%% ESERCIZIO I
% Caricare in memoria il dataset di FSDA citiesItaly
% tramite funzione load.
% Creare la tabella pivot tra le variabili pensions 
% (variabile da inserire sulle righe)
% e unemploy (variabile da inserire sulle colonne) 
% di seguito
%                  [0, 8)    [8, 16)    [16, 24)    [24, 32]    Overall_count
%                   ______    _______    ________    ________    _____________
% 
% [7000, 8700)         2         5           6          3              16     
% [8700, 10400)       25         8           7          6              46     
% [10400, 12100)      31         3           2          0              36     
% [12100, 13800]       3         2           0          0               5     
% Overall_count       61        18          15          9             103     
%
% Denominare la tabella pivot con le prime 4 lettere del proprio NOME
% (punti 9)
load citiesItaly.mat
Marc=pivot(citiesItaly,"Rows","pensions","RowsBinMethod",4, ...
    "Columns","unemploy","ColumnsBinMethod",4,"RowLabelPlacement","rownames", ...
    "IncludeTotals",true);
disp(Marc)

% Mostrare nella Command Window le righe del dataset che hanno un valore di
% addedval nell'intervallo [25000, 34000]  e un valore di bankrup
% nell'intervallo [30, 60)   (punti 7)
boo1=citiesItaly.addedval>=25000 & citiesItaly.addedval<=34000;
boo2=citiesItaly.bankrup>=30 & citiesItaly.bankrup<60;
disp(citiesItaly(boo1 & boo2,:))


% Calcolare il MAD (mediana degli scostamenti in valore assoluto dalla mediana)
% per la variabile unemploy
% (punti 3)
% Intepretare il MAD ottenuto  (punti 2)
disp(mad(citiesItaly.unemploy,1))
% Il 50% delle province presenta una scostamento in modulo dalla mediana minore di
% 3.29 ed il rimanente 50% un valore superiore


% ESERCIZIO II 
% Creare i primi 50 termini della sequenza che segue
% f(t)=-3*f(t-1)+2*f(t-2)+0.1*f(t-3)  t=4, 5, .., 50
% con f(1)=1; e f(2)=0.5; f(3)=2;
% in un vettore denominato con le prime 2 lettere del proprio cognome
% (punti 6)
T=50;
ri=zeros(T,1);
ri(1)=1; 
ri(2)=0.5;
ri(3)=2;
for t=4:T
    ri(t)=-3*ri(t-1)+2*ri(t-2)+0.1*ri(t-3);
end

% Esercizio III (punti 3)
% Impostare a 100 il seed dei numeri casuali
% Generare 100 numeri casuali dalla distribuzione uniforme nell'intervallo
% [3 4.2] in un vettore colonna denominato con nome_cognome
rng(100)
marco_riani=unifrnd(3,4.2,100,1);