library(tidyverse)


# Aufgabe 1
marvel_dc_data = read_csv('https://github.com/NikoStein/dma_data/raw/main/marvel_dc.csv')

# a) Ein Bekannter von Ihnen behauptet, dass Superheldenfilme im Durchschnitt ein IMDB Ranking von 7.2 haben. 
# Formulieren Sie einen Hypothesentest zur Kontrolle der Aussage und führen Sie diesen durch.
marvel_dc_data %>% 
  ggplot(aes(x=IMDB_Score)) + 
  geom_histogram(position = 'identity', bins = 10) + 
  geom_vline(xintercept = 7.2, color='red') + theme_bw()

t.test(marvel_dc_data$IMDB_Score, alternative = 'less', mu = 7.2)

# b)	Derselbe Bekannte ist davon überzeugt, dass der durchschnittliche US-Umsatz von Superheldenfilmen 
# höchstens $220.000.000 beträgt. Er bietet Ihnen eine entsprechende Wette um 50€ an. 
# Sollten Sie, als risikoneutraler Entscheider, diese Wette annehmen?
marvel_dc_data %>%
  ggplot(aes(x=USA_Umsatz)) + 
  geom_histogram(position = 'identity', bins = 10) + 
  geom_vline(xintercept = 220000000, color='red') + 
  theme_bw() + scale_x_continuous(labels = scales::unit_format(unit = "M", scale = 1e-6))


t.test(marvel_dc_data$USA_Umsatz, alternative = 'greater', mu=220000000)


# c) Ihr Gefühl sagt Ihnen, dass Marvel Filme besser beim Publikum ankommen und entsprechend höhere 
# IMBD Scores erhalten. Überprüfen Sie diese Annahme. 
marvel_dc_data %>%
  ggplot(aes(x=IMDB_Score, fill = Studio)) + 
  geom_histogram(position = 'identity', bins = 10, alpha=0.5) + 
  theme_bw()

dc_data = marvel_dc_data %>% filter(Studio == 'DC')
marvel_data = marvel_dc_data %>% filter(Studio == 'Marvel')
t.test(marvel_data$IMDB_Score, dc_data$IMDB_Score, alternative = 'greater')


# d) Sie vermuten, dass Filme der Iron Man Trilogie einen höheren Umsatz haben als andere Filme. 
# Prüfen Sie die Hypothese.
marvel_dc_data %>%
  filter(str_detect(Movie, 'Iron Man')) -> iron_man_data
marvel_dc_data %>%
  filter(!str_detect(Movie, 'Iron Man')) -> no_iron_man_data

t.test(no_iron_man_data$USA_Umsatz, alternative = 'less', mu=mean(iron_man_data$USA_Umsatz))


# e) Untersuchen Sie ob es einen Zusammenhang zwischen der Dauer eines Films und dem eingespielten Umsatz gibt. 
marvel_dc_data %>%
  ggplot(aes(x=RunTime, y=USA_Umsatz)) + geom_point() + theme_bw()
reg <- lm(USA_Umsatz ~ RunTime, data = marvel_dc_data)
summary(reg)


# Aufgabe 2
loan_data = read_csv('https://raw.githubusercontent.com/NikoStein/dma_data/main/loan_data.csv')

# a) Die Bank wirbt damit besonders verbraucherfreundlich zu sein und behauptet einen durchschnittlichen 
# Zinssatz von maximal 10% zu verlangen. Prüfen Sie die Behauptung. 
loan_data %>%
  ggplot(aes(x=int.rate)) + geom_histogram() + theme_bw()

t.test(loan_data$int.rate, alternative = 'greater', mu=0.10)


# b) Prüfen Sie ob sich die Zinsen von Kreditkartenschulden und Studienkrediten signifikant unterscheiden.
loan_data %>%
  filter(purpose == 'credit_card') -> credit_card_loans
loan_data %>%
  filter(purpose == 'educational') -> educational_loans

t.test(credit_card_loans$int.rate, educational_loans$int.rate, alternative = 'two.sided')

# c) Untersuchen und quantifizieren Sie den Zusammenhang zwischen Kredi-Score und Zinssatz.
loan_data %>%
  ggplot(aes(x=fico, y=int.rate)) + geom_point() + theme_bw()

reg <- lm(int.rate ~ fico, data=loan_data)
summary(reg)


# Aufgabe 3
wm_data = read_csv('https://raw.githubusercontent.com/NikoStein/dma_data/main/wm_data.csv')

# a) Ein Bekannter erzählt Ihnen, dass er vermutet, dass durchschnittlich in WM-Spielen höchstens 3 
# Tore fallen und bittet Sie die Vermutung kritisch zu prüfen.
wm_data %>%
  ggplot(aes(x=goals)) + geom_histogram() + theme_bw()

t.test(wm_data$goals, alternative = 'greater', mu=3)

# b) Untersuchen Sie, ob die Anzahl der Tore der Heimmannschaft und die Anzahl der Tore der 
# Auswärtsmannschaft signifikant unterschiedlich ist.
wm_data %>%
  ggplot() + geom_histogram(aes(x=`Home Team Goals`), fill='red', alpha=0.5) + 
  geom_histogram(aes(x=`Away Team Goals`), fill='blue', alpha = 0.5) + theme_bw()

t.test(wm_data$`Home Team Goals`, wm_data$`Away Team Goals`, alternative = 'two.sided')

# c)	Untersuchen Sie, ob die Anzahl der Tore in der ersten Halbzeit und die Anzahl der Tore 
# in der zweiten Halbzeit signifikant unterschiedlich ist.
t.test(wm_data$first_half_goals, wm_data$second_half_goals, alternative = 'two.sided')

# d) Sie vermuten, dass sich die Spielweise über die Jahre geändert hat. 
# Untersuchen Sie ob es einen Zusammenhang zwischen dem Jahr des Turniers und der Anzahl der Tore gibt. 
wm_data %>%
  ggplot(aes(x=Year, y = goals)) + geom_jitter() + theme_bw()

reg <- lm(goals ~ Year, data=wm_data)
summary(reg)