library(sasld)

# -------------------------------------------------------------------
# ATTENZIONE: la funzione sample e' stata modificata 
# a partire da R 3.6.0 per cui i "vecchi risultati"
# non posso essere riprodotti di default
# http://hostingwin.unitn.it/micciolo/PeM/01-rng.pdf
# -------------------------------------------------------------------
# se si vogliono riprodurre i risultati dei Laboratori
# con le versioni più recenti di R va eseguita la seguente istruzione
# -------------------------------------------------------------------
RNGkind(sample.kind="Rounding")
# -------------------------------------------------------------------


# 1 - pag. 567-568
tbl <- c(268,41,32,32,28,120,41,20,12,121)
ptbl <- prop.table(tbl)
region <- c("Florida","Hawaii","California","Sud Carolina",
"Nord Carolina","Australia","Sud Africa","Brasile","Bahamas","Altri")
ptbl <- prop.table(tbl)
data.frame(Paesi=region,Frequenze=tbl,Proporzioni=round(ptbl,3),
Percentuali=round(ptbl*100,1))




# 2 - pag. 568-569
x <- c(0,340,70,140,200,180,210,150,100,130,
140,180,190,160,290,50,220,180,200,210)
brk <- c(0,40,80,120,160,200,240,280,320,360)
xx <- cut(x,brk,right=FALSE)
tbl <- table(xx)
ptbl <- prop.table(tbl)
data.frame(Intervalli=names(tbl),
Frequenze=as.numeric(tbl),
Proporzioni=round(as.numeric(ptbl),3),
Percentuali=round(as.numeric(ptbl)*100,1))




# 3 - pag. 569
data(ny)

plot(ny$YEAR,ny$ANNUAL,type="b",pch=19,xlab="Anno",
ylab="Temperatura Media Annuale")
lines(lowess(ny$ANNUAL ~ ny$YEAR),lwd=2)




# 4 - pag. 569-571
x <- c(0,340,70,140,200,180,210,150,100,130,
140,180,190,160,290,50,220,180,200,210)
mean(x)
median(x)

c(sum(x),length(x),sum(x)/length(x))

sort(x)

# proprietà della media
dlt <- x - mean(x)
sum(dlt)

#
y <- numeric(341)
k <- 0
for (i in c(0:340)) {
    dlt <- x - i    
    k <- k+1
    y[k] <- sum(dlt^2)
}
z <- c(0:340)

# zoom
ok <- which((z > 150) & (z < 184))
plot(z[ok],y[ok],type="l",xlab="x",ylab="Somma dei quadrati degli scarti dalla media")

# l'equazione della parabola
sum(x^2)
2*sum(x)
length(x)




# 5 - pag. 571-572
CO2 <- c(0.3,0.9,1.4,1.8,1.9,4.9,10.8,18.9)
mean(CO2)
median(CO2)

CO2[CO2 == 18.9] <- 90
mean(CO2)
median(CO2)


# studio di sensibilità
CO2 <- c(0.3,0.9,1.4,1.8,1.9,4.9,10.8,18.9)
for (i in 1:8) print(c(round(CO2[i],1),round(mean(CO2[-i]),2),
round(median(CO2[-i]),2)))


# Media, mediana, outlier e dimensione del campione
x <- c(0.3,0.9,1.4,1.8,1.9,4.9,10.8,18.9)
c(mean(x),median(x))

y <- c(x,90); c(mean(y),median(y))


set.seed(573864)
y <- sample(x,size=50,replace=TRUE)
c(mean(y),median(y))

y <- c(y,90); c(mean(y),median(y))


set.seed(573864)
y <- sample(x,size=1000,replace=TRUE)
c(mean(y),median(y))
y <- c(y,90); c(mean(y),median(y))
set.seed(573864)
y <- sample(x,size=100000,replace=TRUE)
c(mean(y),median(y))
y <- c(y,90); c(mean(y),median(y))




# 6 - pag. 573
x <- c(0,0,0,2,4,4,4)
dlt <- x - mean(x)
dlt2 <- dlt^2
dev <- sum(dlt2)
v <- sum(dlt2)/(length(x)-1)
sqrt(v)

sd(x)
fem <- c(0,2,2,2,2,2,4)
sd(fem)