[Hogfather]

В январе поставил себе современный смеситель с термостатом и двойной душ (сверху и на шланге) с режимом экономии воды.
Подвел промежуточные итоги: экономлю примерно 719 рублей в месяц.

Расчеты

> require(zoo)
> # задаем показания счетчиков холодного водоснабжения и находим расход
> hvs<-c(108,112,117,122,132,138,144,150,153,159,163,170,175,180,185,189,194,199,204,209)
> hv<-diff(hvs)
> # задаем показания счетчиков горячего водоснабжения и находим расход
> gvs<-c(264,279,295,307,322,333,349,360,366,381,390,404,414,423,431,437,444,450,456,463)
> gv<-diff(gvs)
> tx <- as.yearmon(2015 + seq(0, 18)/12)
> mydata<-data.frame(date=tx,cold=hv,hot=gv,new=as.factor(c(rep("до",13),rep("после",6))))
> par(mfcol=c(1,2))
> boxplot(hot~new,data=mydata,main="Расход горячей воды в месяц",xlab="Ситуация",ylab="Расход, куб.м в мес.")                   
> boxplot(cold~new,data=mydata,main="Расход холодной воды в месяц",xlab="Ситуация",ylab="Расход, куб.м в мес.")                   
> par(mfcol=c(1,1))
> # проводим регрессионный и дисперсионный анализ
> summary(lm1<-lm(hot~new-1,data=mydata))

Call:
lm(formula = hot ~ new - 1, data = mydata)

Residuals:
    Min      1Q  Median      3Q     Max 
-6.2308 -1.2308 -0.2308  2.2692  3.7692 

Coefficients:
         Estimate Std. Error t value Pr(>|t|)    
newдо      12.231      0.754  16.221 8.89e-12 ***
newпосле    6.667      1.110   6.007 1.41e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 2.719 on 17 degrees of freedom
Multiple R-squared:  0.9462,	Adjusted R-squared:  0.9399 
F-statistic: 149.6 on 2 and 17 DF,  p-value: 1.618e-11

> confint(lm1)
            2.5 %    97.5 %
newдо    10.63997 13.821564
newпосле  4.32508  9.008253
> anova(lm1)
Analysis of Variance Table

Response: hot
          Df  Sum Sq Mean Sq F value    Pr(>F)    
new        2 2211.36 1105.68  149.61 1.618e-11 ***
Residuals 17  125.64    7.39                      
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> summary(lm2<-lm(cold~new-1,data=mydata))

Call:
lm(formula = cold ~ new - 1, data = mydata)

Residuals:
    Min      1Q  Median      3Q     Max 
-2.5385 -0.5385  0.1667  0.4615  4.4615 

Coefficients:
         Estimate Std. Error t value Pr(>|t|)    
newдо      5.5385     0.4040  13.710 1.28e-10 ***
newпосле   4.8333     0.5946   8.128 2.94e-07 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 1.457 on 17 degrees of freedom
Multiple R-squared:  0.9373,	Adjusted R-squared:  0.9299 
F-statistic:   127 on 2 and 17 DF,  p-value: 5.997e-11

> confint(lm2)
            2.5 %   97.5 %
newдо    4.686174 6.390749
newпосле 3.578801 6.087866
> anova(lm2)
Analysis of Variance Table

Response: cold
          Df Sum Sq Mean Sq F value    Pr(>F)    
new        2 538.94 269.468  127.02 5.997e-11 ***
Residuals 17  36.06   2.121                      
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> hvt<-mean(subset(mydata,new == "до")$hot)-mean(subset(mydata,new == "после")$hot)
> cvt<-mean(subset(mydata,new == "до")$cold)-mean(subset(mydata,new == "после")$cold)
> cat("Экономия",Z<-hvt*(97.32+25.44)+cvt*25.44*2, "руб./месяц\n")
Экономия 718.9262 руб./месяц