setwd("C:/Users/Mihai/Desktop/MicroManageriala")

fisier<-read.table(file="cerere.txt",header=TRUE,sep="\t")
View(fisier)
attach(fisier)

#Problema 1

cerere0<-fisier$GASO
View(cerere0)
pret0<-100*fisier$PGASO/fisier$PTPE
View(pret0)

##A

cerere<-cerere0+4*11
View(cerere)
pret<-pret0+25/8
View(pret)
venit<-fisier$DPI/1000
View(venit)

##B analiza distributiilor

mean(cerere) #166.026
summary(cerere) #media se apropie mai mult de minim=>outlieri pe cereri
mari
sd(cerere) #35.17 abaterea standard este mare ceea ce inseamna ca datele
sunt imprastiate

library(moments)
skewness(cerere) #-0.07645147 coef de asimetrie este >0 =>=> avem
asimetrie la stanga, outlieri pe cereri mici
#>0->asimetrie de dreapta, outlieri pe cereri mari
kurtosis(cerere) #2.12921 coef de boltire este <3 => distributia este
platicurtica, media nu este reprezentativa
##k>3->leptokurtica

cv<-sd(cerere)/mean(cerere)*100
cv #21.18726 <35% =>seria omogena, variatie mica

cor(cerere,pret) #-0.02313291 =>legatura dintre cele doua variabile este

negativa si slab corelata

b1<-boxplot(cerere)# fara outlieri

b2<-boxplot(pret) # 7 outlieri
b1$out
b2$out #afiseaza outlieri

##C grafic legatura dintre serii de timp

plot(cerere, pret, col=c("magenta", "blue"), main="Legatura dintre cerere

si pret")
abline(lm(cerere~pret)) #nu sunt pe diagonala principala, legatura
indirecta
##D estimare model cerere(directa) fct liniara

y<-log(cerere)
x<-log(pret)
model1<-lm(y~x)
summary(model1)

#1. p-value=0.936 > 0.05 =>modelul nu este valid

#2. coeficientul de det R-squared = 0.01523% din variatia cererii este
data de pret
#3. a=5.0037 => cand pretul e 0, cererea creste cu 5.0037 unitati
# b=0.0186 => cand pretul creste cu o unitate, cererea creste cu 0.0186
unitati
#4. reziduri: diferenta dintre min si max nu este foarte mare

r1<-resid(model1)
summary(r1) #media este 0
sd(r1) #abaterea se apropie de 1

##E grafic legatura dintre 2 serii de timp

plot(venit, col="blue", main="Reprez grafica venit") #venitul este
crescator, nu are variatii
plot(cerere, pret, venit, main="Leg cerere, pret si venit")

##G anii cei mai mari/mici + matrice

m1<-max(venit)
m2<-min(venit)
m3<-max(pret)
m4<-min(pret)
c<-c(m1,m2,m3,m4)
View(c)

##Problema 2
#N=225
#Prob: 0.4,0.15,0.45
#Tari: R,F,S
#Piete:monopol, oligopol
#Prob:7/8, 1/8=>0.875,0.125
#VT=8*output e
#output monopol=N~(4000, 440)
#output oligopol=N~(2100, 750)
#e=N~(0,1)
#I=12% VT

id<-1:225

#generare firme
t<-sample(1:3, size=225, replace=TRUE, prob=c(0.4,0.15,0.45))
View(t)
tari<-factor(t, labels=c("R","F","S"))
View(tari)
#generare piete
p<-sample(1:2, size=225, replace=TRUE, prob=c(0.875, 0.125))
View(p)
piete<-factor(p, labels=c("mon", "olig"))
View(piete)

a<-data.frame(id,tari,piete)
View(a)

#calculare output
monopol<-subset(a,piete=="mon")
View(monopol)
output<-rnorm(dim(monopol)[1], 4000, 440)
output
monopol<-cbind(monopol, output)
View(monopol)

oligopol<-subset(a,piete=="olig")
View(oligopol)
output<-rnorm(dim(oligopol)[1], 5000, 750)
output
oligopol<-cbind(oligopol, output)
View(oligopol)

b<-rbind(monopol, oligopol)
View(b)

#VENITUL TOTAL
e<-rnorm(225,0,1)
e
VT<-8*b$output+e
b<-cbind(b, VT)
View(b)

#Investitiile
I<-0.21*b$VT
b<-cbind(b,I)
View(b)

##Pentru R
R<-subset(b, tari=="R")
View(R)
t1<-subset(b, tari=="F" | tari == "S")
View(t1)
comp<-0.75*mean(t1$I)
comp

x<-c()
for(i in 1:length(R[,6])){
if(R[i,6] > comp)
x[length(x)+1]<-R[i,6]}
x
View(x)