%% Testo
% 1) Caricare  le variabili  "retta" e "affiliazione" presenti nel file di Excel 
% UnivUSAanova.xlsx. 

% 2) rimuovere in maniera listwise le righe del dataset  che presentano valori 
% mancanti 

% 3) Costruire la distribuzione di frequenze della variabile classificatoria 
% group.
% 
% 4) Analizzare la distribuzione della retta tramite boxplot nei 3 strati 
% della variabile classificatoria ("Clero" "Stato"  "Privati"). 
% 
% 5) Tramite la funzione di MATLAB anova1 testare l’ipotesi che le rette 
% medie per iscriversi a scuole statali, private o del clero differiscano tra 
% loro significativamente. Calcolare e commentare il p-value del test. Commentare 
% il risultato del test.
% 
% 6) Calcolare il rapporto di correlazione (rapporto tra la VARfra e la
% VARtot)

%% Soluzione
% 1) Caricamento dati da file di Excel
% Oservazione: carico dentro Matlab solo la zona che contiene le due
% variabili "retta" e "affiliazione"
SheetName = "UnivUSA";
Range = "K1:L251";

Y = readtable("UnivUSAanova.xlsx",'Sheet',SheetName,'Range',Range,'ReadRowNames',false);


%% 2) Rimozione valori mancanti (in maniera listwise)
[X,indexmissX]=rmmissing(Y);
% conta i missing di X
% sum(indexmissX)

%% Calcolo  
% Osservazione: con le espressioni std e var si intendono la standard deviation
% e la varianza corrette
% meanci specifica che vogliamo anche l'intervallo di confidenza.
% Se non si specifica il livello di confidenza MATLAB per default propone
% intervalli di confidenza al 95 per cento.
X1=grpstats(X,'affiliazione',{'mean' 'std' 'var' 'meanci'},'Alpha',0.01);
disp('Calcolo statistiche descrittive e intervalli di confidenza al 99 per cento delle medie')
disp(X1)

n=size(X,1);
% Varianza nei gruppi
VARnei=sum(X1{:,'var_retta'}.*(X1{:,'GroupCount'}-1))/n;
DEVneiCalcoltaManualmente=VARnei*n;

% Media generale della variabile retta
MediaGenerale=mean(X{:,'retta'});
% Media generale utilizzando la proprietà associativa della media
% aritmetica
MediaGeneraleCHK=sum(X1{:,'mean_retta'}.*(X1{:,'GroupCount'})/n);
disp('Differenza nel calcolo della media con i due metodi')
disp(MediaGenerale-MediaGeneraleCHK)

% Varianza tra i gruppi
VARfra=sum((X1{:,'mean_retta'}-MediaGenerale).^2.*(X1{:,'GroupCount'}))/n;
DEVfraCalcoltaManualmente=VARfra*n;


%% 3) Distribuzione di frequenze della variabile classificatoria
tabulate(X.affiliazione)

%% 4) Analisi preliminare tramite boxplot
boxplot(X.retta,X.affiliazione);

%% 5) Test ANOVA di uguaglianza delle medie
% Analisi ANOVA
[pval,anovatab,stats]=anova1(X.retta,X.affiliazione);
% Commento: il p-value è molto basso di conseguenza rifiuto decisamente 
% l'ipotesi di uguaglianza delle tre medie nell'universo.

%% Calcolo del rapporto di correlazione
DEVfra=anovatab{2,2};
DEVnei=anovatab{3,2};
disp('Il rapporto di correlazione è pari a')
disp(DEVfra/(DEVfra+DEVnei))
% Commento: le differenze tra le medie tra i gruppi spiegano oltre il 72%
% della variabilità totale.

%% Rappresentazione grafica intervalli di confidenza al 99 per cento
% Dall'help di grpstats
% grpstats(X,group,alpha) plots the means of the groups of data in the
% vector or matrix X determined by the values of the grouping variable,
% group. The grouping variable values are on the horizontal plot axis. Each
% group mean has 100×(1 – alpha) per cent confidence intervals.
% Osservazione: gli intervalli di confidenza utilizzano i quantili della
% v.v. T di Student (e non quelli della normale)
grpstats(X.retta,X.affiliazione,0.01);