Procvičovací úkol č. 11 - Řešení
u každého přikladu stanovte typ dat, která testujeme (jednovýběrová / párová / dvouvýběrová / vícevýběrová), H0, H\, hladinu významností a, rozhodnutí o nezamítnutí/zamítnutí H q + zdůvodnění vašeho rozhodnutí a aplikovanou interpretaci (co v praxi znamená, že jsme H0 zamítli/nezamítli). :)
Příklad č.l: Při zjišťování kvality jedné složky půdy se používají dvě metody označené A a B. Výsledky jsou uvedeny v souboru puda.csv:
• načtěte datový soubor puda.csv Poznámka: .csv je jednolistový soubor vytvořený v Excelu. Načítat jej můžete pomocí příkazu read.delim('soubor.csv',sep=';'), nebo read.csv('soubor.csv',sep=';')-Vektory potom z tabulky vytáhneme klasicky pomocí příkazu data[,l], data[,2], nebo příkazu data$A, data$B.
• Na hladině významnosti a = 0.05 testujte hypotézu, že metody A a B dávají stejné výsledky. K testování použijte jak párový znaménkový test, tak párový Wilcoxonův test.
#znamenkovy test p-value  = 0.1797
#Wilcoxonuv test p-value  = 0.05758
Příklad č.2: Majitel obchodu chtěl zjistit, zda velikost nákupů (v dolarech) placených kreditními kartami Master/EuroCard a Visa jsou přibližně stejné. Náhodně vybral
• 7 nákupů placených Master/EuroCard: 42, 77, 46, 73, 78, 33, 37;
• 9 nákupů placených Visou: 39, 10, 119, 68, 76, 126, 53, 79, 102.
Lze na hladině významnosti a = 0.05 tvrdit, že velikost nákupů placených těmito dvěma typy karet se shodují? K testování použijte vhodný Wilcoxonův test a Kolmogorův-Smirnovův test. Pro lepší představu sestrojte krabicové diagramy pro oba typy platebních karet.
#  Wilcoxonův test
p-value   =   0.2523   -   OPRAVENY  VÝSLEDEK   - SPRÁVNÝ #Kolmogoruv-Smirnovuv test
p-value   =   0.3238   -   OPRAVENY  VÝSLEDEK   - SPRÁVNÝ
1
Platební karty
CL CO
CO N TO
CD O
O OJ
o o
o
00
o
CD
O
o
OJ
Master/Eurocard Visa platební karta
Příklad č.3: Z produkce tří podniků vyrábějících televizory bylo vylosováno 10, 8 a 12 kusů. Byly získány následující výsledky zjišťování citlivosti těchto televizorů v mikrovoltech (soubor citlivost.csv):
podnik A:	420	560	600	490	550	570	340	480	510	460
podnik B:	400	420	580	470	470	500	520	530		
podnik C:	450	700	630	590	420	590	610	540	740	690   540 670
1. Načtěte datový soubor citlivost.csv
Poznámka: Vzniklá datová tabulka bude obsahovat tři sloupce, z nichž některé budou obsahovat hodnoty NA (neznámá hodnota). Sloupce vytáhněte z tabulky do jednotlivých vektorů příkazy typu Al^—data[,l] a hodnoty NA z každého vektoru odstraňte příkazem A2<h- Al[!is.na(Al)]. Ve vektoru A2 nyní máte data pro první podnik bez neznámých hodnot. Obdobně pro podnik B a C.
2. Ověřte na hladině významnosti a = 0.05 hypotézu o shodě úrovně citlivosti televizorů ve všech třech podnicích. K otestování zvolte vhodný neparametrický test. Napište, jaký test jste zvolili a proč.
3. V případě, že dojde k zamítnutí nulové hypotézy o shodě úrovní citlivosti, zjistěte, které dvojice se od sebe významně liší na hladině významnosti a = 0.05.
4. Sestrojte krabicové diagramy pro všechny tři podniky. (Dobrovolný podúkol: Obrázek exportujte do libovolného typu souboru (pdf, bmp, png) a přiložte jej k e-mailu.
p-value  = 0.01573
2
citlivost TV (v microV)
GO
> -
"O O Cl
TT
O -