p<-getwd() zad1 <- read.table(file=paste0(p,"/zad1.txt"), header = T,sep=",",dec=".") dim(zad1) #dygresja sd(zad1(Czas)) sqrt(sum(zad1$Czas - mean(zad1$Czas))^2(length(zad1$Czas))) # zad1$Stanowisko <- as.factor(zad1$Stanowisko) class(zad1$Stanowisko) head(zad1) str(zad1) #wykres boxplot(zad1$Czas~zad1$Stanowisko,col="red",border="darkblue",pch=19,main="Średnie czasy") points(c(1,2,3),tapply(zad1$Czas,zad1$Stanowisko,mean),col="yellow",pch=19) #wartosci srednich tapply(zad1$Czas,zad1$Stanowisko,mean) tapply(zad1$Czas,zad1$Stanowisko,sd) plot.design(Czas~Stanowisko,data = zad1,col="blue") #analiza wariancji av <- aov(Czas ~ Stanowisko,data=zad1) summary(av) #wnisek : Poniewaz 22.55 > 3,055 to h0 w rownosci srednich czzasow nalezy odrzucic #wnisek : Poniewaz p-obl = 5.77e-09 < alfa = 0.05o h0 w rownosci srednich czzasow nalezy odrzucic #zadanie 2. # zad 4 dane1 <-read.table(file=paste0(path,"/zadanie4.txt"), head=T,sep="\t") str(dane1) plot(Koszty~Produkcja, data=dane1, col=rgb(0,0,1,.6),pch=19) cor(dane1$Koszty, dane1$Produkcja) #wspolczynnik korelacji =0.9701863 mowi o silnej korelacji pomiedzy kosztami i produkcja cor(dane1$Koszty, dane1$Produkcja)^2 #generowanie danych x<-rnorm(100) y<-runif(100) plot(x,y, col=rgb(0,0,1,.6), pch=19) model<-lm(Koszty-Produkcja, data=dane1) model #koszty = 1706,6 + 200,1 * Produkcja + Epsylon summary(model) #testowanie istotnosci parametrow: alfa=0.05 #h0 wyraz wolny = 0 #h1 wyraz wolny !=0 #porownujemy obliczony poziom istotnopsci z alfa # 0.05 > 0.00248 => h0 nalezy odrzucic #h0 wspolczynnik = 0 #h1 wspolczynnik !=0 #porownujemy obliczony poziom istotnopsci z alfa # 0.05 > 2e-16 => h0 nalezy odrzucic #dobrac modelu #wspolczynnik determinacji R-kwadrat 0.9425 #zmiennosc kosztow jest wyjasniona w 94% #wspolczynnik zbieznosci fi=1 -0.9425 #zmiennosc kosztow nie jest wyjasniana w 6% # Residual standard error: 10820 #Wartosci kosztow empiryczne srtednio rozna sie od teoretycznych o 10820zl # obliczony poziom p-value = 0.6463 > alfa = 0.05 czyli nie ma podstaw do odrzucenia h0