Package 'thongke'

• Tính các tổng hay dùng giữa x và y.
• Hàm kiểm tra điều kiện để áp dụng công thức tính ước lượng khoảng cho tỷ lệ
• Hàm kiểm tra điều kiện để áp dụng bài toán so sánh 2 tỷ lệ
• Hàm kiểm tra điều kiện để áp dụng bài toán kiểm định tính độc lập
• Hàm kiểm tra điều kiện để áp dụng bài toán so sánh nhiều tỷ lệ
• Hàm kiểm tra điều kiện để áp dụng bài toán kiểm định giả thiết cho tỷ lệ
• Tính hệ số tương quan.
• Tạo dữ liệu liên tục.
• Tạo dữ liệu rời rạc.
• Tạo dữ liệu cho bài toán hồi quy tuyến tính
• Dữ liệu cho bài toán kiểm định khi bình phương.
• Dữ liệu cho bài toán kiểm định tính độc lập.
• Dữ liệu cho bài toán kiểm định k tỷ lệ.
• Ước lượng cho giá trị trung bình (phân bố chuẩn)
• Ước lượng cho giá trị trung bình (phân bố Student)
• Ước lượng khoảng cho tỷ lệ.
• Ước lượng khoảng cho phương sai
• Hàm này dùng để tìm giá trị alpha từ giá trị z_alpha cho trước (phân bố chuẩn)
• Hàm này xây dựng cut_vector cho hàm data_simulate_regression
• Bài toán hồi quy tuyến tính đơn.
• Dự đoán giá trị cho bài toán hồi quy tuyến tính đơn.
• Hàm này dùng để tạo và in bảng dataframe, sử dụng huxtable.
• Hàm này có chức năng tương tự như hàm printf trong C
• Xác định kích thước mấu (TH ước lượng cho trung bình)
• xác đỉnh kích thước mẫu (TH ước lượng tỷ lệ, công thức 1)
• xác đỉnh kích thước mẫu (TH ước lượng tỷ lệ, công thức 2)
• Kiểm định giả thiết: So sánh 2 giá trị trung bình (phân bố chuẩn)
• Kiểm định giả thiết: So sánh 2 giá trị trung bình (phân bố Student)
• Kiểm định giả thiết: So sánh 2 tỷ lệ.
• Kiểm định sự phù hợp của k tỷ lệ.
• KIểm định tính độc lập.
• Kiểm định giả thiết: So sánh k tỷ lệ.
• Kiểm định giả thiết về giá trị trung bình (phân bố chuẩn)
• Kiểm định giả thiết về giá trị trung bình (phân bố Student)
• Kiểm định giả thiết về xác suất.

calculate_sum(x, y, silent = FALSE)

check_estimate_prop(n, f)

check_test_2_prop(n1, n2, f1, f2)

check_test_independent(matrix)

check_test_k_prop(m_i, n_i)

check_test_prop(n, p0)

correlation(x, y, silent = FALSE)

data_simulate_continuous(
  n,
  mean,
  sd,
  min,
  max,
  size,
  silent = FALSE,
  simplify = FALSE
)

data_simulate_discrete(
  n,
  mean,
  sd,
  min,
  max,
  round_digits = 0,
  silent = FALSE,
  simplify = FALSE
)

data_simulate_regression(
  n,
  min_x,
  max_x,
  b0,
  b1,
  sd_eps,
  round_digits,
  silent = FALSE,
  simplify = FALSE
)

data_simulate_test_goodness_of_fit(expected, silent = FALSE, simplify = FALSE)

data_simulate_test_independent(
  expected_matrix,
  silent = FALSE,
  simplify = FALSE
)

data_simulate_test_k_prop(
  expected_m_i,
  expected_l_i,
  silent = FALSE,
  simplify = FALSE
)

estimate_mean_norm(
  n,
  mean,
  sigma,
  alpha,
  alternative = "two_sided",
  silent = FALSE
)

estimate_mean_t(n, mean, s, alpha, alternative = "two_sided", silent = FALSE)

estimate_prop(n, f, alpha, alternative = "two_sided", silent = FALSE)

estimate_var(n, s, alpha, alternative = "two_sided", silent = FALSE)

get_alpha(z_alpha, two_side = TRUE)

get_cut_vector(min, max, size)

linear_regression(x, y, silent = FALSE)

linear_regression_predict(x, y, value, silent = FALSE)

print_huxtable(df)

printf(...)

sample_size_mean(sigma, eps, alpha, silent = FALSE)

sample_size_prop_1(f, eps, alpha, silent = FALSE)

sample_size_prop_2(eps, alpha, silent = FALSE)

test_2_mean_norm(
  n1,
  n2,
  mean1,
  mean2,
  sigma1,
  sigma2,
  alpha,
  alternative = "neq",
  silent = FALSE
)

test_2_mean_t(
  n1,
  n2,
  mean1,
  mean2,
  s1,
  s2,
  alpha,
  alternative = "neq",
  silent = FALSE
)

test_2_prop(n1, n2, f1, f2, alpha, alternative = "neq", silent = FALSE)

test_goodness_of_fit(actual, expected, alpha, silent = FALSE)

test_independent(matrix, alpha, silent = FALSE)

test_k_prop(m_i, n_i, alpha, silent = FALSE)

test_mean_norm(
  n,
  mean,
  mean_0,
  sigma,
  alpha,
  alternative = "neq",
  silent = FALSE
)

test_mean_t(n, mean, mean_0, s, alpha, alternative = "neq", silent = FALSE)

test_prop(n, f, p_0, alpha, alternative = "neq", silent = FALSE)