pessoais:walmes - Wiki do LEG

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

Você está aqui: start » pessoais » walmes

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- pessoais:walmes [2013/08/26 08:21]
walmes [section 6]
+++ pessoais:walmes [2015/05/01 15:57]
walmes
@@ Linha 11: / Linha 11: @@
 //"Não sou aquele que sabe, mas aquele que busca."// (Herman Hesse)
+//"A verdade é circunstancial."// (Desconhecido)
+//"Quem reconhece um problema tem um problema a menos."// (Desconhecido)
 [[http://lattes.cnpq.br/4410617539281650|{{ :pessoais:walmes:lattestext.gif|}}]]
+[[http://scholar.google.com.br/citations?hl=EN&user=pb-91n8AAAAJ&view_op=list_works|Perfil no Google Scholar]]
 \\
 \\
-Engenheiro Agronômo pela Universidade Federal da Grande Dourados (2007) e Mestre em Estatística & Experimentação Agropecuária pela Universidade Federal de Lavras (2009). Doutorando do Programa de Pós-Graduação em Estatística & Experimentação Agropecuária - Professor Assistente I do Departamento de Estatística da Universidade Federal do Paraná (aprovado por Concurso e contratado em Julho 2010) onde atualmente leciona.
+Engenheiro Agronômo pela Universidade Federal da Grande Dourados (2007), Mestre (2008-2009) e Doutor (2010-2013) em Estatística & Experimentação Agropecuária pela Universidade Federal de Lavras. Doutorando do Programa de Pós-Graduação em Estatística & Experimentação Agropecuária - Professor Assistente I do Departamento de Estatística da Universidade Federal do Paraná (aprovado por Concurso e contratado em Julho 2010) onde atualmente leciona.
 \\
 \\
 /* {{ :pessoais:walmes:perfil.jpg?150|}} */
-{{ :pessoais:walmes:perfil2.gif?150|}}
+/*{{ :pessoais:walmes:perfil2.gif?150|}} */
+{{ :pessoais:walmes:walmes.jpg?200|}}
 \\
 \\
@@ Linha 60: / Linha 68: @@
 ----
-==== Tese de Doutorado (em andamento) ====
+==== Tese de Doutorado ====
-Pre-título: **Modelagem da curva característica de água para solos com distribuição bimodal de poros**
+Título: **Parametrizações interpretáveis em modelos não lineares**
+[[http://www.leg.ufpr.br/~walmes/docs/WalmesTese.pdf|{{:pessoais:walmes:download.jpg?70|}}]]
-Artigo 1: Modelos de regressão não linear para representar a curva característica de solos com distribuição de poros bimodal.
-Fazer estudo/elaboração de modelos que tenham dois pontos de inflexão, ou seja, cuja derivada apresente dois pontos de máximo. Estudar a interpretação dos parâmetros desses modelos, o grau de não linearidade e o impacto das inferências em pequenas amostras. Estudar a identificabilidade dos modelos para amostras de tamanho pequeno apontando estratégias para aquisição de dados (delineamento ótimo). Aplicar reparametrizações para tornar o modelo melhor comportado. Aplicar inferência por verossimilhança. Usar os dados do Eduardo.
-Artigo 2: Estimação da curva característica de água do solo em função de fatores experimentais.
+Capítulo 1: PROCEDIMENTO PARA OBTER PARAMETRIZAÇÕES
-Colocar os parâmetros do modelo de regressão em função dos fatores experimentais e conduzir testes de hipótese. Não observamos os parâmetros do modelo, nos observamos dados. Mas queremos aplicar inferência aos parâmetros e temos estimativas destes. Usar dados do Milson. Dada a quantidade grande de parâmetros estimados aqui, que depende do número de níveis dos fatores experimentais, vale a pena se pensar em escrever o modelos parcialmente linear, identificando os parâmetros que são lineares e deixando apenas os demais presentes do processo de otimização da função objetivo.
+INTERPRETÁVEIS EM MODELOS NÃO LINEARES.
+Modelos de regressão não linear são considerados quando existe algum
+conhecimento preliminar sobre a relação entre variáveis. Tal conhecimento pode
+ser a respeito da própria natureza dos dados, uma equação diferencial e até mesmo
+a forma do diagrama de dispersão entre as variáveis. Em geral, seus parâmetros
+têm interpretação. Além disso, parâmetros de interesse, expressos como função
+dos parâmetros do modelo, são alvos de investigação. Para isso, o método delta,
+simulação Monte Carlo e procedimentos bootstrap são procedimentos adotados
+para fazer inferência. Além disso, uma reparametrização pode ser aplicada ao mo-
+delo de forma a representar esses parâmetros de interesse. Além de melhorar a
+interpretação do modelo, a presença do parâmetro alvo estende as possibilidades
+com relação a especificação de modelos e inferência estatística. O objetivo com
+esse trabalho é sistematizar o procedimento de aplicar reparametrizações. Ênfase
+é dada em modelos não lineares considerados em Ciências Agrárias. Uma lista
+com 17 modelos reparametrizados é fornecida. Breve discussão sobre os métodos
+de inferência é feita.
-Artigo 3: Modelagem da curva característica de água no solo por modelos mistos e inclusão de covariáveis.
-Estimar a curva considerando o efeito aleatório de amostra, a correlação entre medidas, a inclusão da covariável densidade do solo. Apresentar as expressões da verossimilhança para os modelos, os teste de rezão de verossimilhança e as conclusões a respeito das hipóteses. Usar dados do Eduardo e geoR::wrc.
-Artigo 4: Como fazer inferência sobre o parâmetro S.
+Capítulo 2: MODELO NÃO LINEAR PARA O NÍVEL DE DANO
-Estimar o parâmetro S dos solos e associar imprecisão. Aplicar inferência clássica com método delta e inferência bayesiana.
+ECONÔMICO DA DESFOLHA NO ALGODOEIRO.
+O efeito da desfolha sobre a qualidade e produtividade das culturas é
+informação fundamental para definir estratégias de manejo, como intensidade e
+frequência de pastejo e colheita até o estabelecimento de níveis de dano econô-
+mico de forma a auxiliar decisões sobre o controle de pragas desfolhadoras. Para
+a cultura do algodão, assim como para outras tantas, a redução da produção pela
+desfolha pode ser representada por uma função não linear monótona não crescente.
+Diversos modelos podem satisfazer essa restrição, no entanto, existe a preocupa-
+ção de inferir sobre o nível de dano econômico, θq , pelo ajuste de um modelo.
+Dados de produção-desfolha do algodoeiro em função do estágio fenológico são
+considerados para inferir sobre o nível de dano econômico com os seguintes ob-
+jetivos: 1) propor uma parametrização de modelo que representasse o parâmetro,
+) avaliar parametrizações alternativas por meio de medidas de não linearidade,
+) aplicar inferência baseada em verossimilhança, 4) selecionar um modelo para
+descrever a relação entre produção e desfolha do algodoeiro em função do estágio
+fenológico. O modelo reparametrizado apresentou menores medidas de não linea-
+ridade nos estágios fenológicos com pronunciada relação não linear. Nos restantes,
+as medidas de curvatura, as correlações dos estimadores e os gráficos de perfil de
+verossimilhança indicaram que um sub-modelo deveria ser considerado.
+Caítulo 3: PARAMETRIZAÇÃO DO MODELO VAN GENUCHTEN
+PARA INFERÊNCIA SOBRE OS PARÂMETROS S E I.
+A água é indispensável para produção das culturas pois está envolvida no
+transporte de nutrientes, reações químicas, processos físicos e manutenção da vida
+do solo. O conhecimento sobre a curva de rentenção de água (CRA) do solo é
+fundamental para estabelecer estratégias de manejo. A qualidade física do solo
+é depende da CRA e os parâmetros I, tensão do ponto de inflexão da CRA, e S ,
+taxa de variação no ponto de inflexão, considerados como indicadores da quali-
+dade física, são parâmetros relacionados a medidas descritivas da distribuição do
+tamanho de poros do solo. Com este trabalho, objetiva-se verificar o efeito da po-
+sição de amostragem e profundidade do solo sobre os parâmetros I e S da CRA.
+Para isso 1) considerou-se ANOVA simples e 2) ANOVA ponderada pela variância
+das estimativas desses parâmetros em cada unidade experimental em comparação
+com 3) o uso de modelos não lineares de efeito misto em uma parametrização de-
+senvolvida para I e S . Nenhum dos métodos alternativos de análise foi superior ao
+modelo não linear de efeitos mistos na parametrização desenvolvida, que apresen-
+tou intervalos mais estreitos para estimativas dos parâmetros e apontou efeito de
+posição e profundidade de coleta nos parâmetros I e S.
+**Palavras-chaves**: Verossimilhança. Método delta. Medida de curvatura. Efeitos mistos. van Genuchten.
+**Banca de Defesa**:\\
+Prof. Dr. Joel Augusto Muniz (Orientador) - UFLA \\
+Prof. Dr. Paulo Justiniano Ribeiro Jr (co-orientador) - UFPR\\
+Prof. Dr. Júlio da Motta Singer - IME-USP\\
+Prof. Dr. Júlio Silvio de Sousa Bueno Filho - UFLA\\
+Prof. Dr. Augusto Ramalho de Morais - UFLA\\
+Aprovada em 13 de maio de 2013.\\
 ----
@@ Linha 99: / Linha 168: @@
 | Estatística Básica (CE-002 - Estatística I) | Agronomia | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce002a-2013-01|A}} | 2013 | 1º |
 | Bioestatística (CE-001 - Bioestatística) | Biologia | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce001mb-2013-01|MB}} | 2013 | 1º |
-| Estatística Computacional I (CE-083) | Estatística | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce083-2013-02|EST}} | 2013 | 2º (em andamento) |
+| Estatística Computacional I (CE-083) | Estatística | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce083-2013-02|EST}} | 2013 | 2º |
-| Estatística Computacional II (CE-089) | Estatística | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce089-2013-02|EST}} | 2013 | 2º (em andamento) |
+| Estatística Computacional II (CE-089) | Estatística | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce089-2013-02|EST}} | 2013 | 2º|
+| Análise de regressão linear (CE-071) | Estatística | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce071-2014-01|EST}} | 2014 | 1º |
+| Estatística Computacional I (CE-083) | Estatística | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce083-2014-01|EST}} | 2014 | 1º |
+| Bioestatística (CE-001 - Bioestatística) | Biologia | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce001mb-2014-01|MB}} | 2014 | 1º |
+| Estatística Computacional I (CE-083) | Estatística | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce083-2014-02|EST}} | 2014 | 2º |
+| Estatística Computacional II (CE-089) | Estatística | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce089-2014-02|EST}} | 2014 | 2º |
+| Planejamento de Experimentos I (CE-213) | Estatística | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce213-2015-01|EST}} | 2015 | 1º |
+| Planejamento e análise de experimentos irregulares (CE-063) | Estatística | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce063-2015-01|EST}} | 2015 | 1º |
+| Bioestatística (CE-001 - Bioestatística) | Biologia | {{http://www.leg.ufpr.br/doku.php/disciplinas:ce001mb-2015-01|MB}} | 2015 | 1º |
 ----
@@ Linha 111: / Linha 186: @@
 | {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:cursorufgd|Curso de capacitação ao ambiente estatístico R}} | Docentes da Faculdade de Ciências Agrárias da Universidade Federal da Grande Dourados | UFGD, Dourados-MS | 25 à 29 de abril de 2011 |
 | {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:cursorcnpaf|Estatística Experimental Aplicada}} | Pesquisadores da Embrapa Arroz e Feijão e acadêmicos da UFG | CNPAF, Santo Antônio de Goiás-GO | 07 à 11 de novembro de 2011 |
+| {{http://www.leg.ufpr.br/doku.php/cursos:mcie|Métodos computacionais para inferência com aplicações em R}} | Participantes do 57º RBRAS | 57º RBRAS, Piracicaba-SP | 05 à 09 de Maio de 2012 |
 | {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:cursorseagro|Estatística Experimental Aplicada}} | Pesquisadores da Epagri-SC e Engenheiros Agronômos | IF de Videira, Videira-SC | 18 e 19 de maio de 2012 |
 | {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:cursorunochapeco|Análise Estatística em Ambiente R}} | Curso de Especialização em Instrumentação Estatística da UNOCHAPECÓ | UNOCHAPECÓ, Chapecó - SC | 01-02/06 e 15-16/06 de 2012 |
@@ Linha 118: / Linha 194: @@
 | {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:cursorcnpaf2|Aplicação de modelos mistos por meio da ferramenta R}} | Pesquisadores da Embrapa Arroz e Feijão e acadêmicos da UFG | CNPAF, Santo Antônio de Goiás-GO | 12 à 14 de novembro de 2012 |
 | {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:cursoruesc|Modelos de regressão não linear}} | Docentes do DCET da UESC | UESC, Ilhéus-BA | 22 à 23 de novembro de 2012 |
+| {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:mrnl2013|Curso em modelos de regressão não linear}} | Participantes do 15º SINAPE | 15º SINAPE, Campina Grande-PB | 22 à 26 de Julho de 2013 |
+| {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:conest2013|Curso em modelos de regressão não linear}} | Participantes do 2º CONEST | 2º CONEST, Curitiba-PR | 07 à 09 de Novembro de 2013 |
+| {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:ciaeear| Modelagem estatística com aplicações na análise de experimentos}} | Participantes do CIAEEAR | CIAEEAR, Manaus-AM | 12 e 13 de Agosto de 2014 |
+| {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:geneticaesalq| Ajuste de modelos lineares e mistos no ambiente R }} | Acadêmicos do programa de Pós Graduação em Genética e Melhoramento de Plantas | ESALQ/USP, Piracicaba-GO | 09 a 10 de Outubro de 2014 |
+| {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:cpaa| Curso de estatística experimental com aplicações em R }} | Pesquisadores da Embrapa Amazônia Ocidental | CPAA, Manaus-GO | 12 a 14 de Novembro de 2014 |
+| {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:cnpaf3| Aplicação de modelos de regressão linear e não linear em ciências agrárias}} | Pesquisadores da Embrapa Arroz e Feijão e acadêmicos da UFG | CNPAF, Santo Antônio de Goiás-GO | 09 a 11 de Dezembro de 2014 |
+| {{http://www.leg.ufpr.br/doku.php/pessoais:walmes:fiocruz| Modelos de Regressão e aplicações no ambiente R}} | Analistas da Fundação Oswaldo Cruz | FIOCRUZ, Manaus-AM | 13 a 17 de Abril de 2015 |
 ----
 ==== Blog ====
@@ Linha 156: / Linha 240: @@
 O acesso ao LEG se dá pela escada/rampa localizada na face norte do bloco de Informática. Ao entrar pelo corredor do antigo salão de provas, procure por uma porta sinalizada do lado direito. Clique [[http://maps.google.com/maps?f=q&source=s_q&hl=pt-BR&geocode=&q=LEG%2FUFPR&aq=&sll=-25.450691,-49.23435&sspn=0.012051,0.030448&g=-25.450419,-49.231754&ie=UTF8&ll=-25.450434,-49.231692&spn=0.001506,0.003806&t=h&z=19&iwloc=A|aqui]] para abrir a nossa localização em uma nova página com seta de indicação.
+/*
 <googlemap width="533px" height="400px" lat="-25.450603" lon="-49.231759" type="hybrid" zoom="19">
 </googlemap>
+*/
+{{http://www.leg.ufpr.br/~walmes/ensino/legmapa.png?800|}}
 ----
@@ Linha 163: / Linha 253: @@
 ==== Dicas de Linux ====
-  * Site para produzir **expressões matemáticas em latex** ([[http://www.codecogs.com/latex/eqneditor.php]]). Permite a construção online de expressões matemáticas em código Latex, que podem ser copiadas e coladas no seu editor. O usuário tem opção de usar os menus com expressões prédefinidas, tais como matrizes, sistema de equações, derivadas, somatórios, simbologia de conjuntos, letras gregas, etc. Expressões comuns estão organizadas no botão "exemplos".
+  * Estilo de citação ABNT para Mendeley;
+    * Como fazer: http://vps.fmvz.usp.br/blogs/fernando/2011/05/12/estilo-abnt-para-mendeley/
+    * Estilos ABNT disponíveis: http://wisleyvelasco.com.br/2013/05/16/estilos-mendeley/
   * Download do **LaTable** para confecção de tabelas para Latex ([[http://www.leg.ufpr.br/~walmes/docs/LaTable.exe]]). A versão disponível para Download tem compatibilidade com o wine e portanto pode ser usada por usuários Linux ([[http://www.guiadohardware.net/tutoriais/usando-wine/|usando o wine]]). Nos casos em as tabelas estão prontas em editores de texto (e.g. OpenOffice-Writer) ou em planilhas eletrônicas (e.g. OpenOffice-Calc) pode-se colar o conteúdo da tabela em um arquivo de extensão *.txt e importar pelo LaTable. No LaTable é possível fazer a formatação de alinhamento de colunas e inserção linhas verticais e horizontais, usadas, em geral, para separar o cabeçalho da tabela do restante. Depois da edição é só copiar, em formato Latex, o conteúdo da tabela para área de transferência e colar no seu editor.
-  * **Zotero**: plugin do Firefox para extração de meta-dados de páginas de internet para criação de referências bibliográficas ([[http://www.zotero.org/|http://www.zotero.org/]]). \\ Zotero é capaz de extrair os metadados de sites da internet e produzir referências bibliográficas em diversos formatos. Sites  [[http://www.amazon.com/|Amazon.com]] (de venda de livros) e o [[http://www.sciencedirect.com/|ScienceDirect]] (para busca de artigos) são alguns dos compatíveis com o plugin. Basta fazer a busca por um livro/artigo no site que um ícone irá aparecer na sua barra de endereços. Ao clicar no ícone (que será um livro de capa azul no caso de livros) os metadados serão organizados pelo zotero. Para acessar os metadados, clica-se no nome "zotero" que fica no canto inferior direito do seu Firefox. Pode-se exportar as referências dos livros/artigos (e outros tipos de publicação) para diversos formatos, inclusive para o formato usado pelo bibtex, além de formatos para OpenOffice-Writer, html, etc. Mais detalhes consultar a documentação no site do plugin. Consulte também: [[http://technology.ptsem.edu/assets/18B0A48A-EB6E-480B-B3B7-C77E5859CE36.pdf|tutorial em pdf]], [[http://renatocolistete.wordpress.com/2009/02/12/zotero/|descrição]], [[http://www.youtube.com/watch?v=pq94aBrc0pY|video]].
   * Site para criar [[http://www.freepasswordgenerator.com/|senhas aleatórias]], com diversas opções como tamanho e tipos de caracteres e criação de senhas pronunciáveis.
-  * Para converter as figuras em formato *pdf de um diretório para *jpg e fazer um zip delas no final (dica Linux). Salvar num arquivo com extensão *sh (e.g. converter.sh), dentro do diretório das figuras, o conteúdo abaixo (o tipo de aspas é importante)
-<code>
-for file in `ls *.pdf`
-do
-   convert $file `echo $file | sed 's/\.pdf$/\.jpg/'`
-done
-zip todojpg.zip *.jpg
-rm *.jpg
-</code>
-Entre no terminal do Linux. Vá para o diretório em que estão as figuras e o arquivo converter.sh (use $ cd <caminho>). Execute
-<code>
-$ chmod +x converter.sh
-$ ./converter.sh
-</code>
-No final deverá haver um zip com as figuras em *jpg. Caso não queria que as figuras em *jpg sejam removidas do diretório, exclua a última linha arquivo *sh.
-  * Outra forma de fazer conversão é usando o ImageMagick, assim:
-<code>
-$ convert -density 300x300 -resize 1000x1000 *.pdf out.jpg
-</code>
-  * para fazer com figuras tendo determinado prefixo
-<code>
-for file in `ls prefixo*.pdf`
-do
-   convert -density 300x300 -resize 1000x1000 $file $file.jpg
-done
-zip todojpg.zip *.jpg
-rm *.jpg
-</code>
-Entre no terminal do Linux. Vá para o diretório em que estão as figuras e o arquivo converter.sh (use $ cd <caminho>). Execute
-<code>
-$ chmod +x converter.sh
-$ ./converter.sh
-</code>
-No final deverá haver um zip com as figuras em *jpg. Caso não queria que as figuras em *jpg sejam removidas do diretório, exclua a última linha arquivo *sh.
-  * Para fazer uma busca de uma expressão reugular dentro de uma árvore de diretórios apenas nos arquivos de determinada extensão. No caso, abaixo está ilustrada a procura dos arquivos de extensão R que possui a palavras 'try'
-<code>
-$ grep -r --include=*.R 'try' *
-</code>
-  * trocar texto dentro de um arquivo. O texto 'walmes' será substituido por 'zeviani' dentro do arquivo experII.R
-<code>
-$ perl -i -pe 's/walmes/zeviani/;' experII.R
-</code>
-  * para redimensionar as fotos (*jpg, ou gráficos do R, rs) de um diretório, deixando as fotos com largura de 640 pixels e mantendo proporção original, e forçando a proporção 640x480.
-<code>
-$ mogrify -resize 640 *.jpg
-$ mogrify -resize 640×480! *.jpg
-$ mogrify -resize 25% *.jpg
-</code>
-  * colocar alias no wiki. Logar na pata** via console
-<code>
-$ ssh -p <porta> <usuário>@<endereçomáquina>
-$ sudo vim /etc/apache2/conf.d/alias (use esc : wq para sair e salvar)
-$ sudo /etc/init.d/apache2 restart
-</code>
-  * para instalar pacotes do R no linux que possuem dependências de elementos do sistema operacional, geralmente pacotes gráficos (rgl, playwith, gWidgetsRGtk2), use o comando
-<code>
-$ sudo apt-get build-dep r-cran-nomedopacote
-</code>
-  * para procurar e substituir no emacs dê ''alt+shift+5'' (''ou alt+%''), abre o minibuffer, escreve ''nome de busca'' ENTER, escreve o ''nome de substituição'' ENTER, dê ''alt+%'' para avançar na tarefa, ''y'' para confirmar substituição, ''n'' para não substituir.
-  * para mudar o cursor de buffer no emacs use ''ctrl+c+o''.
-  * para deixar o gedit com corretor ortográfico em português http://beaglenetwork.blogspot.com/2010/05/corretor-ortografico-em-portugues-para.html.
-  * para converter arquivos de texto da codoficação utf-8 para a iso-8859-15
-<code>
-#!/bin/bash
-# esse bash faz a conversão de arquivos R em codificação utf-8 para iso-8859-1
-# $1 é para fornecer um nome para ir no nome arquivos, usar então o que está abaixo
-$1
-for a in *.R;
- do
-  echo "Convertendo $a em utf-8 para ${a%%.R}-$1.R em iso-8859-15 ..."
-   iconv -f utf-8 -t iso-8859-15 "${a}" -o "${a%%.R}-$1.R"
-done
-</code>
-Entre no terminal do Linux. Vá para o diretório em que estão os arquivos e o arquivo utf2iso.sh (use $ cd <caminho>). Execute
-<code>
-$ chmod +x utf2iso.sh
-$ ./utf2iso.sh
-</code>
-  * para montar pendrive com permissões de escrita
-<code>
-$ sudo mount -o remount,rw /media/HP\ v115w
-</code>
-  * remove os "_" (underlines) do nome dos arquivos e subtitui por espaços " "
-<code>
-$ find -type f -exec rename 'y/\_/\ /' {}  \;
-</code>
-  * remove o espaço antes de .pdf nos arquivos
-<code>
-$ find -type f -exec rename 's/\ \./\./' {}  \;
-</code>
-  * para compilar Sweave especificando a codificação de caracteres
-<code>
-$ R CMD Sweave --encoding=utf-8 arquivo.Rnw
-</code>
-  * para criar bash que tranfere arquivos diretório web da disciplina. Salvar o conteúdo em um arquivo de extensão ''*.sh'', no caso ''sobe.sh'', e colocar no diretório ''/bin''
-<code>
-#!/bin/sh
-echo "Transferindo os arquivos necessários para a página da Disciplina, requer senha ..."
-scp -P aaaa $1 walmes@bbb.cc.ddd.ee:/home/walmes/public_html/ensino/$2
-echo "Todos os procedimentos foram executados com sucesso!"
-</code>
-''$1'' é o nome do arquivo a ser transferido e ''$2'' é o diretório da disciplina. Feito isso, para usar basta fazer
-<code>
-sobe.sh arquivo.pdf estatistica_basica_2012
-</code>
-  * Para concatenar arquivos pdf, útil quando fazemos provas personalizadas.
-<code>
-# http://rafaelbotelho.com/2009/12/13/concatenando-arquivos-pdf-no-linux/
-gs -q -sPAPERSIZE=a4 -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -sOutputFile=saida.pdf *.pdf
-</code>
-<code>
-h-r4xfp-7i8cv-495t6-36jby-bs4tu
-</code>
-  * Matrizes com Sweave
-<code>
-\left[\begin{array}{c|c}
-& c_2 \\ \hline
-  & 1 \\
-& 3
-\end{array}\right]
-<<echo=false, results=hide>>=
-require(xtable)
-m <- matrix(1:9, 3, 3)
-aux <- paste(rep("c", ncol(m)), collapse="")
-@
-$\left(\begin{array}{\Sexpr{aux}}
-<<echo=false, results=tex>>=
-print(xtable(m), only.contents=TRUE, hline.after=NULL,
-      include.rownames=FALSE, include.colnames=FALSE)
-@
-\end{array}\right)$
-</code>
-  * Para fazer um for em nomes de arquivos e aplicar determinado comando
-<code>
-# lista os arquivos de final R, aplica for para cada um
-# bn pega o basename (sem a extensão) e usa como primeiro argumento do comando transferiR
-for file in `ls *.R`
-do
-   bn="${file%.*}"
-   transferiR $bn cursoR/af722_2012
-done
-</code>
-----
-==== Playground ====
-Faça o download do script abaixo aqui: {{http://www.leg.ufpr.br/~walmes/cursoR/cnpaf/reg-fact.R|script.R}}.
-<code R>
-#=============================================================================
-# Uso dos escores de uma análise de fatorial como variável dependente em um
-# modelo linear de experimento
-#=============================================================================
-#-----------------------------------------------------------------------------
-# lê os dados e  remove NA
-da <- read.table("http://www.leg.ufpr.br/~walmes/cursoR/cnpaf/mudas2.txt",
-                 header=TRUE, sep=";")
-str(da)
-da <- da[complete.cases(da),]
-da$trat <- factor(da$trat) # atualiza os níveis de trat
-da$bloc <- factor(da$bloc) # passa bloc para fator
-str(da)
-#-----------------------------------------------------------------------------
-# experimento com mudas de caju em função de categorias de subtrato, arranjado
-# em blocos ao acaso com 20 plantas por unidade experimental. Foram observados
-# os valores individuais de cada planta que sobreviveram (viab=1). Com isso o
-# surge desbalanceamento à nível de plantas.
-#-----------------------------------------------------------------------------
-# análise de variância para alt segundo o modelo experimental
-m0 <- aov(alt~bloc+trat+Error(bloc:trat), data=da)
-summary(m0)
-#-----------------------------------------------------------------------------
-# análise para todas as demais
-m00 <- lapply(as.list(da[,-c(1:4)]),
-              function(x){
-                m0 <- aov(x~bloc+trat+Error(bloc:trat), data=da)
-                m0
-              })
-lapply(m00, summary) # trat não significativo para todas as variáveis
-#-----------------------------------------------------------------------------
-# rodando análise fatorial, dados padronizados
-X <- scale(as.matrix(da[,5:14]))
-str(X)
-pairs(X)
-cor(X)
-ei <- eigen(cor(X))
-cumsum(ei$values)/sum(ei$values)
-#-----------------------------------------------------------------------------
-# obtenção dos fatores
-nfat <- 3
-af <- factanal(X, factors=nfat,
-               scores="regression", rotation="varimax")
-print(af$loadings, cutoff=0.5, sort=TRUE)
-# fator 1 - do caule: altura, diâmetro, massa seca e fresca
-# fator 2 - das raízes: massa seca e fresca
-# fator 3 - das folhas: massa seca e fresca
-# comunalidade, 1-variância específica
--sort(af$uniqueness)
-# escores
-S <- af$scores
-plot(S)
-#-----------------------------------------------------------------------------
-# analisar os scores do 1 ao 3 fator
-m00 <- apply(S, 2,
-             function(x){
-               m0 <- aov(x~bloc+trat+Error(bloc:trat), data=da)
-               m0
-             })
-lapply(m00, summary) # trat significativo para os Fatores 2 e 3
-#=============================================================================
-# manova aplicada aos dados de *parcela*
-#=============================================================================
-#-----------------------------------------------------------------------------
-# calcula as médias por bloc:trat para todas as variáveis
-require(plyr)
-dam <- ddply(da[,5:14], .(trat=da$trat, bloc=da$bloc), mean)
-str(dam)
-#-----------------------------------------------------------------------------
-# manova, quero a matriz de covariância livre dos efeitos fixos
-ma0 <- aov(as.matrix(dam[,3:12])~bloc+trat, data=dam)
-anova(ma0)
-str(ma0)
-#-----------------------------------------------------------------------------
-# matriz de covariância condicional
-R <- residuals(ma0)
-str(R)
-#-----------------------------------------------------------------------------
-# covariância e correlação resídual
-cov(R) # é viesada porque tem denominador n-1 que é maior que n-p
-cor(R)
-#-----------------------------------------------------------------------------
-# análise fatorial aplicada aos resíduos
-nfat <- 3
-af <- factanal(scale(R), factors=nfat,
-               scores="Bartlett", rotation="varimax")
-print(af$loadings, cutoff=0.5, sort=TRUE)
-# fator 1 - ?sem sentido
-# fator 2 - ?sem sentido
-# fator 3 - ?sem sentido
-# comunalidade, 1-variância específica
--sort(af$uniqueness)
-# escores
-S <- af$scores
-plot(S)
-#-----------------------------------------------------------------------------
-# analisar os scores do 1 ao 3 fator
-m00 <- apply(S, 2,
-             function(x){
-               m0 <- aov(x~bloc+trat, data=dam)
-               m0
-             })
-lapply(m00, summary) # trat significativo para os Fatores 2 e 3
-# não tem efeito porque eu removi o efeito antes da análise fatorial
-# então explorei a relação entre as variâncias condicionais, que são
-# livres do efeitos fixos.
-# teria como eu obter os escores dos dados originais, baseados na
-# covariância dos resíduos?
-#-----------------------------------------------------------------------------
-# devolvendo o efeito dos fatores fixos
-# usando o preditor de mínimos quadrados, Daniel pg 527, equação 11.7.2
-Psi <- cov(R)
-Gamma <- t(af$loadings[,1:nfat])
-F <- solve(Gamma%*%solve(Psi)%*%t(Gamma))%*%(Gamma%*%solve(Psi)%*%t(dam[,3:12]))
-F <- t(F)
-m00 <- apply(F, 2,
-             function(x){
-               m0 <- aov(x~bloc+trat, data=dam)
-               m0
-             })
-lapply(m00, summary) # trat significativo para os Fatores 2 e 3
-#-----------------------------------------------------------------------------
-</code>
-==== Playground 2 ====
-<code R>
-#-----------------------------------------------------------------------------
-# Simulando variáveis aleatórias
-#-----------------------------------------------------------------------------
-# EXERCÍCIO 1 - Considere as funções abaixo:
-# 4) f(x) = 2*sqrt(1-x^2)/pi, I(-1 < x < 1)
-# Com as funções curve() e integrate() do R, obtenha:
-# a) crie uma função R que calcule f(x);
-fx=function(x) 2*sqrt(1-x^2)/pi
-# b) verifique se a função é uma função densidade de probabilidade;
-# Para que f(x) seja uma fdp, é necessário que:
-# i) f(x) >= 0, I(-1 < x < 1)
-# Analisando a função f(x), verifica-se que quando -1 < x < 1, sqrt(1-x^2) será sempre
-# maior ou igual a zero.
-# ii) int f(x) dx = 1, I(-1 < x < 1)
-# Integrando a função f(x), temos:
-integrate(fx,-1,1)
-# portanto, f(x) é uma fdp.
-# c)  faça o gráfico da função, tenha atenção quanto ao domínio da função;
-curve(fx,-1,1,ylab='f(x)',main='Gráfico da função densidade de x')
-# d)  obtenha a média (valor esperado) dessa distribuição;
-# A média dessa função pode ser dada pela esperança matemática para v.a. contínua, dada por:
-# E(x) = int x f(x) dx
-# logo:
-Ex = function(x) x * 2*sqrt(1-x^2)/pi
-integrate(Ex,-1,1)
-# e) escolha dois pontos dentro do domínio da função e calcule a área delimitada, ou seja,
-# P(xi < X < xs);
-# Vamos calcular P(0 < X < 0.5)
-integrate(fx,0,0.5)
-polygon(c(0,seq(0,0.5,0.001),0.5),c(0,fx(seq(0,0.5,0.001)),0),col='lightgreen')
-# f) 	crie uma função R que calcule a F(x), ou seja, a função de distribuição acumulada;
-fa = function(x) sapply(x, function(xi) integrate(fx,-1,xi)$value)
-fa(c(0,1))
-curve(fa,-1,1,ylab='f(x)',main='Gráfico da função densidade de x')
-# outra opção seria integrar fx, ou seja,
-# facum <- function(x) integrate(((2/pi)*(x/2*sqrt(1-x^2)+ 1/2*asin(x))), -1, x)
-# facum representa melhor a F(x) do que fa, pois é uma integração numérica
-# g) crie uma função R que calcule a F(x)-1, ou seja, a inversa da função de distribuição
-# acumulada;
-# Calcular a inversa da função de distribuição acumulada fa é bastante complicado, assim,
-# como alternativa, se plotarmos vários
-# valores para x com a fa, podemos interpolar esses pontos de forma a obtermos uma
-# aproximação para F(x)-1.
-x <- seq(-1, 1, length=100)
-y <- fa(x)
-plot(y~x)
-plot(x~y)
-ifa <- approxfun(x=y, y=x) # função que liga cada ponto xi por meio de uma função linear.
-curve(ifa, 0, 1, add=TRUE, col=2)
-# h) pelo método da transformação integral da probabilidade, gere 1000 números aleatórios
-# da distribuição f(x);
-u <- runif(1000)
-ax <- ifa(u)
-hist(ax, prob=TRUE, col='lightgreen')
-curve(fx, add=TRUE, col= 2)
-# Que legal!!!  =D
-</code>
 ----

Diferenças

Navegação

Busca

Ferramentas

QR Code