## Objetivos específicos ## a) Amostrar repetidamente pares de amostras (tamanhos definidos pelo usuário) ## de uma população normal qualquer: Y ~ N(Mu, Sigma); ## b) Estimar a variância a partir de cada amostra e calcular a razão entre as ## duas estimativas; ## c) Plotar o histograma dos valores, que deve ser semelhante a função F ## (para os tamanhos de amostras defindos pelo usuário) se o número de ## repetições do processo for suficiente para se aproximar do limite; ## d) Sobrepor ao histograma a função densidade de probabilidade específica. ##=============================================================================== ##-- Ini opções ----------------------------------------------------------------- ## Tamanho das amostras nN <- 4 # Tamanho da amostra (n) do Numerador (N) nD <- 21 # Tamanho da amostra (n) do Denominador (D) ## Características da população Mu <- 10 Sigma <- 2 ## Normal padrão # Mu <- 0 # Sigma <- 1 ## Número de pares de amostras n <- 1e4 # Usar 1e3, 1e4, 1e5 ## Erro adotado na inferência erro <- .05 #-- Fim opções ------------------------------------------------------------------ ## Simulação ## Estimativas da variância do numerador s2N <- apply(matrix(rnorm(n*nN, Mu, Sigma), ncol=nN), 1, var) ## Estimativas da variância do denominador s2D <- apply(matrix(rnorm(n*nD, Mu, Sigma), ncol=nD), 1, var) ## Observando a distribuição da razão das estimativas da variância: observacional require(fdth) plot(fdt(s2N/s2D, start=0, end=10, h=.05), ty='d', xlim=c(0, 10), ylim=c(0, 1.2)) ## Sobrepondo a curva de densidade de probabilidades: teórica curve(df(x, nN-1, nD-1), col='darkblue', add=TRUE, lwd=3) # Em poucas palavras: # A distribuição F (Snedecor) descreve como se distribui a razão # entre duas estimativas da variâcia # de uma distribuição normal ~N(mu, sigma) qualquer. quantil <- qf(erro, nN -1, nD -1, lower=FALSE) # Linha decisão segments(x0=quantil, y0=0, x1=quantil, y1=1, col='red', lty=3) # Texto das hipóteses text(x=c(quantil - 1, quantil + 1), y=.8, labels=c('RAH0', 'RRH0'), col=c('darkgreen', 'red')) # Texto do erro text(x=quantil + 1, y=.3, labels=paste('Erro = ', 100*erro, '%', sep=''), col='red') # Valor do erro text(x=quantil, y=1.05, label=round(quantil, 2))
Meu nome é Miklos Bajay, consultor sênior especializado em assessoria estatística para artigos científicos, trabalhos de conclusão de curso, dissertações de mestrado e teses de doutorados. Se você estiver precisando de apoio técnico para análise estatística do seu trabalho acadêmico, elaboramos um relatório estatístico, a partir da sua base de dados, com todas as análises descritivas, tabelas, gráficos, testes e modelos estatísticos utilizados para resolução do seu problema de pesquisa.
Inferência Estatística - Origem distribuição F (Snedecor)
Marcadores:
Inferência Estatística