Según el análisis de la T3 puede observar que los estudiantes de Moodle tienen menos nota que los de google Apps, también puede apreciar que los estudiantes masculino de Moodle tienen menos notas que lo de ese mismo grupo, pero femenino y los de Google Apps los femeninos tienen menos nota que los de ese mismo grupo pero masculino.
Utilizando los valores arrojados realice el siguientes grafico
Luego de observar los datos abrimos el archivos en Restudio con este procedimiento >datos3<-read.csv("C:/Users/Comandante1/Desktop/maestria/Asignaciones finales/T3/Notas-2grupos-v3.csv", sep=";").
Procedemos a utilizar la función attach(datos3) pedida en como mandato para resolver esta tarea y de esa manera se procede a llamar cada grupo de estudiante con el siguiente mandato.
Procedemos a utilizar la función attach(datos3) pedida en como mandato para resolver esta tarea y de esa manera se procede a llamar cada grupo de estudiante con el siguiente mandato.
> datos3Moodle <- subset(datos3, grupo=="Moodle")
> datos3GoogleApps <- subset(datos3, grupo=="Google Apps")
> datos3Masculino <- subset(datos3, sexo=="M")
> datos3Femenino <- subset(datos3, sexo=="F")
> datos3GoogleApps <- subset(datos3, grupo=="Google Apps")
> datos3Masculino <- subset(datos3, sexo=="M")
> datos3Femenino <- subset(datos3, sexo=="F")
Para saber si hay diferencia significativamente estadística
> t.test(datos3Masculino$nota, datos3Femenino$nota)
Welch Two Sample t-test
data: datos3Masculino$nota and datos3Femenino$nota
t = 0, df = 28.082, p-value = 1
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.982814 0.982814
sample estimates:
mean of x mean of y
6.25 6.25
> t.test(datos3Masculino$nota, datos3Femenino$nota)
Welch Two Sample t-test
data: datos3Masculino$nota and datos3Femenino$nota
t = 0, df = 28.082, p-value = 1
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.982814 0.982814
sample estimates:
mean of x mean of y
6.25 6.25
Utilizar la función aov() de R para saber si existe una interacción estadísticamente significativa entre las variables grupo y sexo.
> anova <- aov(datos3$nota ~ datos3$grupo*datos3$sexo)
> summary(anova)
datos3$grupo 1 40.0 40.00 47.06 5.02e-08 ***
datos3$sexo 1 0.0 0.00 0.00 1
datos3$grupo:datos3$sexo 1 16.9 16.90 19.88 7.74e-05 ***
Residuals 36 30.6 0.85
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> summary(anova)
datos3$grupo 1 40.0 40.00 47.06 5.02e-08 ***
datos3$sexo 1 0.0 0.00 0.00 1
datos3$grupo:datos3$sexo 1 16.9 16.90 19.88 7.74e-05 ***
Residuals 36 30.6 0.85
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Este comando que se muestra a continuación con la función summary más la variable independiente en este caso llamada anova refleja que en la base datos del T3 que si hay diferencia estadísticamente significativa lo que nos dice este valor de 7.74e-05 perteneciente a datos3$grupo:datos3$sexo, unido por la variable impediente .
Reflexión personal a la hora de realizar esta práctica T3 tu que investigar un poquito más sobre las interacciones en fuente diferente para poder lograr estos resultados, así poder aplicarlo en R
