Atualiza scripts para DSBD.

parent 254457dc
......@@ -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.
......
......@@ -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)
#-----------------------------------------------------------------------
#-----------------------------------------------------------------------
......
......@@ -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,
......
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment