#                                    Teste t para uma média
#-----------------------------------------------------------------------------------------------



# Defina o diretório de trabalho:

setwd("")

setwd("D:/A1 DATA/Curso R 2020/Dados")


# Importe o banco de dados "Nicotina.xls" e dê o nome de "nic".

 
# Para isto, utilize o Menu

# Dados -> Impotar arquivo de dados ->  do arquivo Excel


# Ou utilize o comando:

  nic <- readXL("D:/A1 DATA/Curso R 2020/Dados/Nicotina.xls", rownames=FALSE, header=TRUE, na="", sheet="Plan1", stringsAsFactors=FALSE)



# Para visualisar o banco de dados:

   nic

# Ou clique no ícone:

  Ver conjunto de dados


# Algumas informações sobre o banco de dados:

names(nic)
dim(nic)
head(nic)

#-----------------------------------------------------------------------------------------------
#                                     Análise Descritiva 
#-----------------------------------------------------------------------------------------------


# Produzindo um resumo rápido do conteúdo do banco de dados...

summary(nic)

# ou de uma variável...

summary(nic$nicot)

mean(nic$nicot)
sd(nic$nicot)
quantile(nic$nicot, probs=c(0,.25,.5,.75,1))
quantile(nic$nicot, probs=c(0,.333,.666,1))

numSummary(nic$nicot, statistics=c("mean", "sd", "IQR", "quantiles"), quantiles=c(0,.25,.5,.75,1))

# ou no Menu Estatísticas -> Resumos -> Resumos numéricos


# Gráficos
#--------------------------

# Boxplot
#---------

# Utilizando a sintaxe:

boxplot(nic$nicot)

boxplot(nic$nicot, ylab="Índice de Nicotina", col = "orange")


# Veja as cores disponíveis no R:

colors()


# ou no Menu Gráficos -> Boxplot


# Histograma
#------------

# Utilizando a sintaxe:

Hist(nic$nicot, scale="frequency", breaks="Sturges", col="darkgray")

Hist(nic$nicot, scale="density", breaks= c(16, 20,24,28,32), xlab="Índice de nicotina", ylab="Densidade", col="orchid")


# ou no Menu Gráficos -> Histograma



# Intervalo de confiança
#--------------------------

qt(0.975, 31) 		# t tal que P(T<=t) = 0.975

mean(nic$nicot) - qt(0.975, 31)*sd(nic$nicot) / sqrt(32)

mean(nic$nicot) + qt(0.975, 31)*sd(nic$nicot) / sqrt(32)


library(epiDisplay)

ci.numeric(nic$nicot, alpha=0.05)

ci.numeric(nic$nicot, alpha=0.01)


# Avaliando a normalidade 


qqPlot(nic$nicot, dist="norm")

# ou no Menu Gráficos -> Gráfico de comparação de quantis


shapiro.test(nic$nicot)

# ou no Menu Estatíticas -> Test of normality


#-----------------------------------------------------------------------------------------------
#                                          Teste t 
#-----------------------------------------------------------------------------------------------

# Estatística do teste

(mean(nic$nicot) - 23) / (sd(nic$nicot)/sqrt(32)) 

1 - pt(2.234953,31)				# P(t(31) >= 2.234953)


# Utilizando a sintaxe:

t.test(nic$nicot, mu=23, alternative='greater', conf.level=.95)

# ou no Menu Estatísticas -> Médias -> Teste t para uma amostra