Adiciona rescunho do trabalho 2.

scripts/trab2.Rmd

+---
+title: "Trabalho sobre Métodos Intensivos"
+author: "Prof. Walmes Zeviani"
+lang: pt-BR
+output:
+  pdf_document:
+    highlight: haddock
+---
+
+1. TODO questão teórica.
+
+****
+
+2. Apresente e implemente um teste de aleatorização TODO.
+
+****
+
+3. Implemente um estimador Jackknife para a correlação de
+Pearson. Obtenha a estimativa pontual e intervalar (assumindo
+distribuição normal) da correlação entre `Petal.Length` e `Petal.Width`
+para cada espécie (`Species`). Verifique se a suposição de normalidade
+dos pseudo-valores é violada. Pelos intervalos de confiança Jackknife,
+teste a hipótese nula da correlação de Pearson entre as variáveis ser
+zero.
+
+```{r, eval = FALSE}
+str(iris)
+
+library(lattice)
+
+xyplot(Petal.Length ~ Petal.Width | Species, data = iris)
+
+by(data = iris,
+   INDICES = iris$Species,
+   FUN = function(x) {
+       cor.test(x$Petal.Length, x$Petal.Width)
+   })
+```
+
+****
+
+4. Faça uma avaliação entre dois modelos de regressão para
+ajuste aos dados hipsométricos de altura e diâmentro à altura do peito
+(DAP) de árvores em um cultivo florestal.
+
+  * Linear:
+    $\hat{h} = \beta_0 + \beta_1 d + \beta_2 \sqrt{d}$.
+  * Não linear:
+    $\hat{h} = \theta_0 + \theta_a (1 - \exp\{-\theta_k d\})$.
+
+```{r, eval = FALSE}
+dap <- read.table("http://www.leg.ufpr.br/~walmes/data/dap.txt",
+                  header = TRUE, sep = "\t")
+dap <- dap[-c(2L, 42L, 183L, 220L), ]
+dap <- dap[complete.cases(dap), ]
+names(dap) <- c("d", "h")
+rownames(dap) <- NULL
+
+plot(h ~ d,
+     data = dap,
+     xlab = "Diâmetro à altura do peito (cm)",
+     ylab = "Altura (m)")
+
+m0 <- lm(h ~ d + sqrt(d),
+         data = dap)
+summary(m0)
+
+n0 <- nls(h ~ b0 + ba * (1 - exp(-bk * d)),
+          data = dap,
+          start = list(b0 = 0, ba = 40, bk = 0.05))
+summary(n0)
+```
+
+Defina a medida de ajuste TODO.
+
+****
+
+5. Avalie, por simulação Monte Carlo, a qualidade de dois estimadores
+baseados na distribuição de frequência da amostra. O estimador A é a
+moda determinada pelo histograma e o estimador B é a moda determinada
+pelo ponto de máximo da densidade kernel gaussiana. A matéria abaixo
+apresenta a funções para ambos os estimadores. Apresente os passos
+necessários para e os resultados da avaliação dos estimadores em relação
+à i) vício, ii) variância e iii) forma da distribuição de
+probabilidades.
+
+<https://ridiculas.wordpress.com/2011/11/18/moda-de-uma-amostra-metodo-do-histograma-vs-metodo-kernel/>