%% Esercizio I
% Siano date 3 variabili X1, X2 e X3. La tabella sotto mostra le
% deviazioni standard (sigma delle 3 variabili) e i coefficienti di correlazione.
%
%                   Deviazione standard
%  Variabile X1      0.15
%  Variabile X2      0.10
%  Variabile X3      0.14
%  Coppia     Coefficiente di correlazione
%  (X1,X2)           0.11
%  (X1,X3)           0.13
%  (X2,X3)           0.26
% Calcolare la matrice di varianze e covarianze S di queste 3 variabili.
% Denominare la matrice di varianze e covarianze con il proprio cognome.
% Mostare nella Command Window la matrice di varianze e covarianze in
% formato table (punti 8)
%
% ESERCIZIO UGUALE IDENTICO A QUELLO PRESENTE A P. 247 DEL LIBRO DI TESTO
 

%% ESERCIZIO II
% Caricare in memoria il dataset di FSDA denominato nci60
% tramite istruzione load.
% Estrarre le variabili che si trovano nelle colonne 3 8 10 e nell'ultima colonna
% della table nci6o in una nuova table 
% denominata con le ultime 4 lettere del proprio cognome.
% Calcolare il p-value del test di normalità di Jarque Bera per le 4
% variabili in esame. Commentare i 4 p-values ottenuti.
% Calcolare la matrice di COGRADUAZIONE e dei p-values in formato table tra
% le 4 variabili estratte e la matrice dei diagrammi di dispersione.
% Inserire il valore del coefficiente di COGRADUAZIONE in ogni
% pannello della matrice dei diagrammi di dispersione e cololarlo in rosso
% oppure in nero a seconda della sua significatività.
% Commentare la table dei p-values del test di assenza di cograduazione
% fra le 4 variabili in esame (punti 12)

load nci60.mat
% Estrarre le variabili denominate x15938 x9634 x21830 e y in una table
% denominata con le prime 3 lettere del proprio cognome.
IANI=nci60(:,[3 8 10 end ]);

% Calcolare il p-value del test di normalità di Jarque Bera per le 4
% variabili in esame. Commentare i 4 p-values ottenuti.
Pval=zeros(1,4);
for j=1:4
   [~,pvalj]=jbtest(IANI{:,j});
   Pval(j)=pvalj;
end
disp('p-value del test di Normalità delle 4 serie')
disp(Pval)
% p-value compreso sempre tra l'uno e il 5 per cento.
% Difficile in questo caso prendere una decisione sulla normalità delle 4 variabili

[Rt,Pvalt]=corrplot(IANI,TestR="on",Type="Spearman");
disp('Table dei p-values del test di assenza di cograduazione')
disp(Pvalt)
% Cograduazione significativa sia tra ciascuna coppia di variabile esplicativa,
% sia tra le variabili esplicative e la variabile risposta y


%% Esercizio III
% Caricare in memoria la timetable denominata accessories contenuta nel file
% TTaccessories.mat. Questa timetable contiene le due serie storiche denominate
% BY (importazioni di accessori dalla BieloRussia) e KZ (importazioni di accessori
% dal Kazakistan)
% Mostrare l'andamento delle due serie storiche nel periodo specificato al
% punto precedente in due pannelli orizzontali. Aggiungere come titolo del
% grafico il proprio cognome seguito dal numero di matricola
% Estrarre le righe della timetable che si riferiscono ai mesi di marzo,
% aprile e maggio.
% Calcolare la media e la mediana dei valori delle due serie storiche
% nell'intervallo di tempo specificato al punto precedente.
% (punti 10)

load TTaccessories.mat
stackedplot(accessories)
title('Riani 051485')
boo=accessories.Time.Month>=3 & accessories.Time.Month<=5;
Xt=accessories(boo,:);
MedieMediane=grpstats(Xt,[],["mean" "median"]);
% Medie e Mediane per l'intervallo considerato
disp(MedieMediane)