# Uvod do R; verze 2020/10
##################################################################
# nastavení pracovního adresáře
setwd("C:/data/R_data/MFGcviceni")
getwd() # vypíše pracovní adresář

# DATA, DATOVE STRUKTURY
##################################################################
# vytvoří proměnnou a zapíše do ní hodnoty
x <- c(1,2,3,4,5,6,7,8)
x
mean(x)
length(x)
# nápověda: ?mean()

is.vector(x)
# vektor je základní datovou strukturou v R, konstanta je vektor delky 1
# další datové struktury jsou např: data.frame, matrix, array, list

# nacteni souboru (formát CSV) v podobě tabulky a zjištění jeho vlastností:
# soubor obsahuje záhlaví sloupců (tj. proměnných), desetiná tečka, hodnoty odděleny středníkem
teploty_brno <- read.table('brno_t.csv', header = T, dec = '.', sep = ';')
names(teploty_brno)
head(teploty_brno)
dim(teploty_brno)
class(teploty_brno)
# soubor (typ data.frame) obsahuje průměrné měsíční teploty vzduchu z Brna v období 1800 - 2010 - tedy 211 řádků a 13 sloupců

# způsoby výpisu hodnot
teploty_brno$JAN[1] # vypíše hodnotu z prvního řádku proměnné JAN, tedy ledna
teploty_brno[1,1] # vypíše hodnotu z prvního řádku a prvního sloupce (letopočet)
teploty_brno[1,2] # vypíše hodnotu z prvního řádku a druhého sloupce 
teploty_brno$JAN # vypíše celou proměnnou JAN, to stejné: teploty_brno[,2]

# ZAKLADNI VLASTNOSTI DAT, UKLADANI DO PROMENYCH, JEDNODUCHE VYPOCTY
###################################################################################
nrow(teploty_brno); ncol(teploty_brno) # počet řádků a sloupců
length(teploty_brno$JAN) # délka proměnné 

leden_prumer <- mean(teploty_brno$JAN) # vypočte aritmetický průměr a hodnotu uloží do proměnné
leden_prumer

sd(teploty_brno[,2])  # vypočte směrodatnou odchylku

quantile(teploty_brno$JAN, c(.25, .75)) # vypočte dolní a horní kvartil

summary(teploty_brno$JAN)  # základní popisná statistika, pro všechny proměnné lze summary(teploty_brno)

# výpis třetího sloupce od nejmensiho
sort(teploty_brno[,3])

# ... a od nejvetsiho
sort(teploty_brno[,3], decreasing = T)

# vypiš rok, ve kterém se vyskytla mimimální únorová teplota
teploty_brno[which(teploty_brno[,3]==-11.9),]


# JEDNODUCHE GRAFY
###################################################################################
hist(teploty_brno[,2])
hist(teploty_brno[,2], breaks = 20)
hist(teploty_brno[,2], breaks = 20, main = 'Histogram', ylab = 'Pocet', xlab = 'Teplota')
hist(teploty_brno[,2], breaks = 20, main = 'Histogram', ylab = 'Pocet', xlab = 'Teplota', col = 'blue')

# krabicový graf
boxplot(teploty_brno[,2], main = 'Krabicovy graf')

# test normality dat
shapiro.test(teploty_brno[,2])

# qq-plot
qqnorm(teploty_brno[,2])

# vnořovani funkci
# scale() převede puvodní hodnoty na normovanou normalni promenou (průměr nula, směr. odch. jedna)) 
# hist() vykreslí histogram 
hist(scale(teploty_brno[,2]), density=20, breaks=20, prob=TRUE, xlab="Teplota vzduchu", main="Histogram a Gaussova křivka")
# curve() přidá frekvenční funkci normálního rozdělení
curve(dnorm(x, mean=mean(scale(teploty_brno[,2])), sd=sd(scale(teploty_brno[,2]))), col="darkblue", lwd=2, add=TRUE)

# parametrem xlim si upravime rozsah hodnot na ose x
hist(scale(teploty_brno[,2]), density=20, breaks=20, prob=TRUE, xlab="Teplota vzduchu", main="Histogram a Gaussova křivka", xlim=c(-3,3))
curve(dnorm(x, mean=mean(scale(teploty_brno[,2])), sd=sd(scale(teploty_brno[,2]))), col="darkblue", lwd=2, add=TRUE)

# ZÁVISLOST DVOU SOUBORU
###################################################################################
# druhy soubor obsahuje měsíční hodnoty indexu severoatlantské oscilace (NAO)
nao_index <- read.table('NAOI.csv', header = T, dec = '.', sep = ';')
names(nao_index)

# vypíše první rok v soubou (třemi různými zpsoby) 
min(nao_index[,1])
min(nao_index$rok)
nao_index[1,1]

# úprava prvního souboru tak, aby byl stejne 'dlouhy' jako druhy podle hodnoty proměnné YEAR - v prvním sloupci)
teploty_brno_upr <- subset(teploty_brno, YEAR > 1824 & YEAR <= 2010)

# kontrola delek datasetu (nrow je pro matice, length pro vektory)
nrow(teploty_brno_upr) # length(teploty_brno_upr[,1])
nrow(nao_index) # length(nao_index[,1])

# vykresleni grafu zavislosti lednovych hodnot
plot(teploty_brno_upr[,2], nao_index[,2], main = 'Název grafu', xlab = 'Brno Teploty LEDEN', ylab = 'NAO Index LEDEN')

# vypocet korelace
cor(teploty_brno_upr[,2], nao_index[,2])

# test vyznamnosti korelace
cor.test(teploty_brno_upr[,2], nao_index[,2])

# linearni regrese - pozor na poradi prvku!
lm_leden <- lm(nao_index[,2] ~ teploty_brno_upr[,2])
summary(lm_leden)

# pridani regrese do obrazku
abline(lm_leden, col = 'red', lwd = 3)

# vypis struktury dat ulozenych v objektu lm
str(lm_leden)

# vypise smernici primky - tedy druhy koeficient v objektu lm_leden
lm_leden$coefficients[2]


# kontrola vhodnosti modelu
hist(lm_leden$residuals)

# STATISTICKE TESTY
###################################################################################
# statisticke testy: t-test (porovnani průměrů dvou nezavislych souboru)
t.test(nao_index[,2], nao_index[,8])

# statisticke testy: parovy t-test (porovnani dvou nezavislych souboru)
# t.test(nao_index[,2], nao_index[,8], paired = T)

# statisticke testy: f-test (lisi se vyznamne variabilita hodnot indexu NAO v lednu a v cervenci?)
var.test(nao_index[,2], nao_index[,8])

boxplot(nao_index[,2], nao_index[,8])