z <- (246.6-250)/9.8*sqrt(218)
if (z < qnorm(0.01)){
  print("oszust na 99%")
}
qnorm(0.01)
pnorm(z)

#
#ho:
# mi = 5
#h1:
# mi != 5


dane <- c(6.1753, 8.7678, 0.58231, 6.8243, 5.7375, 2.4846, 4.2328, 5.7852, 12.257, 10.639, 2.4002, 11.17, 6.5508, 4.9739, 6.5295, 4.6901, 4.8517, 8.0794, 7.9181, 7.9344)
srednia = mean(dane)
odch = sd(dane)

z1 <- (srednia-5)/sd*sqrt(length(dane))
if (z1 != qnorm(0.05/2)){
  print("oszust na 99%")
}

u = 5 (mi)
u =! 5
alfa = 0.05
#H0: obszar kryt: (-inf, Z(alfa/2)) w sumie (Z(1-alfa/2), inf)
data <- read.csv(#katalog strace naglowki, header = FALSE)
dane <- c(6.1753, 8.7678, 0.58231, 6.8243, 5.7375, 2.4846, 4.2328, 5.7852, 12.257, 10.639, 2.4002, 11.17, 6.5508, 4.9739, 6.5295, 4.6901, 4.8517, 8.0794, 7.9181, 7.9344)
#gdy by byl w .csv: to by byla tabela
m <- mean(dane) #w csv: mean(dane$V1)
s <- sd(dane) #w csv: sd(dane$V1)
mu <- 5
n <- length(dane) # length(dane&V1)
Z <- sqrt(n)*(m-mu)/s #= 2.15
qt(alfa/2, n-1) #= -2.09
qt(1-alfa/2, n-1) #= 2.09
#czyli obszar krytyczny: (-inf, -2.09) U (2.09, inf)
#nasze Z jest w obszarze krytycznym, czyli odrzucamy naszą hipotezę
# srednia nie wynosi 5
t.test(dane, mu = 5)

# 3
n1 = 38
n2 = 34
mi1 = 42.6
mi2 = 48.8
s1 = 12.2
s2 = 15.7
alfa = 0.05


znew = (mi1-mi2)/(sqrt(((s1^2)/n1)+((s2^2)/n2)))
print(znew)
qnorm(alfa)
#odrzucam od (-inf, do qnorm(alfa))

if (znew < qnorm(alfa)){
  print("akcja sie powiodla chyba")
}


#4
dane <- read.csv("z4.txt", header = FALSE)
alfa <- 0.05
mi1 <- mean(dane$V1[dane$V2 ==1])
mi2 <- mean(dane$V1[dane$V2 ==2])

# powinno byc
dane$V2 <- as.factor(dane&V2)
t.test(V1~V2, data = dane)