######### Órai szkriptek ################

# Létrehoztunk a Dokumentumok könyvtárban egy statisztika elnevezésű mappát.
# Ide letöltöttük a négy evszakok_ kezdetű csv-fájlt innen:
# https://phon.nytud.hu/mady/courses/statistics/2024/

# Az R-ben ezt a könyvtárat adtuk meg munkamemóriának:
setwd("C:/Users/mokuska/Documents/statisztika")
# Ezt természetesen a saját fájlszerkezethez kell szabni.
# FONTOS: a könyvtárakat nem \, hanem / jel választja el, mint Linuxon és Mac-en.

# Ezután megpróbáltuk beolvasni az évszakok pontszámait. Első próbálkozásunk:
evszakok = read.table("evszakok_tab.csv")
# Ezt a hibajelzést kaptuk:

############
### Error in scan(file = file, what = what, sep = sep, quote = quote, dec = dec,  : line 2 did not have 5 elements
############

# A fájl első három sorában ugyanis hiányzik a kísérleti személy kora, így csak négy oszlopból áll. A fájl oszlopait az Excelből való mentéskor szóközökkel választottuk el, és az R nem számol szóközt. Csak azt látja, hogy valahol VAN szóköz, azt nem, hogy HÁNY.

# Megnéztük a read.table() függvény súgóját így:
help(read.table)
# vagy így
?read.table

# Ezért most egy vesszőkkel elválasztott fájlt olvastunk be:
evszakok = read.table("evszakok_vesszo.csv",sep=",")
# Így nézzük meg az evszakok objektum tartalmát:
evszakok
# Látjuk, hogy az oszlopneveket tartalmazó első sor az első adatsor lett, nem oszlopnév.
# Helyette az oszlopneveket az R adja V1-től számozva.

# Ezért a beolvasáskor megadjuk, hogy az első sorunk oszlopneveket tartalmaz, a 2. sortól kezdődnek az adataink:
evszakok = read.table("evszakok_tab.csv",sep=",",header=T)

# Ha magyar nyelvű Excelből írtuk ki az adatainkat, és vannak benne tizedes számok, akkor jobb, ha pontosvesszővel választjuk el az oszlopokat.
evszakok = read.table("evszakok_tizedes.csv",sep=";",header=T)

# Ekkor további problémába ütközünk. 
# Próbáljunk átlagot számolni a pontszámokból:
mean(evszakok$pontszam)

########## HIBA #################
# Warning message:
# In mean.default(evszakok$pontszam) : argument is not numeric or logical: returning NA
#################################

# A programnyelvekben a tizedes ugyanis mindig pont. Ezt is meg kell tehát adnunk.
evszakok = read.table("evszakok_tizedes.csv",sep=";",header=T,dec=",")
# Ezek a paraméterek egyébként épp a read.csv2() függvény alapbeállításai. Vagyis nem is kell a paraméterbeállításokkal vesződnünk:
evszakok = read.csv2("evszakok_pontosvesszo.csv")


########## Házi feladat ############

A kérdések a most már helyesen betöltött evszakok objektumra vonatkoznak. Az ábrákat egyelőre Windowson az R menüjén keresztül mentsétek. Ha az ábra ablaka aktív, a File menü első pontja Save as... Az ábrákat pdf-ként mentsétek, és úgy küldjétek emailben. A szöveges válaszokat írjátok bele az emailbe vagy egy csatolt txt-fájlba.

1. Hány nő és hány férfi adatait tartalmazza az adatsor? Készítsetek kördiagramot az eloszlásról.
2. Mi az összes résztvevő korának módusza, mediánja és átlaga?
3. Készítsetek dobozdiagramot a férfi és a női résztvevők koráról. Megegyezik valamelyik nemnél a medián és az interkvartilis félterjedelem?
4. Ábrázoljátok a tetszésre adott pontszámok kumulatív gyakoriságait a következő függvénnyel:
barplot(cumsum(table(evszakok$pontszam)))
Egyenletesen nőnek a pontok, vagy nem lineáris a növekedés?