library(tidyverse)

# Načteme si tato data
df <- read_csv2("https://is.muni.cz/el/fss/podzim2024/PSYb2320/um/datasets/personality_all.csv",
                na = c("", "-99", "0"))
df %>% 
  distinct(gender, class)

# Jak bychom proměnnou gender převedli na faktor?
# Převod gender na factor
df <- df %>% 
  mutate(

  )

# Jak bychom převrátili reverzní položky bez / s přepsáním původních sloupců?
# Máme k dispozici vektor s názvy reverzních položek
reversed_items <- c(
  str_c("nfc_", 10:16),
  str_c("ipip_", 
        str_pad(nums, width = 2, pad = 0))
)

# A práci nám usnadňuje to, že všechny položky měly pětibodovou odpovědní škálu
df_rev <- df %>% 
  mutate(

  )

names(df_rev)

df_rev <- df %>% 
  mutate(

    
  )

names(df_rev)

# Jak bychom mohli vytvořit funkci, která bude vytvářet názvy položek?
item_range <- function(prefix, num_range, width = 2) {

}

# NFC: 1 až 16
# Extraversion: 1  6 11 16 21 26 31 36 41 46 
# Agreeableness: 2  7 12 17 22 27 32 37 42 47
# Conscientiousness: 3  8 13 18 23 28 33 38 43 48
# Emotional stability: 4  9 14 19 24 29 34 39 44 49
# Intellect: 5 10 15 20 25 30 35 40 45 50

# Když máme list z položkami
items <- list(
  nfc = item_range("nfc_", 1:16),
  bfi_ext = item_range("ipip_", seq(1, 50, by = 5)),
  bfi_agr = item_range("ipip_", seq(2, 50, by = 5)),
  bfi_con = item_range("ipip_", seq(3, 50, by = 5)),
  bfi_est = item_range("ipip_", seq(4, 50, by = 5)),
  bfi_int = item_range("ipip_", seq(5, 50, by = 5))
)

# Jak bychom mohli vytvořit funkci, která bude počítat průměry položek
# vstupní argumenty: data, položky

item_mean <- function(data, items) {
  

  }

item_mean(df,
          items = items$nfc)

# Jak bychom mohli vytvořit funkci, která bude počítat průměry položek
# vstupní argumenty: data, položky, maximální počet missing values

item_mean <- function(data, items, max.na) {

  
  }

# Jak bychom tuto funkci mohli nyní použít k výpočtu celkových skórů každé škály

item_mean(df_rev,
          items = items$nfc,
          max.na = 2)

totals <- items %>% 
  map()

totals

# Co kdybychom ještě chtěli měnit i hodnoty argumentu max.na
max.na <- c(2, rep(1, 5))
max.na

map2(

)

# Jak bychom sloupce totals připojili k df a přemístili někde na začátek



# Jak bychom převedli data do longer formátu, aby hodnoty proměnných nfc až 
# bfi_int byly v jednom sloupci?
long <- df %>% 
  pivot_longer()

long

#  Jak bychom mohli vytvořit funkci, která bude počítat průměr s intervalem
# spolehlivosti 

mean_ci <- function(x, level = .95) {
  
  # Vyřaďte z x chybějící hodnoty

  
  # Spočítejte průměr m

  
  # Spočítejte směrodatnou odchylku s

  
  # Spočítejte počet pozorování

  
  # Vypočtěte stupně volnost df jako n - 1

  
  # Vypočtěte standardní chybu se jako s / odmocnina z velikosti vzorku

  
  # Vypočtěte hladinu alpha jako 1 - úroveň spolehlivosti

  
  # vypočtěte 1 - alpha/2 kvantil t-rozdělení se stupni volnosti df

  
  # Vypočtěte mezní chybu jako se*q

  
  # Uložte do tibblu průměr (m) a meze intervalu spolehlivosti
  # čili m - me a m + me

}

# Jak bychom tuto funkci mohli použít pro výpočet souhrnných statistik 
# podle ročníku a pohlaví?
group_means <- long %>% 
  group_by() %>% 
  summarise()

# Jak bychom výsledky znázornili graficky?
p <- position_dodge(width = .2)

group_means %>% 
  ggplot() +
  geom_pointrange() +
  geom_line() +
  facet_wrap()