predkosc <- c(61,225,110,51,114,68,24,24,133,83,83,92,93,37,111,172,142,105,143,77,154,108,98,164,124,97,90,87,137,71,73,74,62,88,100,101,126,113,49)
droga <- c(58,149,90,55,91,69,31,35,109,77,78,82,86,44,89,121,106,98,116,65,111,88,86,122,104,85,72,80,105,74,71,66,73,72,72,90,91,98,59);
#Tu są wektory danych wejściowych
auta <- data.frame(predkosc, droga)


avgPredkosc<-sum(predkosc)/length(predkosc);
avgDroga<-sum(droga)/length(droga);
#Tu liczymy średnie wartości, nie chciało mi się szukać legitnej funkcji wiec dzielę sumę przez ilość

plot(auta$predkosc,y=auta$droga);
#Rysujemy wykres

points(avgPredkosc,avgDroga,pch="x");
#Dodajemy punkt od średnich danych, jest on oznaczony jako x a nie jako kółko

scatter.smooth(x=auta$predkosc, y=auta$droga, main="Droga / Predkosc")
#To robi taką linię trendu, nie wiem jak po polskiemu
points(avgPredkosc,avgDroga,pch="x");

modelReg<- lm(droga ~ predkosc, data=auta)
#Tu robimy model regresji liniowej
print(modelReg)
#droga=Intercept+(β∗predkosc)
#β=predkosc wyliczona z regresji

summary(modelReg)
#Tu nam wychodzi że p-value jest znacznie mniejsze od 0,05 więc dobry
#model regresji (jest statystycznie znaczący)