diff --git a/scripts/ce089-05.R b/scripts/ce089-05.R
index 4b9d19fed05ebc70ae63ce56f83aab51f0551e46..c0993ad725cbfb014cc655f4d544cad4f0d18fc1 100644
--- a/scripts/ce089-05.R
+++ b/scripts/ce089-05.R
@@ -45,12 +45,14 @@ theta <- coef(n0)
thetaj <- matrix(0, nrow = n, ncol = length(theta))
colnames(thetaj) <- names(theta)
-# Ajustes deixando uma observação de fora.
+# Ajustes deixando uma observação de fora (leave-one-out).
for (i in 1:n) {
+ # Aqui estima com leave-one-out.
n1 <- nls(C ~ th0 + th1 * (Temp - th2) * (Temp >= th2) +
0 * (Temp < th2),
data = segreg[-i, ],
start = coef(n0))
+ # Aqui calcula-se a estimativa Jackknife.
thetaj[i, ] <- n * theta - (n - 1) * coef(n1)
}
@@ -65,17 +67,28 @@ cbind(Jack = colMeans(thetaj),
cbind(Jack = apply(thetaj, MARGIN = 2, sd)/sqrt(n),
MLE = summary(n0)$coefficients[, "Std. Error"])
+# Pacote com função pronta para Jackknife para modelos não lineares.
+library(nlstools)
+ls("package:nlstools")
+
+# Aplica Jackknife sobre o modelo.
+j0 <- nlsJack(n0)
+summary(j0)
+
#-----------------------------------------------------------------------
-# Aplicação na Mediana (função "discretas").
+# Aplicação na Mediana (função "discretas") -> problema.
+# Ordena o vetor de valores.
x <- sort(precip)
+# Calcula a mediana com os dados originais.
M <- median(x)
M
n <- length(x)
i <- 1:length(x)
+# Estimativas da mediana por Jackknife.
y <- sapply(i,
FUN = function(i) {
ep <- median(x[-i])
@@ -85,10 +98,12 @@ y <- sapply(i,
stem(y)
-# NOTE: Explique porque o Jackknife para a media só retorna 3 valores?
+# NOTE: Explique porque o Jackknife para a mediana só retornou 2
+# valores? Considere que o tamanho da amostra é dado abaixo.
+length(x)
#-----------------------------------------------------------------------
-# Capacidade de predição.
+# Capacidade de predição de modelos.
str(cars)
plot(dist ~ speed, cars)
@@ -117,13 +132,15 @@ interno <- function(grau) {
summary(m0)$r.squared
}
-g <- 1:5
+g <- 1:8
int <- sapply(g, interno)
ext <- sapply(g, externo)
xyplot(int + ext ~ g,
type = "o",
- auto.key = TRUE)
+ auto.key = TRUE,
+ xlab = "Grau do polinômio",
+ ylab = "Coeficiente de determinação")
#-----------------------------------------------------------------------
# Inferência para a DL 50.
@@ -144,6 +161,7 @@ m0 <- glm(resp ~ vol,
family = binomial)
summary(m0)
+# DL_50.
dl <- -coef(m0)[1]/coef(m0)[2]
# str(m0$family)$link
@@ -156,6 +174,7 @@ abline(v = dl, h = 0.5, lty = 2)
n <- nrow(PaulaTb3.12)
i <- 1:n
+# Estimativas por Jackknife.
DL <- sapply(i,
FUN = function(i) {
m0 <- glm(resp ~ vol,
@@ -173,6 +192,8 @@ e <- sd(DL)/sqrt(n)
plot(density(DL))
rug(DL)
+# NOTE: alguma pista sobre porque a distribuição fica bimodal?
+
#-----------------------------------------------------------------------
# Tempo do primeiro lugar nas provas de Monza desde 1950.
diff --git a/scripts/ce089-06.R b/scripts/ce089-06.R
index 533c3be09b19cbf3bde5545cf6494cd6cf967e1a..03e668c6c532cf0406ff98ce11e688529ea90552 100644
--- a/scripts/ce089-06.R
+++ b/scripts/ce089-06.R
@@ -256,13 +256,13 @@ boot:::bca.ci
#-----------------------------------------------------------------------
# Fazendo o debugging das funções.
-debug(norm.ci)
-norm.ci(b0)
-undebug(norm.ci)
-
-debug(confint)
-confint(b0, type = "basic")
-undebug(confint)
+# debug(norm.ci)
+# norm.ci(b0)
+# undebug(norm.ci)
+#
+# debug(confint)
+# confint(b0, type = "basic")
+# undebug(confint)
#-----------------------------------------------------------------------
#-----------------------------------------------------------------------
diff --git a/scripts/ce089-08.R b/scripts/ce089-08.R
index 06c076de24d08038687eed57fec714b317e6c1d7..8906759a8e44dfcc1e17cd7461be9cfacd0628b6 100644
--- a/scripts/ce089-08.R
+++ b/scripts/ce089-08.R
@@ -3,7 +3,7 @@
plot(NULL, NULL, xlim = c(0, 1), ylim = c(0, 1), asp = 1)
lines(x = c(0, 1, 1, 0, 0), y = c(0, 0, 1, 1, 0))
-xy <- locator(n = 20, type = "p", pch = 19)
+# xy <- locator(n = 20, type = "p", pch = 19)
# dput(lapply(xy, round, digits = 3))
xy <- structure(list(x = c(0.204, 0.186, 0.529, 0.529, 0.385, 0.579,