Fixed stupid hypothesis mistake

tutorial_page.Rmd

@@ -295,7 +295,7 @@ owned <- gameData$"Owned Users"
 
 Falls man etwas mehr information will, kann man die Eingabe (oder die Variale in welche man dies gespeichert hat) noch in die ```summary()``` Funktion schreiben.\
 Weiterhin kann man dies auf ein Plot abbilden. Dazu verwendet man die ```plot()``` Funktion in welche man einen x und y Wert eingibt, zusammen mit Optionen wie das Plot aussehen soll. Mehr information dazu findet man [in der Dokumentation](https://www.rdocumentation.org/packages/graphics/versions/3.6.2/topics/plot).\
-Mit ```abline()``` kann man die Regressionslinie der lm Funktion abbilden. Dazu wird die lm Funktion, oder die Variable in der diese gespeichert ist, an ```abline()``` uebergeben.
+Mit ```abline()``` kann man die Regressionslinie der lm Funktion abbilden. Dazu wird die lm Funktion, oder die Variable in der diese gespeichert ist, an ```abline()``` uebergeben.\
 ```{r lm-plot-example}
 raters <- gameData$"Users Rated"
 owned <- gameData$"Owned Users"
@@ -318,23 +318,22 @@ plot(, , pch = 16, col = "blue")
 
 ### Hypothesentest
 
-R hat Funktionen zum Testen von Hypothesen. Bei den bereits gegebenen Hypothesen eignet sich der [Chi-squared test](https://www.rdocumentation.org/packages/stats/versions/3.6.2/topics/chisq.test). Dieser wird mit ```chisq.test()``` aufgerufen und nimmt zwei Wertesets an mit weiteren Parametern fuer genaueres einstellen. Der ausgegebene p-Wert (p-value) kann dann mit dem Signifikanzwert (typischerweise 5% / 0.05) verglichen werden. Ist der Wert groesser als 0.05 kann man annehmen, dass die Hypothese stimmt.
+R hat Funktionen zum Testen von Hypothesen. Hier kann man nun den [T-Test](https://www.rdocumentation.org/packages/stats/versions/3.6.2/topics/t.test) anwenden. In der Funktion ```t.test()``` werden die beiden Wertesets eingegeben. Der ausgegebene p-Wert (p-value) kann dann mit dem Signifikanzwert (typischerweise 5%(0.05)) verglichen werden. Ist der Wert groesser als 0.05 kann man annehmen, dass die Hypothese stimmt. Einen Testdurchschnitt kann man mit dem Parameter ```mu={value}``` angeben.
 
 ```{r hypothesis-test, exercise=TRUE, exercise.lines=4}
-cavg <- gameData$"Complexity Average"
-owned <- gameData$"Owned Users"
 ptime <- gameData$"Play Time"
+rated <- gameData$"Users Rated"
 ```
 
 ```{r hypothesis-quiz}
 quiz(
-  question("Spiele mit hoeherem Complexity Average haben eine niedrigere Anzahl von Owned Users.",
-    answer("Wahr", correct = TRUE),
-    answer("Falsch")
-  ),
-  question("Spiele mit hoeherem Complexity Average haben hoehere Play Time.",
+  question("Die durchschnittliche Spielzeit betraegt 30 minuten.",
     answer("Wahr"),
     answer("Falsch", correct = TRUE)
+  ),
+  question("Pro Spiel haben 15000 leute eine Bewertung gegeben.",
+    answer("Wahr", correct = TRUE),
+    answer("Falsch")
   )
 )
 ```