From 966629954576d74b0fb4ce19a292324824012753 Mon Sep 17 00:00:00 2001
From: Bruna Wundervald <brunadaviesw@gmail.com>
Date: Thu, 10 Nov 2016 20:16:30 -0200
Subject: [PATCH] =?UTF-8?q?Faz=20altera=C3=A7=C3=B5es=20na=20vinheta=20de?=
=?UTF-8?q?=20GLM?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit
---
R/MorettinTb4.12.R | 32 ++++++++++++++++++++++++++++++++
vignettes/anaExpMLG.Rmd | 38 ++++++++++++++++++++++++++++++--------
2 files changed, 62 insertions(+), 8 deletions(-)
create mode 100644 R/MorettinTb4.12.R
diff --git a/R/MorettinTb4.12.R b/R/MorettinTb4.12.R
new file mode 100644
index 00000000..5c2ed897
--- /dev/null
+++ b/R/MorettinTb4.12.R
@@ -0,0 +1,32 @@
+#' @name MorettinTb4.12
+#' @title Vendas de Óleo Lubrificante
+#' @description Dados das quantidades de vendas de óleo lubrificante,
+#' em região não informada. A série é referente aos meses de
+#' Janeiro de 1975 a Dezembro de 1978.
+#' @format Uma série temporal (classe \code{ts}), com 48 observações,
+#' mensais de Janeiro de 1975 a Dezembro de 1978.
+#' @keywords TS
+#' @source MORETTIN, TOLOI (2006), Tabela 4.12, pág. 101.
+#' @references MONTGOMERY, JOHNSON (1976).
+#' @examples
+#'
+#' data(MorettinTb4.12)
+#' str(MorettinTb4.12)
+#' MorettinTb4.12
+#'
+#' # Médias anuais
+#' aggregate(MorettinTb4.12, FUN = mean)
+#'
+#' # Médias mensais
+#' tapply(MorettinTb4.12, cycle(MorettinTb4.12), mean)
+#'
+#' # Visualização da série temporal
+#' library(lattice)
+#' xyplot(MorettinTb4.12, type = c("o", "g"), pch = 19,
+#' col = "palegreen2", lwd = 2, scales = list(rot = 0))
+#'
+#' # Gráfico da decomposição sazonal
+#' library(latticeExtra)
+#' xyplot(stl(MorettinTb4.13, s.window = 12), col = "violetred")
+#'
+NULL
diff --git a/vignettes/anaExpMLG.Rmd b/vignettes/anaExpMLG.Rmd
index e0f005ae..0565c694 100644
--- a/vignettes/anaExpMLG.Rmd
+++ b/vignettes/anaExpMLG.Rmd
@@ -152,16 +152,38 @@ para a do modelo nulo, temos uma diferença de apenas 7.57. Isso
linear generalizado, devemos atentar para este ponto, porque medidas
de melhoria do ajuste podem ser tomadas.
-```{r}
-par(mfrow=c(2,2))
-plot(m0)
-layout(1)
-
+A análise de resíduos para um modelo linear generalizado cuja váriavel
+reposta é **dicotômica** é um pouco diferente da de um modelo de
+regressão. Neste caso, os resíduos dificilmente seguem uma distribuição
+Normal.
-plot(residuals(m0, type = "deviance"))
-plot(residuals(m0, type = "pearson"))
+```{r}
+par(mfrow = c(1,2), mar = c(3, 4, 4, 2)+.1)
+plot(residuals(m0, type = "deviance"),
+ main = "Resíduos Deviance",
+ ylab = "Resíduos",
+ xlab = "",
+ col = "blue")
+plot(residuals(m0, type = "pearson"),
+ main = "Resíduos de Pearson",
+ ylab = "Resíduos",
+ xlab = "",
+ col = "blue")
+```
+
+O gráfico com envelope simulado via *bootstrap* permite checar a
+qualidade do modelo, mesmo que os resíduos não se distribuam
+seguindo uma Normal.
+```{r}
+# Envelope simulado para a análise de resíduos
library(hnp)
-hnp(m0)
+par(mfrow = c(1,1))
+plot(hnp(m0, conf = 0.95),
+ main = "Envelope Simulado",
+ xlab = "Quantis Teóricos",
+ ylab = "Resíduos",
+ pch = 16,
+ col = c("black", "tomato", "black", "blue"))
```
--
GitLab