library("xlsx")

data1.0<-read.xlsx("11_anova_zadani.xlsx","ANOVA",startRow=9,encoding="UTF-8")[,2:5]

colnames(data1.0)<-tolower(make.names(colnames(data1.0))) # trošku upravíme názvy sloupců
colnames(data1.0)[1]<-"datum"

data1.0$den<-weekdays(data1.0$datum)

data1.1<-reshape(data1.0,varying=list(c("čd","rj","leo")),times=c("čd","rj","leo"),direction="long") # je třeba data reformátovat do „nudle“

data1<-data.frame("den"=data1.1$den,
                  "dopravce"=data1.1$time,
                  "počet"=data1.1$čd)

model<-aov(počet~dopravce+den,data=data1) # anova hlavních efektů
model<-aov(počet~dopravce*den,data=data1) # anova s interakcemi

summary(model)

boxplot(počet~dopravce*den,data=data1,las=2,xlab="")




data2.0<-read.xlsx("11_anova_zadani.xlsx","Kruskal-Wallis test",startRow=7,encoding="UTF-8")[,2:4]

data2<-data2.0 # data 2 jsou použitelná hned

kruskal.test(mm.Hg~pohlaví,data=data2)
kruskal.test(mm.Hg~věk,data=data2)

data2$pohlaví_a_věk<-paste(data2$pohlaví,data2$věk) # spojení sloupců pohlaví a věk do jednoho (protože Kruskal-Wallisův test neumí víc faktorů)

kruskal.test(mm.Hg~pohlaví_a_věk,data=data2)






















data<-data.frame("hodnota"=c(a,b,c),
                 "kategorie"=rep(c("a","b","c"),each=13),
                 "opakovani"=rep(1:13,3))

boxplot(hodnota~kategorie,data=data)

model<-aov(hodnota~kategorie,data=data)
summary(model)

model_zavisle<-aov(hodnota~kategorie+Error(opakovani/(kategorie)),data=data)

summary(model_zavisle)


hist(c)


unique(data1.1$time)