Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- pessoais:eder [2011/06/06 20:50] – [section 5] eder
+++ pessoais:eder [2018/07/04 19:10] (atual) – [section 5] eder
@@ Linha 12: / Linha 12: @@
   *  Estatística Espacial
   * [[http://www.leg.ufpr.br/doku.php/projetos:gem2|GEM²]] Grupo de estudos em modelos mistos
+  * {{:pessoais:inlarrblup.r|GWS}} Seleção Genômica Ampla Via ML REML INLA
+  * {{:pessoais:reml_inla.r|Script}} Modelo seleção Genótipo ambiente via REML ML INLA
+  * {{:pessoais:linearregression.rnw|Script}} Regressão Linear - inferência via Mínimos quadrados, ML, REML, Gibbs, Metropolis, INLA, dclone ... (Em construção)
+  * {{:pessoais:rjmcmc.r|RJMCMC}} Reversible Jump MCMC Regressão Linear
+===== Artigos de Interesse =====
+  * {{http://www.sciencedirect.com/science/article/pii/S0022030278835905|Simulation of Examine Distributions of Estimators of Variances and Ratios of Variances}}
+  * {{http://www.jstor.org/stable/3001853|Estimation of Variance and Covariance Components}}
+  * {{http://www.sciencedirect.com/science/article/pii/S0022030291786013|C. R. Henderson: Contributions to Predicting Genetic Merit}}
+  * {{http://www.sciencedirect.com/science/article/pii/S002203027584776X|Rapid Method for Computing the Inverse of a Relationship Matrix}}
+  * {{http://www.jstor.org/stable/2527669?seq=18|The Estimation of Environmental and Genetic Trends from Records Subject to Culling}}
+  * {{http://download.journals.elsevierhealth.com/pdfs/journals/0022-0302/PIIS002203027584776X.pdf|Rapid Method for Computing the Inverse of a Relationship Matrix}}
+  * {{http://www.jstor.org/pss/2529339|A simple method for computing the inverse of a numerator relationship matrix used in prediction of breeding values}}
+  * {{http://www.jstor.org/stable/2529430?&Search=yes&searchText=%22C.+R.+Henderson%22&list=hide&searchUri=%2Faction%2FdoBasicSearch%3FQuery%3Dau%253A%2522C.%2BR.%2BHenderson%2522%26wc%3Don&prevSearch=&item=3&ttl=373&returnArticleService=showFullText|Best Linear Unbiased Estimation and Prediction under a Selection Model}}
+  * {{http://www.jstor.org/stable/2530609?&Search=yes&searchText=%22C.+R.+Henderson%22&list=hide&searchUri=%2Faction%2FdoBasicSearch%3FQuery%3Dau%253A%2522C.%2BR.%2BHenderson%2522%26wc%3Don&prevSearch=&item=5&ttl=373&returnArticleService=showFullText|Variance-Covariance Matrix of Estimators of Variances in Unweighted Means ANOVA}}
+  * {{http://www.jstor.org/stable/3001853?&Search=yes&searchText=%22C.+R.+Henderson%22&list=hide&searchUri=%2Faction%2FdoBasicSearch%3FQuery%3Dau%253A%2522C.%2BR.%2BHenderson%2522%26wc%3Don&prevSearch=&item=2&ttl=373&returnArticleService=showFullText| Estimation of Variance and Covariance Components}}
 ===== Disciplinas 2011/1 =====
   * [[http://www.leg.ufpr.br/doku.php/disciplinas:ce210-2010-02|CE-210: Inferência estatística II]]
@@ Linha 21: / Linha 38: @@
    * [[http://www.leg.ufpr.br/doku.php/pessoais:eder:planejamentofito|Planejamento de experimento PG Produção Vegetal UFPR]]
    * [[http://www.leg.ufpr.br/doku.php/pessoais:eder:exptempo| Análise de Experimentos de longa duração]] II Reunião Paranaense Ciência do Solo
-===== Códigos =====
+   * [[http://www.leg.ufpr.br/doku.php/pessoais:eder:runicentro| Curso de Sofware R Analise Experimentos - UNICENTRO]]
+===== Códigos (Em construção) =====
 <code R>
-###-----------------------------------------------------------------###
+##------------------------------------------------------------------###
-### Agulha de buffon
-buffon <- function(n,l=1,a=1){
-  if(a<l){cat('Erro: a < l, deve ser a > l\n')}
-  if(a>=l){
-  theta <- runif(n,0,pi)
-  dist <- runif(n,0,a/2)
-  inter <- sum(dist <= l/2*sin(theta))
-  phi_est <- round((n/inter)*(2*l/a),12)
-  cat('Número Simulação',n,'phi_estimado',phi_est,'Erro',round(pi-phi_est,12),'\n')
-  return(c(n,phi_est))
-}}
-n <- seq(10000,1000000,by=20000)
-res <- matrix(NA,ncol=2,nrow=length(n))
-con <- 1
-for (i in n){
-  res[con,] <- buffon(i)
-  con <- con+1
-}
-plot(res,type='l',ylab=expression(pi),xlab='Simulações')
-abline(h=pi,col='red')
-###-----------------------------------------------------------------###
-### MOnte carlo
-## Calcula a área via simulação de monte carlo
-## args: r= raio, s vetor com numero de simulação, plotS plotar a simulação
-MCcirculo<-function(r,s,plotS=TRUE){
-ns<-area<-s
-r<-r
-con <- 1
-for (j in ns) {
-#pontos aleatorios
-	x<-runif(j, min=-r, max=r)
-	y<-runif(j, min=-r, max=r)
-	ponto<-cbind(x,y)
-  cont <- sum(apply(ponto,1,function(x){sqrt(sum(x^2))})<r)
-#plotando Simulação
-  if(plotS==TRUE){
-	plot(x,y,col="red",type="p",asp=1,lwd=1,xlim=c(-r,r),ylim=c(-r,r), main="Simulação Monte Carlo",sub=j)
-	ang <- seq(0, 2*pi, length = 100)
-	xx <- r * cos(ang);yy <- r * sin(ang)
-	polygon(xx, yy,border = "dark blue",lwd=2)
-  }
-#Calculo de Area
-	area[con]<-(cont/j)*(r^2)*4
-  cat(paste(round(area[con],6),j,'\n'))
-  con <- con+1
-}
-	plot(ns,area,main="Simulação Monte Carlo",xlab='Número da amostra',ylab='Area')
-  abline(h=pi*r^2,col='red',lwd=2)
-}
-MCcirculo(1,seq(5,5000,by=1000),plotS=FALSE)
-###-----------------------------------------------------------------###
-### Inversão de Probabilidade
-### OBJ: gerar x~exp transformando de uma uniforme
-NS <- 10000
-lam <- 0.5
-#f(x)=exp(lam) F(x)=1-exp(-lam*x), logo: F^-1(x)= -lam^-1*log(1-x)
-Gexp <- function(x,lam){-(log(1-U))/lam}
-U <- runif(NS)
-X <- Gexp(U,lam)
-Y <- rexp(NS,lam)
-par(mfrow=c(1,3))
-hist(U,freq=FALSE,main='Uniforme',col='lightblue')
-lines(density(U),col='red',lwd=2)
-hist(X,freq=FALSE,main='Expoencial via uniforme',col='lightblue')
-lines(density(X),col='red',lwd=2)
-lines(curve(dexp(x,lam),min(X),max(X),add=TRUE),col='blue',lwd=2)
-hist(Y,freq=FALSE,main='Expoencial do R',col='lightblue')
-lines(density(Y),col='red',lwd=2)
-lines(curve(dexp(x,lam),min(Y),max(Y),add=TRUE),col='blue',lwd=2)
 ###-----------------------------------------------------------------###
 ### Regressão Beta
@@ Linha 114: / Linha 56: @@
         return(ll)
 }
 ###-----------------------------------------------------------------###
 opt <- optim(c(B0=-0.5,B1=-0.51,B2=0.11,phi=35),log.vero,y=FoodExpenditure$food/FoodExpenditure$income,
@@ Linha 125: / Linha 67: @@
 summary(fe_beta)
 ###-----------------------------------------------------------------###
+log.veroP <- function(par,phi,y,x1,x2){
+        mu <- exp((par[1] + par[2] * x1 + par[3] * x2))/(1+exp((par[1] + par[2] * x1 + par[3] * x2)))##logit^-1
+        ll  <- sum(dbeta(y, mu* phi, (1-mu)*phi,log = TRUE))
+        return(ll)
+}
+opt <- grid.phi <- seq(20,60,l=150)
+con <- 1
+for (i in grid.phi){
+  opt[con] <- optim(c(B0=-0.5,B1=-0.51,B2=0.11),log.veroP,phi=i,y=FoodExpenditure$food/FoodExpenditure$income,
+                                                        x1=FoodExpenditure$income,
+                                                        x2=FoodExpenditure$persons,
+                                                        hessian = TRUE, control=(list(fnscale=-1)))$value
+  con <- con+1
+}
+plot(grid.phi,2*(max(opt)-opt),type='l')
+abline(h=3.84)
 </code>

Diferenças

Navegação

Busca

Ferramentas

QR Code