1d: Variable continua, muestras relacionadas. La resta se ajusta a la distribución normal (Test de Shapiro-Wilk con p>0.05), por lo que debemos aplicar un test de la t de Student de datos apareados.

2a: Si disminuimos el tamaño de muestra nos fiaremos menos aún de las diferencias de medias que tengamos, por lo que el p-valor subirá. En este caso es más incoherente, aún, rechazar la hipótesis nula de igualdad de medias.

3b: Variable dicotómica, muestras independientes, tamaño de muestra superior a 30 pero valor esperado por grupo inferior a 5 porque en una muestra tenemos 6 (el 12% de 50) y en la otra 2 (el 4% de 50). Esto no proporciona un valor esperado por grupo, bajo la hipótesis nula, de 4, que es inferior a 5. Debemos aplicar, pues, un test exacto de Fisher.

4d: Si en ambas muestras tenemos los mismos individuos las muestras son relacionadas y, por lo tanto, nunca aplicaríamos un test exacto de Fisher.

5b: En un test de ajuste a la normal la hipótesis nula es que hay normalidad por lo que si el p-valor es inferior a 0.05 debemos rechazarla y admitir que no hay ajuste a la normal.

6d: Si un factor no es significativa en un ANOVA evidentemente las comparaciones múltiples nos mostrarían un único grupo homogéneo.

7b: Claramente el ANOVA nos dará un p-valor inferior a 0.05. Y claramente también se observan tres grupos homogéneos: El 1 y 2, por un lado, el 3, por otro, y el 4 y 5 por otro.

8c: Basta aplicar la fórmula n=(4*100*100)/(10*10)=400

9c: Mirando la tabla para determinar el tamaño de muestra en poblaciones finitas se observa claramente que para ese nivel de error y para ese tamaño poblacional el tamaño de muestra es 385.

10a: Los dos factores no son significativos. No hay diferencias en las medias de las dos columnas o entre las dos filas. Sin embargo, hay claramente interacción: dependiendo de la combinación de niveles de un factor con otro los resultados son muy diferentes.