#BITTE AUSFÜLLEN!!
#NAME: 
#VORNAME: 


library(ggplot2)
library(dplyr)

############################# 
# 1. Laden Sie den dataframe
plosiv.df = read.table(file.path(pfadu, "plosiv.df.txt"))

# 15 Sprecher produzierten /p/ und /t/ Plosive.
# Die Energie-Werte der Plosive wurde gemessen. Werden die
# Energie-Werte (Spalte dB) von der Artikulationsstelle (Spalte K) beeinflusst?
# Bitte mit passender Abbildung und passendem statistischem Test!

#Eine Musterlösung wäre:

with(plosiv.df,table(K,Vpn))
#Die Daten sind also gepaart (es liegen für jeden Sprecher ein /p/- und ein /t/-Wert vor)
#-->gepaarter t-Test
#Wir brauchen zunächst die Differenzen zwischen dB-Werten ( diff(dB) ) von t und p
#pro Versuchsperson ( group_by(Vpn) )
plosiv.df.diff = plosiv.df %>%
  group_by(Vpn) %>%
  summarise(dB = diff(dB))

# Dann nehmen wir den neuen dataframe und erstellen daraus den Plot:
ggplot(plosiv.df.diff) +
  aes(y = dB) +
  geom_boxplot()

# oder einfacher:
boxplot(plosiv.df.diff$dB)

#Testen, ob die Daten in plosiv.df.diff$dB wahrscheinlich normalverteilt sind
shapiro.test(plosiv.df.diff$dB)

#-->knapp abweichend von Normalverteilung 
#--> daher KEIN t.test(), sondern
wilcox.test(plosiv.df.diff$dB)

# "Ein Wilcoxon signed rank test zeigte, dass bei /t/ höhere dB-Werte erreicht wurden (V = 90.5, p < 0.05)."

#Zur Erinnerung: den p-Wert geben wir nicht exakt, sondern in folgenden Stufen an:
#"n.s." (nicht signifikant, wenn p >= 0.05)
#"p < 0.05"
#"p < 0.01"
#oder
#"p < 0.001"

# Bitte auch den V- bzw. W-Wert (bei wilcox.test()) gerundet auf eine Nachkommastelle mit angeben, 
# beim t.test() den t-Wert, mit Freiheitsgraden in eckigen Klammern. D.h. ein Ergebnis wie
# t = 3.1357, df = 14, p-value = 0.007296 
#--> sähe im Bericht so aus:
# "( t[14]=3.1, p < 0.01 )"


####################################################################################################################
# AUFGABEN:
############################# 
# 2. Laden Sie
alter.df = read.table(file.path(pfadu, "alter.df.txt"))
# Zeigen Sie durch eine Abbildung und einen statistischen Test, 
# ob die Werte in Spalte "grund" vom Alter ("Alter") abhängen.



#############################
# 3. Diese Daten:
fremd = read.table(file.path(pfadu, "fremd.df.txt"))
# zeigen fuer 30 Sprecher (Spalte Vpn) eine Messung der Sprechgeschwindigkeit (Spalte tempo),
# wenn sie in ihrer Muttersprache oder ihrer Zweitsprache (Spalte Sprache) reden.
# Pruefen Sie durch eine Abbildung und statistischen Test,
# inwiefern die Sprechgeschwindigkeit von der Sprache beeinflusst wird.


#############################
# 4. Die VOT-Werte fuer /d/ von 15 deutschen monolingualen Sprechern waren:
mon = c(26, 26, 26, 28, 18, 21, 19, 25, 23, 29, 22, 22, 24, 23, 22)

# Die VOT-Werte fuer /d/ von 15 anderen, deutsch-franzoesisch bilingualen Sprechern waren:
bil = c(18, 20, 20, 26, 17, 23, 20, 16, 20, 18, 21, 29, 20, 25, 19)

# Pruefen Sie anhand einer Abbildungen und eines statistisches Tests, 
# ob VOT aufgrund der Sprachkenntnisse beeinflusst wird.


#ENDE: Abgabe bis Freitag, 31. Mai, als R-Dokument an reubold@phonetik.uni-muenchen.de
#############################