# növények szűrése logikai vektorral
plant = ratings$Class == "plant"

# korrelációs együttható kiszámítása a két csoportra
cor(ratings$Frequency[plant],ratings$meanFamiliarity[plant])
cor(ratings$Frequency[!plant],ratings$meanFamiliarity[!plant])

# lineáris regresszió modellje növényekre és állatokra
lm.plant = lm(meanFamiliarity~Frequency,ratings[plant,])
lm.animal = lm(meanFamiliarity~Frequency,ratings[!plant,])

# közös ábra fix tengelyméretezéssel
xlim = c(0,8)
ylim = c(0,6)

# növények ábrázolása ábrafeliratokkal
plot(ratings$Frequency[plant],ratings$meanFamiliarity[plant],col="green",xlab = "Frequency", ylab = "meanFamiliarity", xlim = xlim, ylim = ylim)

# regressziós egyenes
abline(coef(lm.plant),col="green",lwd=2)

# ebbe az ábrába ábrázolás
par(new=T)

# állatok ábrázolása ábrafeliratok NÉLKÜL
plot(ratings$Frequency[!plant],ratings$meanFamiliarity[!plant],col="brown",xlab = "", ylab = "", xlim = xlim, ylim = ylim)

# regressziós egyenes
abline(coef(lm.animal),col="brown",lwd=2)

# determinációs együtthatók beillesztése
text(1,2.2,"0.497",col="green")
text(1,0.3,"0.555",col="brown")

# jelmagyarázat
legend("topleft",legend=c("plants","animals"),col=c("green","brown"), lwd=2,bty="n")

# ábra mentése
dev.print("plants_animals_linear.pdf",device=pdf)