# dette er r-info06.txt i norskesites.org/r-programmering
# du er ennaa med? bra!!!!!
# disse tekster er .txt i engelsk standard ascii som har
# ingen etniske bokstaver, heller ikke norske, derfor
# skrives ae, oe, og aa for de tre ekstra norske tegn --
# og foelgelig vil ikke R 'hoste' naar man komplierer
# ting som er hentet fra dette. tegnet # betyr i R 
# sammenheng en kommentar, og stort sett passer jeg paa
# aa ha det til venstre i disse kommentarer. noen ganger
# vil norske datanavn komme inn i programmer for aa
# tydeliggjoere hvilke navn som er fritt valgt og hvilke
# ord som har en klar R-definisjon (f.eks. 'matrise',
# 'forskningsdata' under er vaare ord, mens 'matrix' er
# et ord i R, slik R er definert ved universitetene).



# vi fortsetter med utforskningen av R for tenkning omkring 
# tall gjennom grafiske fremstillinger av tall. i statistisk
# forskning brukes, av tradisjon, uttrykk knyttet til
# 'regresjon' (eller 'analytisk regresjon') ofte til en 
# tilnaerming der der en fokus paa gjennomsnitt heller enn 
# en fokus paa avvik. dette er mer tydelig i linear 
# (linje-orientert) regresjon. merk at mens vi har eksakt
# aritmetikk av typen prosent-regning, og trigonometriske
# funksjoner slik som sinus og den type ting, er alt som
# i statistikk knytter seg til uttrykket 'regression' mer
# en form for heuristikk, hvis du kjenner dette ordet. 
# med andre ord, det dreier seg om -- sagt litt fritt! --
# kjoekkentricks, om veier som har vist seg fruktbare, 
# eller tommelfingerregler: disse utgjoer med andre ord ingen
# naturlov eller noen opplagt utvidelse av det eksakte
# aritmetiske sett av regnefunksjoner. det er derfor av 
# betydning, i forskningssammenheng, at man er seg bevisst
# viktigheten av aa bruke et noe annet spraak naar man
# beveger seg fra noe slikt som aritmetikk og over til
# noe slikt som regresjonsanalyse. aritmetikk har ingen
# pretensjon i seg om at det tilbyr noen "analyse". 
# statistikk har, og maa ha, en pretensjon i seg om at
# det tilbyr en viss analyse, men det forutsetter at
# dataene matcher, og det er alltid i noen grad en
# mental vurdering, en skjoennsmessig vurdering. man kan
# derfor ikke uten spoermsmaalstegn i horisonten paakalle
# slike metoder, men man maa gjoere det med en naturlig
# dose av forskningsmessig tvisyn -- som kan varsle leseren
# om at det kan vaere en anvendelse her av metoder som 
# egentlig ikke gir helt mening. derfor skal man kunne
# bruke quotes, hvertfall mentalt sett, naar man bruker
# funksjoner implementert i en datapakke som hentes
# fra det statistiske forskningsfelt. disse funksjonene
# er i endel tilfeller eksakt definert, men hvorvidt de
# faktisk gir mening i situasjonen er alltid et spoersmaal.
# gir det f.eks. mening aa bruke funksjonen lsfit, som
# dreier seg om linear regresjon? la oss se!

forskningsdata <- c(3, 5, 8, 13, 21, 34, 55)
# neste linje viser de enkelte data 
plot(forskningsdata)
# deretter lager vi en rett linje gjennom dem med abline
# antall tall er 7, derfor 1:7 i den lineaere regresjonslinjen:
abline(lsfit(1:7, forskningsdata))

# hva er det lsfit egentlig gjoer, eksakt? den kalkulerer over
# dataene som gis den i traad med statistiske tradisjoner, og
# noen av disse resultater brukes av abline for grafikk. for
# en dypere analyse av lsfit, hvis du er i humoer til aa kikke
# paa massevis av tall og flere teknisk-statistiske 
# forkortelser, proev aa skrive
lsfit(1:7, forskningsdata)
# og, med et annet eksempel vi bruker rett nedenfor, der det
# er temmelig klart at slik regresjon ikke kan brukes uten videre
forskningsdata3 <- c(234, 233, 234, 4933, 3983, 3982, 8472, 3989)
lsfit(1:8, forskningsdata3)
# hvis du er av den harde typen og kan takle en komplisert
# funksjon uten forklaringer, kikk paa hvordan lsfit er laget:
show(lsfit)
# nok om det!

# hvis du vil lage et program via en tekstbehandler og lagre
# som en .txt type file som du kaller f.eks. prog001.R eller
# diagram5.R kan du hente det inn ved at du gaar inn i R
# og skriver    source("prog001.R")   eller source("diagram5.R")
# dette er et alternativ til copy-og-paste metoden, men
# det forutsetter at du vet hvilken folder som R leser fra,
# og at du ogsaa vet hvordan lagre filer i den folderen, elller
# at du spesifiserer en annen folder, f.eks., 
# source("/home/Thea/Documents/prog001.R")

# hvis du skal ha en presentasjon eller en vurdering som krever
# at du gjoer minst mulig -- bare et enkelt trykk paa linjeskift
# eller 'enter' knappen paa tastaturet ditt -- mellom hver kurve,
# kan du gjoere noe slikt som dette, som bruker plot.new() til
# aa rense grafikken, og readline() til aa vente paa linjeskift.
# vi putter det hele inn i en funksjon i tillegg, men du kan
# godt ha flere funksjoner eller ha det utenfor funksjoner.
# proev ut dette gjennom at du lagrer filen som f.eks.
# program1.R og skriver source("program1.R") eller noe slikt
# som source("/home/Thea/Documents/program1.R") hvis du bruker
# en egen folder til programmene. 

# husk paa -- i alle disse eksempelene -- at du bruker q()
# for aa forlate R etter hvert enkelt eksempel og deretter
# starter opp R igjen, det skal gaa paa et blunk -- med mindre
# du er helt sikker paa at du virkelig vil bruke de data som
# allerede er lagt inn. paa denne maaten renser du opp PCen
# og du skaper stoerre klarhet i hva du egentlig kjoerer
# paa den av programmer, til enhver tid -- og med hvilke data.
# dette er en del av det vi i g15 arbeid kaller "foerste-haands
# programmering" eller et "foerste-haands" forhold til data,
# til forskjell fra en mer forkludret eller "annen-haands"
# forhold til programmering og data. klarhet er viktig fordi
# da blir arbeidet med det digitale noe som skjerper hjernen!
# dette premiss ligger til grunn for vaar generelle anbefaling
# om aa unngaa 'altfor hjelpsomme' soekemotorer og andre
# databaser, fordi for mye hjelpsomhet fra en datamaskins
# side kan skape hjelpeloeshet i brukeren paa sikt. vi maa
# "temme" datamaskinen, og den maa oppfoere seg som en
# traktor og ikke som en slags levende organisme dersom vi
# skal ha menneskesinnets evne til persepsjon og klarhet
# fullt inntakt og i kontinuerlig utvikling under vaar
# digitale forskningsarbeide.

# merk at det foelgende gir bare mening ved source("filename.R")
# ('paste' doesn't work here because it pastes lineshifts!)

require(stats)
ventepaalinjeskift <- function() {
# merk at c(..) er en kommando i R, og kommandoen samler en
# rekke med tall til en vektor. 
forskningsdata <- c(3, 5, 8, 13, 21, 34, 55)
plot(forskningsdata)
# antall tall er 7, derfor 1:7 i den lineaere regresjonslinjen:
abline(lsfit(1:7, forskningsdata))
readline()
plot.new()
forskningsdata3 <- c(234, 233, 234, 4933, 3983, 3982, 8472, 3989)
plot(forskningsdata3)
# antall tall er 8, derfor 1:8 i den lineaere regresjonslinjen:
abline(lsfit(1:8, forskningsdata3))
readline()
plot.new()
}
ventepaalinjeskift()

# naar grafikken kommer opp, bring da rammen som har R spraaket
# opp igjen, og klikk paa det med musen, og tast linjeskift
# (enter), og neste grafikk kommer frem. 

# du ser noen 'helt ville' data-tall, eller antatt 'empiri',
# i kurve nummer to. i dette tilfelle kan man argumentere for
# at dataene trenger ytterligere sortering hvis man skal 
# dra en rett linje gjennom dem, eller at man arbeider ut
# fra andre ideer enn aa dra linje gjennom dem. dette er
# dermed en skjoennsmessig vurdering som grafikken kan hjelpe
# deg til. merk ogsaa at det er lett nok dersom mengden data
# er relativt begrenset at vi inkluderer dataene i programmet
# heller enn at de stables opp i en egen datafile. programmet
# blir mer lesbart i forhold til forskning naar vi kan se
# dataene og programmet samlet, og studere ogsaa kurven

# fordelen med at data skapes utenfor en funksjon er at
# datene er tilgjengelig etterpaa. vi kan faa samme grafer
# slik, hvis du lagrer dette i et nytt program, starter opp
# R paa nytt, og henter inn programmet via source("progname.R").
 
require(stats)
forskningsdata <- c(3, 5, 8, 13, 21, 34, 55)
forskningsdata3 <- c(234, 233, 234, 4933, 3983, 3982, 8472, 3989)
grafikken <- function() {
plot(forskningsdata)
abline(lsfit(1:7, forskningsdata))
readline()
plot.new()
plot(forskningsdata3)
abline(lsfit(1:8, forskningsdata3))
readline()
plot.new()
}
grafikken()
show(forskningsdata)
show(forskningsdata3)

# ved 'show' ser vi dataene etterpaa og dette viser at de
# er fremdeles tilgjengelige etter at funksjonen har
# kjoert. de to show kommandoene lager lister omtrent slik:
# [1]  3  5  8 13 21 34 55
# [1]  234  233  234 4933 3983 3982 8472 3989
# dette er altsaa arrays eller vektorer eller lister
# eller hva vi kaller det. vi kan skape matriser ut av
# tallene ved at vi bestemmer oss for et antall rader
# eller rows, n rows, nrow. 

# merk at her bruker vi listene med tall ovenfor uten
# videre fordi vi arbeider naa med aa forstaa hvordan
# lage grafer og slikt. normalt vil du selvsagt ENTEN
# samle data som er primaert ment for presentasjon som
# en liste eller via plots av typen som vi har overfor
# ELLER du samler data med rekker og kolonner organisert
# ut fra noen meningsfylle prinsipper for hva rekkene
# og kolonnenne er. f.eks., hvis du vil analysere hvordan
# aktiviteten til visse firma-typer er vil firma-typene
# kunne utgjoere det som du skriver over hver enkelt
# column eller soeyle. hver enkelt rad er da kanskje
# viet fysisk lokalisering eller andre kriterier som
# gjelder paa tvers av firma-typene. dermed, naar du har
# en matrise, vil du tenke gjennom hvordan best 
# finne moenstre i denne matrisen, og hvordan utvikle
# en graf som trekker frem disse moenstrene. en teori
# kan da settes opp, og sammenlignes med de virkelige
# data, og vi kan da si at datene gir oss 'instances of
# confirmation' eller 'instances of disconfirmation',
# for aa bruke et klassisk spraak om forholdet mellom
# 'empirisk stoev' (som min far Stein Braaten har ofte
# kalt det) og teori som gaar tilbake til slike tenkere 
# innen vitenskapsteori som Carnap, Popper og vaar egen 
# Arne Naess, som til en viss grad var medlem av
# The Vienna Circle og til en viss grad fant mening i
# begrepet 'logisk empirisme'. (kanskje i for stor grad
# til aa gi fullstendig kredibilitet til metafysisk
# og eller spirituelt arbeid av den typen blant annet
# kvantefysiske data kan gi opphav til, etter min
# vurdering.)

# *** litt personlige notater i dette avsnitt, siden Naess
# likevel er nevnt. filosofi-professoren Naess laerte
# meg mange ting knyttet til spraakpresisjon innen
# presentering av vitenskapelige syn gjennom en rekke
# samtaler ogsaa paa fjellet, hans Tvergastein, med
# uten hans kone Kit-Fai Naess og av og til med egne
# venninner medtatt. Enkelte av de mange samtaler frem 
# til mars 1996 ble tatt opp paa baand og trykket 
# (og der min venn H T Tschudi, som sammen
# med meg arbeidet frem tekster fra opptakene, selv
# viderefoerte samtaleserien med den aldrende filosofen 
# i interessante retninger etter denne tid). jeg vil si
# at vitenskapsteori er likevel et felt som vanskelig kan
# frigjoeres fra filosofiske undersoekelser av tallenes
# betydning. disse undersoekelser hadde jeg paa det
# tidspunkt ikke satt av tid til, for kommentarer om
# dette se min firth234 platform fra april 2006, eller
# 2004/2005 boken om fysikk utgitt privat og inkludert
# i denne plattformen og tilgjengelig under mitt 
# kunsternavn stein von reusch ved nb.no nasjonalbibl.
# i denne boken fremsettes en tallteori som bryter
# med de teser som preger filosofiske vurderinger av
# tall ved de universiteter som fremdeles kan sies
# aa vaere preget av det 20. aarhundrets tenkesett.
# denne tallteori er likevel ikke noedvendig aa gaa
# inn paa naar vi forholder oss til endelig mengde
# dataer som vi analyserer gjennom enkel dataprogrammering,
# og det er bra, fordi den tese jeg lagde om denne tall-
# teori ble simpelthen avvist av universitet i oslo.
# men uansett fikk jeg levert tesen og dermed paa sett
# og vis faatt markert den og gitt den en form for
# publiseringsstatus (den er verbatim i MYWEBOOK.TXT
# som finnes baade i firth.iso plattformen og i
# link i yoga4d.org siden). den som er naermest
# den tesen jeg kom med er nederlandske L E J Brouwer,
# hvis du har lyst til aa laere om konflikten innen
# teorien om tall og grenser for tall. mitt arbeid
# tok som utgangspunkt en rekke refleksjoner blant
# annet oppsummert i det jeg kaller 'The Manhattan
# Transformation', en scifi utforskning og del av
# Firth-platformen som erotiske minigames, etter en
# veldig fruktbar poetisk skrivefase i New York's
# Manhattan, og med samtaler med bohemske intellektuelle
# der ofte ogsaa om fysikk f.eks. med Davd Schonberg
# og Ray Strano. Brouwers arbeid kan man si ble viderefoert 
# av dette arbeidet, og jeg regner det som koherent og 
# naturlig, i likhet med Louis de Broglie's post-1951,
# post-Bohm fysiske arbeid, og endel av det filosofiske
# grunnlag i en meningsfull fremtidig universitets eller 
# akademisk struktur. dette krever en frihet fra loyalitet
# til den akademiske kultur som har lagt tvil inn i sterkt
# begrensete soner, og som verdsetter tankeloyalitet i 
# i altfor stor grad. langt tidligere enn samtalene med
# naess var et mindre knippe samtaler med David Bohm av 
# stor betydning i samme retning. Programmeringsspraaket 
# PMN er i en small grad R inspirert, men inspirert ogsaa 
# av denne nye tallteori, og min egen super model fysikk
# teori, -- disse gir rom for multiple perspektiver. Saa,
# PMN kaller vi derfor ogsaa for The MultiVerse
# Programming language. G15 Multiversity skal ha alle disse
# ingredienser i den grad det gir mening for aa utvikle
# ogsaa en viss karriere-bygging. Mer om pmn osv. 
# i norskesites.org/fic3.
# ***

# er programmet ovenfor fremdeles i minnet til R?
# da kan du bruke tallene slik vi antydet ovenfor,
# forut for de personlige merknader, til aa lage
# matriser. vi tar dette med fordi dette kan ligge
# veldig naert inntil mange f.eks. samfunns-
# vitenskapelige statistiske arbeidsveier:

matrise1 <- matrix(forskningsdata, nrow = 3)
matrise2 <- matrix(forskningsdata3, nrow = 2)
show(matrise1)
show(matrise2)

# merk at hvis du presser pil-opp paa tastaturet vil du
# normalt faa opp sist(e) linjer tastet slik at du kan
# repetere denne kommando, eller redigere den, og taste
# linjeskift paa nytt.

# de to matrisene kommer ut omtrent slik:
#     [,1] [,2] [,3]
# [1,]    3   13   55
# [2,]    5   21    3
# [3,]    8   34    5
# og,
#     [,1] [,2] [,3] [,4]
# [1,]  234  234 3983 8472
# [2,]  233 4933 3982 3989

# dermed kan vi lage henholdsvis 3 og 4 soeyler ved
barplot(matrise1)
# og
barplot(matrise2)
# og vi kan legge til tekst ved kommandoer av den typen
# vi allerede har brukt i tidligere eksempler -- se blant
# annet eksemplet med "predicted PC sales" som fastslaar at
# det forventes voldsom vekst i salg av lysegroenne PCer..

# ok!
# -- henning reusch braaten, h-reusch@frisurf
# jeg kunne sagt det hver gang men jeg sier det her:
# vennlig send kommentarer til meg alias aristo tacoma
# dersom du finner noe som burde oppdateres i disse r-tutorials

# siden jeg hadde en personlig kommentar til mitt samarbeid
# med arne naess ovenfor, la meg ogsaa forklare noe av mitt
# pen name virvar:
# jeg heter egentlig stein til fornavn, men mellomnavnet
# henning er siden skolealder og i norske sammenhenger
# brukt mye siden min far har samme navn, -- og jeg bruker 
# often reusch, min mors pikenavn -- og hennes bestemors 
# von weber -- siden dette egner seg bedre paa engelsk uten 
# ring over a i braten og alt det der! "aristo tacoma" er
# derimot en total bokstav-for-bokstav intuitiv konstruksjon
# som fotograf bruker jeg stein reusch weber simpelthen
# fordi den foerste profesjonelle modellen jeg fotograferte
# paa veldig vellykket maate konstruerte dette som mitt 
# fotografnavn! :-)