#===============================================================================
#. Título: Inferência Estatística - Distribuição F (Snedecor) - decisão
#. Curso : Introdução à estatística
#. Autor : José Cláudio Faria/UESC/DCET
# Data  : 23/09/2022 23:15:09
#===============================================================================
# Objetivos gerais
#===============================================================================
# a) Apresentar os recursos básicos do R para a IE
# b) Fundamentar o mestrando nos mecanismos básicos da IE
#===============================================================================
# Objetivos específicos
#===============================================================================
# a) Gerar uma população normal
# b) Amostrar repetidamente pares de amostras de tamanhos informados da
#    população
# c) Estimar a variância a partir de cada amostra e calcular a razão entre as
#    duas de cada par armazenando estes valores em um vetor.
# d) Usar este vetor para decidir, sob a distribuição F, se as razões
#    anteriormente obtidas podem ser consideradas, ou não, como provenientes de
#    uma mesma população, adotando um erro tipo I máximo para a inferência.
#
#    Em outras palavras, o objetivo maior é ilustrar a flutuação normal do
#    processo de amostragem e os possíveis erros de decisão na inferência
#    influenciados por esta flutuação.
#===============================================================================

#.. ___Ini opções___
#... Tamanho das amostras
n1 <-  4   # Tamanho da amostra (n1)
n2 <- 21   # Tamanho da amostra (n2)

#... Características da população
Mu    <- 10
Sigma <-  2

#... Número de pares de amostras
n <- 1e4   # Usar 1e2, 1e3, ..., 1e5

erro <- 5/100  # Define ERRO TIPO I máximo a ser usado na inferência
#.. ___Fim opções___

#. Simulação
#.. Estimativas da variância a partir do tamanho n1
s2.n1 <- apply(matrix(rnorm(n * n1,
                            Mu,
                            Sigma),
                      ncol=n1),
               1,
               var)

#.. Estimativas da variância a partir do tamanho n2
s2.n2 <- apply(matrix(rnorm(n * n2,
                            Mu,
                            Sigma),
                      ncol=n2),
               1,
               var)

Fcal <- s2.n1 / s2.n2  # Valores da razão entre duas estimativas da variância
                       # de uma população normal observados

# Valor Ftab recebe valor limite da calda superior da distribuição Fi
# adotando erro tipo I máximo especificado = erro
Ftab <- qf(erro,
           n1-1,
           n2-1,
           lower.tail=FALSE)


#.. Inferência
dec <- Fcal < Ftab  # Decisão: As amostras podem ser consideradas como
                    # provenientes de uma mesma população?

dec.cer <- length(dec[dec == TRUE])
dec.err <- n - dec.cer

#.. Plotar gráfico dos resultados observados
plot(Fcal, 
     ylab='Valores  F calculados',
     xlab='Número de pares de amostras',
     font=2, 
     font.lab=2,
     cex=0.5,
     col='dark orange',
     ylim=c(0, 20))

tab.inf <- parse(text=paste(paste('F[',
                                  erro,
                                  '~"%"]',sep=''), 
                            '(',
                            n1 - 1,
                            ', ',
                            n2 - 1,
                            ')==',
                            round(Ftab,
                                  2),
                            sep=''))  

abline(h=Ftab)

text(n/2,
     Ftab,
     tab.inf,
     font=4,
     col='dark blue')

text(n/2,
     Ftab/2,
     font=4,
     col='dark green',
     paste('RAHo -> Decisões Corretas (%)',
           100 * (dec.cer/n),
           sep=' = '))

text(n/2,
     Ftab + (max(Fcal) - Ftab)/2,
     font=4,
     col='red',
     paste('RRHo -> Decisões Equivocadas (%)',
           100 * (dec.err/n),
           sep=' = '))