library(tidyverse)
ounad=read_csv("http://www.tlu.ee/~jaagup/andmed/muu/ounad/antoonovka2.txt")
ounad %>% ggplot(aes(august, september)) + geom_point()
ounad %>% ggplot(aes(august, september)) + geom_point() + 
   xlim(c(0, 10)) + ylim(c(0, 10)) + geom_smooth(method='lm')

lm(september~august, data=ounad)

summary(lm(september~august, data=ounad))

predict(lm(september~august, data=ounad), tibble(august=c(2,3,4)))

#Koostage tibble uute õunadiameetritega augustis
#Arvutage kõrvale ennustatavad diameetrid septembris
#Kuvage need õunad xy-joonisel

uuritavad=tibble(august=rnorm(10, 4, 2))
uuritavad
mudel=lm(september~august, data=ounad)
uuritavad$september=predict(mudel, uuritavad)
uuritavad
uuritavad %>% ggplot(aes(august, september))+ ggtitle("Ennustus") +
  xlab("augusti diameeter")+ geom_point() + 
  theme(plot.title=element_text(hjust=0.5))

ounad=read_csv("http://www.tlu.ee/~jaagup/andmed/muu/ounad/antoonovka3.txt")

#Koostage joonis, kus ühel teljel on õunte diameetri kasvu suurus augustist septembrini ning
#teisel teljel septembrist oktoobrini

ounad %>% ggplot(aes(september-august, oktoober-september)) + geom_point()

ounad %>% ggplot(aes(september-august, oktoober-september)) + geom_point() +
   geom_smooth()

ounad %>% mutate(vahe1=september-august, vahe2=oktoober-september) %>% 
    colMeans()

ounad %>% mutate(vahe1=september-august, vahe2=oktoober-september) %>%
    select(vahe1, vahe2) -> vahed
vahed
lm(vahe2~vahe1, data=vahed)

summary(lm(vahe2~vahe1, data=vahed))


ounad

lm(oktoober~august+september, data=ounad)

summary(lm(oktoober~august+september, data=ounad))

uuritavad=tibble(august=rnorm(10, 4, 1.5))
uuritavad$september=uuritavad$august+runif(10, 0.5, 1)
uuritavad
mudel=lm(oktoober~august+september, data=ounad)
uuritavad$oktoober=predict(mudel, uuritavad)
uuritavad
ounad=read_csv("http://www.tlu.ee/~jaagup/andmed/muu/ounad/liivi_antoonovka_aug_sept_1000.txt")

#Kuvage õunad XY-joonisele, sordi järgi eri värvi

ounad %>% ggplot(aes(x=august, y=september, color=ounasort)) + geom_point()

ounad %>% filter(ounasort=="Antoonovka") %>% ggplot(aes(ounasort, august)) + geom_boxplot()


arvud=read_csv("http://www.tlu.ee/~jaagup/andmed/keel/korpus/dokarvud.txt")
dokmeta=read_csv("http://www.tlu.ee/~jaagup/andmed/keel/korpus/dokmeta.txt")

#Leidke kuni 18-aastaste autorite tekstide tähtede arvu summa
#Joonistage karpdiagramm teksti tähtede arvu jaotusega

str(arvud %>% inner_join(dokmeta))

arvud %>% inner_join(dokmeta) %>% filter(vanus=="kuni18") %>% .$tahti %>% sum()

arvud %>% inner_join(dokmeta) %>% ggplot(aes(vanus, tahti)) + geom_boxplot()

arvud %>% inner_join(dokmeta) %>% filter(vanus=="kuni18") %>% filter(tahti>0) %>% 
    ggplot(aes(vanus, tahti)) + geom_boxplot()

arvud %>% inner_join(dokmeta) %>% filter(vanus=="kuni18") %>% filter(tahti>0) %>% 
   .$tahti %>% min()

#Püüdke leida seos või selle puudumine teksti tähtede arvu ning üle kümnetäheliste
#sõnade protsendi vahel. 

#Pakkuge predicti abili üle kümnetäheliste sõnade protsent 20 juhuslikult valitud
#teksti juures ning näidake kõrvale ka tegelikke väärtusi

arvud %>% ggplot(aes(tahti, kymnejarohkemtahelistepr)) + geom_point()
mean(arvud$kymnejarohkemtahelistepr)
arvud %>% ggplot(aes(tahti, kymnejarohkemtahelistepr)) + geom_point()+
   geom_hline(yintercept = mean(arvud$kymnejarohkemtahelistepr))
lm(kymnejarohkemtahelistepr~tahti, data=arvud)

summary(lm(kymnejarohkemtahelistepr~tahti, data=arvud))
sample(arvud$tahti, 20)
uuritav=sample_n(arvud, 20)

mudel=lm(kymnejarohkemtahelistepr~tahti, data=arvud)
uuritav$uusprotsent=predict(mudel, uuritav)

uuritav %>% select(tahti, kymnejarohkemtahelistepr, uusprotsent) -> tulemus
tulemus

tulemus %>% mutate(vaheuuega=abs(kymnejarohkemtahelistepr-uusprotsent),
        vahekeskmisega=abs(kymnejarohkemtahelistepr-mean(arvud$kymnejarohkemtahelistepr)))

tulemus %>% mutate(vaheuuega=abs(kymnejarohkemtahelistepr-uusprotsent),
          vahekeskmisega=abs(kymnejarohkemtahelistepr-mean(arvud$kymnejarohkemtahelistepr))) %>%
          summarise(uuesumma=sum(vaheuuega), keskmisesumma=sum(vahekeskmisega))