1. Narysować histogram o 20 klasach dla zmiennej x dla danych z pliku
dane_perla2.csv (z wyłączeniem klasy 3-ciej). Przetestować hipotezę, że
pochodzą one z rozkładu jednostajnego na przedziale [-1,38; 1,385].
dane=read.csv2("dane_perla2.csv")
attach(dane)
names(dane)
kolx=dane[1:2400,1]
hist(kolx,20)
t.test(kolx)
shapiro.test(kolx)
t.test(kolx,mu=-1.38)
t.test(kolx,mu=1.385)


2. Pogrupować dane z pliku dane_perla2.csv według pól x i y na 4 klasy
metodą k-średnich. Następnie przeanalizować częstości występowania
elementów z różnych klas (pole klasa) w wybranych skupiskach.
Policzyć jaka cześć elementów "odstaje" od najczęstszych wyborów
w swoich skupiskach.
Uwaga: przed wykonaniem zadania proponuję ustawić generator liczb
pseudolosowych poleceniem set.seed(2011).

skupiska=read.csv2("skupiska.csv")
skupiska
podzial=kmeans(skupiska[,1:2],4)
podzial
plot(skupiska[,1:2],pch=podzial$cluster,col=podzial$cluster)
kolor=c("blue","red","grey","yellow")
plot(skupiska$x, skupiska$y, col = "white", xlab = "x", ylab = "y")
text(skupiska$x, skupiska$y, skupiska$klasa, col = kolor[podzial$cluster])

#
(tabl = table(podzial = podzial$cluster, klasa=skupiska$klasa))
print("Błąd na zbiorze uczącym:", quote = F)
1-sum(diag(tabl))/sum(tabl)

points(podzial$centers, cex=2, pch=19)

3. Dla zmiennych x i y z uzwględnieniem podziału na klasy policzyć:
- średnią
- medianę
- wariancję
- skośność
Traktując dane z pliku dane_perla2.csv jako próbkę statystyczną pochodządzą
z próby prostej o pewnym rozkładzie.
dane=read.csv2("dane_perla2.csv")
attach(dane)
names(dane)
kolx1=dane[1:1200,1]
print(kolx1)
mean(kolx1)
e1071::skewness(kolx1)
median(kolx1)
var(kolx1)
kolx2=dane[1201:2400,1]
print(kolx2)
mean(kolx2)
e1071::skewness(kolx2)
median(kolx2)
var(kolx2)
kolx3=dane[2401:3000,1]
print(kolx3)
mean(kolx3)
e1071::skewness(kolx3)
median(kolx3)
var(kolx3)
koly1=dane[1:1200,2]
print(koly1)
mean(koly1)
e1071::skewness(koly1)
median(koly1)
var(koly1)
koly2=dane[1201:2400,2]
print(koly2)
mean(koly2)
e1071::skewness(koly2)
median(koly2)
var(koly2)
koly3=dane[2401:3000,2]
print(koly3)
mean(koly3)
e1071::skewness(koly3)
median(koly3)
var(koly3)