Mini manual de R - Commander con ejemplos sobre pruebas de hipótesis.

1. ESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO “ESPOCH”
FACULTAD DE INFORMÁTICA Y ELECTRÓNICA
ESCUELA DE INGENIERÍA ELECTRÓNICA EN CONTROL Y REDES INDUSTRIALES
Nombres y Apellidos: Jofre Ernesto Saqui Valla
MINI MANUAL R- COMMANDER
R-Commander es R commander es un paquete del programa de estadística R que
le da una interfaz gráfica a algunas de las funciones básicas y más comunes,
creada por John Fox, que permite acceder a muchas capacidades del entorno
estadístico R sin que el usuario tenga que conocer el lenguaje propio de ese
entorno.
Al ejecutar nuestra aplicación se nos muestran las siguientes ventanas:
Esta primera ventana es la ventana de R. Aquí se ejecutan los comandos
de R, para lo cual es necesario conocer la sintaxis del programa.
La siguiente ventana corresponde al entorno del R- Commander, que evita
tener que usar dicho lenguaje de comandos al menos para las tareas que
se encuentran implementadas dentro de dicho entorno.

2. Ejecutar un comando
Si se desea ejecutar un único comando se lo coloca en la ventana de
instrucciones y se pulsa ejecutar.
Si se quiere ejecutar varios comandos conjuntamente hay que seleccionarlos con
el ratón y a continuación ejecutar.
Las opciones del R-Commander son:
Ficheros: para abrir ficheros con instrucciones a ejecutar, o para datos,
resultados, sintaxis, etc.
Editar: con las opciones de copiar, cortar, borrar, etc.
Estadísticos: ejecución de procesos propiamente estadísticos.
Gráficos
Modelos: definición y uso de modelos específicos para el análisis de datos.
Distribuciones: probabilidades, cuantiles, y gráficos de las distribuciones de
probabilidad más habituales (Normal, T de Student, F de Fisher, binomial,
etc.)
Herramientas: carga de librerías y definición del entorno.
Ayuda: ayuda sobre R-Commander
Ingreso de un conjunto de datos
Vamos a la opción datos →
nombre y luego aceptar.
nuevo conjunto de datos, introducimos el
Nos sale la siguiente tabla. Aquí podemos editar el nombre y el tipo de
dato; numérico y carácter.

3. R – Commander y el Contraste sobre la media de una población
Vamos a ver como se hace el contraste sobre la media de una población
con el siguiente ejemplo:
Uncriador
depollossabeporexperiencia
queelpesodelospollosdecincomeseses4,35
libras.Lospesossiguenunadistribución
normal.
Paratratardeaumentarelpesodedichas avesseleagregaunaditivoalalimento.
Enunamuestradepollosdecincomesesse
obtuvieronlossiguientespesos(enlibras).
4,41
4,37
4,33
4,35
4,30
4,39
4,36
4,38
4,40
4,39
Enelnivel0,01,eladitivoa haaumentadoelpesomedio delospollos?
Colocamos el nombre de la variable en este caso peso y el tipo de dato en
este caso es numérico e ingresamos los valores.
Vamos a estadísticos → medias → Test t para una muestra.
Elegimos nuestra variable peso.
Señalamos cual es la hipótesis alternativa para este ejemplo elegimos un
contraste unilateral y damos click en aceptar.
En la ventana de resultados se nos muestra la siguiente información.
>Peso_pollos<- edit(as.data.frame(NULL))
>t.test(Peso_pollos$Peso, alternative='greater', mu=4.35, conf.level=.99)

4. One Sample t-test
data: Peso_pollos$Peso
t = 1.6777, df = 9, p-value = 0.06386
alternative hypothesis: true mean is greater than 4.35
99 percent confidence interval:
4.337729
Inf
sample estimates:
mean of x
4.368
Análisis:
Primero nos recuerda que estamos analizando la variable Peso_pollos$Peso.
El estadístico de contraste es t = 1.6777, los grados de libertad df = 9, y el posible
valor p-value = 0.06386
Decisión:
Como p-value> no se rechaza la Ho, el peso medio de los pollos no es
significativamente distinto.
R- Commander y Comparación para muestras relacionadas
Para esto consideramos el siguiente ejemplo:
Las notas obtenidas en Análisis de Datos de5 individuos elegidos al azar del grupo
T1y de6 individuos, elegidos también al azar, del grupo T2 son las siguientes:
T1
T2
10
4
6
8
4
6
5
6
4
2
3
¿Puede concluirsea un nivel de confianza del 95% que las puntuaciones medias de
ambos grupos son iguales?o por el contrario que hay diferencia entre ambas.
(diferencia de medias para poblaciones independientes)
Primero ingresamos los datos. Luego vamos a estadísticos → medias → test t
para datos relacionados.
Se nos muestra la siguiente ventana elegimos cuál de las variables es la
primera y cual la segunda. Elegimos un contraste bilateral con un nivel de
aceptación del 0.95 y damos click en aceptar.

5. En la ventana de resultados se nos muestra la siguiente información.
>Notas<- edit(as.data.frame(NULL))
>t.test(Notas$T2, Notas$T1, alternative='two.sided', conf.level=.95, paired=TRUE)
Paired t-test
data: Notas$T2 and Notas$T1
t = -0.3906, df = 4, p-value = 0.716
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-4.865256 3.665256
sample estimates:
mean of the differences
-0.6
Análisis:
Primero nos recuerda que estamos analizando las variables T1 y T2:
Notas$T2 and Notas$T1
El estadístico de contraste es t = -0.3906, los grados de libertad df = 4, y el
posible valor p-value = 0.716
Decisión:
Como p-value > se acepta la Ho, el promedio de la variable T1 no es
significativamente distinto al promedio de la variable T 2.
R - Commander y contraste para la proporción en una población
Vamos a realizar el siguiente ejemplo del contraste para la proporción en una
población con R – Commander.
Enunainvestigaciónsociológica se efectúa unadeterminadapregunta a 70
personas,respondiendotodasellas
“si”o
“no”.
De
estasrespuestas,
49sonafirmativasy
21
negativas.¿Puede
afirmarse,alnivelde
significacióndel5%que
lapoblaciónse
halla
igualmente
repartidaen
ordenasuopiniónsobre la pregunta formulada? (prueba chi)
De igual manera primero ingresamos nuestros datos.
Luego en R – Commander vamos a la opción estadísticos → proporciones
→ Test de proporciones para una muestra.

6. A continuación tenemos la siguiente pantalla
Ingresamos nuestros datos y tenemos los siguientes resultados
> Pregunta <- edit(as.data.frame(NULL))
> .Table<- xtabs(~ Respuesta , data= Pregunta )
> .Table
Respuesta
nosi
21 48
>prop.test(rbind(.Table), alternative='two.sided', p=.5, conf.level=.95,
correct=FALSE)
1-sample proportions test without continuity correction
data: rbind(.Table), null probability 0.5
X-squared = 10.5652, df = 1, p-value = 0.001152
alternative hypothesis: true p is not equal to 0.5
95 percent confidence interval:
0.2084963 0.4208357
sample estimates:
p
0.3043478
Análisis:
Primero nos recuerda que es un Test para la proporción de una muestra.
Especifíca el valor hipotético en la hipótesis nula 0.50.
Proporciona el valor del estadístico chi y del p-value 0.001152

7. Decisión:
Como p-value <
se rechaza la Ho, la respuesta a la pregunta
es
significativamente distinta. Entonces puede concluirse que la población no se halla
igualmente repartida de acuerdo a su opinión sobre la pregunta formulada.
Terminar la sesión en R
Hay varias maneras de terminar la sesión en R.
Para ello puede seleccionar Fichero→ Salir → de Commander y R en el
menú de R – Commander. Se le pedirá que confirme si desea salir, y a
continuación si quiere guardar los contenidos de la ventana de
instrucciones y resultados.
Del mismo modo, puede seleccionar Fichero
Salir en R Console; en este
caso se el preguntará si quiere guardar el área de trabajo R.

8. Terminar la sesión en R
Hay varias maneras de terminar la sesión en R.
Para ello puede seleccionar Fichero
Salir
de Commander y R en el
menú de R – Commander. Se le pedirá que confirme si desea salir, y a
continuación si quiere guardar los contenidos de la ventana de instrucciones y
resultados.
Del mismo modo, puede seleccionar Fichero
Salir en R Console; en este
caso se el preguntará si quiere guardar el área de trabajo R.