%% Domanda 1
% Utilizzando il seed 100 generare una matrice di dimensione 20x3
% di numeri provenienti dalla distribuzione uniforme nell'intervallo 0 15
% Denominare questa matrice con le ultime 2 lettere del proprio cognome.
% Calcolare la distanza Euclidea e la distanza di Mahalanobis tra la riga 2
% e la riga 11 di questa matrice. Mostrare i risultati tramite la funzione
% disp.


%% Domanda 2
% Caricare in memoria la table di dimensione 200x6 contenente le
% caratteristiche facciali di 200 soldati svizzeri tramite l'istruzione
% load('head.mat');
% 1) Calcolare e commentare l'indice di curtosi per le variabili del dataset
%
% Dopo aver standardizzato i dati, 
% 2) rappresentare graficamene tramite boxplot le variabili del dataset
% aggiungendo i nomi delle variabili sull'asse delle ascisse
% 3) Applicare il metodo di clustering delle k medie imponento 2 gruppi
% Rappresentare graficamente l'allocazione delle unità ai
% 2 gruppi che sono stati
% ottenuti tramite la matrice dei diagrammi di dispersione.
% 4) Mostrare ed interpretare i centroidi che sono stati ottenuti



%% Domanda 3
% Caricare in memoria la table di dimensione 200x6 contenente le
% caratteristiche facciali di 200 soldati svizzeri
% Discutere la quota di varianza spiegata dalle prime due PC
% Che caratteristiche presentano i soldati che hanno valori elevati della
% prima componente principale?
% Dall'esame del biplot che caratteristiche presenta il soldato numero 159
% Che relazione c'è tra la lunghezza delle frecce nel biplot e la
% comunalità di una variabile?
% Mostrare la variabile che presenta la comunalità più alta con riferimento
% alle prime 3 componenti principali.