##EX 1 Para comprobar si el consumo de F1 se distribuye normalmente, podemos utilizar la prueba de Shapiro-Wilk. Esta prueba es uno de los procedimientos más potentes para comprobar la normalidad de los datos cuando la muestra es de tamaño moderado. La prueba de Shapiro-Wilk compara los datos observados con los que se esperaría observar en una distribución normal y produce un valor p que indica la probabilidad de que los datos se hayan extraído de una distribución normal.

risultato_test <- shapiro.test(variables$F1)
print(risultato_test)
## 
##  Shapiro-Wilk normality test
## 
## data:  variables$F1
## W = 0.98888, p-value = 0.122

El p-valor está en el rango [0,10, 0,25]. El resultado del contraste nos dice que: No existe evidencia para rechazar la hipótesis nula de normalidad de los datos.

##EX 2

H0: μ = 120 H1: μ > 120

Parametros conoscidos

mean_pop <- 120  
stnd_dev <- 5   
sign <- 0.05  

Calculo estadistico

stat <- (mean(variables$F1) - mean_pop) / (stnd_dev/ sqrt(200))
p_valor <- 1 - pnorm(stat)

##EX3

H0: μ1 = μ2 H1: μ1 > μ2

risultato_test4F1 <- shapiro.test(variables$F1)
print(risultato_test4F1)
## 
##  Shapiro-Wilk normality test
## 
## data:  variables$F1
## W = 0.98888, p-value = 0.122
risultato_test4F2 <- shapiro.test(variables$F2)
print(risultato_test4F2)
## 
##  Shapiro-Wilk normality test
## 
## data:  variables$F2
## W = 0.98903, p-value = 0.1287
risultato_test4 <- t.test(variables$F1, variables$F2, alternative = "greater", conf.level = 0.99)

p_valore4 <- risultato_test4$p.value

##EX 4

risultato_test_medie4 <- t.test(variables$F1, variables$F1_2, alternative = "less", conf.level = 0.9)

p_valore_medie4 <- risultato_test_medie4$p.value

##EX5

min_val <- 90
max_val <- 120


risultato_test5_F1 <- ks.test(variables$F1, "punif", min = min_val, max = max_val)


statistica_contrasto5_F1 <- risultato_test5_F1$statistic
p_valore5_F1 <- risultato_test5_F1$p.value


risultato_test5_F3 <- ks.test(variables$F3, "punif", min = min_val, max = max_val)


statistica_contrasto5_F3 <- risultato_test5_F3$statistic
p_valore5_F3 <- risultato_test5_F3$p.value

##EX6

F1 <- c(100, 50, 50)
F2 <- c(85, 55, 60)
F3 <- c(90, 60, 50)


tabla <- rbind(F1, F2, F3)
rownames(tabla) <- c("F1", "F2", "F3")
colnames(tabla) <- c("A", "B", "C")


test_chi_quadro6 <- chisq.test(tabla)


statistica_contrasto6 <- test_chi_quadro6$statistic
p_valore6 <- test_chi_quadro6$p.value

##EX7

F1 <- c(100, 50, 50)

probabilita_teorica <- c(1/3, 1/3, 1/3)

test_chi_quadro7 <- chisq.test(F1, p = probabilita_teorica)


statistica_contrasto7 <- test_chi_quadro7$statistic
p_valore7 <- test_chi_quadro7$p.value