% La matrice X di seguito contiene i dati riferiti alla performance e
% volatilità di 23 fondi di investimento
% X=[35.32 18.45;
%    34.96 18.18;
%    35.51 19.77;
%    39.36 18.37;
%    39.51 19.74;
%    39.30 20.10
%    42.54 19.86;
%    39.34 17.70;
%    30.07 17.75;
%    33.46 17.25;
%    36.26 19.60;
%    49.40 20.62;
%    42.12 20.98;
%    42.15 22.72;
%    38.72 22.14;
%    40.26 17.64;
%    40.26 18.22;
%    37.62 19.60;
%    32.78 16.46;
%    36.71 17.97;
%    40.98 18.17;
%    21.30 14.13;
%    41.00 18.20];
% 1) Costruire il diagramma di dispersione (utilizzando il comando plot)
% tra le due variabili inserendo la performance sull'asse delle ascisse ed
% utilizzando come simboli per i punti quadrati con bordo rosso riempiti di
% colore nero di altezza pari a 12.
% 2) Aggiungere al grafico le etichette degli assi.
% Commentare la relazione tra le due variabili.
% 3) Aggiungere al grafico la retta di regressione tra le due variabili
% (suggerimento: utilizzare il comando lsline).
% 4) Costruire il diagramma di dispersione (utilizzando il comando scatter)
% tra le due variabili inserendo la performance sull'asse delle ascisse ed
% utilizzando come simboli per i punti quadrati con bordo rosso riempiti di
% colore nero con altezza pari a 40 punti.
% 5) Chiudere tutte le finistre grafiche
% Utilizzando la funzione boxplotb costruire un boxplot bivariato robusto
% tra le variabili performance e volatilità (Suggerimento: utilizzare la funzione
% boxplotb di FSDA)
% 6) Costruire un diagramma di dispersione con gli istogrammi per le distribuzioni
% marginali. (Suggerimento: utilizzare la funzione scatterhist oppure scatterhistogram).
% 7) Costruire un diagramma di dispersione con i boxplot per le distribuzioni
% marginali. (Suggerimento: utilizzare la funzione scatterhist oppure scatterhistogram).
%
%
% Analisi univariate e bivariate in presenza più più gruppi
%
%
% 8) Fare il clear di tutte le variabili presenti in memoria.
% Caricare il dataset fisheriris in memoria tramite il comando 
% load fisheriris.
% Viene caricato in memoria una matrice 150 x 4 denominata meas contenente
% quattro caratteristiche di 3 specie di fiori di tipo iris. 
% I nomi delle 3 specie di fiori per ogni riga della matrice meas sono
% contenuti nella variabile di raggruppamente chiamata species (cell di
% dimensione 150x1 che viene caricata automaticamente dopo aver eseguito il
% comando load fisheriris).
% Le 4 variabili rappresentano rispettivamente la lunghezza
% dei sepali, l'ampiezza dei sepali, la lunghezza dei petali e l'ampiezza
% dei petali di 3 specie di fiori. 
% labels = {'Lunghezza sepali','Ampiezza dei sepali',...
% 'Lunghezza dei petali','Ampiezza dei sepali'};
% Costruire un diagramma di dispersione tra le variabili 2 ("Ampiezza dei
% sepali", asse x) e la variabile 3 ("Lunghezza dei petali", asse y). 
% utilizzando colori diversi per ogni valore della variabile di
% raggruppamento. Aggiungere sull'asse delle ascisse e delle ordinate i
% nomi delle due variabili.
% Inserire prima gli istogrammi poi i boxplot ai bordi del
% diagramma di dispersione.
% Scrivere il programma in modo tale che se l'utente invece delle variabili
% 2 e 3 possa selezionare qualsiasi altra coppia di variabili.

%% Soluzione

X=[35.32 18.45;
    34.96 18.18;
    35.51 19.77;
    39.36 18.37;
    39.51 19.74;
    39.30 20.10
    42.54 19.86;
    39.34 17.70;
    30.07 17.75;
    33.46 17.25;
    36.26 19.60;
    49.40 20.62;
    42.12 20.98;
    42.15 22.72;
    38.72 22.14;
    40.26 17.64;
    40.26 18.22;
    37.62 19.60;
    32.78 16.46;
    36.71 17.97;
    40.98 18.17;
    21.30 14.13;
    41.00 18.20];


%% 1) Costruire il diagramma di dispersione (utilizzando il comando plot)
% tra le due variabili inserendo la performance sull'asse delle ascisse ed
% utilizzando come simboli per i punti quadrati ('Marker','s')
% con bordo rosso ('MarkerEdgeColor','r') riempiti di colore nero
% (MarkerFaceColor','k') di altezza pari a 12 ('MarkerSize',12)

plot(X(:,1),X(:,2),'o','Marker','s','MarkerEdgeColor','r', ...
    'MarkerFaceColor','k','MarkerSize',10)


%% 2) Aggiungere al grafico le etichette degli assi.
% Commentare la relazione tra le due variabili.

xlabel('Performance')
ylabel('Volatilità')

%% 3) Aggiungere al grafico la retta di regressione tra le due variabili
% (suggerimento: utilizzare il comando lsline).
lsline

% Osservazione: per inserire una linea con ad esempio un diverso tratteggio
% utilizzare  i comandi che seguono
% ax=lsline;
% ax.LineStyle='--';


%% 4) Costruire il diagramma di dispersione (utilizzando il comando scatter)
% tra le due variabili inserendo la performance sull'asse delle ascisse ed
% utilizzando come simboli per i punti quadrati con bordo rosso riempiti di
% colore nero con altezza pari a 40 punti.

% Grafico a dispersione utilizzando il comando scatter
scatter(X(:,1),X(:,2),40,'s','MarkerEdgeColor','r','MarkerFaceColor','k')

% Aggiungere al grafico le etichette degli assi.
xlabel('Performance')
ylabel('Volatilità')

%% Boxplot bivariato
% 5) Chiudere tutte le finistre grafiche
% Utilizzando la funzione boxplotb costruire un boxplot bivariato robusto
% tra le variabili performance e volatilità (Suggerimento: utilizzare la funzione
% boxplotb di FSDA)
close all
boxplotb(X)
xlabel('Performance')
ylabel('Volatilità')

%% scatter con istogrammi ai margini
% 6) Costruire un diagramma di dispersione con gli istogrammi per le distribuzioni
% marginali. (Suggerimento: utilizzare la funzione scatterhist oppure scatterhistogram).
close all
scatterhist(X(:,1),X(:,2))
xlabel('Performance')
ylabel('Volatilità')

%% scatter con boxplot ai margini
% 7) Costruire un diagramma di dispersione con i boxplot per le distribuzioni
% marginali. (Suggerimento: utilizzare la funzione scatterboxplot).
scatterboxplot(X(:,1),X(:,2));

%% Analisi univariate e bivariate in presenza più più gruppi
% 8) Fare il clear di tutte le variabili presenti in memoria.
% Caricare il dataset fisheriris in memoria tramite il comando 
% load fisheriris.
% Viene caricato in memoria una matrice 150 x 4 denominata meas contenente
% quattro caratteristiche di 3 specie di fiori di tipo iris. 
% I nomi delle 3 specie di fiori per ogni riga della matrice meas sono
% contenuti nella variabile di raggruppamente chiamata species (cell di
% dimensione 150x1 che viene caricata automaticamente dopo aver eseguito il
% comando load fisheriris).
% Le 4 variabili rappresentano rispettivamente la lunghezza
% dei sepali, l'ampiezza dei sepali, la lunghezza dei petali e l'ampiezza
% dei petali di 3 specie di fiori. 
% labels = {'Lunghezza sepali','Ampiezza dei sepali',...
% 'Lunghezza dei petali','Ampiezza dei sepali'};
% Costruire un diagramma di dispersione tra le variabili 2 ("Ampiezza dei
% sepali", asse x) e la variabile 3 ("Lunghezza dei petali", asse y). 
% utilizzando colori diversi per ogni valore della variabile di
% raggruppamento. Aggiungere sull'asse delle ascisse e delle ordinate i
% nomi delle due variabili.
% Inserire prima gli istogrammi poi i boxplot ai bordi del
% diagramma di dispersione.
% Scrivere il programma in modo tale che se l'utente invece delle variabili
% 2 e 3 possa selezionare qualsiasi altra coppia di variabili.
load fisheriris
labels = {'Lunghezza sepali','Ampiezza dei sepali',...
    'Lunghezza dei petali','Ampiezza dei sepali'};
i=2;
j=3;
Xi=meas(:,i);
Xj=meas(:,j);

%% scatterhist e scatterboxplot
figure
scatterhist(Xi,Xj,'Group',species)
xlabel(labels(i))
ylabel(labels(j))
title('Scatter e istogrammi distinti per i 3 gruppi')

figure
scatterboxplot(Xi,Xj,'Group',species)
xlabel(labels(i))
ylabel(labels(j))
title('Scatter e boxplot distinti per i 3 gruppi')


%% Se invece si desidera avere nelle distribuzioni marginali un unico gruppo
% scatterhist e scatterboxplot
figure
scatterhist(Xi,Xj,'Group',species,'PlotGroup','off')
xlabel(labels(i))
ylabel(labels(j))
title('Scatter distinti per i 3 gruppi ma grafico ad istogramma globale')


%% Osservazione: l'opzione 'PlotGroup','off'  non funziona 
% per scatterboxplot nella versione FSDA 8.5.10 
% Tra qualche giorno (16 o 17 di ottobre 2021 viene rilasciata una nuova
% versione di FSDA che corregge questo bug)
figure
scatterboxplot(Xi,Xj,'Group',species,'PlotGroup','off')
xlabel(labels(i))
ylabel(labels(j))
title('Scatter e boxplot distinti per i 3 gruppi')



%% Codice aggiuntivo per affronfondimenti (FACOLTATIVO)

unigroup=unique(species);
colore={'b' 'r' 'k'};
simbolo={'*' 'x' 's'};

figure

for i=1:length(unigroup)
    boo=strcmp(unigroup(i),species);
    scatter(Xi(boo),Xj(boo),colore{i},simbolo{i})
    hold('on')
    lsline
end