setwd("C:/Jirka/Environment/Výuka/VLBS0621 Biostatistika pro P-PooL/Jaro 2022")

library("xlsx")

data0<-read.xlsx("13_korelace_regrese_zadani.xlsx","Korelace")
data1<-data0[3:102,2:7]

colnames(data1)<-as.character(t(data0[2,2:7]))

# Prevedeni sloupcu na vektory typu numeric
for(i in 1:ncol(data1)) {
  data1[,i]<-as.numeric(as.character(data1[,i]))
}

data<-data1

hist(data$naphthalene)
cor<-cor.test(data$naphthalene,data$acenaphtylene,method="kendall")
names(cor)

vysledky<-matrix(NA,ncol(data),ncol(data))
rownames(vysledky)<-colnames(data)
colnames(vysledky)<-colnames(data)

for(i in 1:ncol(data)) {
  for(j in 1:ncol(data)) {
    vysledky[i,j]<-cor.test(data[,i],data[,j],method="spearman")$estimate
  }
}

write.xlsx(vysledky,file="vysledky_korelace.xlsx")


## Druhý příklad

# Načtení tabulky pcb0
pcb0<-read.xlsx("13_korelace_regrese_zadani.xlsx","Regrese")
pcb1<-pcb0[7:105,2:3]

# Definice názvů sloupců (make.names nahradí nepovolené mezery tečkami)
colnames(pcb1)<-make.names(as.character(t(pcb0[6,2:3])))

# Převedení sloupců na vektory typu numeric
for(i in 1:ncol(pcb1)) {
  pcb1[,i]<-as.numeric(as.character(pcb1[,i]))
}

pcb<-pcb1

# Definice lineárního modelu
model<-lm(pcb$PCB.180~pcb$PCB.153)
summary(model)

hist(model$residuals)
ks.test((model$residuals-mean(model$residuals))/sd(model$residuals),0,1)
mean(model$residuals)

intercept<-model$coefficients[1]
beta     <-model$coefficients[2]

model.180<-intercept+beta*pcb$PCB.153

plot(pcb$PCB.180,model.180)
summary(model)$r.squared

plot(pcb$PCB.153,pcb$PCB.180,pch=19,col="gold")
points(pcb$PCB.153,model.180  ,pch=19,col="red")


model.180