######################################################
## 2. Paired T-Test
## on sample T-Test 에서는 하나의 군집 데이터에 대해 특정 평균일치를 테스트 했다면
## Paired T-Test 에서는 두개의 데이터의 차이를 T-TEST 를 통해 검정
## ex) 동일한 사람의 다이어트 제품 복용 전후 데이터
## (후 – 전) 의 평균이 T-Test 를 통해 0에 수렴하는가 테스트
######################################################

##적합한 테스트 데이터를 찾지 못하여 가상 데이터 생성
library(MASS)
testData = mvrnorm(n=10, mu=c(94,93), Sigma=matrix(c(10,6,6,10), ncol=2))
print(testData )
## [,1] [,2]
## [1,] 100.23898 94.81205
## [2,] 95.98458 93.18107
## [3,] 92.38674 90.87070
## [4,] 92.86112 88.02364
## [5,] 94.44602 89.89151
## [6,] 91.75113 91.77544
## [7,] 94.97852 97.63600
## [8,] 89.31244 88.77376
## [9,] 95.89479 92.78652
##[10,] 89.77220 89.57393
## 정규데이터 여부를 판단한다
## 1 colum – 2 colum 데이터에 대한 정규성 여부 판단
## 귀무가설 : 전, 후 차이가 정규분포를 따른다
## p-value > 0.5 귀무가설 기각 불가
## cf)테스트 데이터에 따라 달라질 수 있음
shapiro.test(testData[,1]- testData[,2])
##차이가 평균 0 이라고 볼 수 있느냐를 테스트 함
##즉, 여기서 기각하고자하는 귀무 가설은 1,2 데이터의 없다
##귀무가설 : 1,2 데이터의 차이가 없다
##p-value : 0.03414 귀무가설을 기각한다.
##결론 : 1,2 데이터는 유의한 차이가 있다.
t.test(testData[,1]- testData[,2])