PRELIMINARES
1
EJEMPLOS:
2
Ejemplo 1.- Basado en la información de la base de datos, construya test de
hipótesis para la media de la potencia (horse), que la media es menor o igual
a 107 “horsepower”, utilice un 95% de confianza, interprete los resultados.
Hipótesis:
H0: la media es menor o igual a 107 “horsepower”
H1: la media es mayor a 107 “horsepower”
Códigos:
#pregunta 1:
t.test(BBDD_AUTOS$horse, mu=107, alternative = "greater", conf.level = 0.95)
Hipótesis:
H0: el valor de la variabilidad en los pesos es 912 (lbs) o más
H1: el valor de la variabilidad en los pesos es menos que 912 (lbs)
Códigos:
#pregunta 2:
require(TeachingDemos)
sigma.test(BBDD_AUTOS$weight, sigma=912, conf.level = 0.98, alternative =
"less")
Salida de datos
data: BBDD_AUTOS$weight
X-squared = 258.54, df = 311, p-value = 0.01362
alternative hypothesis: true variance is less than 831744
98 percent confidence interval:
0.0 820904.7
sample estimates:
var of BBDD_AUTOS$weight
691432.1
3
Criterio de p-valor
Para este paso es indispensable el criterio de:
Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 < 𝛼 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎
𝑝 − 𝑣𝑎𝑙𝑜𝑟 > 𝛼 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎
Hipótesis:
H0: los promedios de aceleraciones son iguales
H1: los promedios de aceleraciones son diferentes
Códigos:
#pregunta 3:
Paired t-test
data: BBDD_AUTOS$accel1 and BBDD_AUTOS$accel2
t = 0.23399, df = 311, p-value = 0.8151
alternative hypothesis: true difference in means is not equal to 0
90 percent confidence interval:
-0.09114828 0.12127649
sample estimates:
mean of the differences
0.0150641
Ejemplo 4.- Desarrolle una prueba de hipótesis con un 97% de confianza, para
la proporción de autos con 5 o más cilindros, se estima que es 63% o mayor.
Hipótesis:
H0: la proporción de autos con 5 o más cilindros es 63% o mayor
H1: la proporción de autos con 5 o más cilindros es menor a 63%
Códigos:
#pregunta 4:
x=length(BBDD_AUTOS$cylinder[BBDD_AUTOS$cylinder>=5])
n=length(BBDD_AUTOS$cylinder)
4
prop.test(x,n,p=0.63, conf.level = 0.97, alternative = "two.sided", correct =
F)
Ejemplo 5.- Compare los consumos mpg1 y mpg2 por medio de una prueba de
hipótesis con un error de tipo I del 5%, observación las variables son
independientes, considere realizar una prueba de comparación de varianzas
antes de contrastar las medias, interprete los resultados.
Hipótesis: varianzas
H0: las varianzas de los consumos son iguales
H1: las varianzas de los consumos son diferentes
Hipótesis: medias
H0: los promedios de los consumos son iguales
H1: los promedios de los consumos son diferentes
#pregunta 5:
var.test(BBDD_AUTOS$mpg1, BBDD_AUTOS$mpg2, alternative = "two.sided",
ratio=1, conf.level = 0.95)
5
-1.122795 1.122795
sample estimates:
mean of x mean of y
19.28333 19.28333
EJERCICIOS PROPUESTOS
Preguntas:
En cada una de las preguntas escriba las hipótesis en el contexto del problema
y en parámetros, de una conclusión de sus resultados.
Pregunta 3.- Desarrolle una prueba de hipótesis con un 90% de confianza, para
la proporción de autos que tienen un motor (engine) mayor a 305, se cree que
es 72%.
Pregunta 5.- Compare los consumos mpg1 y mpg2 por medio de una prueba de
hipótesis 90%, y 99% de confianza, observación las variables son
independientes, considere realizar una prueba de comparación de varianzas
antes de contrastar las medias, interprete los resultados.
Pregunta 6.- Compare la variable “engine” para cada origen, mediante una
prueba de hipótesis con un error de tipo I del 3%, observación las variables
son independientes, considere realizar una prueba de comparación de varianzas
antes de contrastar las medias, interprete los resultados.