Capítulo 12: Pruebas de Hipótesis
Ejercicios Prácticos Capítulo 12
Ejercicio 1: Realizar una prueba t
Pregunta: Te han dado las puntuaciones de examen de una pequeña clase de 8 estudiantes antes y después de un programa de tutoría. Realiza una prueba t emparejada para averiguar si el programa de tutoría tuvo un impacto significativo en las puntuaciones.
Antes de la tutoría: [55, 45, 67, 78, 49, 59, 61, 64]
Después de la tutoría: [67, 53, 71, 85, 61, 66, 70, 80]
Solución:
from scipy import stats
before_coaching = [55, 45, 67, 78, 49, 59, 61, 64]
after_coaching = [67, 53, 71, 85, 61, 66, 70, 80]
# Conducting paired t-test
t_stat, p_value = stats.ttest_rel(before_coaching, after_coaching)
print(f't-statistic: {t_stat}, p-value: {p_value}')Ejercicio 2: Realizando ANOVA de una vía
Pregunta: Se han probado tres algoritmos para su precisión en la clasificación de imágenes, arrojando los siguientes resultados. Realiza una prueba ANOVA de una vía para averiguar si los algoritmos tienen diferentes precisión.
Algoritmo A: [0.92, 0.88, 0.91, 0.87, 0.95]
Algoritmo B: [0.77, 0.80, 0.76, 0.85, 0.81]
Algoritmo C: [0.85, 0.89, 0.84, 0.88, 0.90]
Solución:
a = [0.92, 0.88, 0.91, 0.87, 0.95]
b = [0.77, 0.80, 0.76, 0.85, 0.81]
c = [0.85, 0.89, 0.84, 0.88, 0.90]
# Performing one-way ANOVA
f_stat, p_value = stats.f_oneway(a, b, c)
print(f'F-statistic: {f_stat}, p-value: {p_value}')Ejercicio 3: Análisis Post-Hoc
Pregunta: Después de realizar ANOVA según el Ejercicio 2, realiza un análisis post-hoc para averiguar qué pares de algoritmos son significativamente diferentes entre sí.
Solución:
from statsmodels.stats.multicomp import pairwise_tukeyhsd
data = a + b + c
labels = ['A'] * len(a) + ['B'] * len(b) + ['C'] * len(c)
# Post-hoc comparison
tukey_result = pairwise_tukeyhsd(data, labels, 0.05)
print(tukey_result)Estos ejercicios deberían proporcionarte una sólida base para realizar pruebas de hipótesis y entender su significado práctico. Siéntete libre de ejecutar el código, ajustar las variables y ver cómo cambian los resultados. ¡Feliz aprendizaje!
Ejercicios Prácticos Capítulo 12
Ejercicio 1: Realizar una prueba t
Pregunta: Te han dado las puntuaciones de examen de una pequeña clase de 8 estudiantes antes y después de un programa de tutoría. Realiza una prueba t emparejada para averiguar si el programa de tutoría tuvo un impacto significativo en las puntuaciones.
Antes de la tutoría: [55, 45, 67, 78, 49, 59, 61, 64]
Después de la tutoría: [67, 53, 71, 85, 61, 66, 70, 80]
Solución:
from scipy import stats
before_coaching = [55, 45, 67, 78, 49, 59, 61, 64]
after_coaching = [67, 53, 71, 85, 61, 66, 70, 80]
# Conducting paired t-test
t_stat, p_value = stats.ttest_rel(before_coaching, after_coaching)
print(f't-statistic: {t_stat}, p-value: {p_value}')Ejercicio 2: Realizando ANOVA de una vía
Pregunta: Se han probado tres algoritmos para su precisión en la clasificación de imágenes, arrojando los siguientes resultados. Realiza una prueba ANOVA de una vía para averiguar si los algoritmos tienen diferentes precisión.
Algoritmo A: [0.92, 0.88, 0.91, 0.87, 0.95]
Algoritmo B: [0.77, 0.80, 0.76, 0.85, 0.81]
Algoritmo C: [0.85, 0.89, 0.84, 0.88, 0.90]
Solución:
a = [0.92, 0.88, 0.91, 0.87, 0.95]
b = [0.77, 0.80, 0.76, 0.85, 0.81]
c = [0.85, 0.89, 0.84, 0.88, 0.90]
# Performing one-way ANOVA
f_stat, p_value = stats.f_oneway(a, b, c)
print(f'F-statistic: {f_stat}, p-value: {p_value}')Ejercicio 3: Análisis Post-Hoc
Pregunta: Después de realizar ANOVA según el Ejercicio 2, realiza un análisis post-hoc para averiguar qué pares de algoritmos son significativamente diferentes entre sí.
Solución:
from statsmodels.stats.multicomp import pairwise_tukeyhsd
data = a + b + c
labels = ['A'] * len(a) + ['B'] * len(b) + ['C'] * len(c)
# Post-hoc comparison
tukey_result = pairwise_tukeyhsd(data, labels, 0.05)
print(tukey_result)Estos ejercicios deberían proporcionarte una sólida base para realizar pruebas de hipótesis y entender su significado práctico. Siéntete libre de ejecutar el código, ajustar las variables y ver cómo cambian los resultados. ¡Feliz aprendizaje!
Ejercicios Prácticos Capítulo 12
Ejercicio 1: Realizar una prueba t
Pregunta: Te han dado las puntuaciones de examen de una pequeña clase de 8 estudiantes antes y después de un programa de tutoría. Realiza una prueba t emparejada para averiguar si el programa de tutoría tuvo un impacto significativo en las puntuaciones.
Antes de la tutoría: [55, 45, 67, 78, 49, 59, 61, 64]
Después de la tutoría: [67, 53, 71, 85, 61, 66, 70, 80]
Solución:
from scipy import stats
before_coaching = [55, 45, 67, 78, 49, 59, 61, 64]
after_coaching = [67, 53, 71, 85, 61, 66, 70, 80]
# Conducting paired t-test
t_stat, p_value = stats.ttest_rel(before_coaching, after_coaching)
print(f't-statistic: {t_stat}, p-value: {p_value}')Ejercicio 2: Realizando ANOVA de una vía
Pregunta: Se han probado tres algoritmos para su precisión en la clasificación de imágenes, arrojando los siguientes resultados. Realiza una prueba ANOVA de una vía para averiguar si los algoritmos tienen diferentes precisión.
Algoritmo A: [0.92, 0.88, 0.91, 0.87, 0.95]
Algoritmo B: [0.77, 0.80, 0.76, 0.85, 0.81]
Algoritmo C: [0.85, 0.89, 0.84, 0.88, 0.90]
Solución:
a = [0.92, 0.88, 0.91, 0.87, 0.95]
b = [0.77, 0.80, 0.76, 0.85, 0.81]
c = [0.85, 0.89, 0.84, 0.88, 0.90]
# Performing one-way ANOVA
f_stat, p_value = stats.f_oneway(a, b, c)
print(f'F-statistic: {f_stat}, p-value: {p_value}')Ejercicio 3: Análisis Post-Hoc
Pregunta: Después de realizar ANOVA según el Ejercicio 2, realiza un análisis post-hoc para averiguar qué pares de algoritmos son significativamente diferentes entre sí.
Solución:
from statsmodels.stats.multicomp import pairwise_tukeyhsd
data = a + b + c
labels = ['A'] * len(a) + ['B'] * len(b) + ['C'] * len(c)
# Post-hoc comparison
tukey_result = pairwise_tukeyhsd(data, labels, 0.05)
print(tukey_result)Estos ejercicios deberían proporcionarte una sólida base para realizar pruebas de hipótesis y entender su significado práctico. Siéntete libre de ejecutar el código, ajustar las variables y ver cómo cambian los resultados. ¡Feliz aprendizaje!
Ejercicios Prácticos Capítulo 12
Ejercicio 1: Realizar una prueba t
Pregunta: Te han dado las puntuaciones de examen de una pequeña clase de 8 estudiantes antes y después de un programa de tutoría. Realiza una prueba t emparejada para averiguar si el programa de tutoría tuvo un impacto significativo en las puntuaciones.
Antes de la tutoría: [55, 45, 67, 78, 49, 59, 61, 64]
Después de la tutoría: [67, 53, 71, 85, 61, 66, 70, 80]
Solución:
from scipy import stats
before_coaching = [55, 45, 67, 78, 49, 59, 61, 64]
after_coaching = [67, 53, 71, 85, 61, 66, 70, 80]
# Conducting paired t-test
t_stat, p_value = stats.ttest_rel(before_coaching, after_coaching)
print(f't-statistic: {t_stat}, p-value: {p_value}')Ejercicio 2: Realizando ANOVA de una vía
Pregunta: Se han probado tres algoritmos para su precisión en la clasificación de imágenes, arrojando los siguientes resultados. Realiza una prueba ANOVA de una vía para averiguar si los algoritmos tienen diferentes precisión.
Algoritmo A: [0.92, 0.88, 0.91, 0.87, 0.95]
Algoritmo B: [0.77, 0.80, 0.76, 0.85, 0.81]
Algoritmo C: [0.85, 0.89, 0.84, 0.88, 0.90]
Solución:
a = [0.92, 0.88, 0.91, 0.87, 0.95]
b = [0.77, 0.80, 0.76, 0.85, 0.81]
c = [0.85, 0.89, 0.84, 0.88, 0.90]
# Performing one-way ANOVA
f_stat, p_value = stats.f_oneway(a, b, c)
print(f'F-statistic: {f_stat}, p-value: {p_value}')Ejercicio 3: Análisis Post-Hoc
Pregunta: Después de realizar ANOVA según el Ejercicio 2, realiza un análisis post-hoc para averiguar qué pares de algoritmos son significativamente diferentes entre sí.
Solución:
from statsmodels.stats.multicomp import pairwise_tukeyhsd
data = a + b + c
labels = ['A'] * len(a) + ['B'] * len(b) + ['C'] * len(c)
# Post-hoc comparison
tukey_result = pairwise_tukeyhsd(data, labels, 0.05)
print(tukey_result)Estos ejercicios deberían proporcionarte una sólida base para realizar pruebas de hipótesis y entender su significado práctico. Siéntete libre de ejecutar el código, ajustar las variables y ver cómo cambian los resultados. ¡Feliz aprendizaje!