library(lmerTest)
library(lattice)
source(file.path(pfadu, "phoc.txt"))
source(file.path(pfadu, "ph.step.R"))

#
########################## Frage 1
#  In diesen Daten
x24 = read.table(file.path(pfadu, "x24.txt"))
# wurden für 3 Vokale (V) Entfernung zum Vokalmittelpunkt (ent) für verschiedene Sprecher (Vpn), die verschiedene Wörter (Wort) produziert haben. Inwiefern werden die Entfernungen vom Vokal beeinflusst?
bwplot(ent ~ V, data = x24)
bwplot(ent ~ V | Vpn, data = x24)
bwplot(ent ~ V | Wort, data = x24)

# Mitteln über Wörter
x24.m = aggregate(ent ~ V * Vpn, mean, data = x24)
bwplot(ent ~ V, data = x24.m)
# Mitteln über Versuchspersonen
x24.m2 = aggregate(ent ~ V * Wort, mean, data = x24)
bwplot(ent ~ V, data = x24.m2)

# within  (V|Vpn)
with(x24, table(Vpn, V))
# within  (V|Wort)
with(x24, table(Wort, V))
# zusammen: (V|Vpn) + (V|Wort)

# MM
x24.lmer = lmer(ent ~ V + (V|Vpn) + (V|Wort), data = x24)
# step
x24.step = step(x24.lmer)
x24.step
# Die Entfernungen wurden signifikant vom Vokal beeinflusst (F[2, 803]= 23.6, p < 0.001).


########################## Frage 2

#  Diese Studie von Bodo Winter
pl = read.table(file.path(pfadu, "pl.df.txt"))
# siehe auch: http://arxiv.org/pdf/1308.5499.pdf
# befasst sich mit der Beziehung zwischen f0 (frequency), Höflichkeit (attitude), und Gender. Höflichkeit hat zwei Stufen: pol (höflich) und inf (normal). Dir f0-Daten sind von verschiedenen Versuchspersonen (subject) und in verschiedenen Sprechsituationen (scenario) erhoben worden. Inwiefern wird f0 von der Höflichkeit und vom Gender beeinflusst?

# fixed factor(s): attitude, gender
# random factor(s): scenario, subject
# ist irgendeine dieser Kombinationen between? Wenn ja, (1|RF) sonst (FF|RF)

# attitude mit scenario. within (attitude|scenario)
with(pl, table(scenario, attitude))

# attitude mit subject. within (attitude|subject)
with(pl, table(subject, attitude))

# gender mit scenario. within (gender|scenario)
with(pl, table(scenario, gender))

# gender mit subject between (1|subject)
with(pl, table(subject, gender))

# zusammen: 
# (attitude|scenario) + (gender|scenario) + (attitude|subject) + (1|subject)
# = 
# (attitude+gender|scenario) + (attitude|subject)
#
# Zwei fixed factors mit Interakation: FF1 * FF2
# das gleiche wie FF1 + FF2 + FF1:FF2
# 
# MM
pl.lmer = lmer(frequency ~ attitude * gender + (attitude+gender|scenario) + (aano), data = pl)
# step
step.lmer = step(pl.lmer)
step.lmer
# f0 wurde von attitude signfikant beeinflusst (F[1, 70.1] = 12.5, p < 0.001) und f0 wurde signifikant von gender beeinflusst (F[1, 4] = 27.0, p < 0.01) und es gabe keine signifikante Interaktion zwischen diesen Faktoren.




########################## Frage 3
# Diese Daten:
asp = read.table(file.path(pfadu, "asp.txt"))
# zeigen Dauerwerte von der Aspiration, die in verschiedenen Wörtern und von verschiedenen Versuchspersonen produziert wurden.  Inwiefern wird die Aspirationsdauer von der Artikulationstelle (Faktor Kons) und von der Betonung (Faktor Bet) beeinflusst?

########################## Frage 4
# In diesen Daten:
read.table(file.path(pfadu, "laerm.txt"))
# wurden Reaktionszeiten von verschiedenen Versuchspersonen
# auf verschiedene Wörter gemessen. Inwiefern wird  die Reaktionszeit vom Lärm (Faktor Laerm) und  von der Altersgruppe der Versuchsperson beeinflusst?

########################## Frage 5
# In diesen Daten:
stefan = read.table(file.path(pfadu, "stefan.txt"))
# wurde F2 (f2mid) in verschiedenen Wörtern (Word) produziert
# von verschiedenen Versuchspersonen (Vpn) gemessen. Inwiefern wird
# F2 vom Tempo und vom Vokal (Faktor (V)) beeinflusst?

########################## Frage 6

#  In diesen Daten
lex = read.table(file.path(pfadu, "lex.txt"))
# wurden Reaktionszeiten von verschiedenen Sprechern (Subj) auf verschiedene Wörter (Word) gemessen. Die Sprecher waren entweder Muttersprache englisch oder nicht (Faktor Lang). Zusätzlich gibt es eine Verschlüsselung für die Wortlänge (Length): je kleiner die Zahl, umso kürzer das Wort.  Inwiefern werden die Reaktionszeiten von der Sprache und  der Wortlänge beeinflusst?