Download - Mini Manual de R-COMMANDER, comandos, ventanas y aplicaciones del software en la prueba de hipótesis
DOCENTE: Dra. Silvia Haro.
NOMBRE: Daniela Rocío Carrasco Cayambe.
Para el desarrollo de nuestro mini manualempezaremos definiendo que es una hipótesis yque es una prueba de hipótesis:
Hipótesis es una aseveración de una poblaciónelaborado con el propósito de poner a prueba,para verificar si la afirmación es razonable, seusan datos. En el análisis estadístico se hace unaaseveración, es decir, se plantea una hipótesis,después se hacen las pruebas para verificar laaseveración o para determinar que no esverdadera.
Por tanto, diremos que la Prueba de hipótesis esun procedimiento basado en la evidenciamuestral y la teoría de probabilidad; se empleapara determinar si la hipótesis es una afirmaciónrazonable.
Se trata de un proyecto de software libre.
R-Commander se denomina como una Interfaz
Gráfica de Usuario (GUI en inglés), creada por
John Fox, que permite acceder a muchas
capacidades del entorno estadístico R sin que el
usuario tenga que conocer el lenguaje de
comandos propio de este entorno. Al iniciar R-
Commander, se nos presentan dos ventanas:
En la consola de R, podremos ejecutar
comandos de R, para lo cual necesitamos
conocer el lenguaje R y su sintaxis.
El entorno de R-commander, nos evita precisamentetener que usar dicho lenguaje de comandos, al menospara las tareas que se encuentran implementadasdentro de dicho entorno.
No obstante, R-Commander no pretende ocultar ellenguaje R. Si observamos de cerca la ventana de R-Commander, vemos que se divide en tres subventanas:script, output y messages. Cada vez que, a través de losmenús de R-commander accedamos a las capacidadesde R (gráficos, procedimientosestadísticos, modelos, etc.), en la ventana script semostrará el comando R que ejecuta la tarea quehayamos solicitado, y en la ventana output se mostraráel resultado de dicho comando. De este modo, aunqueel usuario no conozca el lenguaje de comandos deR, simplemente observando lo que va apareciendo en laventana script se irá familiarizando con dicho lenguaje.
Test t para una muestra Sirve para hacer
contrastes de hipótesis para la media de una
variable cuantitativa con distribución normal.
En la pantalla de construcción del contraste se
pueden elegir:
tipo de contraste — bilateral
(igualdad), unilaterales (menor o mayor);
valor de la media bajo la hipótesis nula;
nivel de confianza para el intervalo de
estimación.
Por ejemplo, si queremos averiguar si la media
del Gasto total en el viaje por
persona (gastotal) es mayor que 300, haremos
como se muestra en la siguiente figura:
Mostraremos su salida:
Realiza un contraste de hipótesis de igualdad
de medias entre dos muestras. Se necesita por
un lado una variable cuantitativa y, por
otro, una variable dicotómica (cualitativa o
factor, con sólo dos modalidades) que indique
los dos grupos (por ejemplo, el sexo).
En el siguiente ejemplo, se muestra cómo
realizar un contraste para averiguar si el Gasto
total en el viaje por persona (gastotal)
promedio es mayor para las mujeres que para
los hombres, con un nivel de confianza
del 95% y suponiendo que la dos muestras
tengan la misma varianza.
Mostraremos su salida:
Contraste la hipótesis nula de que la
proporción de respuesta positiva después del
parto (aclact1) es igual a 0,5. Construya el
intervalo de confianza al 95% para la
proporción poblacional de respuesta positiva.
Resultados
Deberemos rechazar la hipótesis nula de que la proporción sea 0,5 con
p=0,002304.
Nótese que el estadístico X-squared (ji-cuadrado) es equivalente en
valor de p a la prueba z para una proporción.
Con el conjunto de datos de Pulsos,
queremos estudiar la altura media de los
hombres solamente, por medio de un
intervalo de confianza al nivel de
significación =0.05, o de confianza del 95%, y
utilizarlo para contrastar la hipótesis de si la
altura media de los hombres es de 171 cms.
Vamos a generar un conjunto de datos con
las alturas de los hombres.
En principio debemos filtrar la altura por medio del Géneropara separar los hombres de las mujeres con la secuencia:
>Datos >Conjunto de datos activos>Filtrar datos.
Como marcamos Incluir todas las
variables, va a generar un Data.frame
con todos los datos referidos sólo
a Hombres: Gender==”Male”
El nuevo conjunto de datos activo, que
tiene siempre el tipo data.frame, se
llamará Alturahombres
El intervalo de confianza para la media de altiras,
Empleando el R Commander, lo producen los menús:
>Estadísticos > Medias >Test para una muestra….
Resultando en la Ventana de resultados de R Commander
One Sample t-test
data: Alturahombres$Height
t = 206.8254, df = 56, p-value < 2.2e-16
alternative hypothesis:
true mean is not equal to 0
95 percent confidence interval:
70.06908 71.43969
sample estimates:
mean of x
70.75439
Basándonos en el intervalo de confianza parala media de alturas de hombres: (70.0690871.43969) consideremos ahora el contraste dehipótesis sobre que la altura media es 171 cms.Pasando esta altura media a pulgadas, que esla información extraída de la tabla: 171/2.54=67.3228 pulgadas.
Se concluye afirmando con el 95% de confianza que la altura media no es 171
cms, pues 67.3228 pulgadas no está contenido en el intervalo de confianza
calculado.
FIN