### Esempio da Tab. 7.1
Tab7.1 <- read.table(file="Tab7.1.txt",
                     h=T, sep="\t", dec=",")
head(Tab7.1)

## time plot
plot(Tab7.1$vendite, type="l", col="blue",
     xlab="Tempo", ylab="Vendite",
     main="Vendite ex Tab. 7.1")

## Sistemazione dei dati da long a wide form:

## reshape series in wide form
library(reshape)
## melt has no visible effect on structure
## (but reorders months by alphabet!)
t7 <- Tab7.1
t7$mese <- rep(1:12, 2011-2005+1)
vend.long <- melt(t7, id=c("anno", "mese"))

## reshape in wide format
vend.wide <- as.matrix(cast(vend.long, anno~mese))

## seasonal plot
plot(vend.wide[1, -1], type="l",
     ylim=c(min(vend.wide), max(vend.wide)),
     main="Vendite ex Tab. 7.1, Seasonal plot",
     xlab="Mese", ylab="Vendite")
for(i in 2:(2011-2005+1)) {
  lines(vend.wide[i, -1], col=i)
}

## month plot
plot(vend.wide[, 1], pch=19,
     ylim=c(min(vend.wide), max(vend.wide)),
     main="Vendite ex Tab. 7.1, Month plot",
     xlab="Anno", ylab="Vendite")
for(i in 2:(2011-2005+1)) {
  points(vend.wide[, i], col=i, pch=19)
}


## detrend series
y <- Tab7.1$vendite

## modello di trend lineare
tmod <- lm(y ~ I(1:84))

plot(Tab7.1$vendite, type="l", col="blue",
     xlab="Tempo", ylab="Vendite",
     main="Vendite ex Tab. 7.1")
abline(tmod, col="orange")

## se le stime y.hat rappresentano il trend,
## allora i residui sono la serie detrendizzata
y.det <- resid(tmod)

plot(y.det, type="l", xlab="Mesi", ylab="",
     main="Vendite ex Tab. 7.1, detrended")
abline(h=0, lty=2)

## trasformiamo in time series (ts) per
## applicare automaticamente la stima della
## funzione di autocorrelazione (ACF)
ts.ydet <- ts(y.det, start=c(2005,1), freq=12)
plot(acf(ts.ydet),
     main="ACF delle vendite detrend.")

## decomposizione di una serie storica in 
## T/C, S e R:
## (anche qui serve un oggetto ts)
ts.y <- ts(y, start=c(2005,1), freq=12)
plot(decompose(ts.y))