Δεδομένα
one.sample.data = c(490, 503, 499, 492, 500, 501, 489, 478, 498, 508)
1. Περιγραφή των δεδομένων
mean(one.sample.data)
sd(one.sample.data)
2. Έλεγχος κανονικότητας της κατανομής
2.1 Περιγραφικά στατιστικά κανονικότητας
library(moments)
skewness(one.sample.data)
kurtosis(one.sample.data)
2.2 Στατιστικός έλεγχος συμμετρίας και κυρτότητας της κατανομής
agostino.test(one.sample.data, alternative = "two.sided") # check symmetry of distribution
anscombe.test(one.sample.data, alternative = "two.sided") # check normality of kurtosis
2.3 Έλεγχος κανονικότητας
2.3.1 Στατιστικός έλεγχος κανονικότητας Kolmorogov - Smirnov (K - S) (Δεν προτείνεται καθώς υπολογίζει παραμέτρους της κανονικής κατανομής από το ίδιο το δείγμα...)
ks.test(one.sample.data, "pnorm", mean(one.sample.data), sd(one.sample.data))
2.3.2 Στατιστικός έλεγχος κανονικότητας Shapiro - Wilk
shapiro.test(one.sample.data) # appropriate
3. Υλοποίηση t - test για ένα δείγμα
t.test(one.sample.data, mu = 500)
3. Μη παραμετρικό t - test για ένα δείγμα
library(BSDA)
SIGN.test(one.sample.data, md = 500)