# vi gaar videre med forskjellige eksmpler og haaper paa at
# vi plukker opp litt laerdom fra det ene, og litt fra det andre,
# samtidig som vi legger vekt paa 'action' -- at vi produserer
# grafer i full fart -- uten for stor detailfokus. 
# i manualen til R kan du soeke opp noe info om hr. Anscombe,
# som pryder statistikkens historie med aa forklare hvordan
# totalt ulike data kan ha felles statistiske trekk, inklusive
# gjennomsnitt og det de kaller 'enkel linear regresjon'.
# proev dette her, copy og paste metoden, og du faar ikke
# mindre enn fire grafer ut, med baade sirkler og en linear
# strek gjennom dem. legg merke til at det er { og } etter
# uttrykket for (i in 1:4), som du kan lese omtrent slik:
# for hvert eneste tall i, fra serien 1:4, gjoer slik og slik.
# her brukes innebygde tall -- uttrykket data = anscombe 
# er to steder.  

require(stats)
require(graphics)
ff <- y ~ x
mods <- setNames(as.list(1:4), paste0("lm", 1:4))
for (i in 1:4) {
ff[2:3] <- lapply(paste0(c("y","x"), i), as.name)
mods[[i]] <- lmi <- lm(ff, data = anscombe)
}
op <- par(mfrow = c(2, 2), mar = 0.1+c(4,4,1,1), oma =  c(0, 0, 2, 0))
for (i in 1:4) {
ff[2:3] <- lapply(paste0(c("y","x"), i), as.name)
plot(ff, data = anscombe, col = "red", pch = 21, 
bg = "orange", cex = 1.2,
xlim = c(3, 19), ylim = c(3, 13))
abline(mods[[i]], col = "blue")
}
mtext("Linear Regr w/example data named \"anscombe\"", 
outer = TRUE, cex = 1.5)
par(op)

# vi kikker paa mer fra grid-manualen, mer eller mindre modifisert.
# restart R (bruk quit() og gaa inn i den igjen) og det neste
# eksempel gjoer bruk av to ulike koordinat-systemer eller hva
# vi kaller det, og drar en linje mellom de to. eksemplet har
# bare enkle funkjons-kall i seg og egner seg litt bedre enn
# endel andre eksempler til at du modifiserer ett og ett tall
# ser hvilken effekt det faar, og dermed laerer litt mer baade
# om R generelt og grid-pakken spesielt. her er det av verdi
# at du bruker en tekstbehandler og ikke limer inn rett fra
# nett-browseren, for nett-browseren tilbyr vanligvis ikke at
# du endrer paa ting. i tekstbehandleren kan du proeve ulike
# ting, uten at du lagrer det paa disk, og den hurtige responsen
# er en av de pedagogiske verdiene med interaktive script-orienterte 
# spraak som R. dette eksempel er ogsaa enkelt nok til at det ikke
# er viktig aa quitte og restarte r mellom hver gang. det er helt
# greit for r at du skriver require(grid) flere ganger, den henter
# inn pakken den foerste gangen og overser elegant om kommandoen
# repeteres!

require(grid)
pushViewport(
viewport(w = 0.8, h = 0.8,
layout = grid.layout(1, 3,
widths = unit(rep(1, 3),
c("null", "inches", "null")))))
pushViewport(viewport(layout.pos.col = 1, 
yscale = c(0, 4)))
grid.grill()
grid.yaxis() 
grid.xaxis()
grid.points(0.5, unit(2, "native"))
grid.move.to(0.5, unit(2, "native"))
popViewport()
pushViewport(
viewport(layout.pos.col = 3, yscale = c(0, 2)))
grid.grill(); grid.yaxis(); grid.xaxis()
grid.points(0.3, unit(2, "native"))
grid.line.to(0.3, unit(2, "native"))

# la oss lage en variant over dette. istedenfor at
# vi har faste verdier for hvor stor grafen skal vaere
# i bredde og hoeyde, la oss variere dette fritt hver
# gang, vi putter inn <- function(i1, i2) { foran og
# en } bak, og vi setter w = i2, h = i1 istedenfor
# w = 0.8, h = 0.8 helt i begynnelsen. vi lager altsaa
# en funksjon av det. la oss kalle den our_probe.
# da maa vi ogsaa putte inn our_probe(0.3, 0.5) eller
# noe slikt etterpaa for aa se resultatet. Og vi kan
# saa prove our_probe(0.2, 0.6) og slikt uten aa paste
# inn paa nytt!

require(grid)
our_probe <- function(i1, i2) {
pushViewport(
viewport(w = i2, h = i1,
layout = grid.layout(1, 3,
widths = unit(rep(1, 3),
c("null", "inches", "null")))))
pushViewport(viewport(layout.pos.col = 1, 
yscale = c(0, 4)))
grid.grill()
grid.yaxis() 
grid.xaxis()
grid.points(0.5, unit(2, "native"))
grid.move.to(0.5, unit(2, "native"))
popViewport()
pushViewport(
viewport(layout.pos.col = 3, yscale = c(0, 2)))
grid.grill(); grid.yaxis(); grid.xaxis()
grid.points(0.3, unit(2, "native"))
grid.line.to(0.3, unit(2, "native"))
}
our_probe(0.3, 0.5)