library(ggplot2)

# Fuer die Daten in diesem Data-Frame
clara = read.table(file.path(pfadu, "clara.txt"))

# pruefen Sie bitte anhand einer Abbildung, inwiefern eine Verbindung zwischen der 
# Prae-aspirationsdauer (Spalte prdur) und Wortdauer (Spalte ddur) vorliegt. 
# Beschriften Sie die Achsen mit "Wortdauer" und "Praeaspirationsdauer".
# Erstellen Sie hierbei zwei Panels, eines fuer prae-aspitierte Plosive in 
# initialer und finaler Position
# (Stufen "i" und "f" in Spalte pos, in dieser Reihenfolge!)

#zuerst die Reihenfolge in clara$pos ändern/festlegen:
clara$pos=factor(clara$pos,levels=c("i","f"))
p1 = ggplot(clara)
p2 = aes(y = prdur, x = ddur)
p3 = geom_point()
p1 + p2 + p3 + xlab("Wortdauer") + ylab("Präaspirationsdauer") + facet_wrap(~pos)

###########################################################################################
###########################################################################################
###########################################################################################


# Fuer die Daten in diesem Data-Frame
dg = read.table(file.path(pfadu, "dg.txt"))
# erstellen Sie eine Abbildung, um zu pruefen, inwiefern Unterschiede 
# im zweiten Formanten (F2) mit der Region (Region) variieren, getrennt fuer 
# Maenner und Frauen (Gen). 
# Beschriften Sie die y-Achse als "F2 (Hz)".
p1 = ggplot(dg)
p2 = aes(y = F2, x = Region)
p3 = geom_boxplot()
p4 = ylab("F2 Hz")
p5 = facet_wrap(~Gen)
p1 + p2 + p3 + p4 + p5


###########################################################################################
###########################################################################################
###########################################################################################


# Fuer die Daten in diesem Data-Frame:
franken = read.table(file.path(pfadu, "franken.txt"))
# pruefen Sie anhand einer Abbildung, inwiefern das Urteil (Response) - ob in 
# Woertern wie 'leiten' ein /t/ (fortis) oder /d/ (lenis) wahrgenommen wurde - vom 
# Alter (Alter) beeinflusst wird. Bilden Sie hierfuer Proportionen ab. 
p1 = ggplot(franken)
p2 = aes(fill=Response, x = Alter)
#zählen lassen
p3 = geom_bar()
#oder proportional darstellen
p4 = geom_bar(position="fill")
#dementsprechend
p1 + p2 + p3
#oder
p1 + p2 + p4


###########################################################################################
###########################################################################################
###########################################################################################


# Fuer diese Daten:
geraet = read.table(file.path(pfadu, "ger.df.txt"))

# wurde die Hoehe des Kiefers (kiefer) von zwei verschiedenen Geraeten (Geraet) gemessen. 
# a.)Erstellen Sie eine Abbildung, anhand deren gezeigt werden kann, ob die Kieferhoehe 
# vom Geraet beeinflusst wurde. b.)Errechnen Sie danach pro Sprecher (Vpn) die Differenzen
# zwischen beiden Messungen, also der von Geraet B stammenden Werte 
# minus der von Geraet A stammenden Werte.
#a.)
p1 = ggplot(geraet)
p2 = aes(y = kiefer, x = Geraet)
p3 = geom_boxplot()
p1 + p2 + p3
#b.)
geraet[geraet$Geraet=="B",]$kiefer-geraet[geraet$Geraet!="B",]$kiefer
#oder
aggregate(kiefer~Vpn,data=geraet,FUN=diff)
#oder
library(dplyr)
filter(geraet,Geraet=="B")$kiefer-filter(geraet,Geraet=="A")$kiefer
#bzw.
geraet%>%
  group_by(Vpn)%>%
  summarise(diff(kiefer))
#Man beachte die unterschiedlichen Reihenfolgen, da mal S1,S2,...,S10, mal S1,S10,S2,...S9 genommen wurde!

###########################################################################################
###########################################################################################
###########################################################################################


# Fuer diese Daten:
glottal = read.table(file.path(pfadu, "glottal.txt"))
# wurde transkribiert, ob ein [t] oder Glottalverschluss [tQ] produziert 
# wurde (verschluss), und ob diese Verschluesse von einem System 
# fuer automatische Segmentierung erkannt wurden oder nicht. 
# Pruefen Sie anhand einer Abbildung, ob die Erkennung vom Verschluss beeinflusst wurde.
p1 = ggplot(glottal)
p2 = aes(fill = erkannt, x = verschluss)
p3 = geom_bar(position = "fill")
p1 + p2 + p3


###########################################################################################
###########################################################################################
###########################################################################################


# Fuer diese Daten:
h.df = read.table(file.path(pfadu, "hruch.txt"))
# wurde voice-onset-time (VOT) fuer mehrere 
# Versuchspersonen in der andalusischen Varietaet des Spanischen 
# gemessen. Pruefen Sie anhand von 2 Abbildungen ob (a) VOT vom 
# Alter des Sprechers (Alter) beeinflusst wurde und
# (b) ob eine Beziehung zwischen VOT und der Verschlussdauer (Verschluss) vorliegt.

p1 = ggplot(h.df)
p2 = aes(y = VOT, x = Alter)
p3 = geom_boxplot()
p1 + p2 + p3

p4 = aes(y = VOT, x = Verschluss)
p5 = geom_point()
p1 + p4 + p5



#ENDE######################################################################################
###########################################################################################
###########################################################################################