HW 1. Data visualizations

0. О том, как выполнять это домашнее задание.

Это задание написано в формате R Markdown (.Rmd). Чтобы облегчить его проверку, мы просим вас писать код в блоки для кода на R, например,

# YOUR CODE HERE 
# (хештеги используются для комментариев, убирайте хештеги в начале строки, чтобы ваш код запускался)

и текст в блоки для текста. Пожалуйста, впишите ниже ваше имя и фамилию:

Мое имя: 

Перед сдачей домашнего задания рекомендуем запустить Run All или сгенерировать html- или pdf-страницу с помощью Knit, чтобы убедиться, что в финальной версии весь ваш код будет запускаться без проблем.

Файл Rmd (HW1.Rmd) и сгенерированный из него html (вариант - pdf) вышлите на почту neurolong@gmail.com с темой da4cl.

1. Частотность и фонетика

Во многих лингвистических исследованиях отмечается, что часто используемые в языке слова звучат короче, а при их произнесении наблюдается редукция и коартикуляция. Работа Fabian Tomaschek et al. (2018) исследует гипотезу, что моторные навыки произнесения улучшаются с опытом, который, в свою очередь, напрямую связан с частотностью слова. Ученые попросили испытуемых (17 бакалавров университета Тюбингена, 8 мужчин и 9 женщин) прочитать вслух немецкие глаголы, содержащие звук [a:] в основе. Испытуемые были поставлены в экспериментальные условия, которые исподволь заставляли их читать быстрее или медленнее (slow/fast condition).

В этом задании мы просим вас в графическом виде показать распределение в датасете длины звучания всего слова целиком, а также распределение длины звучания интересующего ученых сегмента (звука [a:]) в условиях slow и fast. Хотя логично предположить, что в условии fast произнесение и слов, и сегментов будет короче, все же нужно убедиться, что данные это подтверждают, прежде чем переходить к более сложному анализу по сути вопроса. Кроме того, мы будем уверены, что экспериментальные условия были должным образом соблюдены, ученые не запутались в кодировании данных и документировали результаты корректно.

Интересующие нас переменные:

• LogDurationW - log-transformed word duration (логарифм длины произнесения слова)
  
• LogDurationA - log-transformed segment duration (логарифм длины произнесения сегмента)
  
• Cond - condition: slow vs. fast (условие).

1.1 Загрузка данных

Загрузите пакеты tidyverse и skimr.
С помощью функции read_csv загрузите данные (link) в переменную dur_word_freq.
Используйте функции summary(), glimpse() и skim() (последняя из пакета skimr), чтобы изучить структуру данных.

#install.packages("skimr")  
# YOUR CODE HERE 

1.2 Типы данных

Какие базовые типы переменных (строковые, числовые (непрерывные), целочисленные, логические, комплексные) представляют данные в столбцах dur_word_freq?

# 1.2
YOUR ANSWER HERE

1.3 Визуализации ggplot: график плотности (density plot)

О графике плотности распределения можно думать как о сглаженной гистограмме с большим числом столбцов. Общая площадь под графиком составляет 1. Раскомментируйте и запустите следующий код, который позволяет представить распределение непрерывных значений переменной LogDurationA, сгруппированных по переменной Cond (т. е. длина звука а в условиях fast и slow).

# dur_word_freq |>
#  ggplot(aes(x = LogDurationA, group = Cond)) +
#  geom_density() 

1.4

Добавьте в график тему theme_classic() и полупрозрачность (alpha = 0.5, указывается в геоме плотности).

# YOUR CODE HERE 

1.5

Постройте график плотности распределения длины всего слова (переменная LogDurationW) для всех данных (без деления по условиям).

# YOUR CODE HERE 

1.6 Боксплот (базовый R)

Раскомментируйте и запустите следующий код.

# boxplot(LogDurationA ~ Cond, data=dur_word_freq)

Результатом будут так называемые “ящики с усами” (box and whisker plot) для значений переменной LogDurationA, сгруппированным по переменной Cond. Больше об этом типе визуализаций можно прочесть в Википедии (или Английской Википедии.

1.7

Сравните положение медианных значений LogDurationA, а также значений 1-го и 3-го квартиля в условиях fast и slow, запишите кратко ваши выводы ниже (2-3 предложения).

# 1.7
YOUR ANSWER HERE

1.8. Боксплот в ggplot2

Для переменной LogDurationW представим боксплоты в условиях fast и slow с помощью пакета ggplot2 (геом geom_boxplot). По оси X у вас будут заданы два боксплота (задаются переменной Cond). По оси Y будет представлено распределение длин в переменной LogDurationW. Заливка должна зависеть от условия (переменной Cond). Все эти три аргумента задаются в базовой эстетике ggplot.
Измените (сделайте более понятными) подписи осей X и Y, добавьте тему theme_classic().

# YOUR CODE HERE

Необязательное задание - измените цвет заполнения боксплотов с помощью scale_fill_brewer из пакета RColorBrewer (палитра Dark2).

1.9 Скрипичный плот в ggplot2

С помощью ggplot2 постройте скрипичные графики (violin plot, геом geom_violin) для переменной LogDurationA в двух условиях fast и slow.

# YOUR CODE HERE

1.10 Jitter

К предыдущему графику 1.9 новым слоем добавьте конкретные точки из вашего датасета, при этом используйте jitter (геом geom_jitter), чтобы немного развести точки в стороны.

# YOUR CODE HERE

1.11. Скаттерплот в ggplot2

Постройте диаграмму рассеяния (= точечную диаграмму = скаттерплот, геом geom_point) для переменных LogDurationA (по оси X) и LogDurationW (по оси Y). Используйте прозрачность 0.3. Добавьте на график регрессионную прямую (метод “lm”).

# YOUR CODE HERE