Matma_AI_cyber/Projekt_1/Projekt_1.R

library('MKinfer')
library(boot)

#test t-studenta dla jednej próby
load("Hamulce.RData")
attach(Hamulce)
mean(Wynik)
t.test(Wynik,mu=18.6,alternative='less')
boot.t.test(Wynik,mu=18.6,alternative='less', R = 100)

par(mfrow=c(1,2))

hist(Wynik,prob=T,main='')


meanboot <- function(x,i)mean(x[i])
bmean=boot(Wynik,meanboot,100)

hist(bmean$t,prob=T,main='')

t.test(bmean$t,mu=18.6,alternative='less')




# dwie próby niezależne
load("Bledy.RData")
attach(Bledy)
tapply(Blad,Kod,mean)
tapply(Blad,Kod,var)
var.test(Blad~Kod)
t.test(Blad~Kod,var.equal=T,alternative='less')

# tTest dla dwoch prób-------------------------------------------------------------------
#wariancj

#podiał danych tak by tam gdzie jest 1 w blad był jeden zdbió® i tam gdzier 2 był drugi zbiór

x <- Bledy$Blad
y <- Bledy$Kod

var1 <- var(x)
var2 <- var(y)

#m0 i alpha- będzie przekazen w funcki
m0 <- 0
alpha = 0.05

m1 <- mean(x)
m2 <- mean(y)
n1 <- length(x)
n2 <- length(y)

sigma1 <- sqrt(n1)
sigma2 <- sqrt(n2)

# odchulylenie standardowe
S <- sqrt((var1/n1)+(var2/n2))

#Test statistic used to compute the p-value.
statistic <- (m1 - m2 - m0) / S

alternative = "less"

#p wartość
p <- if (alternative == "two.sided") {
  2 * pnorm(abs(statistic), lower.tail = FALSE)
} else if (alternative == "less") {
  pnorm(statistic, lower.tail = TRUE)
} else {
  pnorm(statistic, lower.tail = FALSE)
}

LCL <- (m1 - m2 - S * qnorm(1 - alpha / 2))
UCL <- (m1 - m2 + S * qnorm(1 - alpha / 2))

value <- list(mean1 = m1, mean2 = m2, m0 = m0, sigma1 = sigma1, sigma2 = sigma2, S = S, statistic = statistic, p.value = p, LCL = LCL, UCL = UCL)
var1
var2

value



#---------------------------------------------------------------------



#dwie próby zależne
load("Cisnienie.RData")
attach(Cisnienie)
mean(Po-Przed)
t.test(Po-Przed,mu=0,alternative='less')

#TODO
# trzeba narysować rozkład statystyki testowej