Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Próxima revisão Ambos lados da revisão seguinte | ||
disciplinas:ce003o-2011-01:historico [2011/04/27 17:43] paulojus [Parte 2] |
disciplinas:ce003o-2011-01:historico [2011/05/03 12:08] paulojus |
||
---|---|---|---|
Linha 34: | Linha 34: | ||
| 18/04 |Funções da variáveis aleatórias. Variáveis bi(multidimensionais) |Cap 7, Sec 7.6, Cap 8 |Cap 7: 25 a 27, 39, Cap 8: 1, 2, 3, 6, 7, 18, 19, 20 |Cap 5 |Cap 5: Sec 5.1: 2 a 5 Sec 5.2: 2, 3, 5 e 6 | | | | | | 18/04 |Funções da variáveis aleatórias. Variáveis bi(multidimensionais) |Cap 7, Sec 7.6, Cap 8 |Cap 7: 25 a 27, 39, Cap 8: 1, 2, 3, 6, 7, 18, 19, 20 |Cap 5 |Cap 5: Sec 5.1: 2 a 5 Sec 5.2: 2, 3, 5 e 6 | | | | | ||
| 20/04 |Prova 1 | | | | | | | | | 20/04 |Prova 1 | | | | | | | | ||
- | | 25/04 |Noções de processos estocáticos: exemplos e definição, tempos e estados (discretos e contínuos), modelo probabilístico. Processos de tempo e estados discretos: Cadeia de Markov. Cadeias Finitas, probabilidades de transição, estacionaridade. Matrizes de transição e matrizes estocásticas, transição em M passos, vetor inicial, probabilidades marginais e estados absorventes. |-- |-- |-- |-- |-- |-- |**ver abaixo** | | + | | 25/04 |Noções de processos estocáticos: exemplos e definição, tempos e estados (discretos e contínuos), modelo probabilístico. Processos de tempo e estados discretos: Cadeia de Markov. Cadeias Finitas, probabilidades de transição, estacionaridade. Matrizes de transição e matrizes estocásticas, transição em M passos, vetor inicial, probabilidades marginais e estados absorventes. |ver sessão de complementos desta página |-- |-- |-- |-- |-- |**ver abaixo** | |
- | | 27/04 |Prova 1 | | | | | | | | + | | 27/04 |Estatística descritiva. Fontes de dados: estudos experimentais e observacionais. Tipos de variáveis: quantitativas (nominais e ordinais) e qualitativas (discretas e contínuas). Análises uni e bivariadas. Tabelas, gráficos e medidas adequadas para cada tipo de variáveis. Visualização de múltiplas variáveis. Tabelas: dados categóricos e agrupados. Frequencias easolutas e relativas. Gráficos: setores, barras, histograma, box-plot, de densidade (empírica). Medidas: moda, mediana média, quartis, variância e amplitude |Cap 2, 3 e 4 |ver materiais online e sessão de complementos desta página |Cap 1, 4 e 5 |ver materiais online | | |[[http://leg.ufpr.br/~paulojus/embrapa/Rembrapa/Rembrapase9.html#x11-570009|Material online com exemplos de análise de dados]] | |
+ | | 02/05 | PF-15 |Estatística descritiva univariada: tipos de variáveis: qualitativas (nominais e ordinais) e quantitativas (discretas e contínuas). Gráficos. (histograma, pol. frequências, densidade empírica, ramo-e-folhas, box-plot |Cap 2, 3, Sec 3.4 (box-plot) |Cap 2: 4 a 7, 11, 12, 15; Cap 3: 11, 12, 13 |Cap 1 |Cap 1, Sec 1.2: 4, 5, Sec 1.4: 3, 4, 5, 6, 12,15, 20, 21, 22 | | |Ver complementos abaixo!!! | | ||
Linha 158: | Linha 159: | ||
=== Parte 2 === | === Parte 2 === | ||
- | - Estude o comportamento da cadeia definida pelo exemplo 1 visto em aula. | + | - Estude o comportamento da cadeia definida pelo exemplo 1 visto em aula. \\ <latex> |
- | + | P=\left[\begin{array}{cccccc} | |
- | - Modificar a matriz P dada colocando na ultima linha: ''(0 0 0 0 0 1)''. Estudo o comportamento da cadeia. | + | 0,1 & 0,4 & 0,2 & 0,1 & 0,1 & 0,1 \\ |
+ | 0,2 & 0,3 & 0,2 & 0,1 & 0,1 & 0,1 \\ | ||
+ | 0,1 & 0,2 & 0,3 & 0,2 & 0,1 & 0,1 \\ | ||
+ | 0,1 & 0,1 & 0,2 & 0,3 & 0,2 & 0,1 \\ | ||
+ | 0,1 & 0,1 & 0,1 & 0,2 & 0,3 & 0,2 \\ | ||
+ | 0,1 & 0,1 & 0,1 & 0,1 & 0,4 & 0,2 \\ | ||
+ | \end{array}\right] | ||
+ | </latex> | ||
+ | - Modificar a matriz P dada colocando na ultima linha: ''(0 0 0 0 0 1)''. Estude o comportamento da cadeia. | ||
+ | - Estude o comportamento da cadeia com matriz de probabilidade de transição dada por\\ <latex> | ||
+ | P=\left[\begin{array}{ccccc} | ||
+ | 0,5 & 0,3 & 0,2 & 0,0 & 0,0 \\ | ||
+ | 0,2 & 0,3 & 0,3 & 0,2 & 0,0 \\ | ||
+ | 0,1 & 0,2 & 0,3 & 0,2 & 0,2 \\ | ||
+ | 0,0 & 0,1 & 0,2 & 0,3 & 0,4 \\ | ||
+ | 0,0 & 0,0 & 0,0 & 0,0 & 1,0 \\ | ||
+ | \end{array}\right] | ||
+ | </latex> | ||
=== Parte 3 === | === Parte 3 === | ||
- Monte a matriz de transição ''P'' e estude as características da cadeia para o exemplo genético onde os pais tem genótipos ''AA'', ''Aa'' ou ''aa''. Analise e inspecione (tb por simulação) o comportamento para diferentes valores iniciais. | - Monte a matriz de transição ''P'' e estude as características da cadeia para o exemplo genético onde os pais tem genótipos ''AA'', ''Aa'' ou ''aa''. Analise e inspecione (tb por simulação) o comportamento para diferentes valores iniciais. | ||
+ | |||
+ | |||
+ | ==== 27/04/2011 ==== | ||
+ | - Ver Sessões 9, 10 e 11 [[http://leg.ufpr.br/~paulojus/embrapa/Rembrapa/|neste material online]] | ||
+ | - Exemplos mostrados/usados e discutidos em aula (com comandos do R) | ||
+ | - Exemplo **''CO2''**<code R> | ||
+ | data(CO2) | ||
+ | str(CO2) | ||
+ | head(CO2) | ||
+ | ?CO2 | ||
+ | names(CO2) | ||
+ | |||
+ | ## acessando os dados | ||
+ | mean(CO2$uptake) | ||
+ | with(CO2, mean(uptake)) | ||
+ | |||
+ | ## resumos de uma variável | ||
+ | attach(CO2) | ||
+ | mean(uptake) | ||
+ | summary(uptake) | ||
+ | |||
+ | ## gráficos | ||
+ | boxplot(uptake) | ||
+ | |||
+ | ## relacionando uptake com outra variável (categórica) | ||
+ | boxplot(uptake ~ Treatment) | ||
+ | |||
+ | tapply(uptake, Treatment, mean) | ||
+ | tapply(uptake, Treatment, summary) | ||
+ | |||
+ | ## relacionando uptake com outras 2 variáveis (categóricas) | ||
+ | tapply(uptake, list(Type, Treatment), mean) | ||
+ | interaction.plot(Type , Treatment, uptake, type="b") | ||
+ | interaction.plot(Type , Treatment, uptake, fun=median, type="b") | ||
+ | |||
+ | ## mais visualizações, relacionando com outra variável numérica | ||
+ | plot(uptake ~ conc) | ||
+ | m1 <- tapply(uptake, conc, mean) | ||
+ | points(as.numeric(names(m1)), m1, col=2, pch=19) | ||
+ | by(CO2, Plant, function(x) with(x, lines(uptake ~ conc, col=gray))) | ||
+ | |||
+ | coplot(uptake ~ conc|Plant) | ||
+ | coplot(uptake ~ conc|Plant,show.given=FALSE) | ||
+ | coplot(uptake ~ conc|Plant, panel=lines, type="b",show.given=FALSE) | ||
+ | coplot(uptake ~ conc|Plant, panel=panel.smooth,show.given=FALSE) | ||
+ | |||
+ | require(lattice) | ||
+ | xyplot(uptake ~ conc|Plant) | ||
+ | |||
+ | detach(CO2) | ||
+ | </code> | ||
+ | - Dados **''mtcars''**<code R> | ||
+ | ## obtendo informações sobre os dados (metadados) | ||
+ | data(mtcars) | ||
+ | str(mtcars) | ||
+ | head(mtcars) | ||
+ | dim(mtcars) | ||
+ | |||
+ | attach(mtcars) | ||
+ | |||
+ | ## analises de uma variável quantitativa | ||
+ | summary(mpg) | ||
+ | boxplot(mpg) | ||
+ | |||
+ | hist(mpg) | ||
+ | rug(mpg) | ||
+ | |||
+ | hist(mpg, prob=T) | ||
+ | rug(mpg) | ||
+ | lines(density(mpg)) | ||
+ | |||
+ | h1 <- hist(mpg, prob=T) | ||
+ | h1[1:2] | ||
+ | table(cut(mpg, br=seq(10, 35, by=5))) | ||
+ | |||
+ | ## um gráfico **totalmente inadequado** !!! | ||
+ | pie(table(cut(mpg, br=seq(10, 35, by=5)))) | ||
+ | |||
+ | ## análises de uma variável qualitativa (nominal) | ||
+ | table(am) | ||
+ | prop.table(table(am)) | ||
+ | pie(table(am)) | ||
+ | which.max(table(am)) | ||
+ | |||
+ | ## analises de uma variável qualitativa (ordinal) | ||
+ | table(cyl) | ||
+ | prop.table(table(cyl)) | ||
+ | barplot(table(cyl)) | ||
+ | which.max(table(cyl)) | ||
+ | |||
+ | ## "cruzando" variáveis qualitativas | ||
+ | table(cyl, am) | ||
+ | |||
+ | plot(table(cyl, am)) | ||
+ | |||
+ | barplot(table(cyl, am)) | ||
+ | barplot(table(cyl, am), beside=T) | ||
+ | |||
+ | prop.table(table(cyl, am)) | ||
+ | prop.table(table(cyl, am), mar=1) | ||
+ | prop.table(table(cyl, am), mar=2) | ||
+ | # | ||
+ | ## tabela | ||
+ | table(am) | ||
+ | ## grafico | ||
+ | pie(table(am), main="Câmbio", lab=c("automático" , "manual")) | ||
+ | pie(table(am), main="Câmbio", lab=c("automático" , "manual")) , col=1:2, rad=1) | ||
+ | ## medida (moda) | ||
+ | am.t <- table(am) | ||
+ | names(am.t) <- c("automático","manual") | ||
+ | names(which.max(am.t)) | ||
+ | |||
+ | ## em porcentagens | ||
+ | prop.table(table(am)) | ||
+ | |||
+ | ## agora para numero de marchas | ||
+ | table(gear) | ||
+ | barplot(prop.table(table(gear))) | ||
+ | names(which.max(table(gear))) | ||
+ | |||
+ | ## e agora relacionando as duas variáveis | ||
+ | table(am, gear) | ||
+ | plot(table(am, gear), main="Marchas vs Câmbio") | ||
+ | barplot(table(am, gear), legend=T) | ||
+ | barplot(table(gear, am), legend=T) | ||
+ | |||
+ | prop.table(table(am, gear), mar=1) | ||
+ | barplot(prop.table(table(am, gear), mar=1)) | ||
+ | |||
+ | ## relacionando qualitativa e quantitativa | ||
+ | tapply(mpg, am, mean) | ||
+ | tapply(mpg, am, sd) | ||
+ | tapply(mpg, am, summary) | ||
+ | |||
+ | tapply(mpg, am, function(x) table(cut(x, br=seq(10, 30, by=5)))) | ||
+ | |||
+ | boxplot(mpg ~ am) | ||
+ | |||
+ | plot(am, mpg) | ||
+ | boxplot(mpg ~ am) | ||
+ | |||
+ | ## relacionando variáveis quantitativas | ||
+ | plot(mpg ~ qsec) | ||
+ | lines(lowess(mpg ~ qsec)) | ||
+ | cor(mpg, qsec) | ||
+ | |||
+ | plot(mpg ~ wt) | ||
+ | lines(lowess(mpg ~ wt)) | ||
+ | cor(mpg, wt) | ||
+ | cor(mpg, wt, meth="sp") | ||
+ | |||
+ | plot(qsec ~ wt) | ||
+ | lines(lowess(qsec ~ wt)) | ||
+ | cor(qsec, wt) | ||
+ | cor(qsec, wt, meth="sp") | ||
+ | |||
+ | plot(mtcars[,c(1,4,6,7)]) | ||
+ | pairs(mtcars[,c(1,4,6,7)], panel=panel.smooth) | ||
+ | cor(mtcars[,c(1,4,6,7)]) | ||
+ | cor(mtcars[,c(1,4,6,7)], meth="sp") | ||
+ | |||
+ | detach(mtcars) | ||
+ | </code> | ||
+ | |||
+ | ==== 02/05/2011 ==== | ||
+ | * [[http://www.ted.com/talks/hans_rosling_shows_the_best_stats_you_ve_ever_seen.html|Hans Rosling]] no TED Talks - como os dados podem nos ajudar a compreender e destruir mitos sobre a realidade. Procure identificar ao menos cinco pontos importantes na apresentação para discussão | ||
+ | |||