Certificado Machine Learning MIT https://www.credential.net/4dd365ea-ea5a-46a2-a72e-539e70545c6e

##Haga Click Aqui para ver Certificado Columbia Python for Managers https://certificates.emeritus.org/0a2e1de7-add2-4710-ad49-417d1dadfb61#gs.4a92hv ##Contacto:

Algunos Dashboards elaborados son:

Para Bolsa de Valores https://rchang.shinyapps.io/rchang-stock-exchange/

Para el Estado del Clima https://rchang.shinyapps.io/rchang-app_clima_ho/

Para Machine Learning https://rchang.shinyapps.io/rchang-app/

Para Empresariales e Industriales https://rchang.shinyapps.io/rchang-app_final_emp/

Para Dashboards con log in https://rchang.shinyapps.io/clase_3-shiny-2/_w_ae4e775f/_w_f249a9a1/?page=sign_in

y para Sistemas de Información Geográfica

#Pruebas de normalidad

shapiro.test(parque_eolico_$Parque1)
## 
##  Shapiro-Wilk normality test
## 
## data:  parque_eolico_$Parque1
## W = 0.96058, p-value = 4.201e-13
shapiro.test(parque_eolico_$Parque2)   
## 
##  Shapiro-Wilk normality test
## 
## data:  parque_eolico_$Parque2
## W = 0.9397, p-value < 2.2e-16

#prueba de t medias

prueba_t_medias<- t.test(parque_eolico_$Parque1,parque_eolico_$Parque2)
prueba_t_medias
## 
##  Welch Two Sample t-test
## 
## data:  parque_eolico_$Parque1 and parque_eolico_$Parque2
## t = 0.99371, df = 1458, p-value = 0.3205
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -0.1645533  0.5024437
## sample estimates:
## mean of x mean of y 
##  5.801795  5.632849
prueba_t_medias1<- t.test(parque_eolico_$Parque1,parque_eolico_$Parque2, var.equal = F)
prueba_t_medias1
## 
##  Welch Two Sample t-test
## 
## data:  parque_eolico_$Parque1 and parque_eolico_$Parque2
## t = 0.99371, df = 1458, p-value = 0.3205
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -0.1645533  0.5024437
## sample estimates:
## mean of x mean of y 
##  5.801795  5.632849

El parque 1 tiene un rendimiento de 5.80 mientras que el parque 2 de 5.63, con un p valor

##de 0.32

#Prueba de Varianza

var.test(parque_eolico_$Parque1,parque_eolico_$Parque2)
## 
##  F test to compare two variances
## 
## data:  parque_eolico_$Parque1 and parque_eolico_$Parque2
## F = 0.9916, num df = 729, denom df = 729, p-value = 0.9093
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
##  0.8574994 1.1466647
## sample estimates:
## ratio of variances 
##          0.9915968
prueba_de_medianas<-wilcox.test(parque_eolico_$Parque1,parque_eolico_$Parque2)
prueba_de_medianas
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  parque_eolico_$Parque1 and parque_eolico_$Parque2
## W = 276270, p-value = 0.2228
## alternative hypothesis: true location shift is not equal to 0
mean(parque_eolico_$Parque1)
## [1] 5.801795
mean(parque_eolico_$Parque2)
## [1] 5.632849
range(parque_eolico_$Parque1)
## [1]  0.27 16.28
range(parque_eolico_$Parque2)
## [1]  0.14 17.82

Ejercicio #2

#Una empresa le propone al director de una fábrica un nuevo método que, supuestamente, #reduce el tiempo empleado en el montaje de uno de sus productos. Con el propósito de #comparar tal método con el empleado habitualmente, seleccionó aleatoriamente a siete de sus #empleados para que llevasen a cabo el montaje con los dos sistemas y anotó los tiempos #empleados en el montaje.

#Supuesto que el tiempo de montaje sigue una distribución normal ¿Se puede afirmar que #efectivamente el nuevo método reduce el tiempo en más de dos minutos?

library(readxl)
ejercicio_product <- read_excel("~/Git R estudio/CURSOR/ejercicio_product.xlsx")
View(ejercicio_product)

Prueba de t.test

prueba_t_medias2<- t.test(ejercicio_product$`Método Habitual`,ejercicio_product$`Método Nuevo`)
prueba_t_medias2
## 
##  Welch Two Sample t-test
## 
## data:  ejercicio_product$`Método Habitual` and ejercicio_product$`Método Nuevo`
## t = 1.8958, df = 11.571, p-value = 0.08323
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -0.7261227 10.1546941
## sample estimates:
## mean of x mean of y 
##  37.85714  33.14286

Respuesta no hay significancia estadística, pero basado en la media

##si reduce los tiempos más de dos minutos

Ejercicio_product #3

#Se efectúa un estudio sobre el color de los escarabajos tigre para conseguir pruebas que apoyen #el argumento de que la proporción de escarabajos negros puede variar de un lugar a otro. En #una muestra de 500 escarabajos capturados en una extensión próxima a Providence, Rhode #Island, 95 eran negros. Una captura de 112 escarabajos en Aqueduct, Nueva York, contenía 17 #individuos negros. Construya el contraste de hipótesis adecuado para probar el argumento #planteado.

Prueba de hipotesis de proporción

x <- c(95, 17)
n <- c(500, 112)

#Configuramos la función a un nivel del 95%:

prop.test(x, n, conf.level = 0.95, correct = FALSE)
## 
##  2-sample test for equality of proportions without continuity
##  correction
## 
## data:  x out of n
## X-squared = 0.89372, df = 1, p-value = 0.3445
## alternative hypothesis: two.sided
## 95 percent confidence interval:
##  -0.0366072  0.1130358
## sample estimates:
##    prop 1    prop 2 
## 0.1900000 0.1517857

No existe diferencia porque no existe significancia estadística.