Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anterior Revisão anterior
Próxima revisão
Revisão anterior
dicas:rstudio [2011/04/15 18:17]
silvia
dicas:rstudio [2011/04/25 10:44] (atual)
walmes
Linha 7: Linha 7:
   * Histograma com controle no número de classes, intervalo de classe e tipo de frequência;​   * Histograma com controle no número de classes, intervalo de classe e tipo de frequência;​
   * ✔ Gráfico de densidade controlando o bandwidth e tipo de função kernel (Walmes);   * ✔ Gráfico de densidade controlando o bandwidth e tipo de função kernel (Walmes);
-  * Boxplot com controle no critério de representação dos extremos;+  * ✔ Boxplot com controle no critério de representação dos extremos ​(Walmes);
   * Gráfico para ilustrar poder do teste controlando a diferença entre as médias;   * Gráfico para ilustrar poder do teste controlando a diferença entre as médias;
   * ✔ Gráfico da densidade normal padrão com destaque para área acumulada até o quantil (Walmes);   * ✔ Gráfico da densidade normal padrão com destaque para área acumulada até o quantil (Walmes);
Linha 15: Linha 15:
   * ✔ Gráfico tridimensional variando o ângulo de observação (Walmes);   * ✔ Gráfico tridimensional variando o ângulo de observação (Walmes);
   * Aproximação da binomial pela normal controlando o valor de p;   * Aproximação da binomial pela normal controlando o valor de p;
 +  * ✔ Outras Aproximações pela normal;
   * Convergência da média de realizações binomial, Poisson, beta, etc, para uma distribuição normal controlando tamanho da amostra;   * Convergência da média de realizações binomial, Poisson, beta, etc, para uma distribuição normal controlando tamanho da amostra;
 +  * ✔ Gráfico para estudo de medidas de influência em modelos de regressão linear (Walmes);
 +  * ✔ Teste de normalidade aplicado aos dados e aos resíduos (Walmes);
 +  * ✔ Teste de correlação para dados e resíduos de experimentos (Walmes);
 +  * ✔ Taxa de erro tipo I e tipo II (Walmes).
  
 Dicas sobre o editor: Dicas sobre o editor:
Linha 86: Linha 91:
  
 #​------------------------------------------------------------ #​------------------------------------------------------------
 +</​code>​
 +
 +==== Aproximações pela normal ====
 +<code R>
 +require(manipulate)
 +##
 +## Poisson e normal
 +##
 +manipulate(
 +  {
 +    XM <- floor(lam+4*sqrt(lam))
 +    curve(dpois(x,​ lambda=lam),​ 0, XM, n=XM+1,
 +          ylab="​P[X=x] / f(x)", type="​h"​)
 +    curve(dnorm(x,​ m=lam, sd=sqrt(lam)),​ 0, XM,
 +          add=T, col=2)
 +    legend("​topright",​ c("​Poisson",​ "​Normal"​),​ lty=1, col=1:2)
 +    title(substitute(lambda == l, list(l=lam)))
 +  },
 +  lam=slider(0.5,​ 30, step=0.5)
 +  )
 +
 +##
 +## t e normal
 +##
 +manipulate(
 +    {
 +    curve(dt(x, df=df), -4, 4, ylim=c(0, 0.4), ylab="​densidade f(x)")
 +    curve(dnorm(x),​ -4, 4, add=T, col=2)
 +    legend("​topright", ​
 +      c(substitute(t[nu == a], list(a=df)),​ expression(N(0,​1))), ​
 +      lty=1, col=1:2)
 +  },
 +    df = slider(1, 40)
 +  )
 +
 +##
 +## Chi^2 e normal
 +##
 +manipulate(
 +  {
 +    curve(dchisq(x,​ df=df), 0, df+4*sqrt(2*df), ​
 +          ylab="​densidade f(x)")
 +    curve(dnorm(x,​ m=df, sd=sqrt(2*df)),​ 0, df+4*sqrt(2*df), ​
 +          add=T, col=2)
 +    legend("​topright", ​
 +    leg=eval(substitute(c(expression(chi[nu==df]^2),​
 +             ​expression(N(mu==df,​sigma^2==df2))), ​
 +             ​list(df2=2*df,​ df=df)),
 +),
 +          lty=1, col=1:2)
 +  },
 +  df=slider(1,​50)
 +)
 </​code>​ </​code>​
  
 ==== Gráfico de duas densidades normais com destaque para áreas acumuladas até o quantil ==== ==== Gráfico de duas densidades normais com destaque para áreas acumuladas até o quantil ====
 +(Veja o enunciado deste exemplo em [[http://​www.leg.ufpr.br/​~silvia/​CE055/​node49.html]])
  
 <code R> <code R>
Linha 117: Linha 176:
   )   )
    
 +#​------------------------------------------------------------
 +</​code>​
 +
 +==== Boxplot com controle no critério de representação dos extremos ====
 +
 +<code R>
 +# por Walmes ------------------------------------------------
 +
 +require(manipulate)
 +
 +manipulate(
 +  {
 +    x <- rep(1:10, 2)
 +    x[20] <- extreme
 +    gr <- gl(2, 10)
 +    bp <- boxplot(x~gr,​ outline=outline,​ range=range,​
 +                  notch=notch,​ plot=FALSE)
 +    inf <- bp$stats[4,​2]
 +    sup <- inf+range*diff(bp$stats[c(2,​4),​2])
 +    ylim <- extendrange(r=c(min(x),​ max(c(x,​sup))),​ f=0.05)
 +    boxplot(x~gr,​ outline=outline,​ range=range,​
 +            notch=notch,​ ylim=ylim)
 +    arrows(1.5, inf, 1.5, sup, angle=90, code=3, length=0.1)
 +  },
 +  extreme=slider(10,​ 30, step=0.5, initial=10),​
 +  range=slider(1,​ 4, step=0.1, initial=1.5),​
 +  outline=checkbox(TRUE,​ "​show.outlier"​),​
 +  notch=checkbox(FALSE,​ "​show.interval"​)
 +  )
 +  ​
 +#​------------------------------------------------------------
 +</​code>​
 +
 +==== Gráfico para estudo de medidas de influência em modelos de regressão linear ====
 +
 +<code R>
 +# por Walmes ------------------------------------------------
 +
 +require(manipulate)
 +data(anscombe)
 +ans0 <- anscombe[,​c("​x1","​y1"​)]
 +ans0 <- ans0[order(ans0$x1),​]
 +rownames(ans0) <- NULL
 +ans1 <- ans0
 +rx <- 2*diff(range(ans1$x1))
 +ry <- 2*diff(range(ans1$y1))
 +cols <- rep(1,​nrow(ans0))
 +
 +layout(matrix(c(1,​2,​1,​3,​4,​5),​2,​3))
 +
 +manipulate({
 +  ans1[po,] <- ans0[po,​]+c(dx,​dy)
 +  plot(ans1)
 +  points(ans1[po,​],​ col="​red",​ pch=19)
 +  abline(a=3, b=0.5, col="​gray50",​ lty=2)
 +  m1 <- lm(y1~x1, data=ans1)
 +  abline(m1, col=2)
 +  h <- hatvalues(m1)[po]
 +  r <- residuals(m1)[po]
 +  legend("​topleft",​ bty="​n",​
 +         ​legend=c(substitute(h==ha,​ list(ha=round(h,​3))),​
 +                  substitute(r==re,​ list(re=round(r,​3)))))
 +  legend("​bottomright",​ legend=po, bty="​n"​)
 +  plot(m1)
 +  },
 +  po=slider(1,​nrow(ans0),​ step=1, initial=5),
 +  dx=slider(-rx+0.001,​ rx, initial=0),
 +  dy=slider(-ry,​ ry, initial=0))
 +
 +#​------------------------------------------------------------
 +</​code>​
 +
 +==== Teste de normalidade aplicado aos dados e aos resíduos ====
 +
 +<code R>
 +# por Walmes ------------------------------------------------
 +
 +par(mfrow=c(2,​1))
 +
 +manipulate({
 +  m <- rep(seq(0,​by=h1,​length.out=nlev),​ nrep)
 +  x <- rnorm(m, m, sd)
 +  xp <- qqnorm(x); qqline(x)
 +  rug(xp$x); rug(xp$y, side=2)
 +  legend("​topleft",​ legend=shapiro.test(x)$p,​ bty="​n"​)
 +  m0 <- lm(x~factor(m))
 +  xp <- qqnorm(residuals(m0));​ qqline(residuals(m0))
 +  rug(xp$x);​rug(xp$y,​ side=2)
 +  legend("​topleft",​ bty="​n",​
 +         ​legend=shapiro.test(residuals(m0))$p)
 +  },
 +  h1=slider(0.001,​ 10, initial=1),
 +  nlev=slider(2,​ 15, initial=5),
 +  nrep=slider(2,​ 25, initial=5),
 +  sd=slider(0.01,​ 10, initial=1))
 +  ​
 +#​------------------------------------------------------------
 +</​code>​
 +
 +==== Teste de correlação para dados e resíduos de experimentos ====
 +
 +<code R>
 +# por Walmes ------------------------------------------------
 +
 +require(MASS)
 +par(mfrow=c(2,​1))
 +
 +manipulate({
 +  m <- rep(seq(0,​by=h1,​length.out=nlev),​ nrep)
 +  x <- mvrnorm(length(m),​ mu=c(0,0),
 +               ​Sigma=matrix(c(1,​cor,​cor,​1),​2,​2))
 +  x[,1] <- x[,1]+m; x[,2] <- x[,2]+m
 +  plot(x)
 +  legend("​topleft",​ legend=cor.test(x[,​1],​ x[,2])$est, bty="​n"​)
 +  m0 <- aov(x~factor(m))
 +  r <- residuals(m0)
 +  plot(r)
 +  legend("​topleft",​ legend=cor.test(r[,​1],​ r[,2])$est, bty="​n"​)
 +  },
 +  h1=slider(0,​19.99,​initial=0.01),​
 +  nrep=slider(10,​300,​initial=20),​
 +  nlev=slider(2,​15,​initial=5),​
 +  cor=slider(-0.99,​0.99,​initial=0))
 +
 +#​------------------------------------------------------------
 +</​code>​
 +
 +==== Taxa de erro tipo I e tipo II  ====
 +
 +<code R>
 +# por Walmes ------------------------------------------------
 +
 +require(manipulate)
 +
 +n <- 70
 +xx <- seq(qnorm(0.9),​ 4, l=n)
 +yy <- dnorm(xx, 0, 1)
 +
 +area <- function(x,​y){
 +  da <- rbind(cbind(x,​y),​ c(x[1],​y[1]))
 +  DA <- sapply(1:​length(x),​
 +               ​function(o){
 +                 dir <- da[o,​1]*da[o+1,​2]
 +                 esp <- da[o,​2]*da[o+1,​1]
 +                 ​c(dir,​ -esp)
 +               }
 +               )
 +  abs(sum(apply(DA,​ 1, sum)/2))
 +}
 +
 +manipulate({
 +  curve(dnorm(x,​ 0, 1), -4, 9, col=1,
 +        ylim=c(-0.15,​0.5),​ yaxt="​n",​ ylab="​f(x)"​)
 +  axis(2, at=seq(0,​0.4,​0.1))
 +  curve(dnorm(x,​ i, 1), col=2, add=TRUE)
 +  xx2 <- seq(-4+i, qnorm(0.9, i, 1)+2, l=n)
 +  yy2 <- dnorm(xx2, i, 1)
 +  xx2 <- c(min(xx2), xx2, max(xx2))
 +  yy2 <- c(0,yy2,0)
 +  yy2 <- pmin(yy2, dnorm(xx2, 0, 1))
 +  polygon(xx2,​ yy2, col="​gray90"​)
 +  polygon(c(xx,​ rev(xx)),
 +          c(yy, rep(0, length(yy))),​ den=10)
 +  segments(i, 0, i, 0.4, col=2)
 +  segments(0, 0, 0, 0.4, col=1)
 +  tipo2 <- round(area(xx2,​yy2),​ 3)
 +  text(2, -0.075, pos=1, label=expression(alpha==0.10))
 +  arrows(2, -0.075, 2, -0.01, length=0.1)
 +  text(i/2, 0.45, pos=3, label=substitute(beta==b,​ list(b=tipo2)))
 +  arrows(i/2, 0.45, i/2, max(yy2)+0.01,​ length=0.1)
 +  },
 +  i=slider(0, 6, step=0.01, initial=0)
 +  )
 +
 #​------------------------------------------------------------ #​------------------------------------------------------------
 </​code>​ </​code>​
  

QR Code
QR Code dicas:rstudio (generated for current page)