#Priklad c.1
data <- data.frame(velke.mesto=c(13,11,19), 
                   male.mesto=c(15,7,9),
                   vesnice=c(14,2,10), 
                   row.names=c('sklep', 'jinde', 'nakup'))

apply(data, 2, sum)
apply(data, 1, sum)
library(lsr)
round(cramersV(data),3)

#--------------------------------------------------------------------------------
#Priklad c.2
data <- read.delim('znamky.txt', header=F)
head(data)
source('AS-funkce.R')

names(data) <- c('matematika', 'anglictina', 'pohlavi')

f3 <- factor(data$pohlavi, levels=c(0,1), labels=c('zena', 'muz'))
data[,3] <- f3
head(data)

matematika <- data$matematika
anglictina <- data$anglictina
pohlavi    <- data$pohlavi

sort(matematika)

quantile(matematika, probs=c(0.5, 0.25, 0.75), type=2) # spravne kvantily vypocita funkce quantile() pouze s volbou type=2 nebo type=5
kv.1 <- quantile(matematika, probs=0.25, type=2)       # spravne kvantily vypocita funkce quantile() pouze s volbou type=2 nebo type=5
kv.3 <- quantile(matematika, probs=0.75, type=2)       # spravne kvantily vypocita funkce quantile() pouze s volbou type=2 nebo type=5
(IQR <- kv.3-kv.1)                                     # rozpeti

boxplot(matematika, anglictina,
        main='Krabicovy graf',
        ylab='znamka',
        xlab='predmet',
        names=c('matematika', 'anglictina'),
        ylim=c(0,5),
        border='darkgreen',
        col='darkolivegreen1')

cor(matematika, anglictina, method='spearman') # chceme Spearmanuv koeficient -> je potreba dopsat method='spearman'

#funkce dotplot je naprogramovana v souboru AS-funkce.R pred spustenim funkce je potreba tento soubor nacist: source('AS-funkce.R)
dotplot(matematika, anglictina) # - nevysperkovany teckovy graf; potreba vysperkovat

#-----------------------------------------------------------------------------------
# Pr.3
data <- read.delim('lebky.txt', header=F)
head(data)
names(data) <- c('delka', 'sirka', 'pohlavi')

delka.M <- data$delka[data$pohlavi=='muž']
sirka.M <- data$sirka[data$pohlavi=='muž']
n <- length(delka.M)

prumer.D   <- mean(delka.M)
rozptyl.D  <- 1/n*sum((delka.M-prumer.D)^2)
sm.odch.D  <- sqrt(rozptyl.D)
koef.var.D <- sm.odch.D/prumer.D*100

library(e1071)
sikmost.D   <- skewness(delka.M, type=2)   # spravny koeficient sikmosti vypocita funkce skewness() pouze s volbou type=2
spicatost.D <- kurtosis(delka.M, type=2)   # spravny koeficient spicatosti vypocita funkce kurtosis() pouze s volbou type=2
tab <- data.frame(n=n,
                  prumer=prumer.D,
                  rozptyl=rozptyl.D,
                  sm.odch=sm.odch.D,
                  koef.var=koef.var.D,
                  sikmost=sikmost.D,
                  spicatost=spicatost.D,
                  row.names='delka')
round(tab, digits=4)
cor(delka.M, sirka.M, method='pearson') # chceme Pearsonuv koeficient -> je potreba dopsat method='pearson'

# vypocet kovariance
prumer.S   <- mean(sirka.M)
kovariance <- 1/n*sum((delka.M-prumer.D)*(sirka.M-prumer.S))
round(kovariance, 4)

# teckovy graf
plot(delka.M, sirka.M, type='n')  # - nevysperkovany teckovy graf; potreba vysperkovat
abline(h=seq(125,150,by=5), col='grey80')
abline(v=seq(165,200,by=5), col='grey80')
points(delka.M, sirka.M)
box()