讀取資料

dta <- read.table("C:/Users/X510/Desktop/2020-04-13-Homework-4-Trellis/timetrial.dat.txt", header = T)[-35,]
dta$progress <- dta$Trial1 - dta$Trial5 #進步
dta$average <- (dta$Trial1 + dta$Trial2 + dta$Trial3 + dta$Trial4 + dta$Trial5)/5 #五次測驗平均
head(dta)
##   Sex Age Trial1 Trial2 Trial3 Trial4 Trial5 progress average
## 1   M  31  0.051  0.023  0.106  0.076  0.013    0.038  0.0538
## 2   M  30  0.074  0.006  0.003  0.020  0.022    0.052  0.0250
## 3   M  30  0.051  0.094  0.084  0.176  0.103   -0.052  0.1016
## 4   M  27  0.182  0.166 -0.073 -0.044  0.029    0.153  0.0520
## 5   M  30  0.077  0.001  0.000 -0.027 -0.200    0.277 -0.0298
## 6   M  28  0.103  0.065  0.063  0.059  0.059    0.044  0.0698

男性反應的時間集中，女性分散的較廣

library(lattice)
bwplot(average ~ Sex ,data=dta,xlab="Sex")

histogram(~ average | Sex, data=dta, type='density')

從圖上看起來，年齡越小的男性，似乎反應得較為準確；年齡越大的女性，反應得較為準確(但是點點分散得很開，因此也不能從直線做判斷)

xyplot(average ~ Age, groups=Sex, data=dta, xlab="Age",type=c('p', 'g', 'r'))

25歲以下，反應的時間較為分散，尤其是女生；25歲以上則顯得較為集中

quantile(dta$Age, probs=seq(from=0, to=1, by=.1))
##   0%  10%  20%  30%  40%  50%  60%  70%  80%  90% 100% 
##  2.0  7.0  8.0 10.0 11.0 13.0 25.8 31.0 37.8 40.0 52.0
Y_O <- with(dta, cut(Age, ordered=T, breaks=c(0, 25, 60), labels=c("Young", "Old")))　#分為年齡小、年齡大兩組
dta.1 <- cbind(dta, Y_O)
xyplot(average ~ Age | Y_O, groups=Sex, data=dta.1, type=c('p', 'g'))

bwplot(average ~ Sex | Y_O, data=dta,xlab="average")

無論反應是「提早、剛好、太慢」的三組，年齡大多集中在十幾歲的族群。但是二十幾歲族群的資料較少，所以較難以了解二十幾歲的人反應如何

quantile(dta$average, probs=seq(from=0, to=1, by=.1))
##       0%      10%      20%      30%      40%      50%      60%      70% 
## -0.32720 -0.11602 -0.03172 -0.00698  0.02428  0.04760  0.06564  0.09098 
##      80%      90%     100% 
##  0.12132  0.16760  0.41520
EMA <- with(dta, cut(average, ordered=T, breaks=c(-1, -.006, .07, 0.5), labels=c("Early", "Median", "Late")))　#將反應時間拆成三組
dta.2 <- cbind(dta.1, EMA)

bwplot(Age ~ Sex | EMA, data=dta,xlab="average")

xyplot(Sex ~ Age | EMA, groups=Sex, data=dta.2, type=c('p', 'g'), jitter.data=TRUE)

histogram(~ Age | EMA, data=dta.2, type='density')