qnorm(0.05, mean=0.471, sd=0.132)
qnorm(0.9999, mean=170, sd=10)
pnorm(180, mean=170, sd=10)
pnorm(c(160, 180), mean=170, sd=10)
pnorm(180, mean=170, sd=10)- pnorm(160, mean=170, sd=10)

pnorm(190, mean=170, sd=10)- pnorm(150, mean=170, sd=10)

pbinom(0, 10, 0.6)

pbinom(4, 10, 0.6)
pbinom(6, 10, 0.6)
pbinom(7, 10, 0.6)
pbinom(10, 10, 0.6)

dbinom(6, 10, 0.6)
dbinom(10, 10, 0.6)

dbinom(2, 7, 0.25)
qbinom(0.75, 7, 0.25)

rpois(10, 3)
rpois(1000, 3)

onnetusi=rpois(1000, 3)
sum(onnetusi>8)

ppois(8, 3)


  Poisooni jaotuse harjutus

alevis on aastas keskeltläbi 3 liiklusõnnetust
* genereeri võimalikud liiklusõnnetuste arvud aastati
* vaata, mitmel aastal tuhandest oli rohkem kui 8 liiklusõnnetust
* võrdle seda kuni 8 õnnetusega aastate teoreetilise esinemissagedusega


Müüginädalad

http://archive.ics.uci.edu/ml/datasets/Sales_Transactions_Dataset_Weekly

* Leia suurima toodete müügiarvuga nädal
* Arvuta iga toote müügile viie nädala libisev keskmine summa. Leia mõni toode, mida suvel müüakse märgatavalt rohkem kui talvel
* Kuva selgelt hooajaliselt müüdavate toodete müügikõverad joonisena. Kuva eraldi joonisel võrdluseks juurde müükide koguarv vastavalt ajale.

library(tidyverse)
tabel=read_csv("http://archive.ics.uci.edu/ml/machine-learning-databases/00396/Sales_Transactions_Dataset_Weekly.csv")
t(tabel)
tabel$W1
tabel[, 3]
tabel[1, ]
tabel %>% select(W0:W51) %>% colSums() -> nadalasummad
nadalasummad[nadalasummad==max(nadalasummad)]
which(nadalasummad==max(nadalasummad))
tibble(summad=nadalasummad, nadalad=names(nadalasummad)) %>% arrange(desc(summad))
names(nadalasummad)

arvud=tabel %>% select(W0:W51)
arvurida=arvud[1, ] %>% as.numeric()

arvurida[1:5]
mean(arvurida[1:5])
sapply(1:3, function(nr){mean(arvurida[nr:(nr+4)])})
sapply(1:48, function(nr){mean(arvurida[nr:(nr+4)])})

nrow(arvud)

v1=sapply(1:811, function(toode){
  sapply(1:48, function(nr){
    mean(as.numeric(arvud[toode, ])[nr:(nr+4)])
  })
})

v1[1:5, 1:6]


v2=sapply(1:811, function(toode){
  sapply(c(1, 13, 25, 37), function(nr){
    mean(as.numeric(arvud[toode, ])[nr:(nr+11)])
  })
})

kvartalid=t(v2)

suvesummad=sapply(1:811, function(toode){
  sum(as.numeric(arvud[toode, ])[12:37])
})
talvesummad=sapply(1:811, function(toode){
  sum(as.numeric(arvud[toode, ])[-c(12:37)])
})

talvesummad
(10:20)[-c(2:4)]

vordlus=tibble(suvi=suvesummad, tali=talvesummad, suhe=suvesummad/talvesummad, nr=1:length(suvesummad))
vordlus %>% arrange(suhe) %>% View()