Inferencia estadística en R. (parte II)

Blog Infer en CIA a II

Ejercicio 1. Prueba t de una muestra (One Sample t-test).
Dada la muestra {15, 10, 13, 7, 9, 8, 21, 9, 14, 8} de una población normal, contrastar la hipótesis de que la media de dicha población sea superior a 11 al 5% de significación. Calcular un intervalo de confianza al 90% para la media de dicha población.

  t.test(x,alternative="greater",mu=11, conf.level=.9)

Ejercicio 2. EDA y Prueba de igualdad de varianzas para muestras de distribuciones normales independientes.
Consideremos los siguientes datos del calor latente en la fusión del hielo expresados en cal/gm:
Muestra A: 79.98 80.04 80.02 80.04 80.03 80.03 80.04 79.97 80.05 80.03 80.02 80.00 80.02
Muestra B: 80.02 79.94 79.98 79.97 79.97 80.03 79.95 79.97
Construimos un gráfico de cajas (función boxplot) y un gráfico cuantil-cuantil (función qqplot) para comparar la distribución de cada muestra. Realizamos el test de normalidad de Shapiro-Wilk. Luego, contrastamos la igualdad de varianzas. En R usar la función bartlett.test del package stats (el test de Levene se puede obtener con la función levene.test del package car).

A<-c(79.98, 80.04, 80.02, 80.04, 80.03, 80.03, 80.04, 79.97, 80.05, 80.03, 80.02, 80.00, 80.02)
B<-c(80.02, 79.94, 79.98, 79.97, 79.97, 80.03, 79.95, 79.97)
par(mfrow=c(2,3))
hist(A); boxplot(A);qqplot(A);hist(B); boxplot(B);qqplot(B)
shapiro.test(A);shapiro.test(B)

var.test(A,B,alternative="two.sided")