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)