1 Visualização

1.1 Peso cerebral

Usando o conjunto de dados msleep, construa um histograma da variável brainwt. Escolha o número de classes que você achar melhor. O que acontece com os valores NA?

1.2 Horas de sono \(\times\) peso cerebral

Usando o conjunto de dados msleep, construa um scatter plot de horas de sono versus peso cerebral. Você percebe alguma correlação entre estas variáveis? Se precisar, concentre-se em um subconjunto dos dados.

2 Medidas

2.1 Valor médio e desvio padrão de lançamentos de um dado

  • Simule 10 mil lançamentos de um dado não-viciado.

  • Calcule a média dos valores obtidos.

  • Faça um gráfico (como o do primeiro vídeo sobre probabilidades) do valor médio em função do número do lançamento (i.e., considerando todos os lançamentos anteriores).

2.2 Valores discrepantes

  • Escreva uma função que receba um vetor numérico e retorne um vetor contendo os outliers segundo a definição usada para construir boxplots.

  • Escreva uma função que receba um vetor numérico e retorne um vetor contendo os valores que estão a 2 ou mais desvios padrão de distância da média.

  • Ache um exemplo de vetor numérico que faça as duas funções retornar o mesmo resultado.

2.3 Denominador \(n - 1\) na variância amostral

  • Escreva uma função varpop que recebe um vetor numérico e calcula a variância populacional (usando a fórmula com \(N\) no denominador).

  • Considere o vetor populacao abaixo:

populacao <- c(1, 4, 10, 15)
  • Calcule a variância populacional, usando a sua função varpop.

  • Carregue o pacote RcppAlgos. Instale-o se necessário.

  • Gere todos os arranjos possíveis de 3 elementos desta população, com reposição. Use a função permuteGeneral. O resultado vai ser uma matriz com 64 linhas. Cada linha corresponde a uma amostra.

  • (Variâncias amostrais com denominador \(n\)) Para cada amostra, calcule a variância usando a sua função varpop, guardando os resultados em um vetor. Use a função apply, do R base.

    • Quantas destas variâncias são menores ou iguais à variância da população inteira? Quantas são maiores?

    • Calcule a média das variâncias obtidas. O resultado é maior ou menor do que a variância populacional? Usar \(n\) no denominador da variância amostral superestima ou subestima a variância da população?

  • (Variâncias amostrais com denominador \(n - 1\)) Agora, para cada amostra, calcule a variância amostral (com \(n-1\) no denominador), guardando os resultados em outro vetor. Use a função apply, do R base.

    • Quantas destas variâncias são menores ou iguais à variância da população inteira? Quantas são maiores?

    • Calcule a média das variâncias obtidas. O resultado é maior ou menor do que a variância populacional?

3 Probabilidades

3.1 Titanic

  1. Qual a probabilidade de um tripulante sobreviver?

  2. Qual a probabilidade de um sobrevivente ser tripulante?

  3. Qual a probabilidade de um não-tripulante sobreviver?

  4. Qual a probabilidade de um sobrevivente não ser tripulante?

3.2 Semanas com mais nascimentos

Imagine que 50% dos nascimentos de um ano aconteçam em um período de 15 semanas, e o restante dos nascimentos seja distribuído de maneira uniforme no restante do ano. Ignore anos bissextos.

Faça simulações como no primeiro vídeo sobre probabilidades (\(2 \leq n \leq 50\)) e construa o gráfico comparando com as probabilidades teóricas (com as premissas originais).

3.3 Pôquer

Uma mão de pôquer consiste de 5 cartas retiradas ao acaso de um baralho de 32 cartas (4 naipes, cada um com cartas 7, 8, 9, 10, J, Q, K, A).

Calcule as seguintes probabilidades teoricamente e através de simulações.

  1. Qual a probabilidade de obter uma mão sem ases?

  2. Qual a probabilidade de obter 4 ases?

  3. Qual a probabilidade de obter uma sequência (7 a J, 8 a Q, 9 a K, ou 10 a A) de naipes quaisquer?

  4. Qual a probabilidade de obter uma sequência (7 a J, 8 a Q, 9 a K, ou 10 a A) do mesmo naipe?

3.4 Dados

Calcule as seguintes probabilidades teoricamente e através de simulações.

  1. Você lança um dado não-viciado 6 vezes. Qual a probabilidade de que saiam os 6 números?

  2. Idem, se você lançar o dado 10 vezes.

  3. Repita os 2 itens acima, para um dado viciado, no qual \[ P(1) = \frac{1}{12}, \quad P(2) = P(3) = P(4) = P(5) = \frac{1}{6}, \quad P(6) = \frac{3}{12} \]

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