> For the complete documentation index, see [llms.txt](https://coursepress.gitbook.io/1dv024/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://coursepress.gitbook.io/1dv024/examinationsuppgifter/1.-skarp-beskrivande-statistik.md). # 1. Skarp beskrivande statistik Den rent statisktiska examinationsuppgiften. {% hint style="info" %} :mortar\_board: Examinationsuppgift 1\ :gear: {% endhint %} {% hint style="danger" %} **VIKTIGT!** Innan du börjar arbeta med examinationsuppgiften är det viktigt att du lägger till examinationsuppgiftens repo till ditt privata repo för examinationsuppgiften. {% endhint %} {% hint style="danger" %} **OBS! OBS! OBS!** Detta är en **obligatorisk** och **examinerande** uppgift som **du ska lösa helt på egen hand**. Du måste göra **regelbundna "commits" och "pushes"** av koden till ditt repo för uppgiften för att kursledningen ska kunna följa ditt arbetet med uppgiften. Du ska kunna förklara samtliga konstruktioner och satser som din lösning av uppgiften innehåller. {% endhint %} ## Introduktion I denna examinationsuppgift ska du skapa en konsolapplikation i C# vars syfte är att presentera beskrivande statistik över stora datamängder. Beskrivande statistik (eller *deskriptiv statistik*; eng. "*descriptive statistics*") är ett sätt att reducera stora datamängder för att presentera en sammanfattning av datamängden. ## Uppgift Din uppgift är att skriva en konsolapplikation som tar en JSON-fil med heltal som argument och sammanfattar datamängden i filen och ger lättöverskådlig vy av datamängden. ### Klassen `Statistics` Applikationen ska innehålla en statisk klass, `Statistics`, vars statiska metoder reducera datamängden i form av en samling med heltal av typen `int` som skickas till metoderna i klassen.
Figur 1. Klassdiagram över den statiska klassen Statistics.
Klassen ska ha statiska metoder för att bestämma maximum- och minimumvärden, variationsbredd ("*range*"), medelvärde ("*mean*"), median, standardavvikelse ("*standard deviation*") samt typvärde ("*mode*", som kan vara en samling med värden). * De publika statiska metoderna ska implementeras enligt signaturerna i klassdiagrammet i figur 1. * Medlemmar i klassen `Statistics` får inte ha några sidoeffekter. Metoder ska vara så kallade *pure methods*. * Medlemmar i klassen klassen `Statistics` ska kasta undantag (men inte fånga några!). * Anropas någon av de statiska metoderna i klassen `Statistics` med argumentet `null`ska ett undantag av typen `ArgumentNullException` kastas. * Anropas någon av de statiska metoderna i klassen `Statistics` med ett argument som som refererar till en tom samling, ska ett undantag av typen `InvalidOperationException` kastas innehållande meddelandet "*Sequence contains no elements*". * Du kan lägga till egna medlemmar om du tycker det behövs. ### Övriga klasser Det står dig fritt att skapa egna statiska klasser för t.ex. applikation, hantering av persistent data, presentation av data, etc. ### Allmänna krav * Applikationen får endast innehålla statiska klasser och medlemmar. * Skriva inte all kod som krävs för att lösa problemet i en enda statisk klass och/eller metod. Se till att dela upp lösning av problemet i lämpliga statiska klasser och metoder du själv skapar (*"separation of concern"*). * Undvik att upprepa kod och bryt därför inte mot principen DRY (*"don't repeat yourself"*). * Presentationen av den beskrivande statistiken ska vara lättöverskådligt och lättförstålig. Flyttal ska presenteras med en decimals noggrannhet.\ Exempel på presentation: ``` Maximum : 378 Minimum : -42 Medelvärde : 167,3 Median : 165 Typvärde : 31, 87, 228 Variationsbredd : 420 Standardavvikelse: 122,3 ``` * Anropas applikation med JSON-filer innehållande data enligt nedan ska applikationen på lämpligt sätt presentera sammanfattningen: * `[ 4, 8, 2, 4, 5 ]` ska ge \ `{ Maximum: 8, Mean: 4.6, Median: 4, Minimum: 2, Mode: [ 4 ], Range: 6, StandardDeviation: 1,95959179422654 }` * `[ 4, 2, 6, 1, 3, 7, 5, 3, 7 ]` ska ge \ `{ Maximum = 7, Mean = 4,22222222222222, Median = 4, Minimum = 1, Mode = [ 3, 7 ], Range = 6, StandardDeviation = 2,0427529234278 }` * `[ 5, 1, 1, 1, 3, -2, 2, 5, 7, 4, 5, 16 ]` ska ge \ `{ Maximum = 16, Mean = 4, Median = 3,5, Minimum = -2, Mode = [ 1, 5 ], Range = 18, StandardDeviation = 4,32049379893857 }` * Innehåller i `data.json` ska ge \ `{ Maximum = 378, Mean = 167,3088, Median = 165, Minimum = -42, Mode = [ 31, 87, 228 ], Range = 420, StandardDeviation = 122,30587738355 }` ## Tips * [Medelvärde, median, typvärde och variationsbredd](http://www.matteboken.se/lektioner/matte-1/sannolikhet-och-statistik/medelvarde-median-typvarde-och-variationsbredd) * [Standardavvikelse](http://www.matteboken.se/lektioner/matte-2/statistik/standardavvikelse) * Kanske ska du ta dig en titt på LINQ? * Vill du verkligen utmana dig själv kan du välja att implementera saknade aggregatsmetoder som så kallade utökningsmetoder (eng. "extension methods"). * Du använder lämpligen klassen `JsonConvert` för att tolka JSON-data. För att kunna använda `JsonConvert` måste du lägga till paketet `NewtonSoft.Json`med `dotnet add package newtonsoft.json`.