Resolución ejercicio 2 - práctico 2

Sesión del miércoles, 19 de agosto de 2026

1 Solución ejercicio 2 práctico 2

Carga de paquetes

pacman::p_load(dplyr, # Manipulación datos
               gginference, # Visualización 
               rempsyc, # Reporte
               kableExtra, # Tablas
               broom, # Varios
               flextable # nice table
               )

options(scipen = 999) # para desactivar notación científica
rm(list = ls()) # para limpiar el entorno de trabajo

Carga de la base de datos

load(url("https://github.com/cursos-metodos-facso/datos-ejemplos/raw/main/proc_casen.RData")) #Cargar base de datos

Selección de variables y generación de subset de datos

set.seed(123)

goldin_data <- proc_casen %>% # crear subset a partir de la base proc_casen
  dplyr::select(ocupado, sexo, ytrabajocor, hijo) %>% # selección de variables
  dplyr::filter(ocupado == 1 & sexo == 2) %>% # se filtra solo por mujeres ocupadas
  sample_n(1500) %>% # submuestra de 1500
  na.omit()# creamos subset

Ahora generamos una tabla de descriptivos de los ingresos (ytrabajocor) según si las observaciones tienen hijos o no (hijo),

goldin_data %>% 
  dplyr::group_by(hijo) %>% 
  dplyr::summarise(Obs. = n(),
                   Media = mean(ytrabajocor, na.rm = T),
                   DS = sd(ytrabajocor, na.rm = T)) %>% 
  kableExtra::kable(format = "markdown") # hacemos la tabla

hijo	Obs.	Media	DS
0	353	706113.7	830191.0
1	1098	590847.7	638006.8

Ahora vamos con los 5 pasos de la inferencia

1. Formulación de hipótesis

El primer paso es traducir nuestra pregunta a una hipótesis estadística contrastable. Para ello cabe preguntarse, ¿direccional o no direccional? En este caso, es una hipótesis no direccional (distinto que)

Luego, debemos establecer las hipótesis nula y alternativa:

(\(H_0\)): El promedio salarial de las mujeres sin hijos es distinto que el promedio salarial de las mujeres con hijos.

(\(H_A\)): El promedio salarial de mujeres sin hijos no será diferente al promedio salarial de las mujeres con hijos.

Pasos 2, 3 y 4 de una vez con R

Siguiendo el ejemplo del Ejercicio 1, utilizaremos el software para estimar el test de hipótesis con un 95% de confianza.

test_ej2 <- t.test(goldin_data$ytrabajocor ~ goldin_data$hijo, 
                   alternative = "two.sided",
                   conf.level = 0.95)

test_ej2


    Welch Two Sample t-test

data:  goldin_data$ytrabajocor by goldin_data$hijo
t = 2.3914, df = 492.66, p-value = 0.01716
alternative hypothesis: true difference in means between group 0 and group 1 is not equal to 0
95 percent confidence interval:
  20564.3 209967.6
sample estimates:
mean in group 0 mean in group 1 
       706113.7        590847.7

stats.table <- tidy(test_ej2, conf_int = T)
nice_table(stats.table, broom = "t.test")

Method	Alternative	Mean 1	Mean 2	M1 - M2	t	df	p	95% CI
Welch Two Sample t-test	two.sided	706,113.65	590,847.70	115,265.96	2.39	492.66	.017*	[20564.30, 209967.62]

A partir de los resultados obtenidos: ¿es posible rechazar la hipótesis planteada?

Con un 95% de confianza es posible rechazar la hipótesis nula planteada. La diferencia del promedio salarial entre las mujeres sin hijos y con hijos es estadísticamente significativa.