Вариант 7 Задачи 17.

Используя данные из файла “NEO PI-R.txt”, с помощью теста пропорций проверить статистическую гипотезу о том, что для студентов факультета «А» и студентов факультета «Б» доли респондентов, согласных с утверждением П_37 опросника NEO PI-R, равны. В ответе задачи указать значение p-value с точностью до 0.001.

> load("NEO")

> attach(NEO)

> t <- table(NEO$П_37, NEO$ФАКУЛЬТ, exclude = 'В'); t

А Б

АНС 7 11

НС 21 29

НУ 42 59

С 48 57

АС 29 32

> x <- t[4,]; x

А Б

48 57

> n <- colSums(t); n

А Б

147 188

> prop.test(x, n)

2-sample test for equality of proportions with continuity correction

data: x out of n

X-squared = 0.1144, df = 1, p-value = 0.7351

alternative hypothesis: two.sided

95 percent confidence interval:

-0.08303929 0.12971753

sample estimates:

prop 1 prop 2

0.3265306 0.3031915

> round(0.7351,digits=3)

[1] 0.735

> detach(NEO)

Ответ: 0.735.

Вариант 7 Задачи 18.

Используя данные из файла “NEO PI-R.txt”, с помощью Хи-квадрат критерия Пирсона проверить статистическую гипотезу о том, что ответы респондентов на пункт П_37 опросника NEO PI-R не зависят от степени религиозности. В ответе задачи указать значение p-value с точностью до 0.001.

> load("NEO")

> attach(NEO)

> t <- table(NEO$П_37, NEO$СТЕП_РЕЛ); t

СЛАБАЯ УМЕРЕН СИЛЬНАЯ

АНС 2 11 6

НС 13 33 10

НУ 25 66 21

С 26 73 17

АС 15 36 12

> chisq.test(t)

Pearson's Chi-squared test

data: t

X-squared = 4.3054, df = 8, p-value = 0.8286

Предупреждение

In chisq.test(t) :

аппроксимация на основе хи-квадрат может быть неправильной

> round(0.8286,digits=3)

[1] 0.829

> detach(NEO)

Ответ: 0.829.

Вариант 7 Задачи 19.

Используя данные из файла “NEO PI-R.txt”, с помощью однофакторного дисперсионного анализа проверить статистическую гипотезу о том, что математическое ожидание переменной E2_Общительность не зависит от семейного дохода респондентов. В ответе задачи указать значение p-value с точностью до 0.001.

> load("NEO")

> attach(NEO)

> oneway.test(NEO$E2_Общительность ~ NEO$СЕМ_ДОХ)

One-way analysis of means (not assuming equal variances)

data: NEO$E2_Общительность and NEO$СЕМ_ДОХ

F = 0.5267, num df = 4.000, denom df = 30.054, p-value = 0.7169

> round(0.7169, digits=3)

[1] 0.717

> detach(NEO)

Ответ: 0.717.

Вариант 7 Задачи 20.

Используя данные из файла “NEO PI-R.txt”, с помощью критерия Краскела-Уоллиса проверить статистическую гипотезу о том, что уровень переменной E2_Общительность не зависит от семейного дохода респондентов. В ответе задачи указать значение p-value с точностью до 0.001.

> load("NEO")

> attach(NEO)

> kruskal.test(NEO$E2_Общительность, NEO$СЕМ_ДОХ)

Kruskal-Wallis rank sum test

data: NEO$E2_Общительность and NEO$СЕМ_ДОХ

Kruskal-Wallis chi-squared = 1.8361, df = 4, p-value = 0.7659

> round(0.7659, digits=3)

[1] 0.766

> detach(NEO)

Ответ: 0.766.