! "#! "#$% %! &'(! &!! ) * %+,-. ) '(! *///0 1! 0!2! ///,-!3///4.

Documentos relacionados
Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

ESTATÍSTICA APLICADA À ZOOTECNIA

MEDIDAS DE TENDÊNCIA CENTRAL I

Estatística. 2 - Estatística Descritiva

Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II

Estatística - exestatmeddisper.doc 25/02/09

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

MEDIDAS DE DISPERSÃO:

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros.

Oitava Lista de Exercícios

Construção e Análise de Gráficos

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Análise Exploratória de Dados

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

Organização; Resumo; Apresentação.

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

Distribuições de Probabilidades

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

Avaliação da qualidade do ajuste

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP

Econometria: 3 - Regressão Múltipla

Atividades Práticas Supervisionadas (APS)

Revisão de Estatística X = X n

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

Cap. 5. Testes de Hipóteses

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

INTRODUÇÃO A ESTATÍSTICA

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

Algarismos Significativos Propagação de Erros ou Desvios

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Estatística Descritiva

FINANCIAMENTOS UTILIZANDO O EXCEL

9 Medidas Descritivas

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística

? Isso é, d i= ( x i. . Percebeu que

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Implementação de Planilha de Cálculos Simplificada

Noções Básicas de Medidas e Algarismos Significativos

Descritiva. Francisco Cysneiros DE - UFPE

7 Análise de covariância (ANCOVA)

Caracterização de Partículas. Prof. Gerônimo

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

50 Logo, Número de erros de impressão

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame

Capitulo 1 Resolução de Exercícios

Estatística: uma definição

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

Modelo de Regressão Simples

Resumos Numéricos de Distribuições

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Curso de Biomedicina

Estimação pontual, estimação intervalar e tamanho de amostras

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

Ordenação por Partição (Quick Sort)

Total Bom Ruim Masculino

Probabilidade II Aula 10

Do que trata a Estatística. Estatística Básica (Anova, TH, Regressão) Séries Temporais Data Mining Six Sigma Redes Neurais Controle de Qualidade

Matemática C Extensivo V. 4

MAC122 Princípios de Desenvolvimento de Algoritmos - BM,BMA

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015

Preliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009.

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

5 Critérios para Análise dos Resultados

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Como CD = DC CD + DC = 0

Relatório 2ª Atividade Formativa UC ECS

II. Propriedades Termodinâmicas de Soluções

Prof. Eugênio Carlos Stieler

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

DESENVOLVIMENTO DE UM PROGRAMA ESTATÍSTICO PARA ANÁLISE DA DEVELOPMENT OF A STATISTICAL PROGRAM FOR PEARSON

UTFPR. Engenharia Elétrica Probabilidade e Estatística. Ementa da disciplina. Referências Bibliográficas. Introdução. Definição.

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

Transcrição:

Itrodução ao R

960 988 996 Atualmete Lguagem S (Joh Chambers et al; Lucet Techologes) S-Plus. Software propretáro de aálse de dados que cotém a lguagem S Lguagem oretada a objetos R (Ross Ihaka e Robert Getlema) Crescete utlzação o mercado de trabalho e prcpal ferrameta para pesqusas estatístcas reprodutíves.! "#! "#$% %! &'(! &!! ) * %,-. ) '(! *///0! 0!! ///,-!3///4.

5!"# Sstema Base Pacotes Lguagem R

5!"# #'( *, '(! 3004.! & "# ) 4!!)4!!! )!!6 30078 4. 00/ / 0 0! ) ) & ( *!,% & 4!! "9!!!"# '!!!!

5!"# Tela cal do sstema R versão : Este símbolo (>) é o prompt do R e ele dca que o sstema está proto para receber seus comados.

:"9 )*!!, OBS.: Para adcoar um cometáro o R basta colocar o símbolo # Cálculos apeas com os sas de operação artmétca: > 7 #cálculo da soma destes dos úmeros > - * 0 #prordade da multplcação > 3 ** 7 #potêcas utlzado ** ou ^ > 0/3 #dvsão Cálculos com fuções ecotradas em calculadoras cetífcas: > sqrt(9) #raz quadrada > s(p) #seo de P radaos é zero > factoral(4)#4!4*3** > ep(5) #epoecal de 5, e^5 Outros operadores dspoíves: %% # módulo %/% #dvsão tera

#ajuda sobre um comado específco do R help(mea) #o pacote o qual esta fução perteça deve estar carregado #ou smplesmete?mea #busca formação do argumeto em todos os pacotes stalados help.search("mea") #ou smplesmete??mea #obter ajuda sobre um partcular pacote (stalado) help(package agrcolae) #mostrar eemplos de um comado específco do R eample(mea)

#lsta as fuções e operações cotdas o pacote "base" do R ls("package:base") #car ajuda o browser padrão stalado help.start() #busca ajuda sobre frases ou palavras-chave a lsta de arquvos ou documetação do R ( 300 4., RSteSearch("statstcal multvarate") #verfcar o status da sessão atual do R sessoifo()

"9! #OBS.: A lguagem do R é case-sestve <-5 #o objeto receberá o valor 5 5-> #o valor 5 será armazeado o objeto X8 #o objeto X receberá o valor 8 sqrt(00) # receberá o valor da operação dcada #ou prt() #ao costrur fuções o comado prt deverá ser usado eplctamete ls() #lsta todos os objetos estetes a memóra lsta ls() #armazea a lsta de objetos rm(,) #remove os objetos e rm(lstls()) #remove TUDO do projeto atvo! CUIDADO!

"9! c(,3,5) #o objeto recebe a cocateação dos valores umércos, 3 e 5, ou seja, é um vetor. class(); mode(); legth() #classe, tpo e tamaho do objeto s.umerc() # tem atrbuto umérco? p roud(,3)#arredodado o alor de p para 3 casas decmas truc(p)#o valor de p trucado truc(.98) sgf(p,3)#o valor de p trucado 0.0005698 sgf(,3) celg(p)# aproma para o meor tero superor ao valor especfcado (teto) floor(p)# aproma para o maor tero feror ao valor especfcado (pso)

!. # O R pode trabalhar com vetores - objetos que armazeam mas de um valor # A fução c( ) é usada para crar um vetor a partr de seus argumetos <- c(,3,5,7,)# o objeto recebe os cco prmeros º prmos # ebe o coteúdo do objeto a <- "Agela" ; b <- TRUE ; c <- -8 mode(a); mode (b) ; mode(c) # ebe os atrbutos # Este uma outra forma de verfcar atrbutos de um objeto s.umerc() ; s.logcal(b) ; s.comple(c); s.character(a) ; s.umerc(a)

"9 ; :0 #cra a sequêca crescete de teros de a 0 50:30 #cra a sequêca decrescete de teros de 50 a 30 #outra forma de crar sequêcas é através do comado "seq" seq(,0,)# o mesmo que :0 seq(,0,) seq(0,,3) #ordem versa, produzrá ERRO. Veja! seq(0,,-3) #para crar valores repetdos rep(,0)#cra um vetor com o valor repetdo 0 vezes rep(c(,8),0) c(rep(0,0),rep(,5)) a8 rep(c(,),a)#repetção de "c(,)" a vezes rep(4:,:4)#eemplo teressate rep(c(0,0,30),c(3,,))#para cada valor, um úmero de repetções

< # Lstas são objetos muto utes, pos são usadas para combar # dferetes cosas em um objeto, ou seja, úmeros, vetores # caracteres, etc pes <- lst(dade4, ome "Ale", otasc(98,95,96)) pes pes$dade pes$ome pes$otas # cada um desses compoetes da lsta pode ser acessado dvdualmete pes$ota[] # segudo elemeto de $otas pes[] #prmero elemeto da lsta pes pes[[]] #otem a dfereça

8 somas das produto produtos de soma soma da quadrado SQ quadrados de soma smples soma )... )(... ( 5) ) (... 4) ) ( )... ( 3) )) ( (... ) ) (... )

# CONSIDEREM AS VARIÁVEIS X E Y QUE REPRESENTAM AS NOTAS DE MATEMÁTICA E BIOLOGIA <- c(85,90,9,93,95,55) # etrado com os valores de s <- sum() # cálculo da somatóra de s sq <- sum(^) #cálculo da soma de quadrados de sq qs <- (s)^ # cálculo do quadrado da soma qs <- c(65,75,85,65,95,80) # etrado com os valores de s<-sum() # cálculo da somatóra de s sq <- sum(^) # cálculo da soma de quadrados de sq qs <- (s)^ # cálculo do quadrado da soma qs ps <- s*s # cálculo do produto da soma de e

s (... ) ( ) ( méda de ) ( ) (varâca amostral ( ) de ) m <- sum()/legth() # calcula a méda de m var <- (sum(^)-(sum()^/legth())/(legth()-) # calcula a varâca de var dp <- sqrt(var) # calcula o desvo padrão de dp # outra forma de calcular a méda e a varâca de movo <- mea() # usado o comado mea movo varovo <- var() # usado o comado var varovo dpovo <- sd() # usado o comado sd dpovo

"9 #etrada de dados utlzado a fução sca() <- sca() <- sca() Y # ABRIR O ARQUIVO IQ5 ( QI DE JOVENS) E ARMAZENÁ-LO NO OBJETO q5 c_r <- sca() # copa e cola do arquvo Dados_q.ls o cosole do R summar(c_r) # forece um sumáro dos dados # Repetr estes comados para o a colua c_suco do mesmo # arquvo