Atividade 1 - Análise estatística
|
|
|
- Thalita Guimarães Carmona
- 5 Há anos
- Visualizações:
Transcrição
1 Atividade 1 - Análise estatística Carregando os arquivos do Yahoo! Finance Vamos carregar as séries de preços de fechamento ajustados de ambas as séries em uma única estrutura de dados de séries temporais chamada act1prices.z. Note que utilizamos o pacote zoo, logo é necessário tê-lo carregado previamente. # SP500 sp500.df <- read.csv("gspc daily.csv", header = TRUE, stringsasfactors = FALSE) sp500.df$date <- as.date(sp500.df$date) sp500.df <- sp500.df[order(sp500.df$date), ] sp500prices.df <- sp500.df[, "Adj.Close", drop = FALSE] rownames(sp500prices.df) <- sp500.df[, "Date"] colnames(sp500prices.df) <- c("sp500") sp500.prices <- as.zoo(sp500prices.df) index(sp500.prices) <- sp500.df[, "Date"] head(sp500.prices) SP
2 # IBM ibm.df <- read.csv("ibm daily.csv", header = TRUE, stringsasfactors = FALSE) ibm.df$date <- as.date(ibm.df$date) ibm.df <- ibm.df[order(ibm.df$date), ] ibmprices.df <- ibm.df[, "Adj.Close", drop = FALSE] rownames(ibmprices.df) <- ibm.df[, "Date"] colnames(ibmprices.df) <- c("ibm") ibm.prices <- as.zoo(ibmprices.df) index(ibm.prices) <- ibm.df[, "Date"] head(ibm.prices) IBM # Merging series act1prices.z <- merge(sp500.prices, ibm.prices) head(act1prices.z) SP500 IBM # Calculando retornos act1returns.z <- diff(log(act1prices.z)) plot(act1returns.z, col = "red", lwd = 2, main = "Daily cc returns")
3 Bem, calculados os retornos, vamos dividir as séries em 4 partes iguais.
4 # Quantidade de linhas n = nrow(sp500.prices) # SP500 dim(sp500.prices) <- c(n/4, 4) colnames(sp500.prices) <- paste("sp500", 1:4) head(sp500.prices) SP500 1 SP500 2 SP500 3 SP # IBM dim(ibm.prices) <- c(n/4, 4) colnames(ibm.prices) <- paste("ibm", 1:4) head(ibm.prices) IBM 1 IBM 2 IBM 3 IBM # Merging series act1partsprices.z <- merge(sp500.prices[, 1:4], ibm.prices[, 1:4]) head(act1partsprices.z)
5 SP500 1 SP500 2 SP500 3 SP500 4 IBM 1 IBM 2 IBM 3 IBM act1partsreturns.z <- diff(log(act1partsprices.z)) plot(act1partsreturns.z, col = "red", lwd = 1, main = "Daily cc returns")
6 Estatísticas em retornos simples Infelizmente uma coisa tricky, as funções do core do R não funcionam adequadamente com objetos zoo de séries temporais, logo, devemos fazer uma cópia do objeto em forma de matriz.
7 # Serie completa ret.mat <- coredata(act1returns.z) class(ret.mat) [1] "matrix" colnames(ret.mat) [1] "SP500" "IBM" head(ret.mat) SP500 IBM [1,] [2,] [3,] [4,] [5,] [6,] # Para as partes retparts.mat <- coredata(act1partsreturns.z) Note que a estrutura de ordenação e colunas é mantida. # Estatisticas para as series completas apply(ret.mat, 2, mean)
8 SP500 IBM apply(ret.mat, 2, sd) SP500 IBM myacf <- function(x) { acf(x, lag.max = 1, type = "correlation", plot = FALSE) } apply(ret.mat, 2, myacf) $SP500 Autocorrelations of series 'x', by lag $IBM Autocorrelations of series 'x', by lag # Para as partes apply(retparts.mat, 2, mean)
9 SP500 1 SP500 2 SP500 3 SP500 4 IBM 1 IBM e e e e e e-04 IBM 3 IBM e e-04 apply(retparts.mat, 2, sd) SP500 1 SP500 2 SP500 3 SP500 4 IBM 1 IBM 2 IBM 3 IBM apply(retparts.mat, 2, myacf) $`SP500 1` Autocorrelations of series 'x', by lag $`SP500 2` Autocorrelations of series 'x', by lag $`SP500 3` Autocorrelations of series 'x', by lag $`SP500 4`
10 Autocorrelations of series 'x', by lag $`IBM 1` Autocorrelations of series 'x', by lag $`IBM 2` Autocorrelations of series 'x', by lag $`IBM 3` Autocorrelations of series 'x', by lag $`IBM 4` Autocorrelations of series 'x', by lag Histogramas
11 IBM.hist = hist(ret.mat[, 2], plot = FALSE, breaks = 30) par(mfrow = c(2, 1)) hist(ret.mat[, 1], main = "SP500", col = "slateblue1", xlab = "returns", breaks = IBM.hist$breaks) hist(ret.mat[, 2], main = "IBM", col = "slateblue1", xlab = "returns", breaks = IBM.hist$breaks)
12 par(mfrow = c(1, 1)) Histogramas alisados - density SP500.density = density(ret.mat[, 1]) hist(ret.mat[, 1], main = "Histogram and smoothed density", col = "slateblue1", probability = TRUE, ylim = c(0, 5), xlab = "Returns") points(sp500.density, type = "l", col = "orange", lwd = 2)
13 Boxplot
![boxplot(ret.mat[, 1], ret.](/docs-images/97/134470252/images/14-1.jpg "mat[, 2], names = c(\"sp500\", \"IBM\"), outchar = TRUE, col = \"slateblue1\", main =")
14 boxplot(ret.mat[, 1], ret.mat[, 2], names = c("sp500", "IBM"), outchar = TRUE, col = "slateblue1", main = "Comparison of return distributions", ylab = "monthly cc return")
15 Assimetria e kurtose As funções skewness e kurtose pertencem ao pacote PerformanceAnalytics. # Estatisticas para as series completas apply(ret.mat, 2, skewness) SP500 IBM apply(ret.mat, 2, kurtosis) SP500 IBM # Para as partes apply(retparts.mat, 2, skewness) SP500 1 SP500 2 SP500 3 SP500 4 IBM 1 IBM 2 IBM 3 IBM apply(retparts.mat, 2, kurtosis) SP500 1 SP500 2 SP500 3 SP500 4 IBM 1 IBM 2 IBM 3 IBM
Teoria de carteiras de Markowitz. Wilson Freitas Quant Developer
Teoria de carteiras de Markowitz Wilson Freitas Quant Developer download de recursos index.rmd: código fonte da apresentação portfolio.r: conjunto de funções em R para cálculo de fronteira eficiente de
Estatística Básica. PhD. Wagner Hugo Bonat 1/2017. Universidade Federal do Paraná. Bonat, W. H. (LEG/UFPR) 1/ / 18
Estatística Básica PhD. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação-LEG Universidade Federal do Paraná 1/2017 Bonat, W. H. (LEG/UFPR) 1/2017 1 / 18 Informações gerais Referência bibliográfica
3. Representação de variáveis quantitativas
3. Representação de variáveis quantitativas 21 3.1 Variáveis discretas Dados: n observações de uma variável discreta x. Existem k diferentes valores x1 < x2
Módulo VII: Estatística elementar
Módulo VII: Estatística elementar 166 Revisão 167 Palavras-chave em estatística A estatística é composta por um conjunto de métodos destinados à coleta, à apresentação, à análise e à interpretação de dados,
Estatística-2017/2 aula de 14/08 TURMA: IGA
Estatística-2017/2 aula de 14/08 TURMA: IGA Objetivos da aula Usando o R, 1) construir um histograma; 2) construir um ramo-e-folhas; 3) calcular a média aritmética de um conjunto de valores; 4) definir
ESTATÍSTICA Aula #04 14/09/16 R - UMA INTRODUÇÃO
ESTATÍSTICA - 2016 Aula #04 14/09/16 R - UMA INTRODUÇÃO R - INTRODUÇÃO ferramenta de análise estatística de dados com muitos recursos e possibilidades; é constantemente atualizado e revisado incluindo
Importação e Exportação de dados
Importação e Exportação de dados Cristiano de Carvalho Santos Departamento de Estatística, Universidade Federal de Minas Gerais (UFMG) Importação de dados Muitas vezes os dados que iremos utilizar já foram
3. Representação de variáveis quantitativas
3. Representação de variáveis quantitativas 2011 3.1 VARIÁVEIS DISCRETAS Dados: n observações de uma variável discreta x. Existem k dierentes valores x 1 < x 2
## Distribuição exata de U m UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
MAE116 Noções de Estatística
Exercício 01 MAE116 Noções de Estatística base freq. absoluta Antes do treinamento freq. relativa (%) densidade de freq. freq. absoluta Depois do treinamento freq relativa (%) densidade de freq. 0 -- 2
Análise da capacidade de processos
Análise da capacidade de processos CE219 - Controle Estatístico de Qualidade Prof. Cesar Taconeli taconeli@ufpr.br Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento
9. Representação de dados multidimensionais
9. Representação de dados multidimensionais 2011 Dados: x i, i = 1,...,n, vetores p 1 (p 2) cujos componentes podem ser p variáveis qualitativas, p variáveis quantitativas ou de ambos os tipos. Problema
Função discriminante linear de Fisher
Função discriminante linear de Fisher ## Biblioteca com a função discriminante linear de Fisher library(mass) ## Dados (?iris apresenta informações sobre o conjunto de dados) dados
Estatística-2018/2. Turma: Geografia
Estatística-2018/2 Turma: Geografia Objetivos da aula Mostrar como o usar o R para: calcular medidas de posição e dispersão de um conjunto de dados; construir um boxplot. Determinação dos quantis de uma
Trabalho 4. Simulações e exemplo
Trabalho 4. Simulações e exemplo 1. Simulações São apresentados os passos para a geração de amostras em linguagem R e, a partir destas, o teste da hipótese da questão 3(c) do terceiro trabalho. Para realizar
Importação e Exportação de dados
Importação e Exportação de dados Cristiano de Carvalho Santos professor.pacotes.estatisticos@gmail.com Grupo Google: PacotesEstatisticos2016 Departamento de Estatística, Universidade Federal de Minas Gerais
Testes qui-quadrado e da razão de verossimilhanças
Testes qui-quadrado e da razão de verossimilhanças 1. Simulações São apresentados os passos para a geração de amostras em linguagem R e, a partir destas, o teste da hipótese da distribuição multinomial
8. Medidas de associação Parte 2
8. Medidas de associação Parte 01 8.. Variáveis qualitativas x { x 1,...,x k } e y { y 1,...,y m }, 1 < k n e 1 < m n. f ij : frequencia absoluta do par (x i, y j ), i = 1,...,k e j = 1,...,m. Tabela de
9. Representação de dados multidimensionais
9. Representação de dados multidimensionais 2012 Dados: x i, i = 1,...,n, vetores p 1 (p 2) cujos componentes podem ser p variáveis qualitativas, p variáveis quantitativas ou de ambos os tipos. Problema
Função prcomp. 1. Introdução
Função prcomp 1. Introdução Apresentamos alguns exemplos de utilização da função prcomp do pacote stats em R. Esta função permite realizar uma análise de componentes principais a partir de uma matriz de
Gráficos no R. Prof. Herondino
Gráficos no R Prof. Herondino Histograma Para fazermos o histograma usamos o comando hist() hist(x,...) Exemplo: x
Análise de agrupamentos por métodos hierárquicos aglomerativos
Análise de agrupamentos por métodos hierárquicos aglomerativos ## Exemplo 1 (p = 2) dados
Análise Estatística em Epidemiologia Utilizando o Ambiente R - I
Análise Estatística em Epidemiologia Utilizando o Ambiente R - I Análise exploratória de dados Ministrantes: Prof a Maria do Rosário D. O. Latorre Dr. Gabriel Z. Laporta Monitor: Alessandra C. G. Pellini
Importância prática do desvio padrão. Obs. Para uma distribuição normal.
Importância prática do desvio padrão Obs. Para uma distribuição normal. 1 Organização e representação dos dados Outra forma de organizar e resumir a informação contida em dados observados é por meio de
CE-003: Estatística II, turma L
CE-003: Estatística II, turma L 1 a Prova - 2 o semestre 2006 (29 Setembro de 2006) 1. (10 pontos) O volume de vendas, no ramo de vestuário, tem se mantido estável de ano para ano, mas acedita-se que sofra
## Distribuição exata de U m INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO Resoluções dos Exercícios Introdutórios
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO 2018-19 Resoluções dos Exercícios Introdutórios 1. Os comandos do R necessários para a resolução são os seguintes: (a) > precip
UNIVERSIDADE FEDERAL DA PARAÍBA
UNIVERSIDADE FEDERAL DA PARAÍBA Modelos de Probabilidade e Inferência Estatística Análise de Variância Parte 1 Departamento de Estatística Luiz Medeiros MOTIVAÇÃO Em uma experiência para comparar a eficiência
Aula 4. Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro
Aula 4 Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro 2012 (UFRJ) Análise Exploratória de Dados 2012 1 / 27 Objetivos da aula Trabalhar com transformações
MLG gama em R. # Estatísticas descritivas by(dados$resist, dados[, c("volt", "temp")], function(x) c(length(x), mean(x), sd(x), sd(x) / mean(x)))
![MLG gama em R. # Estatísticas descritivas by(dados$resist, dados[, c(volt, temp)], function(x) c(length(x), mean(x), sd(x), sd(x) / mean(x)))](/thumbs/92/109620623.jpg "MLG gama em R. # Estatísticas descritivas by(dados$resist, dados[, c(volt, temp)], function(x) c(length(x), mean(x), sd(x), sd(x) / mean(x)))")
MLG gama em R Este exemplo refere-se a um experimento em que a resistência (em horas) de um determinado tipo de vidro foi avaliada segundo quatro valores de voltagem (200, 250, 300 e 350, em kilovolts)
AGA Análise de Dados em Astronomia I. 1. Introdução
1 / 22 1. Introdução AGA 0505 - Análise de Dados em Astronomia I 1. Introdução Laerte Sodré Jr. 1o. semestre, 2019 2 / 22 introdução aula de hoje: Introdução 1 objetivo 2 o que é ciência 3 dados 4 o que
Função prcomp em R. 1. Introdução
Função prcomp em R 1. Introdução Apresentamos alguns exemplos de utilização da função prcomp do pacote stats em R. Esta função permite realizar uma análise de componentes principais a partir de uma matriz
Laboratório 3: Distribuições de Variáveis Aleatórias
Laboratório 3: Distribuições de Variáveis Aleatórias Neste laboratório investigaremos a distribuição de probabilidade que é a mais central para a estatística: a distribuição normal. Se estamos confiantes
t i R(t) N(t) Ŝ KM (t) = R(t i ) N(t i ) R(t i ) (15 3) 15 (12 2) 12 (10 1) 10 (9 3) 9 (6 2) 6 (4 2) 4 (2 1) 2 (1 1)
4 Estimação não-paramétrica Exercícios Exercício 4.1: Retorne aos dados de aleitamento do exercício 2.1. Construa, à mão, a tabela Kaplan-Meier e a curva Kaplan-Meier correspondente aos dados: t i R(t)
CE-001: Bioestatística, turma A
CE-001: Bioestatística, turma A 1 a Prova - 2 o semestre 2004 01 de outubro de 2004 Prova 1 1. (2,0 pontos) Os dados a seguir correspondem a teores de um elemento coletados em amostras de sangue de dois
Lista de Funções do R
Lista de Funções do R Esta é apenas e tão somente uma lista das funções utilizadas nesse curso introdutório. Glossário Antes da lista de funções per se, faz-se necessário apresentar o glossário dos termos
Aula 2: Tipos de variáveis
Aula 2: Tipos de variáveis Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro 2012 (UFRJ) Análise Exploratória de Dados 2012 1 / 34 Exemplo 2.1 Um pesquisador
Bioestatística Aula 2
Bioestatística Aula 2 Anderson Castro Soares de Oliveira Anderson Bioestatística 1 / 60 Estatística Descritiva Um dos objetivos da Estatística é sintetizar os valores que uma ou mais variáveis podem assumir
Pacote em ambiente R para automatizar estatísticas descritivas
ISSN: 2317-0840 Pacote em ambiente R para automatizar estatísticas descritivas Emmanuel Arnhold Escola de Veterinária e Zootecnia, Campus Samambaia, Rodovia Goiânia-Nova Veneza, Caixa Postal 131, CEP 74001-970,
Arquivos de Comandos
Arquivos de Comandos rm(list=ls()) load("c:\\users\\user\\desktop\\geo.analise\\análise\\setor_01\\setor1.dados.rda ta") require(rcmdr) require(maptools) ## funções para importação/exportação e manipulação
AULA 1 - LABORATÓRIO EST 0002/ EST 0003
AULA 1 - LABORATÓRIO EST 0002/ EST 0003 Objetivos: O que é R? Instalar o R Contatos iniciais Variáveis qualitativas o Distribuição de freqüência o Gráficos de barras o Gráficos setoriais Variáveis Quantitativas
UNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA "LUIZ DE QUEIROZ" DEPARTAMENTO DE CIÊNCIAS EXATAS RELATÓRIO DE ATIVIDADE PRÁTICA Relatório da aula prática nº 1, da disciplina LCE602 - Estatística
Modelo Linear Generalizado Distribuição Normal
Valeska Andreozzi 1 Modelo Linear Generalizado Distribuição Normal O objetivo deste exercício é familiarizar o aluno com os modelos lineares generalizados (MLG). PROBLEMA 1: Pressão arterial A pressão
Análise fatorial em R
Análise fatorial em R 1. Dados Referem-se a n = 54 observações de p = 7 variáveis apresentadas na Tabela 1.9, p. 44 em Johnson and Wichern (2007, Applied Multivariate Statisitical Analysis, sixth ed. Upper
INTRODUÇÃO AO R. PopEA - População, Espaço e Ambiente: CST e SER ano 2018 Dra. Silvana Amaral e Antônio Miguel Vieira Monteiro
INTRODUÇÃO AO R PopEA - População, Espaço e Ambiente: CST-310-3 e SER-457-3 ano 2018 Dra. Silvana Amaral e Antônio Miguel Vieira Monteiro Vinicius P. Capanema vinicius.capanema@inpe.br INTRODUÇÃO AO R
Aprendizado de Máquina (Machine Learning)
Ciência da Computação Aprendizado de Máquina (Machine Learning) Aula 06b Linguagem R Max Pereira Linguagem R O R é ao mesmo tempo uma linguagem de programação e um ambiente para computação estatística,
Coeficientes de correlação
Coeficientes de correlação ## Dados de Anscombe (1973), pacote datasets # Gráficos de dispersão par(mfrow = c(2, 2)) par(mai = c(1, 1, 0.1, 0.1)) plot(anscombe[, i], anscombe[, i + 4], pch = 20, xlab =
MAE325 Análise de Séries Temporais. Aula 3
MAE325 Análise de Séries Temporais Aula 3 1 Transformações Problema 1: em muitas situações de interesse, a distribuição da amostra é assimétrica e pode conter valores atípicos a suposição de normalidade
1. Dispersão. 2. Assimetria e Curtose. 3. Concentração e desigualdade
Aula Prática 2 2012 1. Dispersão 2. Assimetria e Curtose 3. Concentração e desigualdade 1. Dispersão Gráfico de caias (bo plot, caia-de-bigodes, bo-and-whisker plot) Valor adjacente inferior: menor valor
Segundo passo: > set.seed(16) > amostra <- sample(clientes, 10, replace = FALSE) > amostra [1]
![Segundo passo: > set.seed(16) > amostra <- sample(clientes, 10, replace = FALSE) > amostra [1]](/thumbs/80/82532376.jpg "Segundo passo: > set.seed(16) > amostra <- sample(clientes, 10, replace = FALSE) > amostra [1]")
Resolução dos exemplos da apostila Capitulo 1 - Conceitos Básicos e Técnicas de Estatística Descritiva Nesta seção abordaremos sobre os alguns aspectos básicos da estatística descritiva. Verificaremos
'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV
69 'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV O presente capítulo objetiva entender o comportamento das séries de retorno financeiras para as carteiras de investimento elaboradas no capítulo anterior. Tal análise
Grupo A - I semestre de 2014 Lista de exercícios 2 - Introdução à Estatística Descritiva C A S A (gabarito)
Exercício 1. (2,0 pontos). Um pesquisador pretende comparar o tempo de reação (segundos) para dois tipos diferentes de estímulos visuais, A e B. Na tabela abaixo, esses tempos foram obtidos para 20 e 19
BIE5782. Aula 9 e 10 NOÇÕES DE PROGRAMAÇÃO
BIE5782 Aula 9 e 10 NOÇÕES DE PROGRAMAÇÃO Mensagem da Aula ANIMAÇÃO Primeiros passos no R! Depois de fazer a primeira Função no R! Eu posso dominar o mundo!! editor de texto NotePad ++ : free, precisa
BIOESTATÍSTICA AULA 2. Anderson Castro Soares de Oliveira Jose Nilton da Cruz. Departamento de Estatística/ICET/UFMT
BIOESTATÍSTICA AULA 2 Anderson Castro Soares de Oliveira Jose Nilton da Cruz Departamento de Estatística/ICET/UFMT Estatística Descritiva ESTATÍSTICA DESCRITIVA Um dos objetivos da Estatística é sintetizar
ANÁLISE DE SOBREVIVÊNCIA Teoria e aplicações em saúde. Caderno de Respostas Capítulo 7 Análise de Resíduos
ANÁLISE DE SOBREVIVÊNCIA Teoria e aplicações em saúde Caderno de Respostas Capítulo 7 Análise de Resíduos Neste capítulo, serão feitas as análises dos resíduos dos modelos ajustados no Capítulo 6. Por
Estatística Descritiva/Exploratória
1/28 Introdução à Bioestatística Estatística Descritiva/Exploratória Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/28 Descrição de Dados Variável: característica
est171 - Aprendizado de Máquina Departamento de Estatística Universidade Federal de Minas Gerais Lista 2 Outubro de 2016 Sumário Exercício I 2
est171 - Aprendizado de Máquina Departamento de Estatística Universidade Federal de Minas Gerais Lista 2 Henrique Aparecido Laureano Matheus Henrique Sales Outubro de 2016 Sumário Exercício I 2 1 Exercício
Princípios de Bioestatística Estatística Descritiva/Exploratória
1/31 Princípios de Bioestatística Estatística Descritiva/Exploratória Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/31 Descrição de Dados Variável: característica
Linguagem de Programação JAVA. Técnico em Informática Professora Michelle Nery
Linguagem de Programação JAVA Técnico em Informática Professora Michelle Nery Agenda Operações Operadores Operadores Delimitadores {} [] (). Operador de Atribuição = Agenda Operadores Aritméticos Operadores
Resumo para iniciar a trabalhar no R Lisbeth Cordani R instalar o R Rcmdr R Commander
Resumo para iniciar a trabalhar no R Lisbeth Cordani 2012 R instalar o R 2.15.0 http://www.r-project.org/ Rcmdr R Commander No R trabalha-se diretamente com comandos para todas as ações, mas é possível
ESTATÍSTICA PARA GEOGRAFIA AULA DE 23/08/2017
ESTATÍSTICA PARA GEOGRAFIA AULA DE 23/08/2017 OBJETIVOS DA AULA Apresentar funções do R que retornam medidas de posição e de dispersão tais como (mean, median, quantile, range, var, sd) Usando o R representar
Analise Estatistica com R Sylvio Barbon Junior (curso do Prof. Adriano Azevedo Filho) June 15, 2016
Analise Estatistica com R Sylvio Barbon Junior (curso do Prof. Adriano Azevedo Filho) June 15, 2016 R é uma linguagem e ambiente de desenvolvimento criado para cálculos estatísticos e gráficos. No entanto,
GRÁFICOS DESCRITIVOS 49. Frequência Dados simulados. Figura 2.6: Gráfico de histograma para dados simulados.
GRÁFICOS DESCRITIVOS 49 2.4.2 Histograma Um histograma é uma representação gráfica da função de probabilidades ou da função de densidade de um conjunto de dados independentes e foi introduzido pela primeira
Prof. Estevam Martins
Análise Exploratória de Dados Prof. Estevam Martins "O único lugar onde o sucesso vem antes do trabalho, é no dicionário" Albert Einstein Introdução O principal objetivo de uma análise exploratória é extrair
Aula 01/10/2018 José Luiz Padilha 01 de outubro de 2018
Aula 01/10/2018 José Luiz Padilha 01 de outubro de 2018 Previsão Uma das formas de utilização de um modelo ajustado é para fazer previsões de valores futuros. Assim, se t é o período corrente estamos interessados
Modelos de regressão paramétricos
6 Modelos de regressão paramétricos Exercícios Exercício 6.1: O banco de dados leite2.txt contém dados de tempo de aleitamento de crianças de 4 comunidades. No ajuste não-paramétrico a esses dados, observamos
AVALIAÇÃO E SELEÇÃO DE AJUSTES DE MODELOS DE REGRESSÃO LINEAR SIMPLES E MÚLTIPLA
UNIVERSIDADE FEDERAL DOS VALES DO JEQUITINHONHA E MUCURI FACULDADE DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ENGENHARIA FLORESTAL AVALIAÇÃO E SELEÇÃO DE AJUSTES DE MODELOS DE REGRESSÃO LINEAR SIMPLES E MÚLTIPLA
Coeficientes de correlação e testes de independência
Coeficientes de correlação e testes de independência ## Dados de Anscombe (1973), pacote datasets # Gráficos de dispersão par(mfrow = c(2, 2)) par(mai = c(1, 1, 0.1, 0.1)) for (i in 1:4) { plot(anscombe[,
MAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 Considere os dados abaixo sobre distribuição de salário (em reais) num grupo de 1000 individuos. Tabela 1: Distribuição de frequências da variável salário Classe de Salário n i f i 500-1000
2 Análise dos dados intradiários
2 Análise dos dados intradiários 2.1 Estatísticas descritivas dos dados intradiários Nesta seção, realizaremos uma análise descritiva dos dados intradiários, os quais são compostos por volume de transação,
Dados pareados. ## Dados ## Tabela 9.5, p. 236 em Agresti (1996), Introduction to Categorical ## Data Analysis
Dados pareados ## Dados ## Tabela 9.5, p. 236 em Agresti (1996), Introduction to Categorical ## Data Analysis tab95
Pacotes Ofertados. Pacote Global + A La Carte HD + Adulto Pacote Global + Filmes HD + A La Carte HD + Adulto
CIDADE PACOTE + Filmes SD + Filmes SD + Filmes SD + A La Carte HD + Filmes SD + A La Carte HD + Filmes SD + A La Carte HD + Adulto + Adulto Pacote Familia + Filmes SD + A La Carte HD + Adulto + Filmes
O software estatístico R. 1 Cálculo combinatório. 1.1 Amostras aleatórias
O software estatístico R A utilização de computadores no tratamento da informação é o principal responsável pelo grande desenvolvimento da Estatística e das Probabilidades. Com as actuais ferramentas informáticas,
Clique em Multi-City
GSO Multi City Clique em Multi-City Multi-City PASSO 1: Para o primeiro par de origemdestino, inserir origem em From, e destino em To. Multi-City PASSO 2: Selecione a data de partida em Depart Date. Clique
Estatística no Controle da qualidade. Profa. Luciane
Estatística no Controle da qualidade Profa. Luciane Ementa Bibliografia Introdução ao controle estatístico da qualidade Douglas C. Montgomery Ed. LTC 4ª. Ed. Software Faremos uso do programa estatístico
Teste de Cochran-Mantel-Haenszel
Teste de Cochran-Mantel-Haenszel Apresentamos um exemplo com a função mantelhaen.test do pacote stats em R. Os dados do exemplo podem ser encontrados na Tabela 3.3, p. 60, do livro Introduction to Categorical
Trabalhando com dados de Citrus em R
Trabalhando com dados de Citrus em R Elias T. Krainski & Paulo J. Ribeiro Jr. Última Atualização: 3 de agosto de 2006 Os dados de Citrus que motivam este trabalho são tipicamente armazenados em planilhas,
CURSO RÁPIDO. E l a b o r a ç ã o : W a n d e r s o n K l e b e r d e O l i v e i r a W i l d o N a v e g a n t e s d e A r a u j o
CURSO RÁPIDO E l a b o r a ç ã o : W a n d e r s o n K l e b e r d e O l i v e i r a W i l d o N a v e g a n t e s d e A r a u j o 1 9 / 0 7 / 2 0 1 5 RSTUDIO CURSO RÁPIDO INSTALAÇÃO R (Linguagem de programação)
Análise Exploratória Unidimensional
Análise Exploratória Unidimensional Análise de Dados e Simulação Márcia D Elia Branco http://www.ime.usp.br/~mbranco APOIO COMPUTACIONAL Software: R Vantagem: software livre Download: http://www.r-project.org/
Segmentação: exemplo chocolate
Segmentação: exemplo chocolate Adilson dos Anjos Segmentação Pacotes utilizados library(factominer) library(readxl) library(graphics) library(cluster) library(fpc) Dados sobre Chocolate choco
CE062c José Luiz Padilha da Silva e Cesar Augusto Taconeli 06 de novembro de 2018
A função plot.gamlss() CE062c José Luiz Padilha da Silva e Cesar Augusto Taconeli 06 de novembro de 2018 Considere os dados de circunferência abdominal discutido anteriormente. relacionamos a circunferência
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 010 Estatística Descritiva e Análise Exploratória Etapas iniciais. Utilizadas para descrever e resumir os dados. A disponibilidade de uma grande quantidade
ANÁLISE DE SOBREVIVÊNCIA Teoria e aplicações em saúde. Caderno de Respostas Capítulo 4 Estimação não-paramétrica
ANÁLISE DE SOBREVIVÊNCIA Teoria e aplicações em saúde Caderno de Respostas Capítulo 4 Estimação não-paramétrica Exercício 4.1: Considere os dados de tempo de aleitamento de 15 crianças, descrito no exercício
I.1. Seleccionado um passageiro ao acaso, qual a probabilidade de ter idade no intervalo [20 a 50) anos e ser fraudulento?
INTRODUÇÃO À ANÁLISE DE DADOS INSTITUTO SUPERIOR DE CIÊNCIAS SOCIAIS E POLÍTICAS UNIVERSIDADE TÉCNICA DE LISBOA Frequência - 29 de Janeiro de 8 Grupo I (4, v) No seguimento de um estudo efectuado pela
Coeficiente de Assimetria
Coeficiente de Assimetria Rinaldo Artes Insper Nesta etapa do curso estudaremos medidas associadas à forma de uma distribuição de dados, em particular, os coeficientes de assimetria e curtose. Tais medidas
UMA ANÁLISE DE ÍNDICES DE DESENVOLVIMENTO BÁSICO DA REGIÃO DE ARARAS
PONTÍFICIA UNIVERSIDADE CATÓLICA DE SÃO PAULO Faculdade de Economia, Administração, Contabilidade e Atuariais UMA ANÁLISE DE ÍNDICES DE DESENVOLVIMENTO BÁSICO DA REGIÃO DE ARARAS Aluna: Erika Camila Buzo
Noções de Probabilidade e Estatística CAPÍTULO 1
Noções de Probabilidade e Estatística Resolução dos Exercícios Ímpares CAPÍTULO 1 Felipe E. Barletta Mendes 8 de outubro de 2007 Neste Capítulo serão mostrado os comandos do R utilizados para resolver
TUTORIAL SOBRE ANÁLISE DE REGRESSÃO
TUTORIAL SOBRE ANÁLISE DE REGRESSÃO I. No R: ### Exemplo dados dos alunos: altura x peso ### x = altura e y = peso ############################################ # Entrada de Dados x
PROJETO DE EXTENSÃO. Software R: capacitação em análise estatística de dados utilizando um software livre. Aula 2.
UFFS Universidade Federal da Fronteira Sul Campus Cerro Largo PROJETO DE EXTENSÃO Software R: capacitação em análise estatística de dados utilizando um software livre Fonte: https://www.r-project.org/
Gráficos de controle para atributos
Gráficos de controle para atributos CE219 - Controle Estatístico de Qualidade Prof. Cesar Taconeli taconeli@ufpr.br Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento
Computação 1 - Python Aula 12 - Teórica: Interação com o usuário e programa principal. João Carlos, Carla Delgado, Ana Luisa Duboc 1/ 25
Computação 1 - Python Aula 12 - Teórica: Interação com o usuário e programa principal 1/ 25 print: Usado para imprimir informações na tela. >>> print "Qual o seu nome?" Qual o seu nome? # Função que soma
ANÁLISE DE DADOS EXPERIMENTAIS USANDO SOFTWARE LIVRE
ANÁLISE DE DADOS EXPERIMENTAIS USANDO SOFTWARE LIVRE Lorena Alves 1, Rodrigo Cardoso de Carvalho 2, Sueli Martins de Freitas Alves 3 1 Bolsista PBIC/UEG, graduanda do Curso de Engenharia Agrícola, Unidade
Modelos Lineares Generalizados para Dados de Contagem Ananda Bordignon, Brendha Lima, Giovanna Lazzarin 28 de novembro de 2018
Modelos Lineares Generalizados para Dados de Contagem Ananda Bordignon, Brendha Lima, Giovanna Lazzarin 28 de novembro de 2018 1. Introdução O objetivo deste trabalho é apresentar uma análise estatística,
INTRODUÇÃO À COMPUTAÇÃO - RESUMO E EXERCÍCIOS* P2
INTRODUÇÃO À COMPUTAÇÃO - RESUMO E EXERCÍCIOS* P2 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções em simplificaaulas.com. Listas(= tipo
Problema do Caminho Hamiltoniano
Universidade de São Paulo Escola de Artes, Ciências e Humanidades Bacharelado em Sistemas de Informação Introdução à Ciência da Computação II Professores Luciano Digiampietri e Fábio Nakano Data de entrega:
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 01 Estatística Descritiva e Análise Exploratória Etapas iniciais. Utilizadas para descrever e resumir os dados. A disponibilidade de uma grande quantidade