incluindo material aula 4

exemplos_de_aula/5.intervalo_de_confianca.R

@@ -1,84 +1,101 @@
 library(infer)
+library(tidyverse)
 
-sample_mean <- dados %>%
-  specify(response = p32c, success = "Sim") %>%
-  calculate(stat = "prop")
-# esse aqui ^ você consegue ler o código
-# ele diz o que tá fazendo
+dados <- readxl::read_excel("exemplos_de_aula//BD_CIS0684.xlsx")
 
-#mean(dados$p32c == "Sim")
-#sum(dados$p32c == "Sim")/2079
-# esse aqui vc tem que interpretar o código ^
+# vamos estimar a distribuição populacional da idade das mulheres.
+# "estimar distribuição" é chutar um histograma
+idade_mulheres <- dados |>
+  filter(sexo == "Feminino") |>
+  with(idade1)
 
-# define a sampling distribution
-sampling_dist <- dados %>%
-  specify(response = p32c, success = "Sim") %>%
-  assume("z")
-# assume 'z' eu tô mandando o R entender
-# que pra tudo que seguir eu quero que seja
-# considerada uma distribuição teórica normal
+n_mulheres <-dados |>
+  filter(sexo == "Feminino") |>
+  nrow()
 
-# get the confidence interval---note that the
-# point estimate is required here
-ci <- get_confidence_interval(
-  sampling_dist,
-  level = .95,
-  point_estimate = sample_mean
-)
+hist(idade_mulheres)
 
-sqrt(sample_mean*(1-sample_mean))/sqrt(2079)
+media_amostral <- mean(idade_mulheres)
+desvio_padrao_amostral <- sd(idade_mulheres)
 
-sampling_dist |>
-  visualise() +
-  shade_confidence_interval(ci)
+# vou chutar o erro da distribuição amostral da média populacional
+erro_media_amostral <-desvio_padrao_amostral/sqrt(n_mulheres)
 
-# distribuição t ----------------------------------------------------------
+media_amostral + 2*erro_media_amostral
+media_amostral - 2*erro_media_amostral
 
-library(infer)
+# intervalo de confiança no infer
 
-sample_mean <- dados %>%
-  specify(response = idade1) %>%
-  calculate(stat = "mean")
-
-# define a sampling distribution
-sampling_dist <- dados %>%
-  specify(response = idade1) %>%
+sampling_dist <- dados |>
+  filter(sexo == "Feminino") |>
+  specify(response = idade1) |>
   assume("t")
+# aplique o teorema central do limite
+# trocando desvio padrao populacional por
+# desvio padrao amostral (que dá t)
+
+sampling_dist |>
+  visualise()
+
+media_amostral <- dados |>
+  filter(sexo == "Feminino") |>
+  specify(response = idade1) |>
+  calculate(stat = "mean")
 
-# get the confidence interval---note that the
-# point estimate is required here
 ci <- get_confidence_interval(
   sampling_dist,
-  level = .95,
-  point_estimate = sample_mean
-)
+  level = .99,
+  point_estimate = media_amostral)
 
 sampling_dist |>
   visualise() +
   shade_confidence_interval(ci)
 
-# distribuicao t amostra pequena ------------------------------------------
+# eu "roubei" pra fazer essa distribuição...
 
-library(infer)
+# o "erro_media_amostral" tem um nome técnico que é "erro padrão"
+# eu "roubei" quando eu fiz o desenho ao lado, porque eu troquei
+# a média populacional pela amostral.
 
-sample_mean <- dados %>%
-  sample_n(5) |>
-  specify(response = idade1) %>%
-  calculate(stat = "mean")
+# mas existem resultados estatísticos que me garantem que
+# a distribuição X_barra / desvio_padrao_amostral é aproximadamente t com n-1
+# graus de liberdades. uma t com mais do que 30 graus de liberdade é aproximadamente
+# normal
 
-# define a sampling distribution
-sampling_dist <- dados %>%
-  sample_n(5) |>
-  specify(response = idade1) %>%
-  assume("t")
+# estimar proporções é um caso particular de estimar médias:
+#exemplo:
+quem_gosta_de_sorvete <- c(1, 1, 0, 1, 0)
+
+mean(quem_gosta_de_sorvete)*100
+
+(3/5)*100
+
+sqrt(sum((quem_gosta_de_sorvete-mean(quem_gosta_de_sorvete))^2/5))
+
+prop <- mean(quem_gosta_de_sorvete)
+
+sqrt(prop*(1-prop))
+
+######
+
+# intervalo para proporções
+
+sampling_dist <- dados |>
+  filter(sexo == "Feminino") |>
+  specify(response = p32c, success = "Sim") |>
+  assume("z")
+
+prop_amostral <- dados |>
+  filter(sexo == "Feminino") |>
+  specify(response = p32c, success = "Sim") |>
+  calculate(stat = "prop")
+
+sqrt(.27*(1-.27))/sqrt(1089)
 
-# get the confidence interval---note that the
-# point estimate is required here
 ci <- get_confidence_interval(
   sampling_dist,
-  level = .95,
-  point_estimate = sample_mean
-)
+  level = .99,
+  point_estimate = prop_amostral)
 
 sampling_dist |>
   visualise() +

exemplos_de_aula/7.testes_de_proporcao.R

@@ -1,121 +1,28 @@
-# Teste de proporção no R -------------------------------------------------
 
-numero_desemprego_pnad_2024 = 0.078*180000
+# teste de hipotese sai de graça dos graficos de intervalo de conf --------
 
-prop.test(
-  x = 14040,
-  n = 180000,
-  p = 0.077,
-  alternative = "two.sided")
-
-prop.test(
-  x = 14040,
-  n = 180000,
-  p = 0.077,
-  alternative = "greater")
-
-# Área da normal no R -----------------------------------------------------
-
-?pnorm
-
-1-pnorm(
-  0.078,
-  0.077,
-  sqrt(0.077*(1-0.077))/sqrt(180000)
-  )
-
-# Ler dados ---------------------------------------------------------------
-
-library(tidyverse)
-
-dados <- readxl::read_excel("script/BD_CIS0684.xlsx")
-
-p32c_mulheres <- dados |>
-  filter(sexo == "Feminino") |>
-  count(p32c)
-
-prop.test(
-  x = 294,
-  n = 1089,
-  p = 0.22
-)
-
-prop.test(
-  x = p32c_mulheres$n[2],
-  n = sum(p32c_mulheres$n),
-  p = 0.26
-)
-
-p32c_homens <- dados |>
-  filter(sexo == "Masculino") |>
-  count(p32c)
-
-prop.test(
-  x = p32c_homens$n[2],
-  n = sum(p32c_homens$n),
-  p = 0.26
-)
-
-# pergunta do helder, porque testamos a segunda categoria?
-# porque colocamos "[2]"?
-
-# porque queremos testar a probabilidade de "sim"
-
-# daria pra testar a probabilidade de "não" também:
-
-prop.test(
-  x = p32c_homens$n[1],
-  n = sum(p32c_homens$n),
-  p = 0.74
-)
-
-# cálculo correto
-library(survey)
-#
-dclus1<-svydesign(id=~nquest, weights=~PESO, data=dados)
-
-dclus_mulheres <- svydesign(
-  id=~nquest,
-  weights=~PESO,
-  data=filter(dados, sexo == "Feminino")
-  )
-
-tabela_contagem <- svytable(~p32c, dclus_mulheres)
-
-prop.test(tabela_contagem, p = 0.74)
-# o proptest aceita tabelas de survei se precisar!
-
-# Tidy test ---------------------------------------------------------------
-
-library(infer)
+# tenho por hipotese que 30% das mulheres deveriam ter respondido
+# "sim" no ultimo grafico
 
 dados |>
   filter(
     sexo == "Feminino"
   ) |>
   prop_test(p32c ~ NULL, p = 0.3, success = "Sim")
-# essa função é alternativa ao prop.test padrão do R
-# que aceita tabelas diretamente como input
 
-# pra gente não precisar fazer contagem na mão
-
-modelo <- dados |>
+dados_brutos <- dados |>
   filter(sexo == "Feminino") |>
   specify(response = p32c, success = "Sim")
 
-estatistica <- modelo |>
-  hypothesize(null = "point", p = 0.3) |>
+sampling_dist <- dados |>
+  filter(sexo == "Feminino") |>
+  specify(response = p32c, success = "Sim") |>
+  assume("z")
+
+estatistica_do_teste <- dados_brutos |>
+  hypothesise(null = "point", p = 0.30) |>
   calculate(stat = "z")
 
-grafico_ggplot <- modelo |>
-  assume("z") |>
+sampling_dist |>
   visualise() +
-  shade_p_value(obs_stat = estatistica, direction = "both")
-
-grafico_ggplot +
-  labs(caption = "valor-p calculado de 3,32%") +
-  theme_bw() +
-  labs(x = "Valor da estatística do teste", y = "",
-       title = "Distribuição amostral teórica")
-
-?infer::prop_test
+  shade_p_value(estatistica_do_teste, direction = "left")