CE-083: Estatística Computacional I

"The purpose of computing is insight, not numbers." (Richard Hamming)

• Professor: Walmes Marques Zeviani, (LEG: Laboratório de Estatística e Geoinformação)
• Curso: Estatística.
• Período: 2014/1.
• Local: LABEST, LAB C.
• Horário: Terça e Quinta, 17:30-19:00h.
• Atendimento: Quinta, 19:00-20:30h.
• Cartão de referência: Guia rápido do usuário R - tradução por Conrado Oliveira (ex-aluno).
• Ementa: CE083-fichas-2013-05-03.pdf

Abaixo o histórico de atividades realizadas em classe e atividades extra classe aplicadas.

1. 11/02:
   • Download e instação do R;
   • Editores de script;
   • Primeira sessão com o RStudio;
   • Operações elementares com escalares;
   • Salvando script e área de trabalho;
2. 13/02:
   • Vetores nomeados;
   • Regras lógicas;
   • Seleção a partir de regras lógicas;
   • Classificação de valores em intervalos;
   • Sequencias regulares;
3. 18/02:
   • Matrizes;
   • Data frames;
4. 20/02:
   • Ordenar vetores e data.frames;
   • Reordenar e renomear fatores;
   • Arredondar e truncar números;
5. 25/02:
   • Medidas descritivas para uma amostra;
   • Distribuições de frequência;
   • Tarefas por grupo/estrato;
   • Tarefas por margem;
6. 27/02:
   • Leitura de dados a partir de aquivos de texto;
   • Tratamento de valores após leitura;
7. 11/03:
   • Download e leitura de dados em aquivos de texto;
   • Seleção dos carros e cálculo separado de estatísticas descritivas;
8. 13/03:
   • Análise descritiva tabular e gráfica;
   • Tarefas separadas por grupo e por resposta;
   • Cálculo de múltiplas estatísticas para a amostra;
   • Exportando gráficos;
9. 18/03:
   • Expressões regulares;
   • Captura de informações por meio de expressões regulares;
10. 20/03:
    • Fusão de tabelas de dados por chave comum;
    • Aglutinar/combinar níveis de fatores.
11. 25/03:
    • Revisão de distribuição de probabilidades;
    • Como fazer funções.
12. 27/03:
    • Geração de números aleatórios;
    • Método da congruência;
    • Geração de números aleatórios de distribuições discretas de suporte finito;
    • Método da transformação integral da probabilidade para gerar números aleatórios de outras distribuições. -
13. 01/04:
    • Cálculo de probabilidades;
    • Visualização de distribuições de probabilidade.
14. 03/04:
    • Pesquisa reproduzível;
    • Relatórios dinâmicos com R+Markdown.
15. 08/04:
    • Fundamentos de testes de hipótese;
    • Erros de decisão;
16. 10/04:
    • Teste t para a média de uma população;
    • Teste t para a diferença de médias de duas populações independentes;
    • Teste t para a diferença de médias de duas populações pareadas.
17. 15/04:
    • Teste F para variâncias de duas populações normais;
    • Teste chi-quadrado para aderência;
    • Teste chi-quadrado para independência.
18. 22/04:
    • Avaliação do desempenho de teste de hipótese com desvio nos pressupostos;
    • Significância e cobertura nominais via estudo de simulação;
    • Curva de poder do teste de hipótese.
19. 24/04
20. 29/04
21. 01/05
22. 06/05
23. 08/05
24. 13/05
25. 15/05
26. 20/05
27. 22/05
28. 27/05
29. 29/05
30. 03/06
31. 05/06
32. 10/06
33. 12/06
34. 17/06
35. 19/06
36. 24/06
37. 26/06

• Usando markdown com o RStudio;
• Markdown: guia de sintaxe (1);
• Markdown: guia de sintaxe (2);

1. Cada dupla ou trio deve escolher dois modelos de carros para avaliar (ex: Fiat Palio vs Volkswagen Gol, Renault Clio vs Fiat Uno);
2. O contexto do trabalho é orientar clientes na escolher entre os modelos de interesse via uma análise exploratória de dados baseada nos dados disponíveis de satisfação dos clientes;
3. As tabelas sobre a nota dada por donos desses modelos com relação à uma série de características serão extraídos do site carros na web e disponibilizados via arquivo de texto;
4. Os dados devem ser lidos e uma análise exploratória com emprego de gráficos e tabelas deve ser feita;
5. A análise deve considerar comparações entre modelos, entre anos de fabricação e as diversas características votadas;
6. Cada grupo deve entrar no site http://www.carrosnaweb.com.br/opiniao.asp e consultar seus carros, anotar o número total de páginas de resultados e informar para o acadêmico Milton, responsável por reunir e enviar as informações de cada grupo: nomes dos acadêmicos, marcas, modelos, totais de páginas.
7. Os grupos e pares de carros a serem comparados seguem na tabela abaixo:

   Acadêmicos	Carros
   Bruna, Jonivan e Lucas	Gol vs Onix
   Luiz, Maurício e Ana Laura	Gol vs HB20
   Danilo, Josafa e Francielle	HB20 vs Onix
   Milton, Nathalie e Andressa	Ka vs Celta
   Damiane e Cintia	Punto vs Polo
   Adenmilson	Fluence vs Jetta
   	S-10 vs Ranger
   	Crossfox vs Idea
   	Voyage vs Siena
   	Uno vs Clio
   	Sandero vs Gol
   	Saveiro vs Strada
   	Duster vs Ecosport
   	Focus vs Fluence
   	Fluence vs Cruze
   	J3 vs Agile
   	Punto vs City
   	Logan vs Voyage
   	Bravo vs Focus

8. Os arquivos de texto a serem lidos são:
   1. Tabela com as notas no formato longo;
   2. Tabela como as informações de origem e condição do carro;
   3. Tabela com as notas no formato amplo, em comprimento fixo de campo;
   4. Tabela de dicionário para ler a tabela de comprimento fixo de campo;

   5. Algumas escolhas de carros para comparação foram alteradas por não serem consideradas adequadas. Acadêmicos não listados devem escolher uma das opções disponíveis na tabela. Na aula de terça-feira (11/03) deve-se ler/importar os quarto arquivos fornecidos para download, selecionar/filtrar das tabelas os carros escolhidos e obter estatísticas descritivas para cada carro (tarefas por grupo/margem). Serão avaliados quanto a isso.

1. Resolver os exercícios selecionados do livro de Estatística Básica do Bussab e Moretin (5ª edição), destacados com um X vermelho ao lado. Usar o R como calculadora e as funções p, d, q e r dos modelos de probabilidade.
2. Entregar a solução usando 1) R+Markdown, 2) R+LibreOffice, 3) R+MSWord ou 4) R+Latex. Instruções de como integrar o R aos sistemas de edição de texto serão passadas em sala de aula.
3. Instruções para envio do trabalho em http://www.leg.ufpr.br/doku.php/disciplinas:datafilehost.

1. Aplicar cada um dos testes de hipótese abaixo com dados retirados de livros, dados reais, dados disponíveis na internet ou qualquer outra fonte. Evitar dados simulados.
   • Em medidas de posição:
     1. Teste t para a média de uma v.a. normal;
     2. Teste t para a diferença de médias entre duas v.a. normais por amostras independentes;
     3. Teste t para a diferença de médias entre duas v.a. normais por amostras pareadas;
     4. Teste exato para proporção de uma v.a. binomial;
     5. Teste aproximando pela normal para proporção de uma v.a. binomial;
     6. Teste para a diferença de proporções de duas ou mais v.a. binomiais;
     7. Teste do sinal para a mediana de uma v.a.;
     8. Teste de Wilcox para a diferença de médias de duas v.a. por amostras independentes;
     9. Teste de Wilcox para a diferença de médias de duas v.a. por amostras pareadas;
   • Em medidas de dispersão:
     1. Teste F para a igualdade de variâncias entre duas v.a. normais;
   • Aderência:
     1. Teste chi-quadrado para aderência de uma distribuição à uma v.a.;
     2. Teste de Shapiro-Wilk para a normalidade de uma v.a.;
     3. Teste de Kolmogorov-Smirnov para a aderência de uma distribuição à uma v.a.;
   • Associação:
     1. Teste chi-quadrado para independência de duas v.a. em tabelas de contingência;
     2. Teste de correlação de Pearson entre duas v.a. normais;
     3. Teste de correlação de Spearman entre duas v.a.;
2. Entregar a solução usando R+Latex. Instruções de como integrar o R aos sistemas de edição de texto serão passadas em sala de aula.
3. Instruções para envio do trabalho em http://www.leg.ufpr.br/doku.php/disciplinas:datafilehost.
4. Prazo de entrega: 15/05/2014 até às 23h59.