---
title: "andmed"
output: html_document
---

```{r}
 rnorm(10, 170, 10) #Kogus, keskväärtus, standardhälve 
 round(rnorm(10, 170, 10))
 sort(round(rnorm(10, 170, 10)))
 rev(sort(round(rnorm(10, 170, 10))))
 set.seed(258) #Juhuarvugeneraatori algväärtus
 round(rnorm(10, 170, 10))
 round(rnorm(10, 170, 10))
 eesnimed=c("Juku" ,"Kati", "Mati", "Madis", "Mari", "Martin")
 sample(eesnimed, 3)
 sample(eesnimed, 3)
 head(mtcars) #näitandmed 70ndate autodega
 mtcars[1:3, ] #Kolm esimest rida
 mtcars[sample(1:nrow(mtcars), 5),] #5 juhuslikku autot, nrows- ridade arv
 #Harjutus - arvutage kümne juhusliku auto keskmine mpg (miles per gallon)
 mean(mtcars[sample(1:nrow(mtcars), 10),"mpg"])
 #mtcars$mpg
 1:nrow(mtcars)
 sample(5:32, 10) #esimest nelja ei vali
 #Viiel korral käivitatakse käsklust, kus valitakse kümne juhusliku auto keskmine
 sapply(1:5, function(i){ mean(mtcars[sample(1:nrow(mtcars), 10),"mpg"])})
 
 hist(sapply(1:100, function(i){ mean(mtcars[sample(1:nrow(mtcars), 10),"mpg"])}))
 summary(sapply(1:100, function(i){ mean(mtcars[sample(1:nrow(mtcars), 5),"mpg"])}))
 
 sample(eesnimed, 10, replace=TRUE) #Kordused lubatud
 #bussiooteaeg ühtlase jaotuse järgi 0-7 min
 runif(1, 0, 7) #üks väärtus random uniform
 runif(20, 0, 7)
 
 #Püüdke modelleerida bussiga kohale jõudmise aega:
 #ooteaeg 0-7 minutit ühtlase jaotuse järgi, 
 #Sõiduaeg normaaljaotusega keskväärtusega 20 minutit, standardhälve 3 minutit
 #Tekitage käsuga üks tulemus, korrake käsku, jälgige tulemusi
 runif(1, 0, 7)+rnorm(1, 20, 3)
 #Leidke, mitmel juhul sajast oli kohale jõudmise aeg üle 25 minuti
 sapply(1:100, function(i){runif(1, 0, 7)+rnorm(1, 20, 3)})
 sapply(1:100, function(i){runif(1, 0, 7)+rnorm(1, 20, 3)})>25
 ajad=sapply(1:100, function(i){runif(1, 0, 7)+rnorm(1, 20, 3)})
 length(ajad[ajad>25])
 #ajad[ajad>25]
 ajad=sapply(1:100, function(i){runif(1, 0, 7)+rnorm(1, 20, 3)})
 length(ajad[ajad>30]) #veidi pikem minekuaeg
 
 #http://www.tlu.ee/~jaagup/andmed/muu/ounad/ounad3_100.txt
 ounad3_100=read.table("http://www.tlu.ee/~jaagup/andmed/muu/ounad/ounad3_100.txt", header=TRUE, sep=",")
 #ounad2=edit(ounad3_100)
 antoonovkad=ounad3_100[ounad3_100$ounasort=="Antoonovka", "diameeter"]
 antoonovkad
 (antoonovkad=ounad3_100[ounad3_100$ounasort=="Antoonovka", "diameeter"])
 t.test(antoonovkad)
 t.test(antoonovkad, conf.level=0.9)
 #Leidke Kuldrenettide keskmise diameetri usaldusvahemik 99% täpsusega
 t.test(antoonovkad, mu=7.5, alternative="less")
 mean(antoonovkad)
 sd(antoonovkad)
 x=seq(3, 10, 0.1)
 y=dnorm(x, mean(antoonovkad), sd(antoonovkad))
 plot(x, y, type="l") # l nagu line
 qnorm(0.95, mean(antoonovkad), sd(antoonovkad))
 abline(v=qnorm(0.95, mean(antoonovkad), sd(antoonovkad)))
   #95% antoonovkate valimi jaotusega üldkogumist võiksid olla
   #väiksemad kui 9,9
 
 #Näidake diameeter, millest nende parameetritega normaaljaotuse puhul
 #on õuntest väiksemad 25%, tõmmake vastav joon
 kuldrenetid=ounad3_100[ounad3_100$ounasort=="Kuldrenett", "diameeter"]
 kuldrenetid
 t.test(antoonovkad, kuldrenetid)
 #95 percent confidence interval:
#   2.169562 4.034605
 attributes(t.test(antoonovkad, kuldrenetid))
 t.test(antoonovkad, kuldrenetid)[["conf.int"]]
 t.test(antoonovkad, kuldrenetid)[["conf.int"]][1]
 piirid=round(t.test(antoonovkad, kuldrenetid)[["conf.int"]], 2)
 paste('Antoonovkad on 95% tõenäosusega suuremad ', piirid[1],
         'kuni', piirid[2], "cm")
 #Kuvage Antoonovkate ja Liivi sibulõunte keskmise diameetri erinevus
 #välja 90% tõenäosusega
 
 
```