15-appendices.Rmd

# (APPENDIX) Apêndices {-}
\renewcommand{\chaptername}{Apêndice}

# Resposta dos exercícios

## Exercício 1 {#exerc1}


```{r }
F2(2, 3)
F2(y = 3, x =2)
```

O resultado foi o mesmo, pois embora se tenha invertido o valor dos números, no segundo exemplo se declarou a qual argumento o numero pertencial.

```{r error=TRUE }
F3(20)
```

Pois o argumento (if x > 10) faz com que ocorra um erro e a função não seja executada.

```{r error=TRUE}
elevar(12, eleva = "cubico")
```

O argumento 'eleva' não está correto. Ele deve ser ou 'quadrado' ou 'cubo'.



```{r eval=TRUE}
mega = function(jogos, numeros = 6){
  if(!numeros %in% c(6:15)){
    stop("O numero deve ser entre 6 e 15")
  }
  result = list()
for(i in 1:jogos){
result[[i]] = sort(
  sample(1:60, size = numeros, replace = FALSE)
  )
}
  return(do.call(rbind, result))
}

# 4 jogos
mega(5, 10)
```


## Exercício 2 {#exerc2}

```{r echo = TRUE, eval = FALSE, message = FALSE, warning = FALSE}
maize %>%
  mutate(MGRA_kg = MGRA / 1000) %>%
  select(AMB, HIB, REP, MGRA_kg) %>%
  top_n(5, MGRA_kg)
```



## Exercício 3 {#exerc3}
```{r echo = TRUE, eval = FALSE, message = FALSE, warning = FALSE}
maize %>%
  group_by(HIB) %>%
  summarise(MGRA_mean = mean(MGRA)) %>%
  mutate(Rank = rank(MGRA_mean)) %>%
  arrange(Rank)
  
```


## Exercício 4 {#exerc4}
```{r echo = TRUE, eval = FALSE, message = FALSE, warning = FALSE}
ggplot(dados_gg, aes(x = RG, y = PH, colour = AMB, size = APLA)) +
geom_point()
  
```



## Exercício 5 {#exerc5}
```{r echo = TRUE, eval = FALSE, message = FALSE, warning = FALSE}
ggplot(dados_gg, aes(x = RG, y = PH, colour = GEN)) +
     geom_point() +
     facet_wrap(~AMB)+
     my_theme()
  
```



## Exercício 6 {#exerc6}
```{r echo = TRUE, eval = FALSE, message = FALSE, warning = FALSE}
ggplot(dados_gg, aes(x = RG, y = PH)) +
     geom_point(aes(colour = AMB))+
     geom_smooth(method = "lm", se = F)+
     my_theme()+
     labs(x = "Rendimento de grãos", y = "Peso hectolitro")
  
```


## Exercício 7 {#exerc7}
```{r echo = TRUE, eval = FALSE, message = FALSE, warning = FALSE}
means = qualitativo %>% 
  group_by(HIBRIDO) %>% 
  summarise(RG = mean(RG)) %>%
  mutate(letras = "a")
ggplot(means, aes(x = HIBRIDO, y = RG)) +
  geom_bar(stat = "identity", col = "black", fill = "orange", width = 0.5)+
  scale_y_continuous(expand = expand_scale(c(0, .1)))+
  geom_text(aes(label = letras), hjust = -1, size = 3.5)+
  geom_hline(yintercept = mean(means$RG), linetype = "dashed")+
  coord_flip()
```



## Exercício 8 {#exerc8}
```{r echo = TRUE, eval = FALSE, message = FALSE, warning = FALSE}
plot_lines(quantitativo, x = DOSEN, y = RG, fit = 2, col = F)
```



## Exercício 9 {#exerc9}
```{r echo = TRUE, eval = FALSE, message = FALSE, warning = FALSE}
with(quantitativo, dbc(DOSEN, BLOCO, RG, quali = FALSE))
```



## Exercício 10 {#exerc10}
```{r echo = TRUE, eval = FALSE, message = FALSE, warning = FALSE}
res = tibble(Convencional = residuals(convencional),
             Transformado = residuals(transform),
             Generalizado = residuals(general, type = "deviance"))
shapiro.test(res$Convencional)
shapiro.test(res$Transformado)
shapiro.test(res$Generalizado)
```





## Exercício 11 {#exerc11}
```{r echo = TRUE, eval = FALSE, message = FALSE, warning = FALSE}
plot_factbars(FAT1_CI,
              HIBRIDO,
              FONTEN,
              resp = RG,
              palette = "Greys")
```



## Exercício 12 {#exerc12}
```{r echo = TRUE, eval = FALSE, message = FALSE, warning = FALSE}
NUPEC_1 <- 
  FAT2_CI %>%
  filter(HIBRIDO == "NUPEC_1")
ggplot(NUPEC_1, aes(x = DOSEN, y = RG)) +
geom_point()+
stat_smooth(method = "lm", formula = as.formula("y ~ poly(x, 2)")) +
geom_vline(xintercept = 50, linetype = "dashed", col = "gray") +
geom_vline(xintercept = 48, col = "gray")
```


## Exercício 13 {#exerc13}
```{r echo = TRUE, eval = FALSE, message = FALSE, warning = FALSE}
covar_mat = maize %>%
  split_factors(ENV, keep_factors = TRUE) %>%
  covcor_design(gen = GEN,
                rep = REP,
                resp = c(PH, EH, NKE, TKW),
                type = "rcov")
```








# Tabela de distribuições

## Distribuição F

**Tabela 1.** Limite unilateral da cauda direita da distribuição F de Fisher-Snedecor, 0,01 de probabilidade de erro

```{r echo=FALSE, message=FALSE, warning=FALSE}
library(rio)
t6<- import("https://github.com/TiagoOlivoto/e-bookr/raw/master/data/distributions.xlsx",
            sheet = "um")

print_table <- function(table,
                        caption = NULL,
                        rownames = FALSE,
                        container,
                        fcol = 1,
                        ...){
datatable(table,
          caption = caption,
          rownames = rownames,
          container = container,
          extensions = c('Buttons', 'FixedColumns'),
          options = list(dom = '<l<t>pB>',
                         scrollX = TRUE,
                         fixedColumns = list(leftColumns = fcol),
                         buttons = c('copy', 'excel', 'print')),
          ...) %>%
    formatSignif(columns = c(1:ncol(table)), digits = 4)}

sketch = htmltools::withTags(table(
  class = 'display',
  thead(
    tr(
      th(rowspan = 2, 'GL1'),
      th(colspan = 18, 'GL2')
    ),
    tr(
      lapply(seq(1:18), th)
    )
  )
))

print_table(t6,
            container = sketch)


```

$~$
$~$
$~$


**Tabela 2.** Limite unilateral da cauda direita da distribuição F de Fisher-Snedecor, 0,05 de probabilidade de erro


```{r echo=FALSE, message=FALSE, warning=FALSE}
t2<- import("https://github.com/TiagoOlivoto/e-bookr/raw/master/data/distributions.xlsx",
            sheet = "cinco")

print_table(t2,
            container = sketch)

```

$~$
$~$
$~$

## Tabela para o teste Tukey

**Tabela 3.** Valores da estatística q para teste de Tukey

```{r echo=FALSE, message=FALSE, warning=FALSE}
tukey<- import("https://github.com/TiagoOlivoto/e-bookr/raw/master/data/distributions.xlsx",
               sheet = "tukey")
sketch = htmltools::withTags(table(
  class = 'display',
  thead(
    tr(
      th(rowspan = 2, 'GL erro'),
      th(rowspan = 2, 'Alpha'),
      th(colspan = 9, 'Número de tratamentos')
    ),
    tr(
      lapply(2:10, th)
    )
  )
))

print_table(tukey,
            container = sketch,
            fcol = 2)

```

$~$
$~$
$~$

## Distribuição t
**Tabela 4.** Valores críticos da distribuição t de Student bicaudal em diferentes probabilidades

```{r echo=FALSE, message=FALSE, warning=FALSE}
tbi<- import("https://github.com/TiagoOlivoto/e-bookr/raw/master/data/distributions.xlsx",
             sheet = "tstudentbi")


sketch = htmltools::withTags(table(
  class = 'display',
  thead(
    tr(
      th(rowspan = 2, 'GL'),
      th(colspan = 14, 'Área contida nas duas caudas laterais')
    ),
    tr(
      lapply(c("0.99", "0.95", "0.9",  "0.85", "0.8",  "0.75", "0.25", "0.2",  "0.15", "0.1",  "0.05", "0.02", "0.01", "1E-3"), th)
    )
  )
))

print_table(tbi,
            container = sketch)


```

$~$
$~$
$~$

## Distribuição normal padrão

**Tabela 5.** Valores da distribuição normal padrão. Primeira decimal de Z nas linhas e segunda decimal de Z nas colunas

```{r echo=FALSE, message=FALSE, warning=FALSE}
npad<- import("https://github.com/TiagoOlivoto/e-bookr/raw/master/data/distributions.xlsx",
              sheet = "padrão")
sketch = htmltools::withTags(table(
  class = 'display',
  thead(
    tr(
      th(rowspan = 2, 'Z'),
      th(colspan = 10, 'Primeira decimal de Z nas linhas e segunda decimal de Z nas colunas')
    ),
    tr(
      lapply(c("0.00",	"0.01",	"0.02",	"0.03",	"0.04",	"0.05",	"0.06",	"0.07",	"0.08","0.09"), th)
    )
  )
))

print_table(npad,
            container = sketch)

```

$~$
$~$
$~$

## Distribuição qui-quadrado
**Tabela 6.** Valores críticos (função inversa) em relação a cauda esquerda da distribuição Chi-quadrado

```{r echo=FALSE, message=FALSE, warning=FALSE}
chiesq <- import("https://github.com/TiagoOlivoto/e-bookr/raw/master/data/distributions.xlsx",
                 sheet = "CHIESQ")
sketch = htmltools::withTags(table(
  class = 'display',
  thead(
    tr(
      th(rowspan = 2, 'GL'),
      th(colspan = 10, 'Probabilidade')
    ),
    tr(
      lapply(c("0.005",	"0.01",	"0.025",	"0.05",	"0.1",	"0.9",	"0.95",	"0.975",	"0.99",	"0.995"), th)
    )
  )
))

print_table(chiesq,
            container = sketch)

```

$~$
$~$
$~$

**Tabela 7.** Valores críticos (função inversa) em relação a cauda direita da distribuição Chi-quadrado
```{r echo=FALSE, message=FALSE, warning=FALSE}

chidir<- import("https://github.com/TiagoOlivoto/e-bookr/raw/master/data/distributions.xlsx",
                sheet = "CHIESDIR")
sketch = htmltools::withTags(table(
  class = 'display',
  thead(
    tr(
      th(rowspan = 2, 'GL'),
      th(colspan = 10, 'Probabilidade')
    ),
    tr(
      lapply(c("0.005",	"0.01",	"0.025",	"0.05",	"0.1",	"0.9",	"0.95",	"0.975",	"0.99",	"0.995"), th)
    )
  )
))

print_table(chidir,
            container = sketch)

```