doc/info/pt_BR/stats.texi

   1 @c Language: Brazilian Portuguese, Encoding: iso-8859-1
   2 @c /stats.texi/1.5/Sat Jun  2 00:13:33 2007//
   3 @menu
   4 * Introduç@~{a}o a stats::
   5 * Funç@~{o}es e Vari@'{a}veis Definidas para inference_result::
   6 * Funç@~{o}es e Vari@'{a}veis Definidas para stats::
   7 * Funç@~{o}es e Vari@'{a}veis Definidas para distribuiç@~{o}es especiais::
   8 @end menu
   9
  10 @node Introduç@~{a}o a stats, Funç@~{o}es e Vari@'{a}veis Definidas para inference_result, Top, Top
  11 @section Introduç@~{a}o a stats
  12
  13
  14 O pacote @code{stats} cont@'{e}m um conjunto de procedimentos de infer@^{e}ncia cl@'{a}ssica
  15 estat@'{i}stica e procedimentos de teste.
  16
  17 Todas essas funç@~{o}es retornam um objeto do Maxima chamado @code{inference_result} que cont@'{e}m
  18 os resultados necess@'{a}rios para infer@^{e}ncias de manipulaç@~{a}o e tomada de decis@~{o}es.
  19
  20 A vari@'{a}vel global @code{stats_numer} controla se resultados s@~{a}o mostrados em
  21 ponto flutuante ou simb@'{o}lico e no formato racional; seu valor padr@~{a}o @'{e} @code{true}
  22 e os resultados s@~{a}o retornados no formato de ponto flutuante.
  23
  24 O pacote @code{descriptive} cont@'{e}m alguns utilit@'{a}rios para manipular estruturas de dados
  25 (listas e matrizes); por exemplo, para extrair subamostras. O pacote @code{descriptive} tamb@'{e}m cont@'{e}m alguns
  26 exemplos sobre como usar o pacote @code{numericalio} para ler dados a partir de arquivo no formato texto
  27 plano. Veja @code{descriptive} e @code{numericalio} para maiores detalhes.
  28
  29 O pacote @code{stats} precisa dos pacotes @code{descriptive}, @code{distrib} e
  30 @code{inference_result}.
  31
  32 Para coment@'{a}rios, erros ou sugest@~{o}es, por favor contate o autor em
  33
  34 @var{'mario AT edu DOT xunta DOT es'}.
  35
  36
  37 @node Funç@~{o}es e Vari@'{a}veis Definidas para inference_result, Funç@~{o}es e Vari@'{a}veis Definidas para stats, Introduç@~{a}o a stats, Top
  38 @section Funç@~{o}es e Vari@'{a}veis Definidas para inference_result
  39
  40 @deffn {Funç@~{a}o} inference_result (@var{t@'{i}tulo}, @var{valores}, @var{n@'{u}meros})
  41
  42 Constr@'{o}i um objeto @code{inference_result} do tipo retornado pelas
  43 funç@~{o}es stats. O argumento @var{t@'{i}tulo} @'{e} uma
  44 seq@"{u}@^{e}ncia de caracteres do Maxima co o nome do procedimento; @var{valores} @'{e} uma lissta com
  45 elementos da forma @code{s@'{i}mbolo = valor} e @var{n@'{u}meros} @'{e} uma lista
  46 com n@'{u}meros inteiros positivos no intervalo de um para @code{length(@var{valores})},
  47 indicando que valores ser@~{a}o mostrados por padr@~{a}o.
  48
  49 Exemplo:
  50
  51 Este @'{e} um exemplo que mostras os resultados associados a um ret@'{a}ngulo. O
  52 t@'{i}tulo deste objeto @'{e} a seq@"{u}@^{e}ncia de caraceteres @code{"Ret@^{a}ngulo"}, o qual armazena cinco resultados, a saber
  53 @code{'base}, @code{'altura}, @code{'diagonal}, @code{'@'{a}rea},
  54 e @code{'per@'{i}metro}, por@'{e}m s@'{o} mostra o primeiro, segundo, quinto e quarto
  55 resultado. O resultado @code{'diagonal} tamb@'{e}m @'{e} armazenado neste objeto, no entanto n@~{a}o @'{e}
  56 mostrado por padr@~{a}o; para se ter acesso a este valor, faz-se uso da funç@~{a}o @code{take_inference}.
  57
  58 @c ===beg===
  59 @c load (inference_result)$
  60 @c b: 3$ h: 2$
  61 @c inference_result("Ret@^{a}ngulo",
  62 @c                  ['base=b,
  63 @c                   'altura=h,
  64 @c                   'diagonal=sqrt(b^2+h^2),
  65 @c                   'area=b*h,
  66 @c                   'per@'{i}metro=2*(b+h)],
  67 @c                  [1,2,5,4] );
  68 @c take_inference('diagonal,%);
  69 @c ===end===
  70 @example
  71 (%i1) load(inference_result)$
  72 (%i2) b: 3$ h: 2$
  73 (%i3) inference_result("Ret@^{a}ngulo",
  74                         ['base=b,
  75                          'altura=h,
  76                          'diagonal=sqrt(b^2+h^2),
  77                          '@'{a}rea=b*h,
  78                          'per@'{i}metro=2*(b+h)],
  79                         [1,2,5,4] );
  80                         |   Ret@^{a}ngulo
  81                         |
  82                         |    base = 3
  83                         |
  84 (%o3)                   |   altura = 2
  85                         |
  86                         | per@'{i}metro = 10
  87                         |
  88                         |    area = 6
  89 (%i4) take_inference('diagonal,%);
  90 (%o4)                        sqrt(13)
  91 @end example
  92
  93 Veja tamb@'{e}m @code{take_inference}.
  94 @end deffn
  95
  96
  97
  98
  99
 100
 101 @deffn {Funç@~{a}o} inferencep (@var{obj})
 102
 103 Retorna @code{true} ou @code{false}, dependendo se @var{obj} @'{e}
 104 um objeto @code{inference_result} ou n@~{a}o.
 105
 106 @end deffn
 107
 108
 109
 110
 111
 112
 113 @deffn {Funç@~{a}o} items_inference (@var{obj})
 114
 115 Retorna uma lista com os nomes dos itens em @var{obj}, que devem
 116 ser um objeto @code{inference_result}.
 117
 118 Exemplo:
 119
 120 O objeto @code{inference_result} armazena dois valores, a saber @code{'pi} e @code{'e},
 121 mas somente o segundo @'{e} mostrado. A funç@~{a}o @code{items_inference} retorna os nomes
 122 de todos os itens, n@~{a}o importa se eles s@~{a}o ou n@~{a}o mostrados.
 123
 124 @c ===beg===
 125 @c load (inference_result)$
 126 @c inference_result("Hi", ['pi=%pi,'e=%e],[2]);
 127 @c items_inference(%);
 128 @c ===end===
 129 @example
 130 (%i1) load(inference_result)$
 131 (%i2) inference_result("Hi", ['pi=%pi,'e=%e],[2]);
 132                             |   Hi
 133 (%o2)                       |
 134                             | e = %e
 135 (%i3) items_inference(%);
 136 (%o3)                        [pi, e]
 137 @end example
 138 @end deffn
 139
 140
 141
 142
 143
 144
 145
 146 @deffn {Funç@~{a}o} take_inference (@var{n}, @var{obj})
 147 @deffnx {Funç@~{a}o} take_inference (@var{nome}, @var{obj})
 148 @deffnx {Funç@~{a}o} take_inference (@var{lista}, @var{obj})
 149
 150 Retorna o @var{n}-@'{e}simo valor armazenado em @var{obj} se @var{n} for um inteiro positivo,
 151 ou o item chamado @var{nome} se esse for o nome de um item. Se o primeiro
 152 argumento for uma lista de n@'{u}meros e/ou s@'{i}mbolos, a funç@~{a}o @code{take_inference} retorna
 153 uma lista com os resultados correspondentes.
 154
 155 Exemplo:
 156
 157 Fornece um objeto @code{inference_result}, a funç@~{a}o @code{take_inference} @'{e}
 158 chamada com o objetivo de extrair alguma informaç@~{a}o armazenada nesse objeto.
 159
 160 @c ===beg===
 161 @c load (inference_result)$
 162 @c b: 3$ h: 2$
 163 @c sol:inference_result("Ret@^{a}ngulo",
 164 @c                      ['base=b,
 165 @c                       'altura=h,
 166 @c                       'diagonal=sqrt(b^2+h^2),
 167 @c                       'area=b*h,
 168 @c                       'per@'{i}metro=2*(b+h)],
 169 @c                      [1,2,5,4] );
 170 @c take_inference('base,sol);
 171 @c take_inference(5,sol);
 172 @c take_inference([1,'diagonal],sol);
 173 @c take_inference(items_inference(sol),sol);
 174 @c ===end===
 175 @example
 176 (%i1) load(inference_result)$
 177 (%i2) b: 3$ h: 2$
 178 (%i3) sol: inference_result("Ret@^{a}ngulo",
 179                             ['base=b,
 180                              'altura=h,
 181                              'diagonal=sqrt(b^2+h^2),
 182                              'area=b*h,
 183                              'per@'{i}metro=2*(b+h)],
 184                             [1,2,5,4] );
 185                         |   Ret@^{a}ngulo
 186                         |
 187                         |    base = 3
 188                         |
 189 (%o3)                   |   altura = 2
 190                         |
 191                         | per@'{i}metro = 10
 192                         |
 193                         |    area = 6
 194 (%i4) take_inference('base,sol);
 195 (%o4)                           3
 196 (%i5) take_inference(5,sol);
 197 (%o5)                          10
 198 (%i6) take_inference([1,'diagonal],sol);
 199 (%o6)                     [3, sqrt(13)]
 200 (%i7) take_inference(items_inference(sol),sol);
 201 (%o7)                [3, 2, sqrt(13), 6, 10]
 202 @end example
 203
 204 Veja tamb@'{e}m @code{inference_result} e @code{take_inference}.
 205 @end deffn
 206
 207
 208
 209
 210
 211
 212
 213
 214
 215 @node Funç@~{o}es e Vari@'{a}veis Definidas para stats, Funç@~{o}es e Vari@'{a}veis Definidas para distribuiç@~{o}es especiais, Funç@~{o}es e Vari@'{a}veis Definidas para inference_result, Top
 216 @section Funç@~{o}es e Vari@'{a}veis Definidas para stats
 217
 218
 219 @defvr {Vari@'{a}vel de opç@~{a}o} stats_numer
 220 Valor padr@~{a}o: @code{true}
 221
 222 Se @code{stats_numer} for @code{true}, funç@~{o}es de infer@^{e}ncia estat@'{i}stica
 223 retornam seus resultados em n@'{u}meros com ponto flutuante. Se @code{stats_numer} for @code{false},
 224 resultados s@~{a}o fornecidos em formato simb@'{o}lico e racional.
 225
 226 @end defvr
 227
 228
 229
 230 @deffn {Funç@~{a}o} test_mean (@var{x})
 231 @deffnx {Funç@~{a}o} test_mean (@var{x}, @var{opç@~{a}o_1}, @var{opç@~{a}o_2}, ...)
 232
 233 Esse @'{e} o teste-@var{t} de m@'{e}dia. O argumento @var{x} @'{e} uma lista ou uma matriz coluna
 234 contendo uma amostra unidimensional. @code{test_mean} tamb;em executa um teste assint@'{o}tico
 235 baseado no @i{Teorema do Limite Central} se a opç@~{a}o @code{'asymptotic} for
 236 @code{true}.
 237
 238 Opç@~{o}es:
 239
 240 @itemize @bullet
 241
 242 @item
 243 @code{'mean}, o valor padr@~{a}o @'{e} @code{0}, @'{e} o valor da m@'{e}dia a ser verificado.
 244
 245 @item
 246 @code{'alternative}, o valor padr@~{a}o @'{e} @code{'twosided}, @'{e} a hip@'{o}tese alternativa;
 247 valores v@'{a}lidos s@~{a}o: @code{'twosided}, @code{'greater} e @code{'less}.
 248
 249 @item
 250 @code{'dev}, o valor padr@~{a}o @'{e} @code{'unknown}, corresponde ao valor do desvio padr@~{a}o quando esse valor de desvio padr@~{a}o for
 251 conhecido; valores v@'{a}lidos s@~{a}o: @code{'unknown} ou uma express@~{a}o positiva.
 252
 253 @item
 254 @code{'conflevel}, o valor padr@~{a}o @'{e} @code{95/100}, n@'{i}vel de confid@^{e}ncia para o intervalo de confid@^{e}ncia; deve
 255 ser uma express@~{a}o que toma um valor em (0,1).
 256
 257 @item
 258 @code{'asymptotic}, o valor padr@~{a}o @'{e} @code{false}, indica se @code{test_mean} exeecuta um teste-@var{t} exato ou
 259 um teste assint@'{o}tico baseando-se no @i{Teorema do Limite Central};
 260 valores v@'{a}lidos s@~{a}o @code{true} e @code{false}.
 261
 262 @end itemize
 263
 264 A sa@'{i}da da funç@~{a}o @code{test_mean} @'{e} um objeto @code{inference_result} do Maxima
 265 mostrando os seguintes resultados:
 266
 267 @enumerate
 268
 269 @item
 270 @code{'mean_estimate}: a m@'{e}dia da amostra.
 271
 272 @item
 273 @code{'conf_level}: n@'{i}vel de confid@^{e}ncia selecionado pelo usu@'{a}rio.
 274
 275 @item
 276 @code{'conf_interval}: intervalo de confid@^{e}ncia para a m@'{e}dia da populaç@~{a}o.
 277
 278 @item
 279 @code{'method}: procedimento de infer@^{e}ncia.
 280
 281 @item
 282 @code{'hypotheses}: hip@'{o}tese do nulo e hip@'{o}tese alternativa a ser testada.
 283
 284 @item
 285 @code{'statistic}: valor da amostra estat@'{i}stica a ser usado para testar a hip@'{o}tese do nulo.
 286
 287 @item
 288 @code{'distribution}: distribuiç@~{a}o da amostra estat@'{i}stica, juntamente com seus par@^{a}metro(s).
 289
 290 @item
 291 @code{'p_value}: valores de @math{p} do teste.
 292
 293 @end enumerate
 294
 295 Exemplos:
 296
 297 Executa um teste-@var{t} exato com vari@^{a}ncia desconhecida. A hip@'{o}tese do nulo
 298 @'{e} @math{H_0: mean=50} contra a alternativa unilatera @math{H_1: mean<50};
 299 conforme os resultados, o valor de @math{p} @'{e} muito grande, n@~{a}o existem
 300 evid@^{e}ncias paa rejeitar @math{H_0}.
 301
 302 @c ===beg===
 303 @c load (stats)$
 304 @c data: [78,64,35,45,45,75,43,74,42,42]$
 305 @c test_mean(data,'conflevel=0.9,'alternative='less,'mean=50);
 306 @c ===end===
 307 @example
 308 (%i1) load("stats")$
 309 (%i2) data: [78,64,35,45,45,75,43,74,42,42]$
 310 (%i3) test_mean(data,'conflevel=0.9,'alternative='less,'mean=50);
 311           |                 MEAN TEST
 312           |
 313           |            mean_estimate = 54.3
 314           |
 315           |              conf_level = 0.9
 316           |
 317           | conf_interval = [minf, 61.51314273502712]
 318           |
 319 (%o3)     |  method = Exact t-test. Unknown variance.
 320           |
 321           | hypotheses = H0: mean = 50 , H1: mean < 50
 322           |
 323           |       statistic = .8244705235071678
 324           |
 325           |       distribution = [student_t, 9]
 326           |
 327           |        p_value = .7845100411786889
 328 @end example
 329
 330 Nesta ocasi@~{a}o Maxima executa um testte assint@'{o}tico, baseado no @i{Teorema do Limite Central}.
 331 A hip@'{o}tese do nulo @'{e} @math{H_0: equal(mean, 50)} contra a alternativa de duas vias @math{H_1: not equal(mean, 50)};
 332 conforme os resultados, o valor de @math{p} @'{e} muito pequeno, @math{H_0} pode ser rejeitado em
 333 favor da alternativa @math{H_1}. Note que, como indicado pela componente @code{Method},
 334 esse procedimento pode ser aplicado a grandes amostras.
 335
 336 @c ===beg===
 337 @c load (stats)$
 338 @c test_mean([36,118,52,87,35,256,56,178,57,57,89,34,25,98,35,
 339 @c         98,41,45,198,54,79,63,35,45,44,75,42,75,45,45,
 340 @c         45,51,123,54,151],
 341 @c         'asymptotic=true,'mean=50);
 342 @c ===end===
 343 @example
 344 (%i1) load("stats")$
 345 (%i2) test_mean([36,118,52,87,35,256,56,178,57,57,89,34,25,98,35,
 346               98,41,45,198,54,79,63,35,45,44,75,42,75,45,45,
 347               45,51,123,54,151],
 348               'asymptotic=true,'mean=50);
 349           |                       MEAN TEST
 350           |
 351           |           mean_estimate = 74.88571428571429
 352           |
 353           |                   conf_level = 0.95
 354           |
 355           | conf_interval = [57.72848600856194, 92.04294256286663]
 356           |
 357 (%o2)     |    method = Large sample z-test. Unknown variance.
 358           |
 359           |       hypotheses = H0: mean = 50 , H1: mean # 50
 360           |
 361           |             statistic = 2.842831192874313
 362           |
 363           |             distribution = [normal, 0, 1]
 364           |
 365           |             p_value = .004471474652002261
 366 @end example
 367
 368 @end deffn
 369
 370
 371
 372
 373
 374
 375
 376 @deffn {Funç@~{a}o} test_means_difference (@var{x1}, @var{x2})
 377 @deffnx {Funç@~{a}o} test_means_difference (@var{x1}, @var{x2}, @var{opç@~{a}o_1}, @var{opç@~{a}o_2}, ...)
 378
 379 Esse @'{e} o teste-@var{t} de diferença de m@'{e}dias entre duas amostras.
 380 Os argumentos @var{x1} e @var{x2} s@~{a}o listas ou matrizes colunas
 381 contendo duas amostras independentes. No caso de diferentes vari@^{a}ncias desconhecidas
 382 (veja opç@~{o}es @code{'dev1}, @code{'dev2} e @code{'varequal} abaixo),
 383 os graus de liberdade s@~{a}o calculados por meio da aproximaç@~{a}o de Welch.
 384 @code{test_means_difference} tamb@'{e}m executa um teste assint@'{o}tico
 385 baseado no @i{Teorema do Limite Central} se a opç@~{a}o @code{'asymptotic} for
 386 escolhida para @code{true}.
 387
 388 Opç@~{o}es:
 389
 390 @itemize @bullet
 391
 392 @item
 393
 394 @item
 395 @code{'alternative}, o valor padr@~{a}o @'{e} @code{'twosided}, @'{e} a hip@'{o}tese alternativa;
 396 valores v@'{a}lidos s@~{a}o: @code{'twosided}, @code{'greater} e @code{'less}.
 397
 398 @item
 399 @code{'dev1}, o valor padr@~{a}o @'{e} @code{'unknown}, @'{e} o valor do desvio padr@~{a}o
 400 da amostra @var{x1} quando esse desvio for conhecido; valores v@'{a}lidos s@~{a}o: @code{'unknown} ou uma express@~{a}o positiva.
 401
 402 @item
 403 @code{'dev2}, o valor padr@~{a}o @'{e} @code{'unknown}, @'{e} o valor do desvio padr@~{a}o
 404 da amostra @var{x2} quando esse desvio for conhecido; valores v@'{a}lidos s@~{a}o: @code{'unknown} ou uma express@~{a}o positiva.
 405
 406 @item
 407 @code{'varequal}, o valor padr@~{a}o @'{e} @code{false}, se vari@^{a}ncias podem serem consideradas como iguais ou n@~{a}o;
 408 essa opç@~{a}o tem efeito somente quando @code{'dev1} e/ou @code{'dev2} forem  @code{'unknown}.
 409
 410 @item
 411 @code{'conflevel}, o valor padr@~{a}o @'{e} @code{95/100}, n@'{i}vel de confid@^{e}ncia para o intervalo de confid@^{e}ncia; deve
 412 ser uma express@~{a}o que toma valores em (0,1).
 413
 414 Nota de Traduç@~{a}o: (0,1) representa intervalo aberto.
 415
 416 @item
 417 @code{'asymptotic}, o valor padr@~{a}o @'{e} @code{false}, indica se @code{test_means_difference} executa um teste-@var{t} exato ou
 418 um teste ass@'{i}nt@'{o}tico baseando-se no @i{Teorema do Limite Central};
 419 valores v@'{a}lidos s@~{a}o @code{true} e @code{false}.
 420
 421 @end itemize
 422
 423 A sa@'{i}da da funç@~{a}o @code{test_means_difference} @'{e} um objeto @code{inference_result} do Maxima
 424 mostrando os seguintes resultados:
 425
 426 @enumerate
 427
 428 @item
 429 @code{'diff_estimate}: a diferença de m@'{e}dias estimadas.
 430
 431 @item
 432 @code{'conf_level}: n@'{i}vel de confid@^{e}ncia selecionado pelo usu@'{a}rio.
 433
 434 @item
 435 @code{'conf_interval}: intervalo de confid@^{e}ncia para a diferença de m@'{e}dias.
 436
 437 @item
 438 @code{'method}: procedimento de infer@^{e}ncia.
 439
 440 @item
 441 @code{'hypotheses}: a hip@'{o}tese do nulo e a hip@'{o}tese alternativa a serem testadas.
 442
 443 @item
 444 @code{'statistic}: valor da amostra estat@'{i}stica usado para testar a hip@'{o}tese do nulo.
 445
 446 @item
 447 @code{'distribution}: distribuiç@~{a}o da amostra estat@'{i}stica, juntamente com seu(s) par@^{a}metro(s).
 448
 449 @item
 450 @code{'p_value}: valor de @math{p} do teste.
 451
 452 @end enumerate
 453
 454 Exemplos:
 455
 456 A igualdade de m@'{e}dias @'{e} testada com duas pequenas amostras @var{x} e @var{y},
 457 contra a alternativa @math{H_1: m_1>m_2}, sendo @math{m_1} e @math{m_2}
 458 as m@'{e}dias das populaç@~{o}es; vari@^{a}ncias s@~{a}o desconhecidas e supostamente admitidas para serem diferentes.
 459
 460 @c equivalent code for R:
 461 @c x <- c(20.4,62.5,61.3,44.2,11.1,23.7)
 462 @c y <- c(1.2,6.9,38.7,20.4,17.2)
 463 @c t.test(x,y,alternative="greater")
 464
 465 @c ===beg===
 466 @c load (stats)$
 467 @c x: [20.4,62.5,61.3,44.2,11.1,23.7]$
 468 @c y: [1.2,6.9,38.7,20.4,17.2]$
 469 @c test_means_difference(x,y,'alternative='greater);
 470 @c ===end===
 471 @example
 472 (%i1) load("stats")$
 473 (%i2) x: [20.4,62.5,61.3,44.2,11.1,23.7]$
 474 (%i3) y: [1.2,6.9,38.7,20.4,17.2]$
 475 (%i4) test_means_difference(x,y,'alternative='greater);
 476             |              DIFFERENCE OF MEANS TEST
 477             |
 478             |         diff_estimate = 20.31999999999999
 479             |
 480             |                 conf_level = 0.95
 481             |
 482             |    conf_interval = [- .04597417812882298, inf]
 483             |
 484 (%o4)       |        method = Exact t-test. Welch approx.
 485             |
 486             | hypotheses = H0: mean1 = mean2 , H1: mean1 > mean2
 487             |
 488             |           statistic = 1.838004300728477
 489             |
 490             |    distribution = [student_t, 8.62758740184604]
 491             |
 492             |            p_value = .05032746527991905
 493 @end example
 494
 495 O mesmo teste que antes, mas agora as vari@^{a}ncias s@~{a}o admitidas serem supostamente
 496 iguais.
 497
 498 @c equivalent code for R:
 499 @c x <- c(20.4,62.5,61.3,44.2,11.1,23.7)
 500 @c y <- c(1.2,6.9,38.7,20.4,17.2)
 501 @c t.test(x,y,var.equal=T,alternative="greater")
 502
 503 @c ===beg===
 504 @c load (stats)$
 505 @c x: [20.4,62.5,61.3,44.2,11.1,23.7]$
 506 @c y: [1.2,6.9,38.7,20.4,17.2]$
 507 @c test_means_difference(x,y,'alternative='greater,'varequal=true);
 508 @c ===end===
 509 @example
 510 (%i1) load("stats")$
 511 (%i2) x: [20.4,62.5,61.3,44.2,11.1,23.7]$
 512 (%i3) y: matrix([1.2],[6.9],[38.7],[20.4],[17.2])$
 513 (%i4) test_means_difference(x,y,'alternative='greater,'varequal=true);
 514             |              DIFFERENCE OF MEANS TEST
 515             |
 516             |         diff_estimate = 20.31999999999999
 517             |
 518             |                 conf_level = 0.95
 519             |
 520             |     conf_interval = [- .7722627696897568, inf]
 521             |
 522 (%o4)       |   method = Exact t-test. Unknown equal variances
 523             |
 524             | hypotheses = H0: mean1 = mean2 , H1: mean1 > mean2
 525             |
 526             |           statistic = 1.765996124515009
 527             |
 528             |           distribution = [student_t, 9]
 529             |
 530             |            p_value = .05560320992529344
 531 @end example
 532
 533 @end deffn
 534
 535
 536
 537
 538
 539
 540
 541 @deffn {Funç@~{a}o} test_variance (@var{x})
 542 @deffnx {Funç@~{a}o} test_variance (@var{x}, @var{opç@~{a}o_1}, @var{opç@~{a}o_2}, ...)
 543
 544 Esse @'{e} o teste da vari@^{a}ncia @var{chi^2}. O argumento @var{x} @'{e} uma lista ou uma matriz coluna
 545 contendo uma amostra unidimensional tomada entre a populaç@~{a}o normal.
 546
 547 Opç@~{o}es:
 548
 549 @itemize @bullet
 550
 551 @item
 552 @code{'mean}, o valor padr@~{a}o @'{e} @code{'unknown}, @'{e} a m@'{e}dia da populaç@~{a}o, quando for conhecida.
 553
 554 @item
 555 @code{'alternative}, o valor padr@~{a}o @'{e} @code{'twosided}, @'{e} a hip@'{o}tese alternativa;
 556 valores v@'{a}lidos s@~{a}o: @code{'twosided}, @code{'greater} e @code{'less}.
 557
 558 @item
 559 @code{'variance}, o valor padr@~{a}o @'{e} @code{1}, isso @'{e} o valor (positivo) da vari@^{a}ncia a ser testado.
 560
 561 @item
 562 @code{'conflevel}, o valor padr@~{a}o @'{e} @code{95/100}, n@'{i}vel de confid@^{e}ncia para o intervalo de confid@^{e}ncia; deve
 563 ser uma express@~{a}o que toma valores em (0,1).
 564
 565 @end itemize
 566
 567 A sa@'{i}da da funç@~{a}o @code{test_variance} est@'{a} no objeto @code{inference_result} do Maxima
 568 mostrando os seguintes resultados:
 569
 570 @enumerate
 571
 572 @item
 573 @code{'var_estimate}: a vari@^{a}ncia da amostra.
 574
 575 @item
 576 @code{'conf_level}: n@'{i}vel de confid@^{e}ncia selecionado pelo usu@'{a}rio.
 577
 578 @item
 579 @code{'conf_interval}: intervalo de confid@^{e}ncia para a vari@^{a}ncia da populaç@~{a}o.
 580
 581 @item
 582 @code{'method}: procedimento de infer@^{e}ncia.
 583
 584 @item
 585 @code{'hypotheses}: a hip@'{o}tese do nulo e a hip@'{o}tese alternativa a serem testadas.
 586
 587 @item
 588 @code{'statistic}: valor da amostra estat@'{i}stica usado para testar a hip@'{o}tese do nulo.
 589
 590 @item
 591 @code{'distribution}: distribuiç@~{a}o da amostra estat@'{i}stica, juntamente com seu par@^{a}metro.
 592
 593 @item
 594 @code{'p_value}: o valor de @math{p} do teste.
 595
 596 @end enumerate
 597
 598 Exemplos:
 599
 600 Isso @'{e} testado se a vari@^{a}ncia de uma populaç@~{a}o com m@'{e}dia desconhhecida
 601 for igual ou maior que 200.
 602
 603 @c ===beg===
 604 @c load (stats)$
 605 @c x: [203,229,215,220,223,233,208,228,20]$
 606 @c test_variance(x,'alternative='greater,'variance=200);
 607 @c ===end===
 608 @example
 609 (%i1) load("stats")$
 610 (%i2) x: [203,229,215,220,223,233,208,228,209]$
 611 (%i3) test_variance(x,'alternative='greater,'variance=200);
 612              |                  VARIANCE TEST
 613              |
 614              |              var_estimate = 110.75
 615              |
 616              |                conf_level = 0.95
 617              |
 618              |     conf_interval = [57.13433376937479, inf]
 619              |
 620 (%o3)        | method = Variance Chi-square test. Unknown mean.
 621              |
 622              |    hypotheses = H0: var = 200 , H1: var > 200
 623              |
 624              |                 statistic = 4.43
 625              |
 626              |             distribution = [chi2, 8]
 627              |
 628              |           p_value = .8163948512777689
 629 @end example
 630
 631 @end deffn
 632
 633
 634
 635
 636
 637
 638
 639 @deffn {Funç@~{a}o} test_variance_ratio (@var{x1}, @var{x2})
 640 @deffnx {Funç@~{a}o} test_variance_ratio (@var{x1}, @var{x2}, @var{opç@~{a}o_1}, @var{opç@~{a}o_2}, ...)
 641
 642 Isso @'{e} o teste @var{F} da raz@~{a}o de vari@^{a}ncia para duas populaç@~{o}es normais.
 643 Os argumentos @var{x1} e @var{x2} s@~{a}o listas ou matrizes colunas
 644 contendo duas amostras independentes.
 645
 646 Opç@~{o}es:
 647
 648 @itemize @bullet
 649
 650 @item
 651 @code{'alternative}, o valor padr@~{a}o @'{e} @code{'twosided}, @'{e} a hip@'{o}tese alternativa;
 652 valores v@'{a}lidos s@~{a}o: @code{'twosided}, @code{'greater} e @code{'less}.
 653
 654 @item
 655 @code{'mean1}, o valor padr@~{a}o @'{e} @code{'unknown}, quando for conhecida, isso @'{e} a m@'{e}dia da
 656 populaç@~{a}o da qual @var{x1} foi tomada.
 657
 658 @item
 659 @code{'mean2}, o valor padr@~{a}o @'{e} @code{'unknown}, quando for conhecida, isso @'{e} a m@'{e}dia da
 660 populaç@~{a}o da qual @var{x2} foi tomada.
 661
 662 @item
 663 @code{'conflevel}, o valor padr@~{a}o @'{e} @code{95/100}, n@'{i}vel de confid@^{e}ncia para o intervalo de confid@^{e}ncia da
 664 raz@~{a}o; deve ser uma express@~{a}o que tome valores em (0,1).
 665
 666 @end itemize
 667
 668 A sa@'{i}da da funç@~{a}o @code{test_variance_ratio} @'{e} um objeto @code{inference_result} do Maxima
 669 mostrando os seguintes resultados:
 670
 671 @enumerate
 672
 673 @item
 674 @code{'ratio_estimate}: a raz@~{a}o de vari@^{a}ncia da amostra.
 675
 676 @item
 677 @code{'conf_level}: n@'{i}vel de confid@^{e}ncia selecionado pelo usu@'{a}rio.
 678
 679 @item
 680 @code{'conf_interval}: intervalo de confid@^{e}ncia para a raz@~{a}o de vari@^{a}ncia.
 681
 682 @item
 683 @code{'method}: procedimento de infer@^{e}ncia.
 684
 685 @item
 686 @code{'hypotheses}: a hip@'{o}tese do nulo e a hip@'{o}tese alternativa a serem testadas.
 687
 688 @item
 689 @code{'statistic}: valor da amostra estat@'{i}stica usado para testar a hip@'{o}tese do nulo.
 690
 691 @item
 692 @code{'distribution}: distribuiç@~{a}o da amostra estat@'{i}stica, juntamente com seus par@^{a}metros.
 693
 694 @item
 695 @code{'p_value}: o valor de @math{p} do teste.
 696
 697 @end enumerate
 698
 699
 700 Exemplos:
 701
 702 a igualdade das vari@^{a}ncias de duas populaç@~{o}es normais @'{e} verificado
 703 contra a alternativa que a primeira @'{e} maior que a segunda.
 704
 705 @c equivalent code for R:
 706 @c x <- c(20.4,62.5,61.3,44.2,11.1,23.7)
 707 @c y <- c(1.2,6.9,38.7,20.4,17.2)
 708 @c var.test(x,y,alternative="greater")
 709
 710 @c ===beg===
 711 @c load (stats)$
 712 @c x: [20.4,62.5,61.3,44.2,11.1,23.7]$
 713 @c y: [1.2,6.9,38.7,20.4,17.2]$
 714 @c test_variance_ratio(x,y,'alternative='greater);
 715 @c ===end===
 716 @example
 717 (%i1) load("stats")$
 718 (%i2) x: [20.4,62.5,61.3,44.2,11.1,23.7]$
 719 (%i3) y: [1.2,6.9,38.7,20.4,17.2]$
 720 (%i4) test_variance_ratio(x,y,'alternative='greater);
 721               |              VARIANCE RATIO TEST
 722               |
 723               |       ratio_estimate = 2.316933391522034
 724               |
 725               |               conf_level = 0.95
 726               |
 727               |    conf_interval = [.3703504689507268, inf]
 728               |
 729 (%o4)         | method = Variance ratio F-test. Unknown means.
 730               |
 731               | hypotheses = H0: var1 = var2 , H1: var1 > var2
 732               |
 733               |         statistic = 2.316933391522034
 734               |
 735               |            distribution = [f, 5, 4]
 736               |
 737               |          p_value = .2179269692254457
 738 @end example
 739
 740 @end deffn
 741
 742
 743
 744
 745
 746
 747 @deffn {Funç@~{a}o} test_sign (@var{x})
 748 @deffnx {Funç@~{a}o} test_sign (@var{x}, @var{opç@~{a}o_1}, @var{opç@~{a}o_2}, ...)
 749
 750 Esse @'{e} o teste de sinal n@~{a}o param@'{e}trico para a mediana de uma populaç@~{a}o cont@'{i}nua.
 751 O argumento @var{x} @'{e} uma lista ou uma matriz coluna contendo uma amostra unidimensional.
 752
 753 Opç@~{o}es:
 754
 755 @itemize @bullet
 756
 757 @item
 758 @code{'alternative}, o valor padr@~{a}o @'{e} @code{'twosided}, @'{e} a hip@'{o}tese alternativa;
 759 valores v@'{a}lidos s@~{a}o: @code{'twosided}, @code{'greater} e @code{'less}.
 760
 761 @item
 762 @code{'median}, o valor padr@~{a}o @'{e} @code{0}, @'{e} o valor da mediana a ser verificado.
 763
 764 @end itemize
 765
 766 A sa@'{i}da da funç@~{a}o @code{test_sign} @'{e} um objeto @code{inference_result} do Maxima
 767 mostrando os seguintes resultados:
 768
 769 @enumerate
 770
 771 @item
 772 @code{'med_estimate}: a mediana da amostra.
 773
 774 @item
 775 @code{'method}: procedimento de infer@^{e}ncia.
 776
 777 @item
 778 @code{'hypotheses}: a hip@'{o}tese do nulo e a hip@'{o}tese alternativa a serem testadas.
 779
 780 @item
 781 @code{'statistic}: valor da amostra estat@'{i}stica usada para testar a hip@'{o}tese do nulo.
 782
 783 @item
 784 @code{'distribution}: distribuiç@~{a}o da amostra estat@'{i}stica, juntamente com seu(s) par@^{a}metro(s).
 785
 786 @item
 787 @code{'p_value}: o valor de @math{p} do teste.
 788
 789 @end enumerate
 790
 791 Exemplos:
 792
 793 Verifica se a populaç@~{a}o da qual a amostra foi tomada tem mediana 6,
 794 contra a alternativa @math{H_1: median > 6}.
 795
 796 @c ===beg===
 797 @c load (stats)$
 798 @c x: [2,0.1,7,1.8,4,2.3,5.6,7.4,5.1,6.1,6]$
 799 @c test_sign(x,'median=6,'alternative='greater);
 800 @c ===end===
 801 @example
 802 (%i1) load("stats")$
 803 (%i2) x: [2,0.1,7,1.8,4,2.3,5.6,7.4,5.1,6.1,6]$
 804 (%i3) test_sign(x,'median=6,'alternative='greater);
 805                |                  SIGN TEST
 806                |
 807                |              med_estimate = 5.1
 808                |
 809                |      method = Non parametric sign test.
 810                |
 811 (%o3)          | hypotheses = H0: median = 6 , H1: median > 6
 812                |
 813                |                statistic = 7
 814                |
 815                |      distribution = [binomial, 10, 0.5]
 816                |
 817                |         p_value = .05468749999999989
 818 @end example
 819
 820 @end deffn
 821
 822
 823
 824
 825
 826
 827
 828
 829
 830 @deffn {Funç@~{a}o} test_signed_rank (@var{x})
 831 @deffnx {Funç@~{a}o} test_signed_rank (@var{x}, @var{opç@~{a}o_1}, @var{opç@~{a}o_2}, ...)
 832
 833 Esse @'{e} o teste de ranque sinalizado de Wilcoxon para fazer infer@^{e}ncias sobre a mediana de uma
 834 populaç@~{a}o cont@'{i}nua. O argumento @var{x} @'{e} uma lista ou uma matriz coluna
 835 contendo uma amostra unidimensional. Executa uma aproximaç@~{a}o normal se o
 836 tamanho da amostra for maior que 20, ou se existirem zeros ou houverem empates.
 837
 838 Veja tamb@'{e}m @code{pdf_rank_test} e @code{cdf_rank_test}.
 839
 840 Opç@~{o}es:
 841
 842 @itemize @bullet
 843
 844 @item
 845 @code{'median}, o valor padr@~{a}o @'{e} @code{0}, @'{e} o valor da mediana a ser verificado.
 846
 847 @item
 848 @code{'alternative}, o valor padr@~{a}o @'{e} @code{'twosided}, @'{e} a hip@'{o}tese alternativa;
 849 valores v@'{a}lidos s@~{a}o: @code{'twosided}, @code{'greater} e @code{'less}.
 850
 851 @end itemize
 852
 853 A sa@'{i}da da funç@~{a}o @code{test_signed_rank} @'{e} um objeto @code{inference_result} do Maxima
 854 com os seguintes resultados:
 855
 856 @enumerate
 857
 858 @item
 859 @code{'med_estimate}: a mediana da amostra.
 860
 861 @item
 862 @code{'method}: procedimento de infer@^{e}ncia.
 863
 864 @item
 865 @code{'hypotheses}: a hip@'{o}tese do nulo e a hip@'{o}tese alternativa a serem testadas.
 866
 867 @item
 868 @code{'statistic}: valor da amostra estat@'{i}stica usado para testar a hip@'{o}tese do nulo.
 869
 870 @item
 871 @code{'distribution}: distribuiç@~{a}o da amostra estat@'{i}stica, juntamente com seu(s) par@^{a}metro(s).
 872
 873 @item
 874 @code{'p_value}: o valor de @math{p} do teste.
 875
 876 @end enumerate
 877
 878 Exemplos:
 879
 880 Verifica a hip@'{o}tese do nulo @math{H_0: median = 15} contra a
 881 alternativa @math{H_1: median > 15}. Esse @'{e} um teste exato, ua vez que
 882 n@~{a}o exite empates.
 883
 884 @c equivalent code for R:
 885 @c x <- c(17.1,15.9,13.7,13.4,15.5,17.6)
 886 @c wilcox.test(x,mu=15,alternative="greater")
 887
 888 @c ===beg===
 889 @c load (stats)$
 890 @c x: [17.1,15.9,13.7,13.4,15.5,17.6]$
 891 @c test_signed_rank(x,median=15,alternative=greater);
 892 @c ===end===
 893 @example
 894 (%i1) load("stats")$
 895 (%i2) x: [17.1,15.9,13.7,13.4,15.5,17.6]$
 896 (%i3) test_signed_rank(x,median=15,alternative=greater);
 897                  |             SIGNED RANK TEST
 898                  |
 899                  |           med_estimate = 15.7
 900                  |
 901                  |           method = Exact test
 902                  |
 903 (%o3)            | hypotheses = H0: med = 15 , H1: med > 15
 904                  |
 905                  |              statistic = 14
 906                  |
 907                  |     distribution = [signed_rank, 6]
 908                  |
 909                  |            p_value = 0.28125
 910 @end example
 911
 912 Verifica a hip@'{o}tese do nulo @math{H_0: equal(median, 2.5)} contra a
 913 alternativa @math{H_1: not equal(median, 2.5)}. Esse @'{e} um teste aproximado,
 914 uma vez que ocorrem empates.
 915
 916 @c equivalent code for R:
 917 @c y<-c(1.9,2.3,2.6,1.9,1.6,3.3,4.2,4,2.4,2.9,1.5,3,2.9,4.2,3.1)
 918 @c wilcox.test(y,mu=2.5)
 919
 920 @c ===beg===
 921 @c load (stats)$
 922 @c y:[1.9,2.3,2.6,1.9,1.6,3.3,4.2,4,2.4,2.9,1.5,3,2.9,4.2,3.1]$
 923 @c test_signed_rank(y,median=2.5);
 924 @c ===end===
 925 @example
 926 (%i1) load("stats")$
 927 (%i2) y:[1.9,2.3,2.6,1.9,1.6,3.3,4.2,4,2.4,2.9,1.5,3,2.9,4.2,3.1]$
 928 (%i3) test_signed_rank(y,median=2.5);
 929              |                 SIGNED RANK TEST
 930              |
 931              |                med_estimate = 2.9
 932              |
 933              |          method = Asymptotic test. Ties
 934              |
 935 (%o3)        |    hypotheses = H0: med = 2.5 , H1: med # 2.5
 936              |
 937              |                 statistic = 76.5
 938              |
 939              | distribution = [normal, 60.5, 17.58195097251724]
 940              |
 941              |           p_value = .3628097734643669
 942 @end example
 943
 944 @end deffn
 945
 946
 947
 948
 949
 950
 951
 952 @deffn {Funç@~{a}o} test_rank_sum (@var{x1}, @var{x2})
 953 @deffnx {Funç@~{a}o} test_rank_sum (@var{x1}, @var{x2}, @var{opç@~{a}o_1})
 954
 955 Esse @'{e} o teste de Wilcoxon-Mann-Whitney para comparaç@~{a}o das medianas de duas
 956 populaç@~{o}es cont@'{i}nuas. Os primeiros dois argumentos @var{x1} e @var{x2} s@~{a}o listas
 957 ou matrizes colunas com os dados de duas amostras independentes. Executa aproximaç@~{a}o
 958 normal se quaisquer dos tamanhos de amostra for maior que 10, ou se houverem empates.
 959
 960 Opç@~{a}o:
 961
 962 @itemize @bullet
 963
 964 @item
 965 @code{'alternative}, o valor padr@~{a}o @'{e} @code{'twosided}, @'{e} a hip@'{o}tese alternativa;
 966 valores v@'{a}lidos s@~{a}o: @code{'twosided}, @code{'greater} e @code{'less}.
 967
 968 @end itemize
 969
 970 A sa@'{i}da da funç@~{a}o @code{test_rank_sum} @'{e} um objeto @code{inference_result} do Maxima
 971 com os seguintes resultados:
 972
 973 @enumerate
 974
 975 @item
 976 @code{'method}: procedimento de infer@^{e}ncia.
 977
 978 @item
 979 @code{'hypotheses}: a hip@'{o}tese do nulo e a hip@'{o}tese alternativa a serem testadas.
 980
 981 @item
 982 @code{'statistic}: valor da amostra estat@'{i}stica usada para testar a hip@'{o}tese do nulo.
 983
 984 @item
 985 @code{'distribution}: distribuiç@~{a}o da amostra estat@'{i}stica, juntamente com seus par@^{a}metros.
 986
 987 @item
 988 @code{'p_value}: o valor de @math{p} do teste.
 989
 990 @end enumerate
 991
 992 Exemplos:
 993
 994 Verifica se populaç@~{o}es possuem medianas similares. Tamanhos de amotra
 995 s@~{a}o pequenos e @'{e} feito um teste exato.
 996
 997 @c equivalent code for R:
 998 @c x <- c(12,15,17,38,42,10,23,35,28)
 999 @c y <- c(21,18,25,14,52,65,40,43)
1000 @c wilcox.test(x,y)
1001
1002 @c ===beg===
1003 @c load (stats)$
1004 @c x:[12,15,17,38,42,10,23,35,28]$
1005 @c y:[21,18,25,14,52,65,40,43]$
1006 @c test_rank_sum(x,y);
1007 @c ===end===
1008 @example
1009 (%i1) load("stats")$
1010 (%i2) x:[12,15,17,38,42,10,23,35,28]$
1011 (%i3) y:[21,18,25,14,52,65,40,43]$
1012 (%i4) test_rank_sum(x,y);
1013               |                 RANK SUM TEST
1014               |
1015               |              method = Exact test
1016               |
1017               | hypotheses = H0: med1 = med2 , H1: med1 # med2
1018 (%o4)         |
1019               |                 statistic = 22
1020               |
1021               |        distribution = [rank_sum, 9, 8]
1022               |
1023               |          p_value = .1995886466474702
1024 @end example
1025
1026 Agora, com grandes amostras e empates, o procedimento faz
1027 aproximaç@~{a}o norma. A hip@'{o}tese alternativa @'{e}
1028 @math{H_1: median1 < median2}.
1029
1030 @c equivalent code for R:
1031 @c x <- c(39,42,35,13,10,23,15,20,17,27)
1032 @c y <- c(20,52,66,19,41,32,44,25,14,39,43,35,19,56,27,15)
1033 @c wilcox.test(x,y,alternative="less")
1034
1035 @c ===beg===
1036 @c load (stats)$
1037 @c x: [39,42,35,13,10,23,15,20,17,27]$
1038 @c y: [20,52,66,19,41,32,44,25,14,39,43,35,19,56,27,15]$
1039 @c test_rank_sum(x,y,'alternative='less);
1040 @c ===end===
1041 @example
1042 (%i1) load("stats")$
1043 (%i2) x: [39,42,35,13,10,23,15,20,17,27]$
1044 (%i3) y: [20,52,66,19,41,32,44,25,14,39,43,35,19,56,27,15]$
1045 (%i4) test_rank_sum(x,y,'alternative='less);
1046              |                  RANK SUM TEST
1047              |
1048              |          method = Asymptotic test. Ties
1049              |
1050              |  hypotheses = H0: med1 = med2 , H1: med1 < med2
1051 (%o4)        |
1052              |                 statistic = 48.5
1053              |
1054              | distribution = [normal, 79.5, 18.95419580097078]
1055              |
1056              |           p_value = .05096985666598441
1057 @end example
1058
1059 @end deffn
1060
1061
1062
1063
1064
1065
1066
1067 @deffn {Funç@~{a}o} test_normality (@var{x})
1068
1069 Teste de Shapiro-Wilk para normalidade. O argumento @var{x} @'{e} uma lista de n@'{u}meros, e o tamanho
1070 da amostra deve ser maior que 2 e menor ou igua a 5000, de outra forma, a funç@~{a}o
1071 @code{test_normality} sinaliza com um erro.
1072
1073 Refer@^{e}ncia:
1074
1075   [1] Algorithm AS R94, Applied Statistics (1995), vol.44, no.4, 547-551
1076
1077 A sa@'{i}da da funç@~{a}o @code{test_normality} @'{e} um objeto @code{inference_result} do Maxima
1078 com os seguintes resultados:
1079
1080 @enumerate
1081
1082 @item
1083 @code{'statistic}: valor do @var{W} estat@'{i}stico.
1084
1085 @item
1086 @code{'p_value}: valor de @math{p} sob a hip@'{o}tese de normalidade.
1087
1088 @end enumerate
1089
1090 Exemplos:
1091
1092 Verifica a normalidade de uma populaç@~{a}o, baseada em uma amostra de tamanho 9.
1093
1094 @c equivalent code for R:
1095 @c x <- c(12,15,17,38,42,10,23,35,28)
1096 @c shapiro.test(x)
1097
1098 @c ===beg===
1099 @c load (stats)$
1100 @c x:[12,15,17,38,42,10,23,35,28]$
1101 @c test_normality(x);
1102 @c ===end===
1103 @example
1104 (%i1) load("stats")$
1105 (%i2) x:[12,15,17,38,42,10,23,35,28]$
1106 (%i3) test_normality(x);
1107                        |      SHAPIRO - WILK TEST
1108                        |
1109 (%o3)                  | statistic = .9251055695162436
1110                        |
1111                        |  p_value = .4361763918860381
1112 @end example
1113
1114 @end deffn
1115
1116
1117
1118
1119
1120
1121
1122
1123
1124 @deffn {Funç@~{a}o} simple_linear_regression (@var{x})
1125 @deffnx {Funç@~{a}o} simple_linear_regression (@var{x} @var{opç@~{a}o_1})
1126
1127 Regress@~{a}o linear simples, @math{y_i=a+b x_i+e_i}, onde os @math{e_i} s@~{a}o @math{N(0,sigma)}
1128 vari@'{a}veis aleat@'{o}rias independentes. O argumento @var{x} deve ser uma matriz de duas colunas ou uma lista de
1129 pares.
1130
1131 Opç@~{o}es:
1132
1133 @itemize @bullet
1134
1135 @item
1136 @code{'conflevel}, o valor padr@~{a}o @'{e} @code{95/100}, n@'{i}vel de confid@^{e}ncia para o intervalo de confid@^{e}ncia; isso deve
1137 ser uma express@~{a}o que tome valores em (0,1).
1138
1139 @item
1140 @code{'regressor}, o valor padr@~{a}o @'{e} @code{'x}, nome da vari@'{a}vel independente.
1141
1142 @end itemize
1143
1144 A sa@'{i}da da funç@~{a}o @code{simple_linear_regression} @'{e} um objeto @code{inference_result} do Maxima
1145 com os seguintes resultados:
1146
1147 @enumerate
1148
1149 @item
1150 @code{'model}: a equaç@~{a}o ajustada. @'{U}til para fazer novas previs@~{o}es. Veja exemplos abaixo.
1151
1152 @item
1153 @code{'means}: m@'{e}dia de duas vari@'{a}veis pseudo-aleat@'{o}rias.
1154
1155 @item
1156 @code{'variances}: vari@^{a}ncias de ambas as vari@'{a}veis.
1157
1158 @item
1159 @code{'correlation}: coeficiente de correlaç@~{a}o.
1160
1161 @item
1162 @code{'adc}: coeficiente de determinaç@~{a}o ajustado.
1163
1164 @item
1165 @code{'a_estimation}: estimador do par@^{a}metro @var{a}.
1166
1167 @item
1168 @code{'a_conf_int}: intervalo de confid@^{e}ncia do par@^{a}metro @var{a}.
1169
1170 @item
1171 @code{'b_estimation}: estimador do par@^{a}metro @var{b}.
1172
1173 @item
1174 @code{'b_conf_int}: intervalo de confid@^{e}ncia do par@^{a}metro @var{b}.
1175
1176 @item
1177 @code{'hypotheses}: a hip@'{o}tese do nulo e a hip@'{o}tese alternativa sobre o par@^{a}metro @var{b}.
1178
1179 @item
1180 @code{'statistic}: valor da amostra estat@'{i}stica usado para testar a hip@'{o}tese do nulo.
1181
1182 @item
1183 @code{'distribution}: distribuiç@~{a}o da amostra estat@'{i}stica, juntamente com seu par@^{a}metro.
1184
1185 @item
1186 @code{'p_value}: o valor de @math{p} do teste sobre @var{b}.
1187
1188 @item
1189 @code{'v_estimation}: estimador de vari@^{a}ncia imparcial, ou vari@^{a}ncia residual.
1190
1191 @item
1192 @code{'v_conf_int}: intervalo de confid@^{e}ncia da vari@^{a}ncia.
1193
1194 @item
1195 @code{'cond_mean_conf_int}: intervalo de confid@^{e}ncia paa a m@'{e}dia condicionada. Veja exemplos abaixo.
1196
1197 @item
1198 @code{'new_pred_conf_int}: intervalo de confid@^{e}ncia para uma nova previs@~{a}o. Veja exemplos abaixo.
1199
1200 @item
1201 @code{'residuals}: lista de pares (previs@~{a}o, res@'{i}duo), ordenados em relaç@~{a}o @`as previs@~{o}es.
1202 @'{U}til para achar o melhor da an@'{a}lise de ajuste. Veja exemplos abaixo.
1203
1204 @end enumerate
1205
1206 Somente os itens 1, 4, 14, 9, 10, 11, 12, e 13 acima, nessa ordem, s@~{a}o mostrados por padr@~{a}o. Os restantes
1207 escondem-se at@'{e} que o usu@'{a}rio faça uso de funç@~{o}es @code{items_inference} e @code{take_inference}.
1208
1209 Exemplo:
1210
1211 Ajustando um modelo linear para uma amostras de duas vari@'{a}veis. A entrada @code{%i4} monta p gr@'{a}fico
1212 da amostra junto com a linha de regress@~{a}o; a entrada @code{%i5}
1213 calcula @code{y} dado @code{x=113}; a m@'{e}dia e o
1214 intervalo de confid@^{e}ncia para uma nova previs@~{a}o quando @code{x=113} s@~{a}o tamb@'{e}m calculados.
1215
1216 @c ===beg===
1217 @c load (stats)$
1218 @c s:[[125,140.7],[130,155.1],[135,160.3],[140,167.2],[145,169.8]]$
1219 @c z:simple_linear_regression(s,conflevel=0.99);
1220 @c plot2d([[discrete, s], take_inference(model,z)],
1221 @c           [x,120,150],
1222 @c           [gnuplot_curve_styles, ["with points","with lines"]] )$
1223 @c take_inference(model,z), x=133;
1224 @c take_inference(means,z);
1225 @c take_inference(new_pred_conf_int,z), x=133;
1226 @c ===end===
1227 @example
1228 (%i1) load("stats")$
1229 (%i2) s:[[125,140.7],[130,155.1],[135,160.3],[140,167.2],[145,169.8]]$
1230 (%i3) z:simple_linear_regression(s,conflevel=0.99);
1231            |               SIMPLE LINEAR REGRESSION
1232            |
1233            |   model = 1.405999999999985 x - 31.18999999999804
1234            |
1235            |           correlation = .9611685255255155
1236            |
1237            |           v_estimation = 13.57966666666665
1238            |
1239 (%o3)      | b_conf_int = [.04469633662525263, 2.767303663374718]
1240            |
1241            |          hypotheses = H0: b = 0 ,H1: b # 0
1242            |
1243            |            statistic = 6.032686683658114
1244            |
1245            |            distribution = [student_t, 3]
1246            |
1247            |             p_value = 0.0038059549413203
1248 (%i4) plot2d([[discrete, s], take_inference(model,z)],
1249               [x,120,150],
1250               [gnuplot_curve_styles, ["with points","with lines"]] )$
1251 (%i5) take_inference(model,z), x=133;
1252 (%o5)                         155.808
1253 (%i6) take_inference(means,z);
1254 (%o6)                     [135.0, 158.62]
1255 (%i7) take_inference(new_pred_conf_int,z), x=133;
1256 (%o7)              [132.0728595995113, 179.5431404004887]
1257 @end example
1258
1259 @end deffn
1260
1261
1262
1263
1264
1265
1266
1267
1268
1269
1270
1271
1272
1273
1274
1275
1276
1277
1278
1279
1280
1281
1282
1283
1284
1285
1286
1287
1288
1289
1290
1291
1292 @node Funç@~{o}es e Vari@'{a}veis Definidas para distribuiç@~{o}es especiais, , Funç@~{o}es e Vari@'{a}veis Definidas para stats, Top
1293 @section Funç@~{o}es e Vari@'{a}veis Definidas para distribuiç@~{o}es especiais
1294
1295
1296 @deffn {Funç@~{a}o} pdf_signed_rank (@var{x}, @var{n})
1297 Funç@~{a}o densidade de probabilidade da distribuiç@~{a}o exata da
1298 estat@'{i}stica do rank sinalizado. O argumento @var{x} @'{e} um n@'{u}mero
1299 real e @var{n} um inteiro positivo.
1300
1301 Veja tamb@'{e}m @code{test_signed_rank}.
1302 @end deffn
1303
1304 @deffn {Funç@~{a}o} cdf_signed_rank (@var{x}, @var{n})
1305 Funç@~{a}o de densidade cumulativa da distribuiç@~{a}o exata da
1306 estat@'{i}stica do rank sinalizado. O argumento @var{x} @'{e} um n@'{u}mero
1307 real e @var{n} um inteiro positivo.
1308
1309 Veja tamb@'{e}m @code{test_signed_rank}.
1310 @end deffn
1311
1312 @deffn {Funç@~{a}o} pdf_rank_sum (@var{x}, @var{n}, @var{m})
1313 Funç@~{a}o densidade de probabilidade da distribuiç@~{a}o exata da
1314 estat@'{i}stica do somat@'{o}rio do rank. O argumento @var{x} @'{e} um n@'{u}mero
1315 real e @var{n} e @var{m} s@~{a}o ambos inteiros positivos.
1316
1317 Veja tamb@'{e}m @code{test_rank_sum}.
1318 @end deffn
1319
1320 @deffn {Funç@~{a}o} cdf_rank_sum (@var{x}, @var{n}, @var{m})
1321 Funç@~{a}o de densidade cumulativa da distribuiç@~{a}o exata da
1322 estat@'{i}stica do somat@'{o}rio do rank. O argumento @var{x} @'{e} um n@'{u}mero
1323 real e @var{n} e @var{m} s@~{a}o ambos inteiro positivos.
1324
1325 Veja tamb@'{e}m @code{test_rank_sum}.
1326 @end deffn
1327