Taller de Simulación
Claudia Patricia Méndez Rátiva
27/3/2022
Punto 1. El Teorema del Límite Central es uno de los más importantes en la inferencia estadística y habla sobre la convergencia de los estimadores como la proporción muestral a la distribución normal. Algunos autores afirman que esta aproximación es bastante buena a partir del umbral n>30.
##a) Simulación con población N=1000 con 50% de individuos enfermos
enfermos=0
Sanos=1
lote=c(rep("enfermo",500),rep("sanos",500))
lote = sample(lote)
lote## [1] "enfermo" "enfermo" "sanos" "sanos" "sanos" "enfermo" "enfermo"
## [8] "enfermo" "sanos" "sanos" "enfermo" "enfermo" "sanos" "sanos"
## [15] "sanos" "sanos" "sanos" "enfermo" "enfermo" "enfermo" "sanos"
## [22] "sanos" "sanos" "sanos" "enfermo" "enfermo" "sanos" "enfermo"
## [29] "enfermo" "sanos" "sanos" "sanos" "enfermo" "sanos" "sanos"
## [36] "sanos" "enfermo" "sanos" "sanos" "enfermo" "sanos" "sanos"
## [43] "sanos" "sanos" "sanos" "enfermo" "enfermo" "sanos" "enfermo"
## [50] "sanos" "sanos" "sanos" "enfermo" "sanos" "enfermo" "enfermo"
## [57] "enfermo" "sanos" "sanos" "enfermo" "enfermo" "sanos" "sanos"
## [64] "enfermo" "enfermo" "sanos" "sanos" "sanos" "sanos" "enfermo"
## [71] "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "sanos"
## [78] "sanos" "sanos" "enfermo" "enfermo" "sanos" "sanos" "enfermo"
## [85] "sanos" "enfermo" "sanos" "enfermo" "enfermo" "sanos" "enfermo"
## [92] "sanos" "sanos" "sanos" "sanos" "sanos" "sanos" "sanos"
## [99] "enfermo" "enfermo" "sanos" "sanos" "sanos" "sanos" "sanos"
## [106] "sanos" "sanos" "sanos" "sanos" "enfermo" "enfermo" "enfermo"
## [113] "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [120] "sanos" "sanos" "enfermo" "enfermo" "enfermo" "sanos" "sanos"
## [127] "sanos" "sanos" "sanos" "sanos" "enfermo" "sanos" "sanos"
## [134] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "sanos" "enfermo"
## [141] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "sanos" "sanos"
## [148] "enfermo" "enfermo" "enfermo" "sanos" "sanos" "enfermo" "sanos"
## [155] "enfermo" "enfermo" "sanos" "sanos" "sanos" "sanos" "sanos"
## [162] "enfermo" "enfermo" "sanos" "enfermo" "sanos" "sanos" "enfermo"
## [169] "enfermo" "enfermo" "sanos" "sanos" "enfermo" "enfermo" "enfermo"
## [176] "enfermo" "sanos" "enfermo" "enfermo" "sanos" "sanos" "enfermo"
## [183] "enfermo" "enfermo" "sanos" "sanos" "sanos" "enfermo" "sanos"
## [190] "sanos" "sanos" "sanos" "sanos" "sanos" "enfermo" "sanos"
## [197] "enfermo" "sanos" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [204] "enfermo" "sanos" "sanos" "enfermo" "sanos" "sanos" "enfermo"
## [211] "sanos" "sanos" "enfermo" "sanos" "sanos" "sanos" "sanos"
## [218] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [225] "sanos" "enfermo" "sanos" "sanos" "sanos" "sanos" "enfermo"
## [232] "enfermo" "sanos" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [239] "enfermo" "sanos" "enfermo" "enfermo" "sanos" "sanos" "enfermo"
## [246] "sanos" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "sanos"
## [253] "sanos" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [260] "sanos" "enfermo" "enfermo" "enfermo" "sanos" "sanos" "enfermo"
## [267] "enfermo" "enfermo" "sanos" "sanos" "sanos" "sanos" "sanos"
## [274] "sanos" "sanos" "enfermo" "enfermo" "enfermo" "sanos" "sanos"
## [281] "sanos" "sanos" "sanos" "enfermo" "sanos" "sanos" "sanos"
## [288] "enfermo" "sanos" "sanos" "sanos" "sanos" "enfermo" "enfermo"
## [295] "enfermo" "sanos" "enfermo" "sanos" "enfermo" "sanos" "sanos"
## [302] "sanos" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "sanos"
## [309] "enfermo" "sanos" "sanos" "enfermo" "sanos" "sanos" "enfermo"
## [316] "enfermo" "enfermo" "sanos" "sanos" "sanos" "enfermo" "sanos"
## [323] "enfermo" "sanos" "sanos" "sanos" "sanos" "sanos" "sanos"
## [330] "enfermo" "sanos" "sanos" "sanos" "sanos" "enfermo" "sanos"
## [337] "sanos" "sanos" "sanos" "sanos" "sanos" "sanos" "enfermo"
## [344] "enfermo" "enfermo" "enfermo" "sanos" "sanos" "enfermo" "sanos"
## [351] "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [358] "enfermo" "sanos" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [365] "enfermo" "sanos" "enfermo" "sanos" "enfermo" "enfermo" "sanos"
## [372] "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "sanos"
## [379] "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [386] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [393] "enfermo" "sanos" "sanos" "sanos" "sanos" "enfermo" "enfermo"
## [400] "enfermo" "sanos" "sanos" "sanos" "sanos" "enfermo" "enfermo"
## [407] "enfermo" "enfermo" "sanos" "sanos" "sanos" "enfermo" "enfermo"
## [414] "enfermo" "sanos" "sanos" "sanos" "enfermo" "sanos" "sanos"
## [421] "sanos" "sanos" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [428] "sanos" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "sanos"
## [435] "sanos" "sanos" "enfermo" "enfermo" "enfermo" "sanos" "enfermo"
## [442] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [449] "sanos" "sanos" "enfermo" "enfermo" "enfermo" "sanos" "sanos"
## [456] "enfermo" "sanos" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [463] "sanos" "enfermo" "sanos" "sanos" "sanos" "enfermo" "enfermo"
## [470] "enfermo" "sanos" "sanos" "sanos" "enfermo" "sanos" "enfermo"
## [477] "sanos" "sanos" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [484] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "sanos"
## [491] "enfermo" "sanos" "sanos" "enfermo" "enfermo" "enfermo" "sanos"
## [498] "sanos" "sanos" "enfermo" "enfermo" "enfermo" "sanos" "sanos"
## [505] "enfermo" "enfermo" "sanos" "sanos" "enfermo" "enfermo" "sanos"
## [512] "sanos" "sanos" "sanos" "enfermo" "sanos" "sanos" "enfermo"
## [519] "enfermo" "sanos" "enfermo" "enfermo" "sanos" "enfermo" "sanos"
## [526] "enfermo" "sanos" "enfermo" "enfermo" "sanos" "sanos" "sanos"
## [533] "enfermo" "sanos" "enfermo" "enfermo" "sanos" "enfermo" "sanos"
## [540] "sanos" "sanos" "enfermo" "sanos" "sanos" "sanos" "enfermo"
## [547] "sanos" "enfermo" "enfermo" "sanos" "sanos" "enfermo" "enfermo"
## [554] "enfermo" "sanos" "sanos" "enfermo" "sanos" "sanos" "sanos"
## [561] "enfermo" "enfermo" "sanos" "enfermo" "sanos" "enfermo" "sanos"
## [568] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "sanos"
## [575] "sanos" "enfermo" "sanos" "enfermo" "sanos" "enfermo" "enfermo"
## [582] "enfermo" "sanos" "enfermo" "sanos" "sanos" "enfermo" "sanos"
## [589] "sanos" "sanos" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [596] "sanos" "sanos" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [603] "sanos" "enfermo" "sanos" "sanos" "enfermo" "enfermo" "sanos"
## [610] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [617] "sanos" "enfermo" "sanos" "sanos" "enfermo" "enfermo" "enfermo"
## [624] "enfermo" "enfermo" "sanos" "sanos" "enfermo" "sanos" "sanos"
## [631] "enfermo" "enfermo" "sanos" "sanos" "sanos" "enfermo" "enfermo"
## [638] "sanos" "enfermo" "sanos" "sanos" "sanos" "enfermo" "sanos"
## [645] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "sanos" "enfermo"
## [652] "enfermo" "enfermo" "sanos" "sanos" "enfermo" "sanos" "enfermo"
## [659] "sanos" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "sanos"
## [666] "sanos" "enfermo" "sanos" "sanos" "enfermo" "enfermo" "sanos"
## [673] "enfermo" "sanos" "enfermo" "enfermo" "sanos" "sanos" "enfermo"
## [680] "sanos" "enfermo" "enfermo" "sanos" "sanos" "sanos" "sanos"
## [687] "sanos" "sanos" "enfermo" "enfermo" "sanos" "enfermo" "sanos"
## [694] "sanos" "sanos" "sanos" "sanos" "sanos" "enfermo" "sanos"
## [701] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [708] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "sanos"
## [715] "sanos" "enfermo" "sanos" "enfermo" "sanos" "sanos" "enfermo"
## [722] "enfermo" "enfermo" "enfermo" "sanos" "sanos" "enfermo" "sanos"
## [729] "sanos" "sanos" "sanos" "enfermo" "enfermo" "enfermo" "sanos"
## [736] "sanos" "enfermo" "sanos" "sanos" "enfermo" "sanos" "enfermo"
## [743] "enfermo" "enfermo" "sanos" "enfermo" "sanos" "enfermo" "sanos"
## [750] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "sanos" "enfermo"
## [757] "sanos" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [764] "enfermo" "enfermo" "sanos" "enfermo" "sanos" "sanos" "enfermo"
## [771] "enfermo" "sanos" "sanos" "sanos" "sanos" "enfermo" "sanos"
## [778] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "sanos"
## [785] "sanos" "enfermo" "enfermo" "sanos" "enfermo" "sanos" "sanos"
## [792] "sanos" "sanos" "enfermo" "enfermo" "sanos" "sanos" "sanos"
## [799] "sanos" "sanos" "enfermo" "enfermo" "sanos" "sanos" "sanos"
## [806] "enfermo" "sanos" "sanos" "enfermo" "enfermo" "enfermo" "sanos"
## [813] "enfermo" "sanos" "sanos" "enfermo" "sanos" "sanos" "enfermo"
## [820] "enfermo" "enfermo" "sanos" "sanos" "enfermo" "enfermo" "sanos"
## [827] "sanos" "sanos" "enfermo" "enfermo" "enfermo" "sanos" "sanos"
## [834] "enfermo" "enfermo" "enfermo" "sanos" "sanos" "sanos" "sanos"
## [841] "sanos" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [848] "sanos" "sanos" "sanos" "enfermo" "sanos" "enfermo" "enfermo"
## [855] "enfermo" "sanos" "enfermo" "sanos" "sanos" "sanos" "sanos"
## [862] "sanos" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [869] "sanos" "sanos" "sanos" "enfermo" "enfermo" "sanos" "sanos"
## [876] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "sanos"
## [883] "enfermo" "sanos" "sanos" "sanos" "sanos" "enfermo" "sanos"
## [890] "sanos" "enfermo" "sanos" "enfermo" "sanos" "sanos" "enfermo"
## [897] "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [904] "sanos" "sanos" "enfermo" "enfermo" "enfermo" "sanos" "sanos"
## [911] "enfermo" "enfermo" "sanos" "sanos" "sanos" "enfermo" "enfermo"
## [918] "sanos" "sanos" "enfermo" "enfermo" "enfermo" "sanos" "enfermo"
## [925] "enfermo" "sanos" "sanos" "sanos" "enfermo" "enfermo" "sanos"
## [932] "sanos" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "sanos"
## [939] "sanos" "enfermo" "enfermo" "sanos" "sanos" "sanos" "enfermo"
## [946] "sanos" "enfermo" "enfermo" "enfermo" "sanos" "sanos" "sanos"
## [953] "enfermo" "enfermo" "sanos" "sanos" "sanos" "sanos" "enfermo"
## [960] "enfermo" "enfermo" "sanos" "enfermo" "sanos" "sanos" "enfermo"
## [967] "enfermo" "enfermo" "sanos" "enfermo" "sanos" "enfermo" "enfermo"
## [974] "sanos" "enfermo" "sanos" "enfermo" "sanos" "sanos" "sanos"
## [981] "enfermo" "enfermo" "enfermo" "sanos" "sanos" "enfermo" "sanos"
## [988] "sanos" "sanos" "sanos" "sanos" "enfermo" "enfermo" "sanos"
## [995] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"###b) Función para muestra aleatoria de la población y cálculo de estimador de proporción muestral para un tamaño de muestra dado n
calc_p_gorro=function(n){
muestra=sample(lote,size = n)
p_gorro=sum(muestra=="enfermo")/n
return(p_gorro)
}
calc_p_gorro(n=500)## [1] 0.482##c)Repetición de las 500 veces ¿son datos simétricos?, ¿Son sesgados y qué pasa en cuanto a variabilidad?
Respueta: se identifica que los datos son simétricos, el resultado de la desviación estándar baja y p.value confirman la tendencia de los datos cercanos a 0.5. Sin embargo, al trabajar con muestras más pequeñas se identifica asimetría en los datos, con sesgos negativos. La prueba de Shapiro muestra en la mayoría de los casos una distribución normal entre o.99 y 0.95, cuando la muestra es menor la desviación es más alta y por consiguiente p-value tiende a ser mayor a 1 y se aleja de alfa.
posibles_p_gorro = sapply(rep(500, 1000), calc_p_gorro)
hist(posibles_p_gorro)
line = mean(posibles_p_gorro)
abline(v=line, col="red", lwd=4)
mean(posibles_p_gorro)## [1] 0.500138sd(posibles_p_gorro)## [1] 0.01621678sqrt((0.5*0.5)/30)## [1] 0.09128709calc_por_uno=function(n_muestra){
pob=c(rep(x = 1,500),rep(x = 0,500))
return(sum(sample(pob,size = n_muestra))/n_muestra)
}
calc_por_uno(n_muestra = 500)## [1] 0.484sapply(rep(100,500), calc_por_uno)## [1] 0.54 0.44 0.51 0.43 0.61 0.48 0.52 0.47 0.55 0.44 0.48 0.51 0.44 0.49 0.53
## [16] 0.49 0.47 0.47 0.46 0.51 0.56 0.55 0.48 0.56 0.55 0.51 0.53 0.47 0.54 0.53
## [31] 0.51 0.45 0.50 0.49 0.57 0.53 0.55 0.50 0.48 0.54 0.45 0.47 0.48 0.45 0.47
## [46] 0.52 0.53 0.49 0.51 0.47 0.49 0.57 0.51 0.51 0.47 0.47 0.49 0.52 0.55 0.44
## [61] 0.51 0.54 0.51 0.51 0.50 0.50 0.49 0.49 0.49 0.45 0.52 0.55 0.45 0.46 0.41
## [76] 0.55 0.50 0.54 0.47 0.54 0.54 0.45 0.50 0.50 0.57 0.51 0.43 0.54 0.49 0.52
## [91] 0.53 0.59 0.53 0.52 0.53 0.50 0.55 0.46 0.49 0.51 0.44 0.55 0.53 0.51 0.52
## [106] 0.44 0.46 0.49 0.45 0.53 0.45 0.48 0.39 0.43 0.54 0.51 0.53 0.44 0.50 0.42
## [121] 0.44 0.54 0.45 0.40 0.49 0.48 0.43 0.40 0.46 0.59 0.53 0.57 0.58 0.43 0.50
## [136] 0.51 0.53 0.54 0.51 0.44 0.61 0.53 0.52 0.42 0.53 0.43 0.44 0.43 0.44 0.50
## [151] 0.53 0.49 0.43 0.46 0.48 0.61 0.51 0.43 0.48 0.56 0.48 0.48 0.53 0.46 0.53
## [166] 0.47 0.47 0.55 0.45 0.46 0.50 0.61 0.51 0.43 0.47 0.51 0.55 0.44 0.48 0.45
## [181] 0.53 0.48 0.54 0.44 0.52 0.47 0.53 0.47 0.45 0.51 0.47 0.45 0.56 0.48 0.47
## [196] 0.50 0.54 0.40 0.47 0.45 0.57 0.55 0.49 0.43 0.50 0.46 0.54 0.56 0.44 0.46
## [211] 0.48 0.54 0.39 0.42 0.59 0.43 0.51 0.52 0.49 0.40 0.56 0.56 0.50 0.51 0.54
## [226] 0.49 0.50 0.48 0.54 0.46 0.56 0.51 0.44 0.47 0.53 0.51 0.56 0.53 0.52 0.46
## [241] 0.49 0.52 0.46 0.44 0.55 0.47 0.53 0.50 0.39 0.49 0.52 0.52 0.50 0.46 0.45
## [256] 0.60 0.43 0.54 0.51 0.49 0.52 0.53 0.45 0.54 0.56 0.53 0.49 0.52 0.50 0.54
## [271] 0.47 0.46 0.62 0.50 0.36 0.56 0.56 0.57 0.54 0.53 0.44 0.47 0.55 0.49 0.47
## [286] 0.55 0.46 0.51 0.42 0.54 0.47 0.51 0.56 0.46 0.54 0.52 0.59 0.55 0.45 0.48
## [301] 0.43 0.51 0.50 0.45 0.53 0.46 0.52 0.57 0.51 0.60 0.51 0.47 0.53 0.46 0.45
## [316] 0.50 0.43 0.61 0.51 0.47 0.45 0.50 0.49 0.50 0.46 0.52 0.49 0.54 0.43 0.49
## [331] 0.49 0.48 0.52 0.48 0.46 0.53 0.59 0.46 0.54 0.49 0.54 0.47 0.53 0.51 0.48
## [346] 0.49 0.47 0.40 0.51 0.50 0.47 0.49 0.54 0.40 0.50 0.50 0.48 0.53 0.48 0.54
## [361] 0.53 0.51 0.47 0.54 0.42 0.48 0.44 0.51 0.57 0.55 0.41 0.48 0.42 0.52 0.57
## [376] 0.46 0.46 0.51 0.50 0.45 0.53 0.43 0.45 0.50 0.46 0.51 0.51 0.47 0.50 0.50
## [391] 0.49 0.45 0.53 0.58 0.41 0.51 0.43 0.50 0.49 0.43 0.55 0.55 0.50 0.45 0.43
## [406] 0.50 0.47 0.52 0.45 0.51 0.51 0.50 0.44 0.45 0.47 0.43 0.59 0.53 0.49 0.51
## [421] 0.50 0.50 0.51 0.55 0.39 0.53 0.43 0.48 0.48 0.47 0.44 0.46 0.45 0.42 0.45
## [436] 0.52 0.57 0.53 0.58 0.51 0.49 0.44 0.59 0.42 0.51 0.45 0.46 0.47 0.54 0.55
## [451] 0.47 0.58 0.51 0.41 0.52 0.54 0.51 0.53 0.54 0.52 0.59 0.55 0.51 0.49 0.46
## [466] 0.43 0.52 0.50 0.49 0.57 0.54 0.47 0.49 0.45 0.43 0.55 0.46 0.53 0.47 0.48
## [481] 0.46 0.54 0.55 0.57 0.47 0.43 0.47 0.49 0.50 0.48 0.48 0.48 0.45 0.48 0.48
## [496] 0.39 0.49 0.53 0.48 0.43summary(posibles_p_gorro)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.4520 0.4880 0.5000 0.5001 0.5120 0.5420##d) Repetición para tamaños de muestra
calc_p_gorro=function(n){
muestra=sample(lote,size = n)
p_gorro=sum(muestra=="enfermo")/n
return(p_gorro)
}
####MUESTRA 5
calc_p_gorro(n=5)## [1] 0.4posibles_p_gorro_1 = sapply(rep(5, 500), calc_p_gorro)
hist(posibles_p_gorro_1)
line = mean(posibles_p_gorro_1)
abline(v=line, col="red", lwd=4)
mean(posibles_p_gorro_1)## [1] 0.5052sd(posibles_p_gorro_1)## [1] 0.2269713Swn<-shapiro.test(posibles_p_gorro_1)
Swn##
## Shapiro-Wilk normality test
##
## data: posibles_p_gorro_1
## W = 0.93037, p-value = 1.713e-14qqnorm(posibles_p_gorro_1, pch = 5, col = "gray50")
qqline(posibles_p_gorro_1)
##MUESTRA 10
calc_p_gorro(n=10)## [1] 0.4posibles_p_gorro_2 = sapply(rep(10, 500), calc_p_gorro)
hist(posibles_p_gorro_2)
line = mean(posibles_p_gorro_2)
abline(v=line, col="red", lwd=4)
mean(posibles_p_gorro_2)## [1] 0.5016sd(posibles_p_gorro_2)## [1] 0.1583907Swn<-shapiro.test(posibles_p_gorro_2)
Swn##
## Shapiro-Wilk normality test
##
## data: posibles_p_gorro_2
## W = 0.96328, p-value = 7.576e-10qqnorm(posibles_p_gorro_2, pch = 5, col = "gray50")
qqline(posibles_p_gorro_2)
##MUESTRA 15
calc_p_gorro(n=15)## [1] 0.4666667posibles_p_gorro_3 = sapply(rep(15, 500), calc_p_gorro)
hist(posibles_p_gorro_3)
line = mean(posibles_p_gorro_3)
abline(v=line, col="red", lwd=4)
mean(posibles_p_gorro_3)## [1] 0.4984sd(posibles_p_gorro_3)## [1] 0.1317444Swn<-shapiro.test(posibles_p_gorro_3)
Swn##
## Shapiro-Wilk normality test
##
## data: posibles_p_gorro_3
## W = 0.97468, p-value = 1.305e-07qqnorm(posibles_p_gorro_3, pch = 5, col = "gray50")
qqline(posibles_p_gorro_3)
##MUESTRA 20
calc_p_gorro(n=20)## [1] 0.6posibles_p_gorro_4= sapply(rep(20, 500), calc_p_gorro)
hist(posibles_p_gorro_4)
line = mean(posibles_p_gorro_4)
abline(v=line, col="red", lwd=4)
mean(posibles_p_gorro_4)## [1] 0.4851sd(posibles_p_gorro_4)## [1] 0.1108945Swn<-shapiro.test(posibles_p_gorro_4)
Swn##
## Shapiro-Wilk normality test
##
## data: posibles_p_gorro_4
## W = 0.9793, p-value = 1.539e-06qqnorm(posibles_p_gorro_4, pch = 5, col = "gray50")
qqline(posibles_p_gorro_4)
##MUESTRA 30
calc_p_gorro(n=30)## [1] 0.6posibles_p_gorro_5 = sapply(rep(30, 500), calc_p_gorro)
hist(posibles_p_gorro_5)
line = mean(posibles_p_gorro_5)
abline(v=line, col="red", lwd=4)
mean(posibles_p_gorro_5)## [1] 0.5078sd(posibles_p_gorro_5)## [1] 0.08592331Swn<-shapiro.test(posibles_p_gorro_5)
Swn##
## Shapiro-Wilk normality test
##
## data: posibles_p_gorro_5
## W = 0.98233, p-value = 9.159e-06qqnorm(posibles_p_gorro_5, pch = 5, col = "gray50")
qqline(posibles_p_gorro_5)
##MUESTRA 50
calc_p_gorro(n=50)## [1] 0.52posibles_p_gorro_6 = sapply(rep(50, 500), calc_p_gorro)
hist(posibles_p_gorro_6)
line = mean(posibles_p_gorro_6)
abline(v=line, col="red", lwd=4)
mean(posibles_p_gorro_6)## [1] 0.503sd(posibles_p_gorro_6)## [1] 0.06945392Swn<-shapiro.test(posibles_p_gorro_6)
Swn##
## Shapiro-Wilk normality test
##
## data: posibles_p_gorro_6
## W = 0.98916, p-value = 0.0009342qqnorm(posibles_p_gorro_6, pch = 5, col = "gray50")
qqline(posibles_p_gorro_6)
##MUESTRA 60
calc_p_gorro(n=60)## [1] 0.4666667posibles_p_gorro_7 = sapply(rep(60, 500), calc_p_gorro)
hist(posibles_p_gorro_7)
line = mean(posibles_p_gorro_7)
abline(v=line, col="red", lwd=4)
mean(posibles_p_gorro_7)## [1] 0.4991333sd(posibles_p_gorro_7)## [1] 0.06192492Swn<-shapiro.test(posibles_p_gorro_7)
Swn##
## Shapiro-Wilk normality test
##
## data: posibles_p_gorro_7
## W = 0.99122, p-value = 0.004611qqnorm(posibles_p_gorro_7, pch = 5, col = "gray50")
qqline(posibles_p_gorro_7)
##MUESTRA 100
calc_p_gorro(n=100)## [1] 0.48posibles_p_gorro_8 = sapply(rep(100, 500), calc_p_gorro)
hist(posibles_p_gorro_8)
line = mean(posibles_p_gorro_8)
abline(v=line, col="red", lwd=4)
mean(posibles_p_gorro_8)## [1] 0.50052sd(posibles_p_gorro_8)## [1] 0.04765997Swn<-shapiro.test(posibles_p_gorro_8)
Swn##
## Shapiro-Wilk normality test
##
## data: posibles_p_gorro_8
## W = 0.99464, p-value = 0.07813qqnorm(posibles_p_gorro_8, pch = 5, col = "gray50")
qqline(posibles_p_gorro_8)
##MUESTRA 200
calc_p_gorro(n=200)## [1] 0.48posibles_p_gorro_9 = sapply(rep(200, 500), calc_p_gorro)
hist(posibles_p_gorro_9)
line = mean(posibles_p_gorro_9)
abline(v=line, col="red", lwd=4)
mean(posibles_p_gorro_9)## [1] 0.50151sd(posibles_p_gorro_9)## [1] 0.03161913Swn<-shapiro.test(posibles_p_gorro_9)
Swn##
## Shapiro-Wilk normality test
##
## data: posibles_p_gorro_9
## W = 0.99587, p-value = 0.2149qqnorm(posibles_p_gorro_9, pch = 5, col = "gray50")
qqline(posibles_p_gorro_9)
##MUESTRA 500
calc_p_gorro(n=500)## [1] 0.506posibles_p_gorro_10 = sapply(rep(500, 500), calc_p_gorro)
hist(posibles_p_gorro_10)
line = mean(posibles_p_gorro_10)
abline(v=line, col="red", lwd=4)
mean(posibles_p_gorro_10)## [1] 0.501496sd(posibles_p_gorro_10)## [1] 0.0145043Swn<-shapiro.test(posibles_p_gorro_10)
Swn##
## Shapiro-Wilk normality test
##
## data: posibles_p_gorro_10
## W = 0.99594, p-value = 0.2262qqnorm(posibles_p_gorro_10, pch = 5, col = "gray50")
qqline(posibles_p_gorro_10)
##e)Repita toda la simulación (puntos a – d) pero ahora con lotes con 10% y 90% de plantas enfermas.
Respuesta: los datos de distribución se ajustan a un promedio a una media de y p-value de 0.90, manteniendo una asimetría y desviación estandar menor al 10% y se mantiene la normalidad de los datos, dadas las muestra analizada.
#punto a
enfermos=0
Sanos=1
lote2=c(rep("enfermo",900),rep("sanos",100))
lote2 = sample(lote2)
lote2## [1] "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [8] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [15] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [22] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [29] "enfermo" "sanos" "enfermo" "enfermo" "sanos" "sanos" "enfermo"
## [36] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [43] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [50] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [57] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [64] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [71] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [78] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [85] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [92] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [99] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [106] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [113] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [120] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [127] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [134] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [141] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [148] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [155] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo"
## [162] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [169] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [176] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [183] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [190] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [197] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo"
## [204] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo"
## [211] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [218] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [225] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [232] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [239] "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [246] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [253] "sanos" "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [260] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [267] "enfermo" "enfermo" "sanos" "sanos" "enfermo" "enfermo" "sanos"
## [274] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [281] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [288] "sanos" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [295] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [302] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [309] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [316] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo"
## [323] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [330] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [337] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "sanos"
## [344] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [351] "enfermo" "sanos" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [358] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [365] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo"
## [372] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [379] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [386] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [393] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [400] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [407] "enfermo" "sanos" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [414] "sanos" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [421] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo"
## [428] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo"
## [435] "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [442] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [449] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [456] "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [463] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [470] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [477] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [484] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [491] "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [498] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [505] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [512] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [519] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "sanos" "enfermo"
## [526] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [533] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [540] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [547] "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [554] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [561] "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [568] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [575] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "sanos" "enfermo"
## [582] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [589] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [596] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [603] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [610] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [617] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [624] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [631] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [638] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [645] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [652] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [659] "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [666] "sanos" "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [673] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [680] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [687] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo"
## [694] "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "sanos" "enfermo"
## [701] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [708] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [715] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [722] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [729] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [736] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [743] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [750] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [757] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [764] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [771] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [778] "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [785] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [792] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [799] "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [806] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [813] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [820] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [827] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [834] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [841] "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [848] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [855] "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo"
## [862] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [869] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [876] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [883] "enfermo" "enfermo" "sanos" "enfermo" "sanos" "enfermo" "enfermo"
## [890] "enfermo" "sanos" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [897] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [904] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [911] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [918] "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [925] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [932] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [939] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [946] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo" "enfermo"
## [953] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo"
## [960] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "sanos"
## [967] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [974] "enfermo" "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"
## [981] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [988] "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo" "enfermo"
## [995] "enfermo" "enfermo" "enfermo" "sanos" "enfermo" "enfermo"#punto d
calc_p_gorro=function(n){
muestra=sample(lote2,size = n)
p_gorro=sum(muestra=="enfermo")/n
return(p_gorro)
}
calc_p_gorro(n=400)## [1] 0.9025posibles_p_gorro_11 = sapply(rep(400, 900), calc_p_gorro)
summary(posibles_p_gorro_11)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.8575 0.8925 0.9000 0.9001 0.9075 0.9325hist(posibles_p_gorro_11)
line = mean(posibles_p_gorro_11)
abline(v=line, col="blue", lwd=4)
mean(posibles_p_gorro_11)## [1] 0.9000944sd(posibles_p_gorro_11)## [1] 0.0114806Swn<-shapiro.test(posibles_p_gorro_11)
Swn##
## Shapiro-Wilk normality test
##
## data: posibles_p_gorro_11
## W = 0.99388, p-value = 0.0009933qqnorm(posibles_p_gorro_11, pch = 5, col = "gray50")
qqline(posibles_p_gorro_11)
calc_p_gorro(n=700)## [1] 0.9028571posibles_p_gorro_12 = sapply(rep(700, 900), calc_p_gorro)
hist(posibles_p_gorro_12)
line = mean(posibles_p_gorro_12)
abline(v=line, col="blue", lwd=4)
mean(posibles_p_gorro_12)## [1] 0.8999905sd(posibles_p_gorro_12)## [1] 0.006231911Swn<-shapiro.test(posibles_p_gorro_12)
Swn##
## Shapiro-Wilk normality test
##
## data: posibles_p_gorro_12
## W = 0.99426, p-value = 0.001653qqnorm(posibles_p_gorro_12, pch = 5, col = "gray50")
qqline(posibles_p_gorro_12)
###Punto 2. La comparación de tratamientos es una práctica fundamental en las ciencias agropecuarias y para esto a nivel estadístico se cuenta con algunas herramientas para apoyar el proceso de toma de decisiones y lograr concluir con algún grado de confianza que los resultados observados en una muestra son representativos y se pueden asociar a los tratamientos y no se deben únicamente al azar. Por medio una simulación validemos algunos de estos resultados.
##a) Realice una simulación en la cual genere dos poblaciones de N1=1000 (Lote1) y N2=1500 (Lote2), además asuma que el porcentaje de individuos (plantas) enfermas en ambos lotes sea la misma 10% (es decir, sin diferencias entre los tratamientos).
lote1=c(rep("enfermo",100),rep("sanos",900))
lote1=sample(lote1)
P1=100/1000
lote2=c(rep("enfermo",150),rep("sanos",1350))
lote2=sample(lote2)
P2=150/1500##b)Genere una función que permita obtener una muestra aleatoria de los lotes y calcule el estimador de la proporción muestral para cada lote (p1 y p2) para un tamaño de muestra dado n1=n2. Calcule la diferencia entre los estimadores p1-p2.
calc_dif_p=function(n1){
n1=n1
n2=n2
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
n1=150
n2=100
calc_dif_p(n1=150)## [1] -0.02666667sapply(rep(150,200), calc_dif_p)## [1] -0.013333333 0.053333333 0.116666667 0.020000000 -0.050000000
## [6] -0.013333333 -0.073333333 -0.040000000 0.033333333 -0.060000000
## [11] 0.013333333 -0.040000000 -0.060000000 -0.010000000 0.030000000
## [16] -0.040000000 -0.036666667 0.003333333 0.010000000 0.043333333
## [21] 0.013333333 0.003333333 0.053333333 -0.020000000 0.016666667
## [26] -0.006666667 -0.086666667 -0.060000000 0.010000000 0.006666667
## [31] -0.010000000 -0.056666667 -0.020000000 0.003333333 0.000000000
## [36] 0.006666667 -0.070000000 0.026666667 0.013333333 0.023333333
## [41] -0.003333333 -0.016666667 -0.030000000 0.060000000 0.060000000
## [46] 0.036666667 0.036666667 -0.056666667 0.053333333 0.023333333
## [51] 0.063333333 0.006666667 0.006666667 -0.003333333 -0.090000000
## [56] -0.043333333 0.030000000 -0.013333333 0.103333333 0.046666667
## [61] -0.043333333 -0.010000000 -0.010000000 -0.026666667 0.010000000
## [66] 0.030000000 -0.026666667 -0.023333333 0.073333333 -0.026666667
## [71] 0.046666667 0.006666667 0.010000000 0.036666667 -0.040000000
## [76] -0.056666667 -0.040000000 0.053333333 0.033333333 -0.016666667
## [81] 0.046666667 -0.010000000 -0.036666667 0.046666667 0.053333333
## [86] -0.013333333 0.040000000 0.030000000 0.036666667 -0.023333333
## [91] -0.010000000 0.006666667 -0.043333333 -0.003333333 0.010000000
## [96] 0.040000000 0.026666667 0.053333333 -0.063333333 0.023333333
## [101] -0.026666667 -0.033333333 -0.023333333 0.040000000 0.020000000
## [106] 0.006666667 0.023333333 0.020000000 -0.083333333 0.036666667
## [111] 0.036666667 0.023333333 -0.006666667 0.000000000 -0.053333333
## [116] -0.063333333 0.076666667 0.063333333 -0.066666667 -0.033333333
## [121] 0.003333333 0.023333333 -0.010000000 -0.076666667 -0.023333333
## [126] 0.006666667 -0.033333333 0.030000000 -0.033333333 -0.063333333
## [131] 0.030000000 -0.083333333 -0.010000000 -0.010000000 0.033333333
## [136] -0.013333333 0.083333333 -0.050000000 -0.060000000 -0.026666667
## [141] -0.040000000 -0.030000000 0.000000000 0.036666667 -0.060000000
## [146] 0.003333333 0.026666667 -0.003333333 -0.053333333 -0.020000000
## [151] -0.023333333 0.050000000 0.070000000 0.006666667 -0.003333333
## [156] 0.046666667 0.053333333 0.056666667 -0.050000000 -0.026666667
## [161] 0.016666667 -0.040000000 0.023333333 0.030000000 -0.020000000
## [166] 0.046666667 0.053333333 -0.020000000 -0.063333333 0.040000000
## [171] 0.010000000 0.000000000 0.000000000 -0.026666667 0.003333333
## [176] 0.043333333 0.003333333 -0.083333333 0.033333333 -0.003333333
## [181] 0.003333333 -0.016666667 0.000000000 0.006666667 0.036666667
## [186] -0.060000000 0.093333333 -0.003333333 0.050000000 0.030000000
## [191] -0.006666667 0.030000000 -0.036666667 -0.003333333 0.036666667
## [196] -0.036666667 -0.016666667 -0.040000000 0.000000000 -0.003333333summary(sapply(rep(150,200), calc_dif_p))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.103333 -0.026667 0.003333 0.000600 0.023333 0.093333hist(sapply(rep(150,200), calc_dif_p))
##c)Repita el escenario anterior (b) 500 veces y analice los resultados en cuanto al comportamiento de los 500 estimadores (diferencias p1-p2). ¿Qué tan simétricos son los datos?, ¿Son siempre cero las diferencias?
Respuesta: las diferencias mantienen una diferencia cercana, aunque en todos los casos inician con valor de cero, alguanos presentan diferencia en el decimal, en valores positivos o negativos, por lo tanto se evidencia una distribución en el rango de 0,0 a 0,6 cómo se confirma en los valores de referencia de la muestra.
calc_dif_p=function(n1){
n1=n1
n2=n2
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
n1=150
n2=100
calc_dif_p(n1=150)## [1] 0.03333333sapply(rep(150,500), calc_dif_p)## [1] 0.003333333 0.056666667 -0.086666667 0.043333333 0.026666667
## [6] -0.010000000 -0.026666667 -0.046666667 -0.013333333 -0.040000000
## [11] -0.006666667 0.076666667 -0.023333333 0.040000000 -0.003333333
## [16] 0.066666667 0.010000000 0.006666667 0.003333333 -0.013333333
## [21] -0.023333333 -0.050000000 -0.013333333 -0.080000000 0.000000000
## [26] -0.026666667 0.000000000 -0.056666667 0.013333333 -0.070000000
## [31] -0.040000000 -0.033333333 -0.023333333 -0.050000000 -0.036666667
## [36] 0.030000000 -0.020000000 0.003333333 -0.030000000 0.023333333
## [41] 0.020000000 -0.033333333 -0.076666667 0.033333333 0.006666667
## [46] 0.000000000 -0.046666667 0.010000000 -0.050000000 0.003333333
## [51] -0.033333333 -0.003333333 -0.053333333 0.010000000 0.056666667
## [56] 0.006666667 0.003333333 -0.020000000 0.033333333 0.023333333
## [61] 0.003333333 0.016666667 -0.010000000 0.066666667 0.070000000
## [66] -0.003333333 -0.073333333 -0.003333333 -0.010000000 0.083333333
## [71] 0.013333333 -0.073333333 -0.020000000 0.043333333 0.046666667
## [76] -0.003333333 -0.036666667 0.016666667 -0.026666667 0.026666667
## [81] 0.016666667 0.040000000 0.026666667 0.040000000 0.073333333
## [86] -0.030000000 0.073333333 0.066666667 -0.003333333 0.026666667
## [91] 0.040000000 -0.033333333 0.026666667 -0.023333333 0.026666667
## [96] -0.006666667 -0.043333333 0.040000000 -0.023333333 0.016666667
## [101] -0.053333333 -0.070000000 -0.020000000 0.043333333 -0.053333333
## [106] 0.003333333 0.010000000 -0.020000000 0.030000000 0.016666667
## [111] -0.043333333 0.040000000 0.003333333 0.043333333 -0.016666667
## [116] -0.053333333 -0.080000000 0.053333333 0.026666667 -0.030000000
## [121] 0.053333333 -0.090000000 0.093333333 0.026666667 0.003333333
## [126] -0.006666667 -0.073333333 0.023333333 -0.040000000 0.040000000
## [131] 0.010000000 0.036666667 -0.006666667 0.083333333 -0.020000000
## [136] 0.036666667 -0.053333333 0.053333333 -0.020000000 -0.003333333
## [141] -0.073333333 -0.006666667 -0.026666667 -0.100000000 0.046666667
## [146] 0.016666667 -0.033333333 0.016666667 -0.003333333 -0.063333333
## [151] -0.006666667 -0.036666667 0.003333333 0.060000000 -0.073333333
## [156] 0.056666667 0.026666667 -0.006666667 0.000000000 0.006666667
## [161] 0.020000000 -0.010000000 0.016666667 0.023333333 -0.010000000
## [166] 0.003333333 0.026666667 0.010000000 -0.016666667 0.016666667
## [171] -0.023333333 0.000000000 -0.013333333 0.043333333 0.000000000
## [176] 0.000000000 0.006666667 0.036666667 0.010000000 -0.003333333
## [181] -0.020000000 0.026666667 0.043333333 0.006666667 -0.056666667
## [186] 0.003333333 0.080000000 0.050000000 -0.016666667 0.073333333
## [191] -0.020000000 0.053333333 -0.016666667 -0.003333333 0.010000000
## [196] 0.000000000 0.030000000 -0.013333333 0.043333333 0.010000000
## [201] 0.030000000 -0.003333333 -0.003333333 0.043333333 0.040000000
## [206] 0.050000000 0.023333333 -0.023333333 0.026666667 0.010000000
## [211] -0.006666667 -0.063333333 0.020000000 0.003333333 0.033333333
## [216] 0.013333333 -0.023333333 -0.010000000 -0.016666667 0.006666667
## [221] 0.040000000 0.000000000 0.020000000 0.030000000 0.000000000
## [226] 0.003333333 0.033333333 0.020000000 -0.003333333 0.013333333
## [231] 0.026666667 -0.006666667 0.013333333 -0.043333333 -0.020000000
## [236] -0.006666667 0.056666667 0.013333333 0.003333333 -0.036666667
## [241] 0.016666667 -0.056666667 -0.020000000 -0.003333333 0.060000000
## [246] -0.030000000 -0.076666667 -0.033333333 0.006666667 -0.016666667
## [251] 0.013333333 0.026666667 0.000000000 0.023333333 -0.063333333
## [256] -0.053333333 0.096666667 0.076666667 0.033333333 -0.036666667
## [261] -0.083333333 0.013333333 0.003333333 0.010000000 -0.003333333
## [266] -0.036666667 0.016666667 0.013333333 -0.003333333 0.043333333
## [271] -0.016666667 0.036666667 -0.046666667 -0.026666667 -0.050000000
## [276] -0.033333333 0.003333333 -0.063333333 0.003333333 0.040000000
## [281] 0.030000000 -0.056666667 0.013333333 -0.080000000 -0.073333333
## [286] -0.050000000 0.013333333 -0.063333333 -0.040000000 -0.040000000
## [291] 0.036666667 -0.006666667 -0.023333333 -0.023333333 0.083333333
## [296] -0.046666667 -0.023333333 0.053333333 -0.003333333 -0.003333333
## [301] 0.040000000 0.000000000 0.026666667 0.030000000 0.023333333
## [306] 0.010000000 0.000000000 -0.056666667 0.013333333 -0.033333333
## [311] 0.030000000 0.020000000 0.046666667 0.000000000 0.016666667
## [316] -0.073333333 0.033333333 0.040000000 -0.050000000 0.020000000
## [321] -0.023333333 0.066666667 0.023333333 0.003333333 -0.036666667
## [326] 0.033333333 -0.036666667 -0.006666667 -0.023333333 0.020000000
## [331] 0.033333333 -0.020000000 0.030000000 0.040000000 -0.010000000
## [336] -0.080000000 0.043333333 0.050000000 -0.013333333 -0.066666667
## [341] 0.033333333 0.040000000 -0.036666667 0.056666667 0.040000000
## [346] 0.093333333 0.003333333 0.003333333 0.026666667 0.006666667
## [351] 0.046666667 0.006666667 0.033333333 0.010000000 0.056666667
## [356] 0.013333333 0.016666667 -0.040000000 0.003333333 0.016666667
## [361] 0.046666667 -0.056666667 -0.003333333 0.023333333 -0.070000000
## [366] 0.033333333 -0.050000000 -0.040000000 0.010000000 0.026666667
## [371] 0.026666667 0.006666667 0.046666667 -0.003333333 0.023333333
## [376] -0.030000000 -0.030000000 0.013333333 -0.096666667 -0.010000000
## [381] 0.006666667 -0.023333333 0.053333333 -0.053333333 0.050000000
## [386] -0.063333333 0.046666667 -0.013333333 0.016666667 -0.003333333
## [391] -0.023333333 0.026666667 -0.020000000 0.036666667 -0.020000000
## [396] -0.040000000 0.060000000 0.013333333 0.040000000 0.066666667
## [401] -0.026666667 -0.023333333 0.026666667 -0.016666667 -0.086666667
## [406] 0.023333333 -0.013333333 0.066666667 0.003333333 0.060000000
## [411] -0.020000000 -0.060000000 0.073333333 0.010000000 0.046666667
## [416] 0.006666667 -0.033333333 -0.033333333 -0.010000000 0.026666667
## [421] 0.026666667 -0.050000000 -0.050000000 -0.033333333 -0.023333333
## [426] -0.083333333 0.013333333 0.033333333 -0.006666667 0.090000000
## [431] -0.003333333 0.020000000 0.023333333 0.076666667 -0.016666667
## [436] -0.053333333 -0.010000000 0.013333333 0.053333333 -0.026666667
## [441] 0.036666667 -0.006666667 0.043333333 0.000000000 0.030000000
## [446] -0.013333333 0.010000000 0.056666667 0.010000000 0.036666667
## [451] 0.036666667 0.026666667 0.066666667 -0.056666667 -0.003333333
## [456] -0.003333333 -0.130000000 -0.033333333 0.013333333 -0.046666667
## [461] 0.033333333 -0.016666667 -0.070000000 0.040000000 0.076666667
## [466] -0.010000000 0.023333333 -0.003333333 -0.056666667 -0.023333333
## [471] 0.040000000 -0.033333333 -0.013333333 0.050000000 0.026666667
## [476] -0.030000000 0.013333333 0.006666667 -0.023333333 -0.003333333
## [481] -0.036666667 0.010000000 0.043333333 0.016666667 -0.046666667
## [486] 0.060000000 0.036666667 -0.006666667 -0.006666667 0.046666667
## [491] 0.020000000 -0.033333333 -0.043333333 -0.053333333 -0.006666667
## [496] 0.030000000 -0.030000000 -0.020000000 0.090000000 0.010000000summary(sapply(rep(150,500), calc_dif_p))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.130000 -0.020000 0.006667 0.003487 0.030000 0.116667hist(sapply(rep(150,500), calc_dif_p))
##d)Realice los puntos b y c para tamaños de muestra n1=n2=5, 10, 15, 20, 30, 50, 60, 100, 200, 500. Y compare los resultados de los estimadores (p1-p2) en cuanto a la normalidad. También analice el comportamiento de las diferencias y evalúe. ¿Considera que es más probable concluir que existen diferencias entre los tratamientos con muestras grandes que pequeñas, es decir, cuál considera usted que es el efecto del tamaño de muestra en el caso de la comparación de proporciones?
Respuesta: Se evidencian resultados diferentes y más simétricos cuando la muestra es mayor, por lo tanto el tamaño de la muestra si influye en el resultados que se obtiene en la comparación de proporciones.
###n1=5
calc_dif_p5=function(n1){
n1=n1
n2=n1
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
n1=5
calc_dif_p5(n1=5)## [1] 0sapply(rep(5,200), calc_dif_p5)## [1] 0.0 0.2 0.0 0.2 -0.2 0.2 0.0 -0.2 0.0 0.2 0.6 0.4 0.2 0.2 -0.2
## [16] -0.2 0.0 -0.2 -0.2 0.0 0.6 0.0 -0.2 0.0 0.0 0.0 0.0 0.0 -0.4 -0.4
## [31] 0.2 0.0 0.0 0.2 0.0 0.0 -0.4 -0.4 -0.2 -0.4 0.2 0.0 0.0 -0.2 -0.4
## [46] 0.0 0.2 -0.2 0.0 0.2 -0.2 0.0 -0.2 0.2 -0.2 0.2 -0.4 0.0 -0.4 -0.2
## [61] 0.0 0.0 0.2 0.2 0.0 0.0 0.0 0.0 0.4 -0.4 -0.2 0.0 0.2 0.2 0.2
## [76] 0.4 0.0 0.2 -0.2 0.2 0.0 -0.2 0.2 0.2 0.2 0.0 0.0 0.0 0.0 -0.2
## [91] 0.2 0.2 0.0 0.0 -0.2 0.4 0.2 0.0 0.0 -0.2 -0.2 0.6 0.0 0.2 0.0
## [106] -0.2 0.0 -0.4 0.2 -0.2 0.0 -0.2 0.0 0.0 0.0 0.2 0.0 -0.2 0.4 -0.2
## [121] 0.4 -0.2 -0.2 0.0 0.0 -0.2 0.0 0.2 0.0 0.2 0.0 0.0 0.2 0.0 0.4
## [136] 0.2 0.2 0.0 -0.2 0.0 0.2 0.0 -0.2 0.2 -0.4 0.0 0.0 0.0 0.0 -0.2
## [151] -0.4 0.0 -0.2 0.0 0.0 0.0 0.0 0.2 -0.2 -0.2 0.2 -0.2 0.0 0.0 0.6
## [166] -0.2 0.0 0.0 -0.2 0.2 0.0 0.2 -0.2 0.0 0.0 -0.2 0.4 -0.2 0.2 -0.2
## [181] 0.2 -0.2 0.2 -0.2 -0.2 0.4 0.0 0.0 -0.2 0.0 -0.2 0.0 0.0 0.0 0.0
## [196] 0.0 0.0 0.0 0.0 0.0summary(sapply(rep(5,200), calc_dif_p5))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.800 -0.050 0.000 -0.005 0.050 0.400hist(sapply(rep(5,200), calc_dif_p5))
###n1=10
calc_dif_p10=function(n1){
n1=n1
n2=n1
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
n1=10
calc_dif_p10(n1=10)## [1] 0sapply(rep(10,200), calc_dif_p10)## [1] 0.2 -0.1 0.1 0.1 -0.1 -0.2 -0.1 -0.1 0.0 -0.1 -0.1 -0.1 0.1 0.0 0.1
## [16] 0.0 0.2 0.3 0.1 -0.1 0.1 0.1 0.3 0.2 -0.1 -0.1 0.0 0.0 0.0 -0.2
## [31] 0.2 0.0 0.0 0.1 0.2 -0.1 0.0 0.0 -0.1 -0.1 0.1 0.0 0.0 -0.1 -0.1
## [46] 0.2 0.0 -0.1 -0.1 0.0 0.0 -0.1 0.1 0.0 0.0 -0.1 0.0 0.2 0.2 0.1
## [61] -0.2 -0.2 -0.1 -0.1 -0.1 0.0 0.0 -0.2 0.1 -0.2 -0.1 0.2 -0.1 0.1 0.2
## [76] -0.1 0.1 0.1 0.0 0.0 0.0 0.0 0.1 -0.2 -0.1 0.2 0.0 -0.1 -0.2 0.0
## [91] -0.1 -0.1 0.2 0.1 -0.2 0.3 0.0 0.0 0.2 0.0 0.0 0.0 -0.1 0.2 -0.1
## [106] -0.2 0.0 0.0 -0.2 0.1 0.1 0.2 0.0 0.3 0.0 0.2 0.0 0.3 -0.3 -0.3
## [121] 0.0 -0.3 -0.1 0.1 -0.1 0.0 0.0 0.0 0.0 -0.2 0.1 -0.1 0.0 -0.2 -0.1
## [136] -0.1 -0.1 0.1 -0.1 -0.1 -0.1 0.0 -0.2 0.1 -0.1 0.1 0.0 -0.3 0.1 -0.1
## [151] 0.0 0.0 -0.2 -0.1 0.1 -0.1 0.0 0.0 -0.1 -0.3 -0.1 0.1 0.0 0.0 0.0
## [166] -0.2 0.1 0.1 -0.1 0.0 0.1 -0.2 0.0 0.0 0.0 -0.1 0.0 0.1 0.1 -0.1
## [181] 0.1 0.0 0.0 0.2 -0.1 0.0 -0.1 -0.1 0.1 -0.1 -0.3 0.0 0.0 -0.1 -0.1
## [196] -0.3 0.0 -0.4 0.2 0.1summary(sapply(rep(10,200), calc_dif_p10))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.400 -0.100 0.000 0.015 0.100 0.300hist(sapply(rep(10,200), calc_dif_p10))
###n1=15
calc_dif_p15=function(n1){
n1=n1
n2=n1
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
n1=15
calc_dif_p15(n1=15)## [1] 0sapply(rep(15,200), calc_dif_p15)## [1] 0.06666667 -0.20000000 0.13333333 0.20000000 0.00000000 0.00000000
## [7] -0.20000000 0.13333333 0.06666667 -0.06666667 -0.13333333 0.13333333
## [13] 0.06666667 -0.13333333 0.13333333 0.00000000 0.00000000 0.13333333
## [19] 0.00000000 -0.13333333 -0.20000000 -0.06666667 -0.06666667 -0.20000000
## [25] -0.20000000 0.00000000 0.06666667 0.20000000 -0.13333333 -0.06666667
## [31] 0.06666667 -0.13333333 -0.06666667 0.06666667 0.06666667 -0.06666667
## [37] 0.06666667 -0.13333333 0.06666667 -0.13333333 0.06666667 0.06666667
## [43] 0.13333333 -0.06666667 -0.26666667 0.20000000 -0.13333333 0.00000000
## [49] -0.20000000 0.00000000 0.13333333 -0.06666667 -0.20000000 0.00000000
## [55] -0.06666667 0.13333333 -0.06666667 0.06666667 0.06666667 -0.06666667
## [61] 0.00000000 0.06666667 -0.06666667 0.06666667 -0.06666667 -0.20000000
## [67] 0.13333333 0.06666667 0.00000000 0.06666667 0.13333333 -0.13333333
## [73] 0.06666667 -0.06666667 0.06666667 0.00000000 -0.06666667 -0.06666667
## [79] 0.13333333 -0.06666667 0.06666667 0.26666667 -0.06666667 0.13333333
## [85] 0.06666667 0.00000000 0.06666667 0.00000000 -0.06666667 0.00000000
## [91] 0.00000000 0.00000000 0.00000000 0.06666667 0.00000000 0.00000000
## [97] -0.06666667 -0.06666667 0.06666667 -0.06666667 -0.20000000 -0.06666667
## [103] 0.20000000 0.20000000 -0.13333333 -0.06666667 -0.06666667 -0.26666667
## [109] 0.06666667 0.06666667 0.00000000 -0.06666667 -0.13333333 -0.06666667
## [115] -0.06666667 0.06666667 0.13333333 -0.06666667 0.06666667 -0.06666667
## [121] -0.20000000 0.06666667 0.06666667 0.06666667 0.06666667 0.06666667
## [127] 0.00000000 -0.06666667 -0.13333333 0.00000000 -0.06666667 0.00000000
## [133] 0.00000000 0.00000000 -0.13333333 0.00000000 0.13333333 0.00000000
## [139] 0.13333333 0.00000000 -0.13333333 0.06666667 -0.13333333 -0.26666667
## [145] -0.06666667 0.20000000 0.06666667 -0.06666667 0.06666667 0.00000000
## [151] 0.00000000 -0.06666667 0.06666667 -0.06666667 -0.06666667 -0.13333333
## [157] 0.00000000 -0.06666667 -0.20000000 0.00000000 0.00000000 0.13333333
## [163] 0.00000000 -0.06666667 0.06666667 0.06666667 0.06666667 0.00000000
## [169] -0.20000000 0.00000000 0.06666667 0.00000000 -0.13333333 -0.06666667
## [175] 0.20000000 0.13333333 0.00000000 0.06666667 0.06666667 0.13333333
## [181] 0.13333333 0.13333333 0.06666667 0.00000000 0.13333333 -0.06666667
## [187] -0.13333333 -0.13333333 -0.06666667 -0.06666667 0.00000000 0.06666667
## [193] 0.06666667 0.00000000 0.00000000 0.00000000 -0.06666667 -0.06666667
## [199] 0.00000000 -0.13333333summary(sapply(rep(15,200), calc_dif_p15))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.26667 -0.06667 0.00000 -0.01400 0.06667 0.26667hist(sapply(rep(15,200), calc_dif_p15))
###n1=20
calc_dif_p20=function(n1){
n1=n1
n2=n1
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
n1=20
calc_dif_p20(n1=20)## [1] -0.1sapply(rep(20,200), calc_dif_p20)## [1] -0.05 -0.10 0.15 -0.05 0.20 0.20 -0.15 0.05 0.00 -0.05 -0.10 0.10
## [13] -0.10 0.00 -0.20 0.10 0.00 0.10 -0.20 -0.05 0.15 -0.05 0.00 -0.05
## [25] -0.05 0.05 -0.40 -0.05 0.15 0.05 0.05 -0.10 -0.05 0.10 0.05 0.05
## [37] 0.05 0.10 0.05 0.10 -0.10 -0.15 -0.15 0.10 -0.15 -0.05 -0.15 -0.05
## [49] 0.00 0.00 0.15 -0.05 0.00 0.00 -0.05 0.05 -0.05 0.05 0.15 0.05
## [61] 0.20 0.10 -0.10 0.05 0.00 0.00 0.05 -0.05 0.10 0.00 -0.05 -0.10
## [73] -0.10 0.05 0.00 0.05 0.00 0.00 0.15 -0.05 -0.05 0.15 0.10 -0.10
## [85] 0.05 -0.05 0.20 0.10 -0.05 0.15 0.00 -0.05 0.00 0.00 0.10 -0.10
## [97] 0.10 -0.05 -0.05 -0.20 -0.05 0.00 -0.15 0.00 0.10 0.10 -0.15 0.05
## [109] -0.05 0.05 -0.10 0.05 0.00 0.00 -0.05 0.00 0.10 0.10 -0.05 0.00
## [121] 0.20 -0.05 -0.15 0.00 0.15 0.00 0.00 -0.10 0.05 -0.10 -0.10 -0.10
## [133] -0.15 0.20 -0.15 0.05 0.05 0.10 0.10 -0.10 0.05 -0.15 0.05 -0.05
## [145] 0.15 -0.10 -0.05 0.05 0.05 0.10 -0.05 0.00 -0.10 0.10 -0.05 0.00
## [157] 0.05 -0.05 0.05 0.00 0.05 0.10 -0.10 0.05 0.00 0.00 -0.05 0.00
## [169] -0.05 0.15 -0.05 -0.05 0.10 0.00 0.00 0.10 0.15 -0.05 0.05 -0.15
## [181] 0.05 0.00 0.00 0.00 -0.05 -0.05 0.00 0.05 0.10 0.00 -0.05 0.10
## [193] 0.05 0.00 -0.15 -0.10 0.05 -0.05 -0.20 0.00summary(sapply(rep(20,200), calc_dif_p20))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.25000 -0.05000 0.00000 -0.00575 0.05000 0.20000hist(sapply(rep(20,200), calc_dif_p20))
###n1=30
calc_dif_p30=function(n1){
n1=n1
n2=n1
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
n1=30
calc_dif_p30(n1=30)## [1] 0.03333333sapply(rep(30,200), calc_dif_p30)## [1] -0.03333333 0.00000000 -0.06666667 -0.16666667 -0.06666667 0.06666667
## [7] 0.03333333 0.06666667 0.16666667 0.00000000 -0.10000000 -0.06666667
## [13] 0.00000000 0.03333333 -0.03333333 -0.26666667 -0.13333333 0.00000000
## [19] 0.10000000 0.03333333 0.03333333 0.06666667 0.03333333 0.00000000
## [25] -0.10000000 -0.03333333 0.06666667 -0.03333333 0.06666667 -0.16666667
## [31] -0.10000000 0.00000000 0.10000000 0.03333333 -0.06666667 0.03333333
## [37] 0.00000000 0.20000000 0.06666667 0.10000000 -0.06666667 0.00000000
## [43] 0.03333333 0.00000000 0.03333333 0.03333333 -0.06666667 -0.06666667
## [49] -0.20000000 0.06666667 -0.13333333 0.03333333 0.00000000 -0.03333333
## [55] -0.10000000 -0.03333333 -0.10000000 -0.10000000 -0.10000000 0.03333333
## [61] -0.03333333 -0.10000000 0.00000000 0.00000000 0.03333333 0.03333333
## [67] 0.00000000 -0.13333333 -0.03333333 0.10000000 -0.06666667 0.06666667
## [73] 0.06666667 0.03333333 -0.13333333 0.06666667 -0.03333333 -0.06666667
## [79] 0.00000000 -0.03333333 0.06666667 0.13333333 0.06666667 0.06666667
## [85] -0.10000000 -0.06666667 0.06666667 0.03333333 -0.06666667 -0.10000000
## [91] 0.03333333 0.00000000 -0.10000000 0.03333333 0.06666667 -0.06666667
## [97] -0.03333333 0.10000000 0.06666667 0.10000000 -0.03333333 0.03333333
## [103] -0.16666667 0.06666667 -0.13333333 -0.03333333 -0.16666667 0.13333333
## [109] -0.06666667 -0.10000000 -0.10000000 0.10000000 -0.13333333 -0.03333333
## [115] -0.06666667 0.00000000 0.10000000 0.00000000 0.06666667 0.00000000
## [121] 0.03333333 -0.06666667 0.13333333 -0.13333333 0.06666667 -0.03333333
## [127] -0.03333333 0.03333333 0.10000000 -0.10000000 0.03333333 0.13333333
## [133] 0.00000000 -0.03333333 -0.03333333 0.03333333 0.00000000 0.03333333
## [139] 0.06666667 0.06666667 0.00000000 0.00000000 0.03333333 0.03333333
## [145] -0.06666667 0.00000000 -0.13333333 -0.06666667 0.03333333 0.10000000
## [151] -0.06666667 -0.03333333 0.00000000 -0.06666667 -0.06666667 -0.03333333
## [157] 0.03333333 0.00000000 -0.06666667 -0.20000000 -0.06666667 -0.06666667
## [163] -0.03333333 0.00000000 0.10000000 -0.10000000 -0.13333333 0.00000000
## [169] -0.03333333 -0.03333333 -0.16666667 0.03333333 0.00000000 -0.10000000
## [175] -0.06666667 0.03333333 0.06666667 -0.06666667 0.03333333 -0.03333333
## [181] -0.16666667 0.03333333 -0.03333333 -0.16666667 -0.03333333 0.06666667
## [187] 0.06666667 0.23333333 0.06666667 0.03333333 0.10000000 -0.06666667
## [193] 0.06666667 -0.06666667 0.13333333 -0.03333333 0.06666667 0.00000000
## [199] 0.00000000 0.03333333summary(sapply(rep(30,200), calc_dif_p30))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.200000 -0.033333 0.000000 0.008333 0.066667 0.200000hist(sapply(rep(30,200), calc_dif_p30))
###n1=50
calc_dif_p50=function(n1){
n1=n1
n2=n1
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
n1=50
calc_dif_p50(n1=50)## [1] 0.08sapply(rep(50,200), calc_dif_p50)## [1] 0.00 -0.10 -0.04 0.04 0.06 0.00 0.06 0.02 0.06 -0.08 0.06 0.04
## [13] 0.00 -0.02 -0.04 0.00 0.06 -0.08 -0.02 0.00 0.02 -0.02 -0.04 -0.08
## [25] 0.00 -0.06 0.02 0.00 0.02 -0.02 -0.04 0.02 0.10 -0.02 0.06 -0.02
## [37] -0.08 0.04 0.02 -0.08 0.00 -0.06 0.04 0.02 0.02 -0.04 -0.04 0.08
## [49] -0.04 0.06 0.02 -0.04 -0.08 0.00 0.06 -0.06 -0.04 -0.14 0.04 0.08
## [61] -0.08 -0.04 -0.08 -0.04 0.02 0.00 -0.14 -0.04 0.02 0.04 0.12 -0.08
## [73] -0.06 0.06 -0.16 -0.02 -0.06 0.02 0.04 -0.04 0.00 -0.16 -0.06 -0.02
## [85] -0.02 0.08 -0.12 0.08 0.02 -0.04 -0.08 0.00 0.12 0.02 0.00 -0.04
## [97] 0.02 0.02 0.04 -0.04 -0.04 -0.08 0.06 0.02 0.04 -0.12 0.04 -0.02
## [109] -0.06 -0.08 -0.02 0.04 0.04 -0.14 0.06 0.06 0.08 -0.04 0.02 0.04
## [121] -0.02 -0.06 0.02 0.00 -0.04 -0.04 -0.02 -0.06 -0.06 0.00 0.08 -0.04
## [133] -0.04 0.02 -0.18 0.02 0.06 -0.02 -0.02 0.02 -0.08 0.06 0.14 0.10
## [145] 0.02 -0.04 0.00 0.02 0.00 -0.02 0.04 -0.08 0.02 0.02 -0.02 -0.12
## [157] 0.08 0.08 -0.02 -0.02 0.04 -0.10 0.04 -0.02 0.02 -0.02 -0.02 0.02
## [169] -0.04 -0.04 0.04 -0.02 -0.06 0.06 0.00 -0.08 -0.02 -0.04 0.00 -0.04
## [181] 0.10 -0.08 0.04 0.04 0.06 0.08 0.00 0.02 0.04 0.00 0.00 -0.02
## [193] -0.04 -0.02 0.04 -0.02 0.00 0.04 -0.08 -0.02summary(sapply(rep(50,200), calc_dif_p50))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.1200 -0.0400 0.0000 0.0015 0.0400 0.1400hist(sapply(rep(50,200), calc_dif_p50))
###n1=60
calc_dif_p60=function(n1){
n1=n1
n2=n1
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
n1=60
calc_dif_p60(n1=60)## [1] 0.1166667sapply(rep(60,200), calc_dif_p60)## [1] -0.05000000 0.00000000 0.03333333 0.01666667 -0.01666667 0.00000000
## [7] -0.08333333 0.00000000 0.06666667 0.01666667 -0.03333333 0.05000000
## [13] 0.06666667 0.10000000 -0.10000000 0.05000000 -0.03333333 -0.05000000
## [19] 0.01666667 0.00000000 -0.05000000 0.11666667 -0.01666667 -0.01666667
## [25] -0.11666667 -0.01666667 0.08333333 0.03333333 -0.05000000 0.00000000
## [31] 0.05000000 -0.01666667 -0.01666667 0.11666667 0.01666667 -0.06666667
## [37] -0.01666667 -0.06666667 0.05000000 -0.03333333 -0.05000000 -0.03333333
## [43] 0.01666667 0.00000000 0.01666667 -0.06666667 -0.01666667 0.03333333
## [49] -0.01666667 -0.01666667 0.05000000 -0.01666667 -0.01666667 0.05000000
## [55] 0.03333333 -0.06666667 0.03333333 0.10000000 -0.01666667 0.00000000
## [61] 0.05000000 0.03333333 -0.05000000 0.00000000 0.05000000 0.06666667
## [67] 0.01666667 -0.01666667 0.00000000 0.08333333 -0.01666667 -0.01666667
## [73] -0.01666667 0.00000000 -0.03333333 -0.01666667 -0.03333333 -0.11666667
## [79] -0.01666667 -0.05000000 -0.03333333 0.11666667 -0.03333333 0.08333333
## [85] -0.08333333 0.01666667 0.05000000 0.00000000 -0.01666667 -0.05000000
## [91] 0.01666667 -0.08333333 -0.06666667 0.01666667 0.00000000 -0.05000000
## [97] -0.01666667 0.03333333 0.05000000 0.03333333 -0.10000000 -0.01666667
## [103] 0.06666667 -0.06666667 0.00000000 0.01666667 -0.08333333 0.03333333
## [109] 0.03333333 0.05000000 0.01666667 0.01666667 0.08333333 0.05000000
## [115] -0.15000000 0.16666667 -0.03333333 0.03333333 0.05000000 -0.01666667
## [121] 0.10000000 0.05000000 -0.01666667 -0.01666667 0.05000000 0.01666667
## [127] -0.06666667 0.01666667 -0.01666667 -0.03333333 0.00000000 0.05000000
## [133] 0.06666667 0.05000000 0.01666667 -0.08333333 0.00000000 -0.13333333
## [139] -0.03333333 0.05000000 0.03333333 -0.01666667 -0.03333333 -0.01666667
## [145] 0.01666667 -0.06666667 -0.01666667 0.05000000 0.00000000 -0.03333333
## [151] -0.13333333 -0.03333333 -0.01666667 0.00000000 0.05000000 -0.03333333
## [157] -0.03333333 0.05000000 -0.06666667 0.03333333 -0.03333333 -0.01666667
## [163] 0.00000000 -0.05000000 0.01666667 -0.03333333 -0.06666667 0.00000000
## [169] -0.05000000 -0.06666667 0.10000000 -0.03333333 0.10000000 0.03333333
## [175] -0.03333333 -0.08333333 0.03333333 -0.05000000 0.01666667 0.03333333
## [181] 0.01666667 -0.01666667 0.01666667 0.01666667 -0.03333333 0.01666667
## [187] 0.05000000 0.05000000 0.01666667 -0.03333333 0.03333333 0.00000000
## [193] 0.00000000 0.00000000 0.05000000 -0.03333333 -0.01666667 0.00000000
## [199] 0.01666667 0.00000000summary(sapply(rep(60,200), calc_dif_p60))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.183333 -0.050000 0.000000 -0.003917 0.033333 0.133333hist(sapply(rep(60,200), calc_dif_p60))
###n1=100
calc_dif_p100=function(n1){
n1=n1
n2=n1
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
n1=100
calc_dif_p100(n1=100)## [1] 0.04sapply(rep(100,200), calc_dif_p100)## [1] -0.05 0.03 -0.02 0.01 0.05 0.02 0.02 0.01 0.00 -0.05 -0.05 -0.01
## [13] 0.07 -0.01 -0.05 0.04 0.00 -0.01 0.01 0.06 0.04 0.07 -0.08 0.04
## [25] 0.03 -0.01 0.01 0.01 -0.01 0.03 -0.01 -0.08 0.04 0.02 0.03 0.03
## [37] -0.01 -0.01 0.00 -0.08 -0.04 0.02 -0.01 0.05 -0.02 -0.05 0.05 -0.07
## [49] 0.00 -0.01 0.00 0.06 -0.02 -0.04 0.04 -0.06 0.04 -0.06 0.01 -0.07
## [61] -0.03 0.00 0.03 0.01 -0.05 0.00 -0.04 0.00 0.01 0.05 0.03 0.01
## [73] 0.01 -0.01 0.01 -0.02 0.02 0.06 -0.02 0.02 -0.02 -0.02 -0.02 -0.04
## [85] -0.07 0.05 0.04 0.00 -0.02 0.04 0.01 0.00 -0.02 -0.01 -0.05 0.00
## [97] -0.02 0.01 0.03 0.04 0.02 -0.02 0.00 0.07 -0.01 -0.03 -0.03 0.06
## [109] 0.04 -0.02 0.06 0.01 -0.01 -0.04 -0.01 -0.07 0.01 -0.04 0.04 -0.02
## [121] 0.04 0.01 0.04 -0.03 -0.01 -0.01 -0.02 -0.03 -0.03 -0.01 0.05 0.00
## [133] -0.01 0.00 -0.01 -0.03 0.07 0.06 0.02 0.05 -0.05 -0.02 -0.09 -0.01
## [145] 0.06 0.00 -0.02 -0.01 -0.01 0.05 0.03 -0.01 -0.02 0.04 0.01 0.04
## [157] 0.00 0.00 0.05 0.03 -0.02 -0.06 0.02 0.08 0.05 0.04 0.03 -0.02
## [169] -0.05 0.08 -0.02 0.01 -0.02 0.05 0.13 -0.03 0.07 -0.03 0.00 0.11
## [181] 0.01 0.06 0.00 0.00 -0.02 0.05 0.08 -0.06 0.00 0.05 -0.05 0.01
## [193] 0.00 0.07 0.04 0.09 0.02 -0.02 -0.01 -0.09summary(sapply(rep(100,200), calc_dif_p100))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.1200 -0.0300 0.0000 -0.0024 0.0300 0.1000hist(sapply(rep(100,200), calc_dif_p100))
###n1=200
calc_dif_p200=function(n1){
n1=n1
n2=n1
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
n1=200
calc_dif_p200(n1=200)## [1] -0.005sapply(rep(200,200), calc_dif_p200)## [1] -0.010 -0.035 -0.005 -0.010 0.025 0.070 -0.020 -0.010 -0.030 0.015
## [11] -0.005 0.015 0.050 0.050 0.015 0.010 -0.015 -0.005 0.020 -0.025
## [21] 0.020 0.050 0.005 0.000 -0.015 -0.005 -0.005 -0.015 -0.065 0.040
## [31] -0.030 0.005 0.025 -0.010 -0.015 -0.025 0.015 0.025 -0.015 -0.030
## [41] 0.035 0.065 -0.050 -0.055 -0.010 0.015 0.015 -0.060 -0.010 0.030
## [51] 0.000 -0.045 -0.065 -0.015 -0.055 0.015 0.025 -0.025 0.020 -0.025
## [61] 0.005 -0.015 0.095 -0.070 -0.040 0.000 0.035 -0.010 -0.010 -0.045
## [71] 0.000 0.030 -0.025 -0.015 0.010 -0.045 0.020 0.030 -0.030 -0.020
## [81] -0.005 0.015 0.035 -0.005 -0.005 0.005 0.005 0.020 0.005 0.000
## [91] 0.040 0.020 -0.015 0.005 -0.020 0.015 -0.010 0.045 0.010 0.010
## [101] -0.010 -0.050 0.015 -0.005 0.020 0.020 0.000 0.010 0.055 0.015
## [111] 0.010 0.000 0.020 0.010 -0.010 -0.020 0.005 -0.010 -0.030 0.025
## [121] 0.000 0.020 0.000 0.000 -0.015 -0.025 -0.010 -0.015 0.020 -0.025
## [131] 0.010 -0.020 -0.020 0.000 -0.010 -0.070 0.000 0.025 0.010 -0.055
## [141] -0.070 -0.015 -0.020 0.010 -0.040 0.010 -0.045 0.010 0.045 0.035
## [151] 0.030 0.055 0.020 -0.005 -0.030 -0.010 0.010 -0.020 0.000 -0.030
## [161] 0.030 -0.020 0.000 -0.045 -0.015 0.060 -0.020 -0.025 0.005 -0.035
## [171] -0.015 -0.070 0.005 -0.065 -0.025 -0.010 -0.040 0.020 0.010 0.000
## [181] -0.065 -0.055 0.000 -0.005 0.040 0.020 0.035 -0.015 -0.060 -0.010
## [191] -0.015 0.035 -0.040 0.000 -0.005 -0.015 -0.025 0.015 -0.035 0.010summary(sapply(rep(200,200), calc_dif_p200))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.08500 -0.02000 0.00000 0.00115 0.02000 0.08500hist(sapply(rep(200,200), calc_dif_p200))
###n1=500
calc_dif_p500=function(n1){
n1=n1
n2=n1
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
n1=500
calc_dif_p500(n1=500)## [1] -0.014sapply(rep(500,200), calc_dif_p500)## [1] -0.010 -0.010 -0.032 -0.006 -0.006 -0.014 -0.018 -0.006 -0.020 0.024
## [11] 0.006 0.008 0.040 -0.006 0.010 0.010 0.014 0.028 -0.010 0.012
## [21] 0.000 0.018 -0.008 -0.016 0.008 -0.024 0.006 -0.006 0.012 -0.002
## [31] 0.020 0.006 0.028 -0.004 -0.020 0.010 0.010 -0.004 0.022 -0.014
## [41] -0.002 -0.008 0.008 -0.020 -0.016 -0.008 -0.006 -0.004 -0.014 0.022
## [51] 0.036 0.022 0.002 -0.012 -0.002 -0.004 -0.004 0.002 -0.004 -0.008
## [61] -0.016 0.006 -0.008 0.012 0.016 0.000 -0.008 -0.002 0.000 0.032
## [71] -0.006 0.018 -0.018 0.018 -0.008 0.016 -0.002 0.018 0.038 0.008
## [81] 0.002 0.024 -0.004 0.020 0.002 0.010 0.012 0.020 -0.010 -0.006
## [91] -0.012 0.024 0.000 -0.024 -0.004 0.016 0.000 -0.010 -0.020 -0.006
## [101] 0.000 -0.008 -0.012 -0.004 -0.002 0.028 0.006 -0.002 0.014 -0.006
## [111] 0.004 0.024 0.008 0.010 -0.030 0.010 0.010 0.012 -0.022 0.014
## [121] 0.018 -0.010 0.000 -0.002 -0.022 0.002 0.014 0.018 0.012 0.006
## [131] -0.010 0.018 0.018 -0.004 -0.006 0.018 0.004 -0.026 0.004 0.004
## [141] 0.008 0.016 0.020 0.000 -0.012 -0.010 0.030 0.006 0.006 -0.002
## [151] -0.016 0.004 -0.004 -0.026 0.010 -0.016 0.002 0.000 0.000 -0.004
## [161] 0.028 0.010 0.008 -0.026 0.000 -0.004 0.014 -0.018 -0.018 0.002
## [171] -0.010 -0.042 -0.024 -0.004 0.000 0.000 0.000 0.004 0.012 -0.006
## [181] -0.022 -0.002 -0.002 -0.046 0.016 0.024 -0.018 -0.006 0.008 -0.004
## [191] 0.022 0.002 -0.012 -0.006 -0.006 0.020 -0.016 -0.032 0.002 -0.016summary(sapply(rep(500,200), calc_dif_p500))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.04400 -0.01200 0.00000 -0.00146 0.00800 0.04200hist(sapply(rep(500,200), calc_dif_p500))
##e) Ahora realice nuevamente los puntos a-d bajo un escenario con dos lotes, pero de proporciones de enfermos diferentes (P1=0.1 y P2=0.15), es decir, el tratamiento del lote 1 si presentó un mejor desempeño reduciendo en un 5% el porcentaje de enfermos. Bajo este nuevo escenario compare la distribución de estas diferencias (p1p2) con las observadas bajo igualdad de condiciones en los lotes.¿Qué puede concluir? ¿Existen puntos en los cuales es posible que se observen diferencias de p1-p2 bajo ambos escenarios (escenario 1: sin diferencias entre P1 y P2, escenario 2: diferencia de 5%)?
lote_1=c(rep("enfermo",100),rep("sanos",900))
lote_1=sample(lote_1)
lote_2=c(rep("enfermo",225),rep("sanos",1275))
lote_2=sample(lote_2)
p1=100/1000
p2=225/1500
##Con diferencia 5%
calc_difer=function(n1){
n1=100
n2=225
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
calc_difer(n1=100)## [1] 0.01333333sapply(rep(100,200), calc_difer)## [1] -0.033333333 -0.001111111 0.017777778 -0.042222222 0.041111111
## [6] -0.020000000 -0.010000000 -0.006666667 -0.023333333 0.025555556
## [11] 0.033333333 0.040000000 0.026666667 -0.014444444 -0.003333333
## [16] -0.041111111 0.008888889 0.070000000 -0.011111111 -0.023333333
## [21] 0.016666667 -0.017777778 0.016666667 -0.011111111 -0.003333333
## [26] -0.015555556 0.050000000 -0.034444444 -0.021111111 0.004444444
## [31] -0.023333333 -0.021111111 -0.015555556 -0.033333333 -0.017777778
## [36] 0.022222222 0.011111111 -0.042222222 0.030000000 0.012222222
## [41] -0.025555556 0.000000000 0.016666667 0.002222222 0.020000000
## [46] 0.014444444 0.015555556 0.016666667 0.022222222 -0.017777778
## [51] -0.026666667 -0.041111111 -0.016666667 -0.012222222 0.006666667
## [56] 0.017777778 0.043333333 -0.011111111 -0.002222222 0.018888889
## [61] 0.060000000 -0.047777778 0.008888889 0.025555556 -0.038888889
## [66] -0.036666667 0.028888889 0.051111111 -0.044444444 -0.011111111
## [71] 0.068888889 -0.038888889 0.091111111 -0.005555556 -0.007777778
## [76] -0.026666667 -0.054444444 -0.017777778 -0.007777778 -0.034444444
## [81] -0.021111111 -0.006666667 -0.021111111 -0.003333333 0.014444444
## [86] -0.036666667 0.050000000 -0.037777778 -0.032222222 0.030000000
## [91] -0.002222222 0.012222222 0.006666667 0.036666667 0.023333333
## [96] 0.014444444 -0.012222222 0.034444444 -0.021111111 -0.001111111
## [101] 0.047777778 0.008888889 -0.004444444 -0.054444444 -0.048888889
## [106] -0.013333333 -0.026666667 0.035555556 0.058888889 -0.021111111
## [111] 0.061111111 -0.028888889 0.037777778 0.065555556 0.018888889
## [116] -0.071111111 0.031111111 -0.018888889 -0.031111111 -0.001111111
## [121] 0.065555556 0.032222222 0.063333333 -0.032222222 0.040000000
## [126] -0.047777778 0.026666667 -0.003333333 -0.022222222 -0.026666667
## [131] -0.015555556 -0.011111111 -0.068888889 0.016666667 0.007777778
## [136] 0.021111111 0.002222222 -0.017777778 -0.005555556 -0.015555556
## [141] -0.054444444 0.065555556 0.031111111 -0.012222222 -0.042222222
## [146] 0.022222222 0.060000000 -0.026666667 -0.026666667 0.007777778
## [151] 0.061111111 -0.022222222 -0.074444444 -0.031111111 -0.012222222
## [156] 0.060000000 -0.025555556 0.024444444 -0.004444444 0.000000000
## [161] -0.007777778 -0.042222222 -0.005555556 0.033333333 0.017777778
## [166] -0.033333333 0.013333333 0.028888889 -0.015555556 0.005555556
## [171] -0.003333333 -0.030000000 -0.012222222 0.005555556 -0.041111111
## [176] -0.083333333 -0.025555556 0.038888889 0.047777778 0.001111111
## [181] -0.050000000 0.062222222 -0.014444444 -0.053333333 -0.026666667
## [186] -0.042222222 -0.031111111 -0.014444444 -0.028888889 -0.047777778
## [191] -0.070000000 -0.017777778 0.014444444 0.017777778 0.003333333
## [196] -0.043333333 -0.001111111 -0.015555556 0.027777778 -0.044444444table(sapply(rep(100,200), calc_difer)==0)##
## FALSE TRUE
## 197 3summary(sapply(rep(100,200), calc_difer))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.0722222 -0.0183333 0.0011111 0.0001722 0.0233333 0.0566667hist(sapply(rep(100,200), calc_difer))
qqnorm(sapply(rep(100,200), calc_difer))
qqline(sapply(rep(100,200), calc_difer), col="red", lwd=4)
##Sin diferencia
calc_difer=function(n1){
n1=n1
n2=n1
muestra1=sample(lote1,n1)
p1=sum(muestra1=="enfermo")/n1
muestra2=sample(lote2,n2)
p2=sum(muestra2=="enfermo")/n2
dif_p=p1-p2
return(dif_p)
}
calc_difer(n1=100)## [1] -0.01sapply(rep(100,200), calc_difer)## [1] 0.00 -0.01 0.00 -0.03 0.02 -0.02 0.07 -0.03 0.00 0.01 0.00 -0.10
## [13] 0.03 0.02 -0.02 0.05 -0.01 -0.07 0.00 0.03 -0.01 0.00 0.01 0.05
## [25] 0.01 0.01 0.04 -0.13 0.02 0.03 0.09 -0.07 0.05 0.05 0.06 -0.01
## [37] 0.02 0.03 0.02 0.04 -0.04 0.03 -0.02 0.00 -0.02 -0.05 -0.02 -0.07
## [49] -0.06 0.06 -0.02 -0.04 0.02 -0.07 -0.01 -0.05 -0.04 0.02 0.08 0.06
## [61] -0.04 -0.04 0.04 0.01 -0.02 0.00 0.02 -0.01 -0.02 -0.03 0.01 0.02
## [73] 0.04 0.05 0.02 -0.04 -0.03 -0.05 0.05 -0.02 0.00 -0.03 -0.07 -0.03
## [85] -0.03 0.03 -0.04 0.01 0.00 -0.04 0.06 0.04 -0.05 -0.01 -0.02 -0.01
## [97] 0.07 0.00 -0.04 -0.04 0.00 0.04 0.03 0.03 0.01 -0.06 -0.02 -0.02
## [109] -0.03 -0.06 -0.02 0.02 0.02 0.02 -0.03 -0.05 0.03 -0.01 -0.03 -0.03
## [121] -0.01 0.02 -0.01 0.01 0.04 0.03 -0.04 0.02 -0.07 -0.02 -0.02 0.07
## [133] -0.09 -0.01 0.01 -0.01 0.04 -0.01 0.05 -0.03 -0.01 -0.03 -0.06 0.04
## [145] 0.06 0.00 0.01 0.04 -0.01 0.06 -0.01 0.04 0.03 -0.09 0.03 -0.04
## [157] 0.01 0.02 0.00 0.00 0.00 -0.01 0.04 -0.04 -0.01 0.03 -0.03 0.01
## [169] -0.02 -0.05 -0.02 -0.04 -0.02 0.02 0.07 -0.02 0.05 0.04 0.04 -0.07
## [181] 0.00 -0.03 0.04 0.05 0.00 0.03 -0.01 0.00 0.00 -0.04 0.00 0.00
## [193] -0.02 0.03 0.07 0.08 0.05 0.04 0.01 0.00table(sapply(rep(100,200), calc_difer)==0)##
## FALSE TRUE
## 181 19summary(sapply(rep(100,200), calc_difer))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -0.12000 -0.03000 0.00000 -0.00055 0.03000 0.11000hist(sapply(rep(100,200), calc_difer))
qqnorm(sapply(rep(100,200), calc_difer))
qqline(sapply(rep(100,200), calc_difer), col="red", lwd=4)
##Punto 3. Resumen lectura P values
Los errores estadísticos en la validación de resultados, que aborda Regina Nuzo (2014), en su reflexión nos permite identificar las limitaciones que presenta el uso del p.value para la validación de los datos y su posible interpretación. Resaltando principalmente aspectos como:
- Forma en que se utiliza el valor-p en los resultados de investigación, según el tamaño de las muestras puede aumentar la posibilidad de interpretar como ciertos resultados que son erróneos.En un buen porcentaje de investigaciones, es el indicador de referencia que toman para la validación de datos, más como una formula de aplicación que como una metodología estadística que desde la ciencia apoya al método científico.
- Aunque es un valor que permite explorar el comportamiento de los datos para la validación o rechazo de la hipótesis, para validar su significancia se requiere el conocimiento del experto que identifique posibles limitaciones del resultado, así como experiencia en el contexto para el cual se aplica, de esta forma es posible dar sentido al valor encontrado a partir del cálculo.
- A pesar de las limitaciones que algunos científicos han presentado sobre el indicador, es un valor que se utiliza en el marco básico de la estadística para validar y complementar el análisis de datos estadísticos en la fase de pruebas de hipótesis.
- Determinar la validez de una hipótesis basados unicamente en el indicador p.value puede generar un error en la interpretación de los datos, por lo tanto el autor sugiere describir los análisis de datos, que producen resultados estadísticament significativos, complementar con otras pruebas estadísticas para validar que el posible valor e interpretación obtenido en p.value sea análizado según las metodologías estadísticas relacionadas que den certeza en los hallazgos identificados a partir de los datos.
- La replica de resultados de algunas investigaciones tomando como referente el valor-p presentan algunas limitaciones para la obtención de resultados similares a los publicados.
Referencia
Nuzzo, R. (2014). Statistical errors: P values, the’gold standard’of statistical validity, are not as reliable as many scientists assume. Nature, 506(7487), 150-153.