R/Paula.R
In pet-estatistica/labestData: Biblioteca de Dados para Aprendizado de Estatística
#' @name PaulaEg1.12.2
#' @title Pacientes com Processo Infecioso Pulmonar
#' @description Um total de 175 pacientes com processo infecioso
#' pulmonar atendidos no hospital no período acima foram
#' classificados por algumas variáveis.
#' @format Um \code{data.frame} com 175 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{tipo}}{Tipo de tumor (maligno, benigno).}
#'
#' \item{\code{idade}}{Idade do paciente (em anos).}
#'
#' \item{\code{sexo}}{Sexo do paciente (masculino, feminino).}
#'
#' \item{\code{hl}}{Intensidade da célula histiócitos-linfócitos
#' (ausente, discreta, moderada, intensa).}
#'
#' \item{\code{ff}}{Intensidade da célula fibrose-frouxa (ausente,
#' discreta, moderada, intensa).}
#'
#' }
#' @keywords MLG
#' @source PAULA (2004), Eg 1.12.2, pág. 85.
#'
#' @examples
#'
#' data(PaulaEg1.12.2)
#' str(PaulaEg1.12.2)
#'
#' library(lattice)
#'
#' bwplot(idade ~ hl | tipo, pch = "|",
#' data = PaulaEg1.12.2,
#' ylab = "Idade",
#' xlab = "Intensidade da célula histiócitos-linfócitos")
#'
#' bwplot(idade ~ ff | tipo, pch = "|",
#' data = PaulaEg1.12.2,
#' ylab = "Idade",
#' xlab = "Intensidade da célula fibrose-frouxa")
#'
#' barchart(table(PaulaEg1.12.2$tipo, PaulaEg1.12.2$hl),
#' auto.key = list(space = "top",
#' columns = 2,
#' cex.title = 1,
#' rectangles = TRUE,
#' points = FALSE))
#'
NULL
#' @name PaulaEg1.12.4
#' @title Desenvolvimento de Massa Tumoral em Ratos
#' @description Estudo realizado para avaliar a influência da série
#' (passagem do tumor) na morte (caquexia) de certa espécie de rato.
#' Um total de 204 animais teve tumor inoculado num determinado
#' momento da série. Para cada animal, além do grupo de passagem,
#' foram observadas as variáveis presença de massa tumoral, caquexia
#' e o tempo de observação.
#' @format Um \code{data.frame} com 204 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{grupo}}{Grupo de passagem (0 a 28).}
#'
#' \item{\code{massat}}{Presença de massa tumoral (sim ou não).}
#'
#' \item{\code{caq}}{Caquexia (sim ou não).}
#'
#' \item{\code{tempo}}{Tempo de sobrevivência (em dias).}
#'
#' }
#' @keywords MLG
#' @source PAULA (2004), Eg 1.12.4, pág. 90.
#' @examples
#'
#' data(PaulaEg1.12.4)
#' str(PaulaEg1.12.4)
#'
#' library(lattice)
#'
#' xyplot(tempo ~ grupo | massat,
#' groups = caq,
#' data = PaulaEg1.12.4,
#' type = c("p", "smooth"),
#' xlab = "Grupo",
#' ylab = "Tempo",
#' auto.key = list(space = "top", columns = 2,
#' title = "Presença de caquexia", cex.title = 1,
#' lines = TRUE, points = FALSE))
#'
#' bwplot(tempo ~ massat | caq, pch = "|",
#' data = PaulaEg1.12.4,
#' ylab = "Tempo",
#' xlab = "Presença de massa tumoral")
#'
NULL
#' @name PaulaEg1.12.5
#' @title Consumo de Combust\enc{í}{i}vel
#' @description Dados referentes ao consumo de combustível em 48 estados
#' norte-americanos. O interesse nesse estudo é tentar explicar o
#' consumo de combustível com base em variáveis econômicas.
#' @format Um \code{data.frame} com 48 observações e 6 variáveis.
#'
#' \describe{
#'
#' \item{\code{est}}{Estado.}
#'
#' \item{\code{taxa}}{Taxa do combustível no estado (em USD).}
#'
#' \item{\code{licen}}{Proporção de motoristas licenciados.}
#'
#' \item{\code{renda}}{Renda percapita (em USD).}
#'
#' \item{\code{estr}}{Ajuda federal para as estradas (em 1000 USD).}
#'
#' \item{\code{cons}}{Consumo de combustível por habitante.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), (Eg 1.12.5, p?g. 94)
#' @examples
#'
#' data(PaulaEg1.12.5)
#' str(PaulaEg1.12.5)
#'
#' library(lattice)
#' library(car)
#'
#' scatterplotMatrix(~ cons + taxa + licen + renda + estr,
#' data = PaulaEg1.12.5)
#'
#' xyplot(cons ~ est,
#' ylab = "Consumo",
#' xlab = "Estados",
#' data = PaulaEg1.12.5,
#' grid = TRUE,
#' scales = list(x = list(rot = 90)))
#'
NULL
#' @name PaulaEg1.12.6
#' @title Sal\enc{á}{a}rio de Executivos
#' @description Dados referentes ao salário anual de uma amostra
#' aleatória de 220 executivos (145 homens e 75 mulheres). O salário
#' será relacionado com as variáveis: sexo, anos de experiência no
#' cargo e posição na empresa.
#' @format Um \code{data.frame} com 220 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{sal}}{Salário anual (em mil USD).}
#'
#' \item{\code{sexo}}{Sexo (masculino, feminino).}
#'
#' \item{\code{pos}}{Posição na empresa (escore de 1 a 9).}
#'
#' \item{\code{aexp}}{Experiência (em anos).}
#'
#' }
#' @keywords RS dummy
#' @source PAULA (2004), Eg 1.12.6, pág. 97.
#' @examples
#'
#' data(PaulaEg1.12.6)
#' str(PaulaEg1.12.6)
#'
#' library(lattice)
#'
#' xyplot(sal ~ aexp | sexo,
#' data = PaulaEg1.12.6,
#' type = c("p", "smooth"),
#' xlab = "Anos de experiência",
#' ylab = "Salário")
#'
NULL
#' @name PaulaEg2.4.2
#' @title Captura de Peixes via Espinhel de Fundo no Litoral Paulista
#' @description Dados parciais de um estudo sobre a atividade de frotas
#' pesqueiras de espinhel de fundo baseadas no litoral paulista (
#' Santos e Ubatuba). Neste estudo uma amostra de 156 embarcações
#' pesqueiras, destinadas à pesca do peixe-batata, foi analisada no
#' período de 1995 a 1999. Para cada embarcação foram consideradas
#' variáveis sobre a frota (Santos ou Ubatuba), ano, trimestre,
#' latitude, longitude, dias de pesca, quantidade de peixes
#' capturados e a captura por unidade de esforço (definida como
#' divisão da quantidade de peixe capturado pelos dias de pesca).
#' @format Um \code{data.frame} com 156 observações e 8 variáveis.
#'
#' \describe{
#'
#' \item{\code{frota}}{Fator com dois níveis que indica de qual frota é
#' a embarcação, \code{Santos} ou \code{Ubatuba}.}
#'
#' \item{\code{ano}}{Fator com cinco níveis que representa o ano, de
#' \code{1995} a \code{1996}.}
#'
#' \item{\code{trim}}{Fator com quatro níveis que representa o trimestre
#' em estudo, de \code{1} a \code{4}.}
#'
#' \item{\code{lat}}{Latitude, definida como distância ao Equador medida
#' ao longo do meridiano de Greenwich.}
#'
#' \item{\code{long}}{Longitude, definida como distância ao meridiano de
#' Greenwich medida ao longo do Equador.}
#'
#' \item{\code{dias}}{Dias de pesca.}
#'
#' \item{\code{captura}}{Quantidade de peixes-batata capturados, em kg.}
#'
#' \item{\code{cpue}}{Captura por unidade de esforço, calculada como
#' razão da quantidade de peixes-batata capturados (\code{captura})
#' pelo número de dias de pesca \code{dias}.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exemplo 2.4.2, pág. 127.
#' @references Paula, G. A., Oshiro, C. H. (2001). Relatório de Análise
#' Estatística sobre o Projeto: Análise de Captura por Unidade de
#' Esforço de Peixe-Batata na Frota Paulista. RAE-CEA0102, IME-USP.
#' @examples
#'
#' data(PaulaEg2.4.2)
#' str(PaulaEg2.4.2)
#'
#' # Separando as covariáveis numéricas
#' index <- sapply(PaulaEg2.4.2, is.numeric)
#'
#' # Número de observações em cada combinação das covariáveis
#' # não numéricas
#' ftable(table(PaulaEg2.4.2[, !index]))
#'
#' library(lattice)
#'
#' # Relação marginal da variável resposta com as covariáveis
#' # não numéricas
#' bwplot(cpue ~ frota, data = PaulaEg2.4.2)
#' bwplot(cpue ~ ano, data = PaulaEg2.4.2)
#' bwplot(cpue ~ trim, data = PaulaEg2.4.2)
#'
#' # Relação da variável resposta com as combinações das
#' # covariáveis não numéricas
#' ue <- with(PaulaEg2.4.2, paste(ano, trim, sep = "-"))
#' bwplot(cpue ~ ue | frota, data = PaulaEg2.4.2,
#' scales = list(x = list(rot = 90)))
#'
#' # Verificando a suposição de coeficiente de variação constante,
#' # desconsiderando as covariáveis tri e numéricas
#' resumo <- aggregate(cpue ~ frota + ano, data = PaulaEg2.4.2,
#' FUN = function(x) {
#' c("Média" = mean(x),
#' "D.Padrão" = sd(x),
#' "C.Variação" = sd(x)/mean(x),
#' "n" = length(x))
#' })
#' ftable(xtabs(cpue ~ frota + ano, data = resumo))
#'
#' # Relação das covariáveis numéricas
#' splom(~PaulaEg2.4.2[, index], groups = frota,
#' data = PaulaEg2.4.2,
#' auto.key = list(column = 2))
#'
NULL
#' @name PaulaEg2.4.3
#' @title Valores Pagos de Seguros sob Influ\enc{ê}{e}ncia de
#' Representa\enc{çã}{ca}o Legal
#' @description Dados referentes aos valores pagos de seguros
#' individuais por danos com acidentes pessoais no período de
#' janeiro de 1998 a junho de 1999 (18 meses). O estudo completo
#' (Jong e Heller, 2008) contém o acompanhamento dos seguros desde
#' 1989. No período considerado aqui foram pagos 769 seguros, sendo
#' armazenadas as informações: se houve representação legal, tempo
#' operacional para pagamento e mês em que ocorreu o acidente.
#' @format Um \code{data.frame} com 769 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{valor}}{Valor pago do seguro, em dólares australianos.}
#'
#' \item{\code{rl}}{Fator com dois níveis que indica, se no seguro em
#' análise, há representação legal do indivíduo.}
#'
#' \item{\code{mes}}{Fator com 15 níveis que indica o mês de ocorrência
#' do acidente. Os níveis deste fator são codificados e não
#' informou-se quais os meses que eles representam.}
#'
#' \item{\code{to}}{Tempo operacional para pagamento do seguro. Essa
#' variável assume valores de 0,1 a 31,9, pois são considerados
#' apenas os 18 últimos meses do estudo.}
#'
#' }
#' @keywords RM dummy
#' @source PAULA (2004), Exemplo 2.4.3, pág. 136.
#' @references De Jong, P., Heller, G. Z. (2008). Generalized linear
#' models for insurance data (Vol. 136). Cambridge: Cambridge
#' University Press.
#' @examples
#'
#' data(PaulaEg2.4.3)
#' str(PaulaEg2.4.3)
#'
#' # Número de seguros pagos em cada combinação de mês e
#' # representação legal
#' ftable(table(PaulaEg2.4.3[, c("mes", "rl")]))
#' table(PaulaEg2.4.3[, c("rl")])
#'
#' library(lattice)
#'
#' xyplot(log(valor) ~ to | rl,
#' data = PaulaEg2.4.3,
#' type = c("p", "g", "smooth"),
#' lwd = 2,
#' strip = strip.custom(
#' strip.names = TRUE,
#' var.name = "Representação Legal",
#' sep = ": "))
#'
#' densityplot(~valor | rl,
#' data = PaulaEg2.4.3,
#' grid = TRUE,
#' scales = list(x = list(relation = "free")),
#' strip = strip.custom(
#' strip.names = TRUE,
#' var.name = "Representação Legal",
#' sep = ": "))
#'
NULL
#' @name PaulaEg2.5.2
#' @title Aduba\enc{çã}{ca}o de Nitrog\enc{ê}{e}nio e Fosfato em Milhos
#' @description Dados de um experimento inteiramente casualizado em que
#' a produtividade de milho é estudada segundo combinações de
#' quantidades de nitrogênio (N) e fosfato (P2O5) utilizadas na
#' adubação.
#' @format Um \code{data.frame} com 30 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{N}}{Quantidade de nitrogênio utilizada na adubação, em
#' libras/acre.}
#'
#' \item{\code{P2O5}}{Quantidade de fosfato utilizada na adubação, em
#' libras/acre.}
#'
#' \item{\code{prod}}{Produtividade de milho, em libras/acre.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exemplo 2.5.2, pág. 144.
#' @examples
#'
#' data(PaulaEg2.5.2)
#' str(PaulaEg2.5.2)
#'
#' ftable(table(PaulaEg2.5.2[, c("N", "P2O5")]))
#'
#' library(reshape2)
#'
#' da <- melt(PaulaEg2.5.2, id.vars = 3,
#' variable.name = "adub",
#' value.name = "qtde")
#'
#' library(lattice)
#'
#' xyplot(prod ~ qtde | adub,
#' data = da,
#' type = c("p", "g", "smooth"),
#' strip = strip.custom(
#' factor.levels = c("Nitrogênio", "Fosfato")))
#'
NULL
#' @name PaulaEg2.8.1
#' @title Compara\enc{çã}{ca}o de Tipos de Snack
#' @description Dados de um experimento desenvolvido pelo Departamento
#' de Nutrição da Faculdade de Saúde Pública da USP em que 5 tipos
#' diferentes de um novo snack, com baixo teor de gordura e de
#' ácidos graxos, foram comparados ao longo de 20 semanas. Nesse
#' novo produto a gordura vegetal hidrogenada, responsável pela
#' fixação do aroma do produto, foi substituída, totalmente ou
#' parcialmente, por óleo de canola. Ao todo foram produzidas 750
#' observações, referentes a 15 avaliações para cada tipo de snack a
#' cada 2 semanas.
#' @format Um \code{data.frame} com 750 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{semana}}{Semana da avaliação.}
#'
#' \item{\code{tipo}}{Tipo de snack avaliado. Os níveis representam as
#' seguintes configurações: \code{A}: 22\% de gordura, 0\% de óleo
#' de canola, \code{B}: 0\% de gordura, 22\% de óleo de canola,
#' \code{C}: 17\% de gordura, 5\% de óleo de canola, \code{D}: 11\%
#' de gordura, 11\% de óleo de canola e \code{E}: 5\% de gordura,
#' 17\% de óleo de canola.}
#'
#' \item{\code{fnpc}}{Força necessária para o cisalhamento.}
#'
#' }
#' @keywords FAT2 longitudinal
#' @source PAULA (2004), Exemplo 2.8.1, pág. 150; Exemplo 2.9.3,
#' pág. 169.
#' @examples
#'
#' data(PaulaEg2.8.1)
#' str(PaulaEg2.8.1)
#'
#' # Experimento balanceado, 15 observações para cada tipo em cada
#' # semana
#' ftable(PaulaEg2.8.1[, c("tipo", "semana")])
#' xtabs(fnpc ~ tipo + semana, data = PaulaEg2.8.1)
#'
#' library(lattice)
#'
#' bwplot(fnpc ~ tipo | factor(semana), pch = "|",
#' data = PaulaEg2.8.1,
#' as.table = TRUE,
#' strip = strip.custom(strip.names = TRUE,
#' var.name = "semana"))
#'
#' # Estatísticas descritivas
#' resumo <- aggregate(fnpc ~ tipo + semana,
#' data = PaulaEg2.8.1,
#' FUN = function(x) {
#' c("Média" = mean(x),
#' "D.Padrão" = sd(x),
#' "C.Variação" = sd(x)/mean(x),
#' "n" = length(x))
#' })
#' ftable(xtabs(fnpc ~ tipo + semana, data = resumo))
#'
#' xyplot(fnpc[, "Média"] ~ semana,
#' groups = tipo,
#' data = resumo,
#' type = c("l", "g"),
#' auto.key = list(
#' points = FALSE,
#' lines = TRUE,
#' title = "snack",
#' cex.title = 1.1,
#' corner = c(0.1, 0.9)))
#'
NULL
#' @name PaulaEg3.5.1
#' @title Associa\enc{çã}{ca}o Entre Fungicida e Desenvolvimento de
#' Tumor
#' @description Dados de um experimento realizado para avaliar o
#' possível efeito cancerígeno do fungicida Avadex. Foram utilizados
#' 403 camundongos. Desses, 65 receberam o fungicida e foram
#' acompanhados durante 85 semanas, verificando-se o desenvolvimento
#' ou não de tumor cancerígeno. Os demais animais não receberam o
#' fungicida (grupo controle) e também foram acompanhados pelo mesmo
#' período.
#' @format Um \code{data.frame} com 4 observações e 4 variáveis, em que
#'
#' \describe{
#'
#' \item{sexo}{Sexo do camundongo (macho = 1 e fêmea = 0).}
#'
#' \item{trat}{Identifica a presença ou não do tratamento (sim = 1 e não
#' = 0).}
#'
#' \item{casos}{Número inteiro que identifica a quantidade de casos
#' ocorridos.}
#'
#' \item{exp}{Quantidade de camundongos expostos.}
#'
#' }
#'
#' @keywords MLG FAT2 binário
#' @source PAULA (2004), Eg 3.5.1 pág. 201.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEg3.5.1)
#' str(PaulaEg3.5.1)
#'
#' barchart(casos/exp ~ trat | sexo,
#' data = PaulaEg3.5.1,
#' xlab = "Grupo",
#' ylab = "Proporção de casos",
#' scales = list(x = list(labels = c("Controle", "Tratado"))),
#' strip = strip.custom(var.name = "Sexo",
#' factor.levels = c(" Fêmea", "Macho"),
#' strip.levels = rep(TRUE, 2)))
#'
NULL
#' @name PaulaEg3.5.2
#' @title Efeito de Extrato Vegetal
#' @description Dados de um experimento conduzido para avaliar o efeito
#' de diversos extratos vegetais na mortalidade de embriões de
#' \emph{Biomphalaria Glabrata}. Para o extrato vegetal aquoso frio
#' de folhas de \emph{P. Hyrsiflora} foram consideradas 7 amostras,
#' sendo que em cada uma delas 50 embriões foram submetidos a uma
#' particular dose do extrato vegetal, registrando-se, após o
#' vigésimo dia, o número de embriões mortos.
#' @format Um \code{data.frame} com 2 observações e 3 variáveis, em que
#'
#' \describe{
#'
#' \item{dose}{Dose de extrato vegetal aplicada (em partes por milhão).}
#'
#' \item{emb}{Número observado de embriões mortos.}
#'
#' }
#' @keywords MLG binário
#' @source PAULA (2004), Eg 3.5.2 pág. 203.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEg3.5.2)
#' str(PaulaEg3.5.2)
#'
#' barchart(emb/(sum(emb)) ~ dose, data = PaulaEg3.5.2,
#' stack = TRUE, col = "lightblue",
#' xlab = "Dose (em ppm)",
#' ylab = "Proporção de embriões mortos")
#'
NULL
#' @name PaulaEg3.6.11a
#' @title Exposi\enc{çã}{ca}o de Besouros
#' @description Dados de um estudo sobre o efeito da exposição de
#' besouros adultos a diferentes doses de disulfeto de carbono
#' gasoso \emph{(CS2)}, durante cinco horas. Foram registrados os
#' números de besouros mortos.
#' @format Um \code{data.frame} com 8 observações e 3 variáveis, em que
#'
#' \describe{
#'
#' \item{mortos}{Quantidade observada de besouros mortos.}
#'
#' \item{exp}{Quantidade de besouros expostos a cada dose.}
#'
#' \item{dose}{Dose de disulfeto de carbono gasoso à qual os besouros
#' foram expostos.}
#'
#' }
#' @keywords MLG binário
#' @source PAULA (2004), Eg 3.6.11a pág. 237.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEg3.6.11a)
#' str(PaulaEg3.6.11a)
#'
#' xyplot(mortos/(sum(mortos)) ~ dose,
#' data = PaulaEg3.6.11a,
#' type = "o",
#' xlab = "Dose de disulfeto de carbono gasoso",
#' ylab = "Proporção de besouros mortos")
#'
NULL
#' @name PaulaEg3.6.11b
#' @title Idade do in\enc{í}{i}cio da menstrua\enc{çã}{ca}o em garotas
#' de Vars\enc{ó}{o}via
#' @description Dados de um estudo em que se investigou a idade do
#' início da menstruação em 3918 garotas de Varsóvia. Para 25 médias
#' de idade foram observadas a ocorrência ou não do início de
#' períodos de menstruação nas adolescentes.
#' @format Um \code{data.frame} com 25 observações e 3 variáveis, em que
#'
#' \describe{
#'
#' \item{menst}{Número de garotas menstruando.}
#'
#' \item{entre}{Número de garotas entrevistadas.}
#'
#' \item{idade}{Idade media.}
#'
#' }
#' @keywords MLG
#' @source PAULA (2004), Eg 3.6.11b pág. 241.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEg3.6.11b)
#' str(PaulaEg3.6.11b)
#' PaulaEg3.6.11b$idade <-
#' as.numeric(as.character(PaulaEg3.6.11b$idade))
#'
#' xyplot((menst/entre) ~ idade, data = PaulaEg3.6.11b,
#' type = c("p","a"),
#' xlab = "Idade média",
#' ylab = "Meninas menstruando/Entrevistadas")
#'
NULL
#' @name PaulaEg3.6.9c
#' @title Prefer\enc{ê}{e}ncia de Consumidores
#' @description Dados sobre a preferência de consumidores americanos com
#' relação a automóveis. Uma amostra aleatória de 263 consumidores
#' foi considerada. As seguintes variáveis foram observadas para
#' cada comprador: preferência quanto ao tipo de automóvel, idade,
#' sexo e estado civil.
#' @format Um \code{data.frame} com 263 observações e 4 variáveis, em
#' que
#'
#' \describe{
#'
#' \item{pref}{Preferência do comprador por um tipo de automóvel (1 =
#' americano, 0 = japonês).}
#'
#' \item{idade}{Idade do comprador (em anos).}
#'
#' \item{sexo}{Sexo do comprador (0 = masculino; 1 = feminino).}
#'
#' \item{est}{Estado civil do comprador (0 = casado, 1 = solteiro).}
#'
#' }
#' @keywords MLG binário
#' @source PAULA (2004), Eg 3.6.9c, pág. 231.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEg3.6.9c)
#' str(PaulaEg3.6.9c)
#'
#' bwplot(idade ~ pref, data = PaulaEg3.6.9c,
#' type = "p", pch = "|",
#' xlab = "Preferência - Japonês e Americano",
#' ylab = "Idade do Comprador")
#'
NULL
#' @name PaulaEg4.2.6
#' @title Perfis de Clientes de uma Loja nas \enc{Á}{A}reas de uma
#' Cidade
#' @description Dados apresentados em Neter et al. (1996) sobre um
#' estudo do perfil dos clientes de determinada loja oriundos de 110
#' áreas de uma cidade. O interesse do estudo é relacionar o número
#' esperado de clientes em cada área com as demais cinco variáveis
#' explicativas registradas
#' @format Um \code{data.frame} com 110 observações e 6 variáveis.
#'
#' \describe{
#'
#' \item{\code{nclien}}{Número de clientes da loja na área.}
#'
#' \item{\code{ndomic}}{Número de domicílios na área (em mil).}
#'
#' \item{\code{renda}}{Renda média anual da área (em mil USD).}
#'
#' \item{\code{idade}}{Idade média dos domicílios (em anos).}
#'
#' \item{\code{distac}}{Distância entre a área e o concorrente mais
#' próximo (em milhas).}
#'
#' \item{\code{distal}}{Distância entre a área e a loja (em milhas).}
#'
#' }
#' @keywords contagem
#' @source PAULA (2004), Exemplo 4.2.6, pág. 299.
#' @references Neter, J., Kutner, M. H., Nachtsheim, C. J., Wasserman,
#' W. (1996). Applie Linear Regression Models (3tr ed.). Irwin,
#' Illinois.
#' @examples
#'
#' data(PaulaEg4.2.6)
#' str(PaulaEg4.2.6)
#'
#' library(lattice)
#'
#' splom(PaulaEg4.2.6, type = c("p", "smooth"), lwd = 2)
#'
NULL
#' @name PaulaEg4.3.6
#' @title Aus\enc{ê}{e}ncia Escolar de Estudantes Australianos
#' @description Dados provenientes de um estudo sociológico desenvolvido
#' na Austrália com 146 estudantes de 8ª série e ensino médio. Nesse
#' estudo avaliou-se a ausência escolar (contagem de dias ausentes)
#' com o objetivo de avaliar sua relaçao com etnia, sexo, ano que o
#' aluno está cursando e desempenho escolar.
#' @format Um \code{data.frame} com 146 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{etnia}}{Fator com dois níveis que indica se o aluno é
#' aborígene da própria região (A) ou não aborígene (N).}
#'
#' \item{\code{sexo}}{Fator com dois níveis que indica o sexo do
#' aluno: masculino (M) ou feminino (F).}
#'
#' \item{\code{ano}}{Fator com quatro níveis que indica o ano que o
#' aluno está cursando: 8ª série (F0), 1º ano do ensino médio (F1),
#' 2º ano do ensino médio (F2) ou 3º ano do ensino médio (F3).}
#'
#' \item{\code{desemp}}{Fator com dois níveis que indica o desempenho do
#' aluno: baixo (SL) ou normal (AL).}
#'
#' \item{\code{ndias}}{Número de dias ausentes no ano letivo.}
#'
#' }
#' @keywords contagem
#' @source PAULA (2004), Exemplo 4.3.6, pág. 312.
#' @references Venables, W. N., Ripley, B. D. (1999). Modern Applied
#' Statistics with S-Plus (3rd ed.). Springer, New York.
#' @examples
#'
#' data(PaulaEg4.3.6)
#' str(PaulaEg4.3.6)
#'
#' # Número de observações em cada combinação. Para modelagem não será
#' # possível a estimação de algumas interações
#' ftable(PaulaEg4.3.6[, -5])
#'
#' # Ausência escolar seccionadas pelas variáveis explicativas
#' xtabs(ndias ~ ., data = PaulaEg4.3.6)
#'
#' # Relação média-variância
#' aggregate(ndias ~ ., FUN = function(x) c(mean(x), var(x)),
#' data = PaulaEg4.3.6)
#'
#' library(latticeExtra)
#'
#' fl1 <- c("Aborígene", "Não Aborígene")
#' fl2 <- c("Feminino", "Masculino")
#' useOuterStrips(
#' xyplot(ndias ~ ano | etnia + sexo,
#' groups = desemp,
#' data = PaulaEg4.3.6,
#' type = c("p", "a", "g"),
#' ylab = "Número de dias ausente",
#' auto.key = list(
#' columns = 2, cex.title = 1,
#' title = "Desempenho escolar")),
#' strip = strip.custom(factor.levels = fl1),
#' strip.left = strip.custom(factor.levels = fl2))
#'
NULL
#' @name PaulaEg5.2.8a
#' @title N\enc{ú}{u}mero de \enc{Á}{A}caros em Placas de Esterco de
#' Gado
#' @description Dados de um experimento desenvolvido para estudar a
#' distribuição do número de ácaros em placas de esterco de gado
#' bovino no estado de São Paulo, obtidos por Paula e Tavares, 1992.
#' Essas placas são depósitos de ovos da mosca do chifre
#' (\emph{Haematobia irritans}), uma das pragas mais importantes da
#' pecuária brasileira. Os ácaros são inimigos naturais da mosca do
#' chifre, uma vez que se alimentam de ovos e larvas dessas moscas.
#' @format Um \code{data.frame} com 102 observações e 8 variáveis.
#'
#' \describe{
#'
#' \item{\code{esp2}}{Número de ácaros coletados da espécie 2.}
#'
#' \item{\code{esp3}}{Número de ácaros coletados da espécie 3.}
#'
#' \item{\code{esp6}}{Número de ácaros coletados da espécie 6.}
#'
#' \item{\code{esp14}}{Número de ácaros coletados da espécie 14.}
#'
#' \item{\code{placa}}{Número de partes da placa de esterco onde foram
#' coletados os ácaros. (1 ou 6)}
#'
#' \item{\code{posic}}{Posição na placa de esterco onde foram coletados
#' os ácaros (central ou lateral).}
#'
#' \item{\code{reg}}{Região onde a placa de esterco foi coletada (São
#' Roque, Pindamonhangaba, Nova Odessa ou Ribeirão Preto).}
#'
#' \item{\code{temp}}{Temperatura no local da coleta, medida
#' \eqn{C^{\circ}}.}
#'
#' }
#' @keywords contagem
#' @source PAULA (2004), (Exemplo 5.2.8a, pág. 359)
#' @references Paula, G. A. e Tavares, H. R. (1992). Relatório de
#' Análise Estatística sobre o Projeto: Ácaros Associados ao Esterco
#' Bovino. Subsídios para Controle Biológico da Mosca do Chifre.
#' RAECEA 9206, IME-USP
#' @examples
#'
#' data(PaulaEg5.2.8a)
#' str(PaulaEg5.2.8a)
#'
#' library(lattice)
#'
#' index <- sapply(PaulaEg5.2.8a, is.numeric)
#' splom(PaulaEg5.2.8a[, index],
#' type = c("p", "g"),
#' lwd = 2, col.line = 1)
#'
NULL
#' @name PaulaEg5.2.8c
#' @title Manchas na Folha de Cevada
#' @description Dados apresentados em McCullagh e Nelder (1989),
#' envolvendo a incidência de um tipo de mancha observada na folha
#' da cevada, com 10 variedades em 9 diferentes locações.
#' @format Um \code{data.frame} com 90 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{incid}}{Proporção da área afetada na folha de cevada.}
#'
#' \item{\code{local}}{Local onde foi realizado o experimento (1-9).}
#'
#' \item{\code{varied}}{Variedade de cevada (1-10).}
#'
#' }
#' @keywords unitário
#' @source PAULA (2004), Exemplo 5.2.8a, pág. 367.
#' @references McCullagh, P. e Nelder, J. A. (1989). Generalized Linear
#' Models, 2nd. Edition. Chapman and Hall, London. Tabela 9.2.
#' @examples
#'
#' data(PaulaEg5.2.8c)
#' str(PaulaEg5.2.8c)
#'
#' xtabs(~varied + local, data = PaulaEg5.2.8c)
#'
#' boxplot(incid ~ local, data = PaulaEg5.2.8c,
#' xlab = "Local",
#' ylab = "Área Afetada")
#'
#' boxplot(incid ~ varied, data = PaulaEg5.2.8c,
#' xlab = "Variedade",
#' ylab = "Área Afetada")
#'
NULL
#' @name PaulaEg5.5.1
#' @title Ensaio Cl\enc{í}{i}nico com Indiv\enc{í}{i}duos
#' Epil\enc{é}{e}pticos
#' @description Dados apresentados em Diggle, Liang e Zeger (1994),
#' referentes a um ensaio clínico com 59 indivíduos epilépticos,
#' aleatorizados de modo que cada um recebesse uma droga
#' antiepiléptica (progabide) ou placebo. Os dados de cada
#' indivíduo consistem do número de ataques epilépticos num período
#' de oito semanas antes do tratamento, além do número de ataques em
#' cada período de duas semanas, num total de quatro períodos após o
#' tratamento. O interesse do estudo é verificar possível diminuição
#' na taxa de ataques epilépticos.
#' @format Um \code{data.frame} com 295 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{indiv}}{Identificação do indivíduo.}
#'
#' \item{\code{period}}{Período de observação (1 = antes do tratamento,
#' 2 = primeiro período após o tratamento, 3 = segundo período após
#' o tratamento e 4 = terceiro período após o tratamento).}
#'
#' \item{\code{seman}}{Número de semanas em cada período.}
#'
#' \item{\code{ataq}}{Número de ataques em cada período.}
#'
#' \item{\code{trat}}{Tratamento aplicado a cada indivíduo (placebo ou
#' progabide).}
#'
#' }
#' @keywords contagem longitudinal
#' @source PAULA (2004), Exemplo 5.5.1, pág. 379.
#' @references Diggle, P. J.; Liang, K. Y. e Zeger, S. L. (1994).
#' Analysis of Longitudinal Data. Oxford University Press. Seção
#' 8.4.
#' @examples
#'
#' data(PaulaEg5.5.1)
#' str(PaulaEg5.5.1)
#'
#' ftable(xtabs(~period + seman + trat, data = PaulaEg5.5.1))
#'
#' library(lattice)
#'
#' xyplot(ataq ~ period | trat, groups = indiv, data = PaulaEg5.5.1,
#' type = c("p", "a"),
#' xlab = "Período",
#' ylab = "Número de ataques epilépticos")
#'
NULL
#' @name PaulaEg5.5.2
#' @title Estudo sobre Condi\enc{çã}{ca}o Respirat\enc{ó}{o}ria
#' @description Estudo discutido em Myers, Montgomery e Vining (2002)
#' que envolve a comparação de dois tratamentos aplicados em
#' pacientes com problemas respiratórios. Nesse estudo foi
#' considerado um total de 56 pacientes, sendo que 27 receberam o
#' tratamento com uma droga ativa e 29 receberam placebo. Cada
#' paciente foi observado em quatro ocasiões em que foi medida a
#' condição respiratória. Foram também registrados o sexo e a idade
#' de cada paciente além da pré-existência de um nível base.
#' @format Um \code{data.frame} com 224 observações e 6 variáveis.
#'
#' \describe{
#'
#' \item{\code{paci}}{Identificação do paciente.}
#'
#' \item{\code{trat}}{Tratamento aplicado ao paciente (droga ativa ou
#' placebo).}
#'
#' \item{\code{sexo}}{Sexo do paciente.}
#'
#' \item{\code{idade}}{Idade (em anos).}
#'
#' \item{\code{nivel}}{Pré-existência de um nível base (ausência ou
#' presença).}
#'
#' \item{\code{cond}}{Condição respiratória do paciente (boa ou ruim).}
#'
#' }
#' @keywords binário longitudinal
#' @source PAULA (2004), Exemplo 5.5.2, pág. 385.
#' @references Myers, R.H.; Montgomery, D. C.; Vining, G. G. (2002).
#' Generalized Linear Models: With Applications in Engineering and
#' the Sciences. John Wiley, New York. Seção 6.5.
#' @examples
#'
#' data(PaulaEg5.5.2)
#' str(PaulaEg5.5.2)
#'
#' library(latticeExtra)
#'
#' tb <- with(PaulaEg5.5.2, table(nivel, trat, sexo, cond))
#' ftable(tb)
#' ftable(prop.table(tb))
#'
#' useOuterStrips(
#' barchart(prop.table(tb), stack = FALSE,
#' xlab = "",
#' scales = list(x = list(relation = "free")),
#' between = list(x = 0.5),
#' auto.key = list(
#' title = "Condição Respiratória",
#' columns = 2, cex.title = 1)
#' )
#' )
#'
NULL
#' @name PaulaEg5.5.3
#' @title Ensaio cl\enc{í}{i}nico da pr\enc{é}{e}-exist\enc{ê}{e}ncia de
#' placa dent\enc{á}{a}ria
#' @description Dados de um ensaio clínico realizado com 109 indivíduos,
#' distribuídos de forma aleatória para receberem um líquido tipo A
#' (34 indivíduos), um líquido tipo B (36 indivíduos) ou um líquido
#' controle (39 indivíduos). Placas dentárias foram avaliadas e
#' classificadas segundo um escore no início do tratamento, após 3 e
#' 6 meses.
#' @format Um \code{data.frame} com 323 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{volunt}}{Identificação do paciente voluntário.}
#'
#' \item{\code{period}}{Momento de avaliação: (1 = início do tratamento,
#' 2 = após 3 meses e 3 = após 6 meses.}
#'
#' \item{\code{trat}}{Tipo de tratamento (1 = placebo, 2 = líquido A e 3
#' = líquido B.}
#'
#' \item{\code{escore}}{Escore atribuído às placas dentárias.}
#'
#' }
#' @keywords longitudinal
#' @source PAULA (2004), Exemplo 5.5.3, pág. 390.
#' @references Hadgu, A. e Koch, G. (1999). Application of generalized
#' estimating equations to a dental randomized clinical
#' trial. Journal of Biopharmaceutical Statistics 9, 161-178.
#' @examples
#'
#' data(PaulaEg5.5.3)
#' str(PaulaEg5.5.3)
#'
#' xtabs(~trat + period, data = PaulaEg5.5.3)
#'
#' library(lattice)
#'
#' xyplot(escore ~ period | trat, groups = volunt,
#' xlab = "Período", ylab = "Escore", type = c("p", "a"),
#' data = PaulaEg5.5.3)
#'
NULL
#' @name PaulaEx1.13.19
#' @title Estudo Demogr\enc{á}{a}fico dos Estados Norte-Americanos
#' @description Dados referentes a um estudo demográfico sobre os 50
#' estados norte-americanos. Neste estudo foram registradas 8
#' variáveis que contém informações sobre características da
#' população e do estado. Dentre elas temos a variável expectativa
#' de vida, havendo interesse em explicá-la utilizando as demais
#' informações.
#' @format Um \code{data.frame} com 50 observações e 9 variáveis.
#'
#' \describe{
#'
#' \item{\code{estado}}{Nome do estado.}
#'
#' \item{\code{pop}}{População estimada em julho de 1975.}
#'
#' \item{\code{renda}}{Renda per capita em 1974 (em dólares).}
#'
#' \item{\code{analf}}{Proporção de analfabetos em 1970.}
#'
#' \item{\code{crime}}{Taxa de criminalidade por cem mil habitantes em
#' 1976.}
#'
#' \item{\code{estud}}{Porcentagem de estudantes que concluem o segundo
#' grau em 1970.}
#'
#' \item{\code{ndias}}{Número de dias do ano com temperatura abaixo de
#' 0\eqn{^\circ C} na cidade mais importante do estado.}
#'
#' \item{\code{area}}{Área do estado (em milhas quadradas).}
#'
#' \item{\code{expvi}}{Expectativa de vida nos anos de 1969-1970.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercício 1.13.19, pág. 109.
#' @examples
#'
#' data(PaulaEx1.13.19)
#' str(PaulaEx1.13.19)
#'
#' library(car)
#'
#' PaulaEx1.13.19$dens <- PaulaEx1.13.19$pop/PaulaEx1.13.19$area
#' scatterplotMatrix(~expvi + analf + crime + estud + ndias + dens,
#' data = PaulaEx1.13.19)
#'
#'
NULL
#' @name PaulaEx1.13.20
#' @title Vendas de Telhados de Madeira
#' @description Dados referentes a vendas de um tipo de telhado de
#' madeira em 26 filiais de uma rede de lojas de construção. Um dos
#' objetivos do estudo é tentar prever o número esperado de telhados
#' vendidos dadas as demais variáveis registradas.
#' @format Um \code{data.frame} com 26 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{gasto}}{Gasto com publicidade do produto (em mil
#' dólares).}
#'
#' \item{\code{ncli}}{Número de clientes cadastrados (em milhares).}
#'
#' \item{\code{nmar}}{Número de marcas concorrentes do produto}
#'
#' \item{\code{poten}}{Potencial da loja, informação advinda da rede de
#' lojas de construção (quanto maior o valor maior o potencial de
#' venda da filial).}
#'
#' \item{\code{telha}}{Total de telhados vendidos (em mil metros
#' quadrados).}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercício 1.13.20, pág. 110.
#' @examples
#'
#' data(PaulaEx1.13.20)
#' str(PaulaEx1.13.20)
#'
#' library(lattice)
#'
#' splom(PaulaEx1.13.20,
#' type = c("p", "g", "smooth"),
#' col.line = 1)
#'
NULL
#' @name PaulaEx1.13.21
#' @title N\enc{ú}{u}mero de Octanas na Produ\enc{çã}{ca}o de Gasolina
#' @description Dados referentes à produção de gasolina numa determinada
#' refinaria segundo três variáveis observadas durante o processo e
#' uma quarta variável que é uma combinação das três primeiras. A
#' variável de interesse é o número de octanas da gasolina
#' produzida.
#' @format Um \code{data.frame} com 82 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{x1}}{Variável não nomeada. Imagina-se que se tenha
#' relação com o número de octanas da gasolina.}
#'
#' \item{\code{x2}}{Variável não nomeada. Imagina-se que se tenha
#' relação com o número de octanas da gasolina.}
#'
#' \item{\code{x3}}{Variável não nomeada. Imagina-se que se tenha
#' relação com o número de octanas da gasolina.}
#'
#' \item{\code{x4}}{Valores de uma combinação (não informada) das
#' variável \code{x1}, \code{x2} e \code{x3}.}
#'
#' \item{\code{nocta}}{Número de octanas da gasolina produzida.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercício 1.13.21, pág. 110.
#' @examples
#'
#' data(PaulaEx1.13.21)
#' str(PaulaEx1.13.21)
#'
#' library(lattice)
#'
#' splom(PaulaEx1.13.21,
#' type = c("p", "g", "smooth"),
#' col.line = 1)
#'
NULL
#' @name PaulaEx1.13.22
#' @title Vendas de Im\enc{ó}{o}veis
#' @description Dados relativos a uma amostra de 27 imóveis vendidos. Os
#' resgistros visam identificar as características que influenciam
#' no preço de venda de um imóvel.
#' @format Um \code{data.frame} com 27 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{impos}}{Valor cobrado de imposto, em 100 dólares.}
#'
#' \item{\code{areat}}{Área do terreno, em 1000 pés quadrados.}
#'
#' \item{\code{areac}}{Área construída, em 1000 pés quadrados.}
#'
#' \item{\code{idade}}{Idade da residência, em anos.}
#'
#' \item{\code{preco}}{Preço de venda do imóvel, em 1000 dólares.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercício 1.13.22, pág. 111.
#' @examples
#'
#' data(PaulaEx1.13.22)
#' str(PaulaEx1.13.22)
#'
#' library(lattice)
#'
#' splom(PaulaEx1.13.22,
#' type = c("p", "g", "smooth"),
#' col.line = 1)
#'
NULL
#' @name PaulaEx1.13.23
#' @title Di\enc{â}{a}metro de Cerejeiras da Pensilv\enc{â}{a}nia
#' @description Dados referentes ao registro das variáveis diâmetro,
#' altura e volume de 31 árvores cerejeiras numa floresta no estado
#' da Pensilvânia. O objetivo do estudo é predizer o volume da
#' árvore a partir de sua altura e diâmetro.
#' @format Um \code{data.frame} com 31 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{diam}}{Diâmetro da cerejeira, em polegadas. Provavelmente
#' o diâmetro foi calculado à altura do peito (\eqn{\approx}
#' 1.30m).}
#'
#' \item{\code{alt}}{Altura da cerejeira, em pés.}
#'
#' \item{\code{vol}}{Volume da cerejeira, em pés cúbicos.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercício 1.13.23, pág. 111.
#' @examples
#'
#' data(PaulaEx1.13.23)
#' str(PaulaEx1.13.23)
#'
#' library(lattice)
#'
#' splom(PaulaEx1.13.23,
#' type = c("p", "g", "smooth"),
#' lwd = 2, col.line = 1)
#'
NULL
#' @name PaulaEx1.13.24
#' @title Porcentagens de Retorno de A\enc{çõ}{co}es
#' @description Dados referentes aos retornos diários das ações das
#' empresas Microsoft, General Eletric (GE) e Ford no período de
#' janeiro de 2002 a abril de 2003. No registro dessas ações também
#' se dispõe da taxa de retorno livre de risco e do retorno do
#' mercado, para padronizar as comparações.
#' @format Um \code{data.frame} com 311 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{tbill}}{Taxa de retorno livre de risco.}
#'
#' \item{\code{sp500}}{Porcentagem de retorno do mercado.}
#'
#' \item{\code{micro}}{Porcentagem de retorno das ações da empresa
#' Microsoft.}
#'
#' \item{\code{ge}}{Porcentagem de retorno das ações da empresa General
#' Eletric (GE).}
#'
#' \item{\code{ford}}{Porcentagem de retorno das ações da empresa Ford.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercicío 1.13.24, pág. 112.
#' @examples
#'
#' data(PaulaEx1.13.24)
#' str(PaulaEx1.13.24)
#'
#' library(reshape)
#'
#' da <- melt(PaulaEx1.13.24, measure.vars = c("micro", "ge", "ford"),
#' variable_name = "empresa")
#'
#' library(lattice)
#'
#' densityplot(~value, groups = empresa, data = da,
#' auto.key = list(corner = c(0.9, 0.9)))
#'
#' xyplot((sp500 - tbill) ~ (value - tbill) | empresa,
#' data = da, type = c("p", "smooth", "g"))
#'
NULL
#' @name PaulaEx1.13.25
#' @title Venda de Im\enc{ó}{o}veis em Eugene, Estatdos Unidos
#' @description Dados de um estudo cujo objetivo foi tentar prever o
#' preço de venda de um imóvel dada sua área total. Foram 50 imóveis
#' da região de Eugene, Estados Unidos com valores de área e preço
#' de venda registrados.
#' @format Um \code{data.frame} com 50 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{area}}{Área total do imóvel, em pés quadrados.}
#'
#' \item{\code{preco}}{Preço de venda do imóvel, em mil dólares.}
#'
#' }
#' @keywords TODO
#' @source PAULA (2004), Exercício 1.13.25, pág. 112.
#' @examples
#'
#' data(PaulaEx1.13.25)
#' str(PaulaEx1.13.25)
#'
#' library(lattice)
#'
#' xyplot(preco ~ area, data = PaulaEx1.13.25,
#' type = c("p", "smooth", "g"))
#'
NULL
#' @name PaulaEx2.10.15
#' @title Consumo de Energia em Domic\enc{í}{i}lios
#' @description Dados referentes ao consumo de energia em 53 domicílios
#' e demanda de energia no horário de pico.
#' @format Um \code{data.frame} com 53 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{consu}}{Consumo de energia num determinado mês, em
#' quilowatts-hora.}
#'
#' \item{\code{deman}}{Demanda de energia no horário de pico (unidade de
#' medida não informada).}
#'
#' }
#' @keywords RS heterovar
#' @source PAULA (2004), Exercício 2.10.15, pág. 178.
#' @references Montgomery, D. C., Peck, E. A., Vining,
#' G. G. (2001). Introduction to Linear Regression Analysis (3rd
#' Ed.). John Wiley, New York.
#' @examples
#'
#' data(PaulaEx2.10.15)
#' str(PaulaEx2.10.15)
#'
#' library(lattice)
#'
#' xyplot(deman ~ consu, data = PaulaEx2.10.15,
#' pch = 19, lwd = 2, type = c("p", "g", "smooth"))
#'
NULL
#' @name PaulaEx2.10.16
#' @title Rela\enc{çã}{ca}o entre Publicidade e Faturamento em
#' Restaurantes
#' @description Dados referentes a faturamentos anuais e gastos com
#' publicidade de uma amostra de 30 restaurantes. O objetivo
#' principal é relacionar o faturamento médio com os gastos com
#' publicidade.
#' @format Um \code{data.frame} com 30 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{fatura}}{Faturamento anual do restaurante, em mil
#' dólares.}
#'
#' \item{\code{gastos}}{Gastos do restaurante com publicidade, em mil
#' dólares.}
#'
#' }
#' @keywords RS
#' @source PAULA (2004), Exercício 2.10.16, pág. 179.
#' @references Montgomery, D. C., Peck, E. A., Vining,
#' G. G. (2001). Introduction to Linear Regression Analysis (3rd
#' Ed.). John Wiley, New York.
#' @examples
#'
#' data(PaulaEx2.10.16)
#' str(PaulaEx2.10.16)
#'
#' library(lattice)
#'
#' xyplot(fatura ~ gastos,
#' data = PaulaEx2.10.16,
#' type = c("p", "g", "smooth"))
#'
NULL
#' @name PaulaEx2.10.17
#' @title Qualidade de Filme em M\enc{á}{a}quinas Fotogr\enc{á}{a}ficas
#' @description Dados provenientes de um experimento cujo objetivo foi
#' avaliar a qualidade de determinado filme utilizado em máquinas
#' fotográficas sob três condições experimentais (relacionadas à
#' temperatura do filme). Para tal avaliação considerou-se a
#' variável tempo de duração do filme como a resposta e a densidade
#' máxima do filme como variável de controle.
#' @format Um \code{data.frame} com 21 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{temp}}{Fator com três níveis que indicam a condição
#' experimental do filme (temperaturas 72\eqn{^\circ}C,
#' 82\eqn{^\circ}C e 92\eqn{^\circ}C).}
#'
#' \item{\code{dmax}}{Valor da densidade máxima do filme (unidade de
#' medida não informada).}
#'
#' \item{\code{tempo}}{Tempo de duração do filme, mensurado em horas.}
#'
#' }
#' @keywords RS dummy
#' @source PAULA (2004), Exercício 2.10.17, pág. 179.
#' @references Myers, R. H., Montgomery, D. C., Vining,
#' G. G. (2002). Generalized Linear Models: With Applications in
#' Engineering and the Sciences. John Wiley, New York.
#' @examples
#'
#' data(PaulaEx2.10.17)
#' str(PaulaEx2.10.17)
#'
#' library(lattice)
#'
#' xyplot(tempo ~ dmax | temp, type = c("p", "r"),
#' data = PaulaEx2.10.17)
#'
#' xyplot(tempo ~ dmax,
#' groups = temp,
#' data = PaulaEx2.10.17,
#' type = c("p", "g"),
#' auto.key = list(
#' corner = c(0.95, 0.95),
#' lines = TRUE,
#' cex.title = 1,
#' title = "Temperatura"),
#' panel = function(x, y, ...){
#' panel.xyplot(x, y, ...)
#' panel.loess(x, y, col = 1, ...)
#' })
#'
NULL
#' @name PaulaEx2.10.19
#' @title Estudo Sobre Leucemia e Caracter\enc{í}{i}stica
#' Morfol\enc{ó}{o}gica nas C\enc{é}{e}lulas Brancas
#' @description Dados provenientes de um estudo em que pacientes com
#' leucemia foram classificados segundo a ausência ou presença de
#' uma característica morfológica nas células brancas. O objetivo do
#' estudo foi avaliar essa característica morfológica a partir do
#' tempo de sobrevivência dos pacientes.
#' @format Um \code{data.frame} com 32 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{ncel}}{Número de células brancas na amostra do paciente.}
#'
#' \item{\code{carac}}{Fator com dois níveis que representa a presença
#' (\code{AG positivo}) ou ausência (\code{AG negativo}) da
#' característica morfológica.}
#'
#' \item{\code{tempo}}{Tempo de sobrevivência do paciente, em semanas.}
#'
#' }
#' @keywords RS dummy heterovar
#' @source PAULA (2004), Exemplo 2.10.19, pág. 180.
#' @references Feigl, P., Zelen, M. (1965). Estimation of exponential
#' survival probabilities with concomitant information. Biometrics
#' 21, 826-838.
#' @examples
#'
#' data(PaulaEx2.10.19)
#' str(PaulaEx2.10.19)
#'
#' library(latticeExtra)
#'
#' xyplot(tempo ~ ncel,
#' groups = carac,
#' data = PaulaEx2.10.19,
#' type = c("p", "g", "spline"),
#' scales = list(x = list(log = 10)),
#' xscale.components = xscale.components.logpower,
#' auto.key = list(
#' corner = c(0.95, 0.95),
#' lines = TRUE,
#' cex.title = 1,
#' title = "Característica morfológica"))
#'
NULL
#' @name PaulaEx2.10.20
#' @title Estudo de Ap\enc{ó}{o}lices de Seguros de Ve\enc{í}{i}culos
#' @description Dados de uma amostra aleatória de 996 apólices de
#' seguros de veículos referentes ao período de 2004-2005, extraída
#' de Jong e Heller (2008). Foram 9 variáveis observadas na amostra
#' dentre as quais o número de sinistros e o custo total dos
#' sinistros que são, naturalmente, as variáveis de interesse. O
#' objetivo do estudo é relacionar o custo médio de um sinistro
#' (razão entre o custo total e o número de sinistros) com as demais
#' variáveis do estudo (variáveis da apólice, que compreendem
#' informações do veículo e do principal condutor).
#' @format Um \code{data.frame} com 996 observações e 9 variáveis.
#'
#' \describe{
#'
#' \item{\code{valorv}}{Valor do veículo, em dez mil dólares
#' australianos.}
#'
#' \item{\code{expos}}{Exposição do veículo (unidade de medida não
#' informada).}
#'
#' \item{\code{tipov}}{Tipo de veículo (fator com onze níveis).}
#'
#' \item{\code{idadev}}{Idade do veículo (fator com quatro níveis).}
#'
#' \item{\code{sexoc}}{Sexo do principal condutor, fator com dois níveis
#' \code{M} masculino e \code{F} feminino.}
#'
#' \item{\code{areac}}{Área de residência do principal condutor (fator
#' com seis níveis).}
#'
#' \item{\code{idadec}}{Idade do principal condutor (fator com seis
#' níveis).}
#'
#' \item{\code{nsinis}}{Número de sinistros no período.}
#'
#' \item{\code{csinis}}{Custo total dos sinistros, em dólares
#' australianos.}
#'
#' }
#' @keywords RM contagem
#' @source PAULA (2004), Exercício 2.10.20, pág. 181; exercício 5.6.3,
#' pág. 396.
#' @references De Jong, P., Heller, G. Z. (2008). Generalized linear
#' models for insurance data (Vol. 136). Cambridge: Cambridge
#' University Press.
#' @examples
#'
#' data(PaulaEx2.10.20)
#' str(PaulaEx2.10.20)
#'
#' # Variável de interesse - custo médio de um sinistro
#' PaulaEx2.10.20$cmsinis <- with(PaulaEx2.10.20, csinis/nsinis)
#' PaulaEx2.10.20 <- PaulaEx2.10.20[, -c(8:9)]
#'
#' # Separando as covariáveis numéricas
#' index <- sapply(PaulaEx2.10.20, is.numeric)
#'
#' # Frequências dos níveis das variáveis categóricas
#' par(mfrow = c(2, 3), las = 2, mar = c(4, 3, 3, 1))
#' sapply(PaulaEx2.10.20[, !index], function(x) plot(table(x)))
#'
#' # Dispersão das variáveis numéricas
#' library(lattice)
#'
#' splom(PaulaEx2.10.20[, index],
#' type = c("p", "g", "smooth"),
#' lwd = 2, col.line = 1)
#'
NULL
#' @name PaulaEx2.10.7
#' @title Resist\enc{ê}{e}ncia de Vidros sob Efeito de Voltagem e
#' Temperatura
#' @description Resultados de um experimento em que a resistência de um
#' determinado tipo de vidro foi avaliada segundo quatro níveis de
#' voltagem e duas temperaturas. Foram 32 avaliações referentes a 4
#' repetições de cada tratamento (combinação dos níveis de voltagem
#' e temperatura.)
#' @format Um \code{data.frame} com 32 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{tempo}}{Tempo de resistência do vidro, mensurado em
#' horas.}
#'
#' \item{\code{volt}}{Fator com quatro níveis de voltagem considerados,
#' valores em quilovolts (kV).}
#'
#' \item{\code{temp}}{Fator com dois níveis de temperatura considerados,
#' valores em graus Celsius.}
#'
#' }
#' @keywords FAT2
#' @source PAULA (2004), Exercício 2.10.7, pág. 175.
#' @references Lawless, J. F. (1982). Statistical Models and Methods for
#' Lifetime Data. John Wiley, New York.
#' @examples
#'
#' data(PaulaEx2.10.7)
#' str(PaulaEx2.10.7)
#'
#' xtabs(~volt + temp, data = PaulaEx2.10.7)
#'
#' library(lattice)
#'
#' xyplot(tempo ~ volt,
#' groups = temp,
#' data = PaulaEx2.10.7,
#' type = c("p", "g", "a"),
#' auto.key = list(
#' corner = c(0.9, 0.9),
#' lines = TRUE,
#' cex.title = 1,
#' title = "Temperatura"
#' ))
#'
#' resumo <- aggregate(tempo ~ temp + volt,
#' data = PaulaEx2.10.7,
#' FUN = function(x) {
#' c("Média" = mean(x),
#' "D.Padrão" = sd(x),
#' "C.Variação" = sd(x)/mean(x),
#' "n" = length(x))
#' })
#' ftable(xtabs(tempo ~ temp + volt, data = resumo))
#'
#' trat <- with(resumo, paste(temp, volt, sep = "-"))
#' xyplot(tempo[, "C.Variação"] ~ factor(trat),
#' data = resumo,
#' ylab = "Coeficiente de Variação",
#' grid = TRUE,
#' scales = list(x = list(rot = 45)),
#' panel = function(x, y, ...) {
#' panel.xyplot(x, y, ...)
#' panel.abline(h = mean(y))
#' })
#'
NULL
#' @name PaulaEx3.7.14
#' @title Confiabilidade de Equipamentos
#' @description Dados referentes aos tempos de falhas de equipamentos.
#' @format Um \code{data.frame} com 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{temp}}{Tempo de operação (1 a 5).}
#'
#' \item{\code{equip}}{Tipo de equipamento (A, B ou C).}
#'
#' \item{\code{nit}}{Número de equipamentos que não falharam até o tempo
#' t, t = 1,2,3,4,5.}
#'
#' \item{\code{yit}}{Número de falhas no intervalo entre os tempos t-1 e
#' t.}
#'
#' }
#' @keywords sobrevivência
#' @source PAULA (2004), Exercício 3.7.14, página 272.
#' @references Lawless, J. F. (1982). Statistical Models and Methods for
#' Lifetime Data. John Wiley & Sons, New York. (Página 389)
#' @references Efron, B. (1988). Logistic regression, survival analysis,
#' and the Kaplan-Meier curve. J. Amer. Stat. Assoc., 83. (Páginas
#' 414-425)
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx3.7.14)
#' str(PaulaEx3.7.14)
#'
#' PaulaEx3.7.14$temp <- as.factor(PaulaEx3.7.14$temp)
#'
#' xyplot(nit ~ temp,
#' groups = equip,
#' data = PaulaEx3.7.14,
#' type = "o",
#' auto.key = TRUE,
#' xlab = "Tempos",
#' ylab = "Número de equipamentos operantes")
#'
NULL
#' @name PaulaEx3.7.15
#' @title Tumor Benigno na Mama
#' @description Estudo de caso-controle com emparelhamentos do tipo 1:1,
#' em que os casos foram mulheres com diagnóstico confirmado de
#' tumor benigno na mama. Os controles foram mulheres sadias
#' diagnosticadas no mesmo hospital e período dos casos.
#' @format Um \code{data.frame} com 100 observações e 14 variáveis.
#'
#' \describe{
#'
#' \item{\code{est}}{Identificação do estrato (par).}
#'
#' \item{\code{obs}}{Observação (1 = caso, 2 = controle).}
#'
#' \item{\code{idade}}{Idade do paciente no momento da entrevista (em
#' anos).}
#'
#' \item{\code{diag}}{Diagnóstico (1:caso, 0:controle).}
#'
#' \item{\code{tesc}}{Tempo de escolaridade (em anos).}
#'
#' \item{\code{gesc}}{Grau de escolaridade (0 = nenhum, 1 = segundo
#' grau, 2 = técnico, 3 = universitário, 4 = mestrado, 5 =
#' doutorado).}
#'
#' \item{\code{cur}}{Checkup Regular (1 = sim, 2 = não).}
#'
#' \item{\code{ipg}}{Idade da primeira gravidez.}
#'
#' \item{\code{iim}}{Idade do início da menstruação.}
#'
#' \item{\code{numab}}{Número de abortos}
#'
#' \item{\code{numfi}}{Número de filhos.}
#'
#' \item{\code{peso}}{Peso (em libras).}
#'
#' \item{\code{iupmen}}{Idade do último período menstrual.}
#'
#' \item{\code{ec}}{Estado civil (1 = casada, 2 = divorciada, 3 =
#' separada, 4 = viúva, 5 = solteira).}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercício 3.7.14, pág. 273.
#' @references Hosmer, D. W. e Lemeshow, S. (1989). Applied Logistic
#' Regression. John Wiley, New York. (Capítulo.7)
#' @examples
#'
#' data(PaulaEx3.7.15)
#' str(PaulaEx3.7.15)
#'
#' # Transformar variáveis
#' PaulaEx3.7.15 <- transform(
#' PaulaEx3.7.15,
#' PaulaEx3.7.15$est <- as.factor(PaulaEx3.7.15$est),
#' PaulaEx3.7.15$diag <- as.factor(PaulaEx3.7.15$diag),
#' PaulaEx3.7.15$cur <- as.factor(PaulaEx3.7.15$cur),
#' PaulaEx3.7.15$ec <- as.factor(PaulaEx3.7.15$ec))
#'
#' # Libra para Kg
#' PaulaEx3.7.15$peso <- PaulaEx3.7.15$peso*0.453592
#'
#' pairs(~ idade + diag + tesc + gesc + cur + ipg + idmens
#' + numab + numfi + peso + idupmens + ec,
#' data = PaulaEx3.7.15)
#'
NULL
#' @name PaulaEx3.7.16
#' @title Experimento de Toxicidade
#' @description Estudo que descreve os resultados de um experimento em
#' que a toxicidade de três concentrações (rotenine, deguelin e
#' mistura, essa última como uma mistura das duas pri- meiras) é
#' investigada. As concentrações foram testadas em insetos e
#' observado, para cada dose, o número de insetos mortos.
#' @format Um \code{data.frame} com 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{conc}}{Concentração (R = rotenine, D = deguelin e M =
#' mistura).}
#'
#' \item{\code{dose}}{Dose aplicada da concentração.}
#'
#' \item{\code{exp}}{Número de insetos expostos.}
#'
#' \item{\code{mort}}{Número de insetos mortos.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Exercício 3.7.14, pág. 274 e 275.
#' @references Morgan, B. J. T. (1992). Analysis of Quantal Response
#' Data. Chapman and Hall, London. (Página 90)
#' @examples
#'
#' data(PaulaEx3.7.16)
#' str(PaulaEx3.7.16)
#'
#' library(lattice)
#'
#' xyplot(mort/exp ~ dose,
#' groups = conc,
#' data = PaulaEx3.7.16,
#' type = "o",
#' auto.key = TRUE,
#' ylab = "Proporção de insetos mortos",
#' xlab = "Dose")
#'
NULL
#' @name PaulaEx3.7.19
#' @title Gestantes Fumantes
#' @description Estudo com gestantes fumantes, no qual as participantes
#' foram classificadas segundo os fatores de idade, número de
#' cigarros consumidos, tempo de gestação, e a condição
#' (sobrevivência) da criança.
#' @format Um \code{data.frame} com 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{idade}}{Idade (<30 anos ou +30).}
#'
#' \item{\code{ncigar}}{Número de cigarros consumidos por dia
#' (< 5 ou +5).}
#'
#' \item{\code{tgest}}{Tempo de gestação (<= 260 dias ou >260).}
#'
#' \item{\code{sobres}}{Número de crianças que sobreviveram.}
#'
#' \item{\code{sobren}}{Número de crianças que não sobreviveram.}
#'
#' }
#' @keywords contingência
#' @source PAULA (2004), Exercício 3.7.19, página 276.
#' @references Agresti A. (1990). Categorical Data Analysis. John Wiley,
#' New York. (página 253))
#' @examples
#'
#' data(PaulaEx3.7.19)
#' str(PaulaEx3.7.19)
#'
#' library(vcd)
#'
#' # Paciente que sobreviveram
#' ss <- xtabs(sobres ~ idade + ncigar + tgest, PaulaEx3.7.19)
#'
#' # Paciente que não sobreviveram
#' ns <- xtabs(sobren ~ idade + ncigar + tgest, PaulaEx3.7.19)
#'
#' mosaic(ss,
#' main = "Crianças que sobreviveram",
#' labeling_args = list(
#' set_varnames = c(ncigar = "Número de cigarros",
#' tgest = "Tempo de gestação")))
#'
#' mosaic(ns,
#' main = "Crianças que não sobreviveram",
#' labeling_args = list(
#' set_varnames = c(ncigar = "Número de cigarros",
#' tgest = "Tempo de gestação")))
#'
NULL
#' @name PaulaEx3.7.20
#' @title Pacientes com Leucemia
#' @description Estudo com 51 pacientes adultos, previamente
#' diagnosticados com um tipo agudo de leucemia, que receberam um
#' tipo de tratamento sendo verificada, após certo período, a
#' eficiência ou não do tratamento.
#' @format Um \code{data.frame} com 51 pacientes e 9 variáveis.
#'
#' \describe{
#'
#' \item{\code{idade}}{Idade do paciente (em anos).}
#'
#' \item{\code{mdd}}{Mancha diferencial da doença (em porcentagem).}
#'
#' \item{\code{if}}{Infiltração na medula (em porcentagem).}
#'
#' \item{\code{cl}}{Células com leucemia (em porcentagem).}
#'
#' \item{\code{md}}{Malignidade da doença (*10^3).}
#'
#' \item{\code{tmax}}{Temperatura máxima antes do tratamento (*10 F°).}
#'
#' \item{\code{trat}}{Tratamento (1 = satisfatório, 0 = não
#' satisfatório).}
#'
#' \item{\code{tsobre}}{Tempo de sobrevivência (em meses).}
#'
#' \item{\code{sit}}{Situação (1 = sobrevivente, 0 = não sobrevivente).}
#'
#' }
#' @keywords sobrevivência binário
#' @source PAULA (2004), Exercício 3.7.19, página 276.
#' @references Everitt, B. S. (1994). A Handbook of Statistical
#' Analysis using S-Plus. Chapman and Hall, London. (Página 253)
#' @examples
#'
#' data(PaulaEx3.7.20)
#' str(PaulaEx3.7.20)
#'
#' # Transformar variáveis.
#' PaulaEx3.7.20 <- transform(PaulaEx3.7.20,
#' trat = as.factor(PaulaEx3.7.20$trat),
#' sit = as.factor(PaulaEx3.7.20$sit))
#'
#' library(car)
#'
#' scatterplotMatrix(~idade + mdd + im + cl + md + tmax + trat +
#' tsobre + sit,
#' spread = FALSE,
#' pch = 20,
#' lwd = 2,
#' smooth = TRUE,
#' data = PaulaEx3.7.20,
#' cex = 1.5)
#'
NULL
#' @name PaulaEx3.7.21
#' @title Fatores Ambientais na Abund\enc{â}{a}ncia de Duas
#' Esp\enc{é}{e}cies de Lagarto
#' @description Dados referentes à distribuição de duas espécies de
#' lagarto (\emph{grahani} e \emph{opalinus}) segundo quatro
#' fatores: periodo do dia, comprimento da madeira, largura da
#' madeira, local de ocupação.
#' @format Um \code{data.frame} com 23 observações e 6 variáveis.
#'
#' \describe{
#'
#' \item{\code{grahani}}{Quantidade de lagartos da espécie
#' \emph{grahani}.}
#'
#' \item{\code{opalinus}}{Quantidade de lagartos da espécie
#' \emph{opalinus}.}
#'
#' \item{\code{periodo}}{Fator com 3 níveis referentes ao período do dia
#' (manhã, meio-dia, tarde). }
#'
#' \item{\code{comp}}{Fator com 2 níveis referentes ao comprimento da
#' madeira (curta, comprida).}
#'
#' \item{\code{larg}}{Fator com 2 níveis referentes a largura da madeira
#' (estreita, larga). }
#'
#' \item{\code{local}}{Fator com 2 níveis referentes ao local de
#' ocupação (claro, escuro). }
#'
#' }
#' @keywords RM contagem
#' @source PAULA (2004), Exercício 21, pág. 277.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx3.7.21)
#' str(PaulaEx3.7.21)
#'
#' xyplot(grahani + opalinus ~ periodo, data = PaulaEx3.7.21,
#' type = c("p", "a"),
#' ylab = "Número de animais encontrados",
#' xlab = "Período")
#'
#' xyplot(grahani + opalinus ~ comp, data = PaulaEx3.7.21,
#' type = c("p", "a"),
#' ylab = "Número de animais encontrados",
#' xlab = "Comprimento da madeira")
#'
#' xyplot(grahani + opalinus ~ local, data = PaulaEx3.7.21,
#' type = c("p", "a"),
#' ylab = "Número de animais encontrados",
#' xlab = "Local")
#'
NULL
#' @name PaulaEx3.7.22
#' @title Avalia\enc{çã}{ca}o de Caduquice
#' @description Os dados provém de um experimento com 54 indivíduos
#' considerados idosos. Eles foram submetidos a um exame
#' psiquiátrico para avaliar a ocorrência ou não de sintoma de
#' caduquice.
#'
#' Acredita-se que o escore obtido em um exame feito previamente
#' esteja associado com a ocorrência ou não do sintoma.
#' @format Um \code{data.frame} com 55 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{score}}{Escore do indivíduo no exame psicológico.}
#'
#' \item{\code{resp}}{Resposta binária que representando a ocorrência
#' (1) ou não ocorrência (0) do sintoma.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Exercício 3.7.22, pág. 278.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx3.7.22)
#' str(PaulaEx3.7.22)
#'
#' xyplot(resp ~ score, data = PaulaEx3.7.22,
#' xlab = "Score do teste psicológico",
#' ylab = "Sintoma de caduquice",
#' jitter.y = TRUE, amount = 0.02)
#'
NULL
#' @name PaulaEx3.7.23
#' @title Incid\enc{ê}{e}ncia de Dengue e Fatores
#' Socio-econ\enc{ô}{o}micos
#' @description Os dados provém de um estudo para investigar a
#' incidência de dengue numa determinanda cidade da costa mexicana.
#'
#' Foram escolhidos aleatóriamente 196 indivíduos de dois setores da
#' cidade e cada um respondeu às seguintes perguntas: idade, nível
#' sócio-econômico, setor da cidade onde mora e se contraiu a doença
#' recentemente.
#'
#' Um dos objetivos do estudo é tentar prever ou explicar a
#' probabilidade de um indivíduo contrair a doença dado as variáveis
#' explicativas: \code{idade}, \code{nivel} e \code{setor}.
#' @format Um \code{data.frame} com 196 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{idade}}{Idade do entrevistado, em anos.}
#'
#' \item{\code{nivel}}{Fator ordinal de 3 níveis representando o nível
#' sócio-econômico do entrevistado (alto, médio, baixo).}
#'
#' \item{\code{setor}}{Fator categórico de 2 níveis representando o
#' setor da cidade que o entrevistado mora.}
#'
#' \item{\code{caso}}{Respoata binária que representa se o entrevistado
#' contraiu (1) ou não contraiu (0) a doença recentemente.}
#'
#' }
#' @keywords binário
#' @source PAULA (2004), Exercício 3.7.23, pág. 279.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx3.7.23)
#' str(PaulaEx3.7.23)
#'
#' xyplot(caso ~ idade | nivel, groups = setor, data = PaulaEx3.7.23,
#' jitter.y = TRUE, amount = 0.02, as.table = TRUE,
#' xlab = "Idade do entrevistado (anos)",
#' ylab = "Indicadora de ter contraído dengue")
#'
NULL
#' @name PaulaEx3.7.24
#' @title Cor dos Olhos dos Filhos em Fun\enc{çã}{ca}o dos Pais e
#' Av\enc{ó}{o}s
#' @description Os dados são de 78 famílias com pelo menos 6 filhos cada
#' uma. Nestas famílias, codificou-se a cor dos pais e dos avós e o
#' número total de filhos por casal e o número de filhos com olhos
#' de cor clara.
#' @format Um \code{data.frame} com 78 observações e 4 variáveis, em que
#'
#' \describe{
#'
#' \item{\code{cop}}{Fator de 6 níveis referentes a cor dos olhos dos
#' pais, com a seguinte codificação: 1 - ambos claros, 2 - ambos
#' castanhos, 3 - ambos escuros, 4 - claro e castanho, 5 - claro e
#' escuro e 6: castanho e escuro.}
#'
#' \item{\code{coa}}{Fator de 15 níveis referentes a cor dos olhos dos
#' avós, com a seguinte codificação: 1 - todos claros, 2 - todos
#' castanhos, 3 - todos escuros, 4 - três claros e um castanho, 5 -
#' três claros e um escuro, 6 - um claro e três castanhos, 7 - um
#' escuro e três castanhos, 8 - um claro e três escuros, 9 - um
#' castanho e três escuros, 10 - dois claros e dois castanhos, 11 -
#' dois claros e dois escuros, 12 - dois castanhos e dois escuros,
#' 13 - dois claros, um castanho e um escuro, 14 - um claro, dois
#' castanhos e um escuro e 15 - um claro, um castanho e dois
#' escuros.}
#'
#' \item{\code{nFilho}}{Número de filhos na família.}
#'
#' \item{\code{nClaro}}{Número de filhos com olhos claros na família.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Exercício 3.7.24, pág. 279.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx3.7.24)
#' str(PaulaEx3.7.24)
#'
#' xyplot(nClaro/nFilho ~ cop, data = PaulaEx3.7.24, jitter.x = TRUE,
#' type = c("p", "a"))
#'
NULL
#' @name PaulaEx3.7.25
#' @title Pulsa\enc{çã}{ca}o Alterial em Repouso em Homens que Fuman
#' @description Os dados provém de uma amostra de 92 homens adultos que
#' foram questionados sobre o hábito de fumar. Neles foi medido peso
#' e pulsação, classificada como normal e alta. Deseja-se saber se a
#' pulsação alta é influência pelo hábito de fumar, controlando-se
#' para o efeito do peso.
#' @format Um \code{data.frame} com 92 observações e 3 variáveis, em que
#'
#' \describe{
#'
#' \item{\code{pulsa}}{Fator categórico de 2 níveis que representa a
#' classificação da pulsação em repouso em normal ou alta.}
#'
#' \item{\code{fuma}}{Fator categórico de 2 níveis referente ao hábito
#' de fumar: sim ou não.}
#'
#' \item{\code{peso}}{Peso do indivíduo, em quilogramas (kg).}
#'
#' }
#' @keywords binomial contingência
#' @source PAULA (2004), Exercício 3.7.25, pág. 280.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx3.7.25)
#' str(PaulaEx3.7.25)
#'
#' xyplot(pulsa ~ peso, groups = fuma, data = PaulaEx3.7.25,
#' jitter.y = TRUE,
#' auto.key = list(columns = 2,
#' title = "Fumante", cex.title = 1.1),
#' xlab = "Peso (kg)", ylab = "Pulsação em repouso")
#'
#' layout(1)
#' mosaicplot(xtabs(~fuma + pulsa, data = PaulaEx3.7.25))
#'
NULL
#' @name PaulaEx3.7.7a
#' @title Influ\enc{ê}{e}ncia de Extrato Vegetal e Qu\enc{í}{i}mico
#' @description Experimento de dose-resposta conduzido para avaliar a
#' influência dos extratos vegetais "aquoso frio de folhas",
#' "aquoso frio de frutos" e de um extrato químico, respectivamente,
#' na morte de um determinado tipo de caramujo.
#' @format Um \code{data.frame} com 7 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{dose}}{Dose.}
#'
#' \item{\code{cexp}}{Caramujos expostos.}
#'
#' \item{\code{cmort}}{Caramujos mortos.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Ex 3.7.7a, pág. 269.
#' @examples
#'
#' data(PaulaEx3.7.7a)
#' str(PaulaEx3.7.7a)
#'
#' library(lattice)
#'
#' xyplot(PaulaEx3.7.7a$cmort/PaulaEx3.7.7a$cexp ~ dose,
#' data = PaulaEx3.7.7a,
#' xlab = "Dose",
#' type = c("o"),
#' ylab = "Proporção de mortos",
#' auto.key = list(space = "top",
#' columns = 2,
#' title = "Caramujos",
#' cex.title = 1,
#' lines = TRUE,
#' points = FALSE))
#'
NULL
#' @name PaulaEx3.7.7b
#' @title Influ\enc{ê}{e}ncia de Extrato Vegetal e Qu\enc{í}{i}mico
#' @description Experimento de dose-resposta conduzido para avaliar a
#' influência dos extratos vegetais "aquoso frio de folhas",
#' "aquoso frio de frutos" e de um extrato químico, respectivamente,
#' na morte de um determinado tipo de caramujo.
#' @format Um \code{data.frame} com 7 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{dose}}{Dose.}
#'
#' \item{\code{cexp}}{Caramujos expostos.}
#'
#' \item{\code{cmort}}{Caramujos mortos.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Ex 3.7.7b, pág. 269.
#' @examples
#'
#' data(PaulaEx3.7.7b)
#' str(PaulaEx3.7.7b)
#'
#' library(lattice)
#'
#' xyplot(PaulaEx3.7.7b$cmort/PaulaEx3.7.7b$cexp ~ dose,
#' data = PaulaEx3.7.7b,
#' xlab = "Dose",
#' type = c("o"),
#' ylab = "Proporção de mortos",
#' auto.key = list(space = "top",
#' columns = 2,
#' title = "Caramujos",
#' cex.title = 1,
#' lines = TRUE,
#' points = FALSE))
#'
NULL
#' @name PaulaEx3.7.7c
#' @title Influ\enc{ê}{e}ncia de Extrato Vegetal e Qu\enc{í}{i}mico
#' @description Experimento de dose-resposta conduzido para avaliar a
#' influência dos extratos vegetais "aquoso frio de folhas",
#' "aquoso frio de frutos" e de um extrato químico, respectivamente,
#' na morte de um determinado tipo de caramujo.
#' @format Um \code{data.frame} com 7 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{dose}}{Dose.}
#'
#' \item{\code{cexp}}{Caramujos expostos.}
#'
#' \item{\code{cmort}}{Caramujos mortos.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Ex 3.7.7c, pág. 269.
#' @examples
#'
#' data(PaulaEx3.7.7c)
#' str(PaulaEx3.7.7c)
#'
#' library(lattice)
#'
#' xyplot(cmort/cexp ~ dose,
#' data = PaulaEx3.7.7c,
#' xlab = "Dose",
#' type = c("o"),
#' ylab = "Proporção de mortos",
#' auto.key = list(space = "top",
#' columns = 2,
#' title = "Caramujos",
#' cex.title = 1,
#' lines = TRUE,
#' points = FALSE))
#'
NULL
#' @name PaulaEx3.7.8
#' @title Germina\enc{çã}{ca}o de Sementes
#' @description Dados referentes a um experimento desenvolvido para
#' avaliar a germinação de um determinado tipo de semente. A tabela
#' abaixo apresenta o número de sementes que germinaram após cinco
#' dias para cada 100 sementes submetidas a cada condição
#' experimental.
#' @format Um \code{data.frame} com 18 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{temp}}{Temperatura da germinação.}
#'
#' \item{\code{numid}}{Nível da umidade.}
#'
#' \item{\code{ntemp}}{Nível da temperatura.}
#'
#' \item{\code{sgerm}}{Número de sementes que germinaram.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Ex 3.7.8, pág. 270.
#' @examples
#'
#' data(PaulaEx3.7.8)
#' str(PaulaEx3.7.8)
#'
#' library(lattice)
#'
#' PaulaEx3.7.8$ntemp <- as.factor(PaulaEx3.7.8$ntemp)
#' PaulaEx3.7.8$numid <- as.factor(PaulaEx3.7.8$numid)
#'
#' xyplot(sgerm ~ numid | ntemp,
#' data = PaulaEx3.7.8,
#' xlab = "Nível de temperatura",
#' ylab = "Número de sementes germinadas")
#'
NULL
#' @name PaulaEx4.6.15
#' @title N\enc{ú}{u}mero de Infec\enc{çõ}{co}es de Ouvido em Recrutas
#' Americanos
#' @description Dados referentes a um estudo realizado em 1990 com
#' recrutas americanos em que a variável de interesse era o número
#' de infecções de ouvido. Além disso, foram coletadas as seguintes
#' informações sobre os recrutas: hábito de nadar, local em que
#' costuma nadar, idade e sexo.
#' @format Um \code{data.frame} com 287 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{habito}}{Fator com dois níveis que indica o hábito em
#' nadar do recruta (\code{ocasional} ou \code{frequente}).}
#'
#' \item{\code{local}}{Fator com dois níveis que indica o local onde o
#' recruta costuma nadar, (\code{praia} ou \code{piscina}).}
#'
#' \item{\code{idade}}{Idade do recruta, em anos categorizados em três
#' níveis (\code{15-19}, \code{20-24} e \code{25-29}).}
#'
#' \item{\code{sexo}}{Sexo (\code{F} para feminino e \code{M} para
#' masculino).}
#'
#' \item{\code{ninfec}}{Número de infecções de ouvido diagnosticadas
#' pelo próprio recruta.}
#'
#' }
#' @keywords contagem contingência
#' @source PAULA (2004), Exercício 4.6.15, pág. 346.
#' @references Hand, D. J, Daly, F., Lunn, A. D., McConway, K. J.,
#' Ostrowski, E. (1994). A Handbook of Small Data Sets. Chapman and
#' Hall, London.
#' @examples
#'
#' data(PaulaEx4.6.15)
#' str(PaulaEx4.6.15)
#'
#' xt <- xtabs(ninfec ~ ., data = PaulaEx4.6.15)
#' ftable(prop.table(xt))
#' plot(xt, xlab = "Hábito", main = "")
#'
#' mv <- aggregate(ninfec ~ .,
#' data = PaulaEx4.6.15,
#' FUN = function(x) {
#' c(mu = mean(x), var = var(x))
#' })
#'
#' library(lattice)
#'
#' # Relação Média Variância
#' xyplot(ninfec[, "var"] ~ ninfec[, "mu"],
#' data = mv,
#' ylab = "Variância amostral",
#' xlab = "Média amostral",
#' panel = function(x, y) {
#' panel.xyplot(x, y, type = c("p", "r"), grid = TRUE)
#' panel.abline(a = 0, b = 1, lty = 2)
#' })
#'
#' library(latticeExtra)
#'
#' useOuterStrips(
#' xyplot(ninfec ~ idade | habito + local,
#' groups = sexo,
#' data = PaulaEx4.6.15,
#' jitter.x = TRUE, jitter.y = TRUE,
#' type = c("p", "g", "a"),
#' ylab = "Número de infecções",
#' auto.key = list(space = "right", cex.title = 1,
#' title = "Sexo"))
#' )
#'
NULL
#' @name PaulaEx4.6.17
#' @title Avalia\enc{çã}{ca}o de Detergentes
#' @description Dados resultantes de uma pesquisa em que 1008 pessoas
#' receberam duas marcas de detergente, \code{X} e \code{M}, e
#' posteriormente responderam a perguntas sobre a temperatura da
#' água, uso anterior do detergente \code{M}, detergente de
#' preferência e maciez da água.
#' @format Um \code{data.frame} com 24 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{temp}}{Temperatura da água, mensurada em dois níveis
#' (\code{alta} e \code{baixa}).}
#'
#' \item{\code{usom}}{Uso anterior do detergente da marca \code{M}
#' (\code{sim} ou \code{não}).}
#'
#' \item{\code{prefer}}{Detergente de preferência (\code{M} ou
#' \code{X}).}
#'
#' \item{\code{maciez}}{Maciez da água, mensurada em três níveis
#' (\code{forte}, code{leve} e \code{média}).}
#'
#' \item{\code{nind}}{Número de pessoas que tiveram respostas conforme
#' combinação de \code{temp}, \code{usom}, \code{prefer} e
#' \code{maciez}.}
#'
#' }
#' @keywords contagem
#' @source PAULA (2004), Exercício 4.6.17, pág. 347.
#' @references Bishop, Y. M. M., Fienberg, S. E., Holland,
#' P. W. (1975). Discrete Multivariate Analysis: Theory and
#' Practice. MIT Press, Cambridge.
#' @examples
#'
#' data(PaulaEx4.6.17)
#' str(PaulaEx4.6.17)
#'
#' xt <- xtabs(nind ~ ., data = PaulaEx4.6.17)
#' ftable(xt)
#' plot(xt)
#'
#' library(latticeExtra)
#'
#' useOuterStrips(
#' xyplot(nind ~ maciez | prefer + usom,
#' groups = temp,
#' data = PaulaEx4.6.17,
#' type = c("p", "g", "a"),
#' xlab = "Maciez da água",
#' ylab = "Número de indivíduos",
#' auto.key = list(cex.title = 1, columns = 2,
#' title = "Temperatura da água"))
#' )
#'
NULL
#' @name PaulaEx4.6.20
#' @title Ovos Eclodidos de \emph{Ceriodaphnia dubia} sob Doses de
#' Herbicida
#' @description Dados provenientes de um típico estudo dose-resposta. 50
#' animais \emph{Ceriodaphnia dubia} (pequeno invertebrado de água
#' doce) foram submetidos a 5 diferentes dosagens do herbicida
#' \emph{Nitrofen} (10 animais expostos a cada nível de dosagem) e,
#' após 3 ninhadas, observou-se o número total de ovos eclodidos.
#' @format Um \code{data.frame} com 50 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{dose}}{Dosagem de \emph{Nitrofen} aplicada, em mg/l.}
#'
#' \item{\code{novos}}{Número de ovos de \emph{Ceriodaphnia dubia}
#' eclodidos após 3 ninhadas.}
#'
#' }
#' @details A variável \code{dose} foi tomada como valor numérico,
#' devido a natureza da variável. Todavia, se for de interesse na
#' análise a comparação das médias dos números de ovos eclodidos,
#' pode-se considerá-la como fator de cinco níveis (0, 80, 160, 235
#' e 310 mg/l) e estimar as médias para cada nível
#' @keywords RS contagem
#' @source PAULA (2004), Exercício 4.6.20, pág. 349.
#' @examples
#'
#' data(PaulaEx4.6.20)
#' str(PaulaEx4.6.20)
#'
#' aggregate(novos ~ dose, FUN = function(x) c(mean(x), var(x)),
#' data = PaulaEx4.6.20)
#'
#' library(lattice)
#'
#' xyplot(novos ~ dose,
#' data = PaulaEx4.6.20,
#' jitter.x = TRUE,
#' xlab = "Dose", ylab = "Número de ovos",
#' type = c("p", "g", "smooth"))
#'
NULL
#' @name PaulaEx4.6.5
#' @title Estudo Gerontol\enc{ó}{o}gico do N\enc{ú}{u}mero de Quedas
#' @description Dados provenientes de um estudo prospectivo com 100
#' indivíduos de pelo menos 65 anos de idade em boas condições
#' físicas em que se avaliou o número de quedas num período de seis
#' meses registrando, além das informações: tipo de intervenção
#' realizada, sexo e escores de balanço e força. O objetivo do
#' estudo é relacionar o número médio de quedas com o tipo de
#' intervenção e as demais variáveis explicativas coletadas.
#' @format Um \code{data.frame} com 100 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{nquedas}}{Número de quedas no período de seis meses.}
#'
#' \item{\code{interv}}{Fator com dois níveis que indica a intervenção
#' realizada (\code{E}: somente educação, \code{EF}: educação e
#' exercícios físicos.)}
#'
#' \item{\code{sexo}}{Fator com dois níveis que indica o sexo do
#' indivíduo (\code{F}: feminino e \code{M}: masculino).}
#'
#' \item{\code{balan}}{Escore do balanço do indivíduo, escala de 0 a
#' 100.}
#'
#' \item{\code{forca}}{Escore da força do indivíduo, escala de 0 a 100.}
#'
#' }
#' @keywords RM contagem
#' @source PAULA (2004), Exercício 4.6.5, pág. 342.
#' @references Neter, J., Kutner, M. H., Nachtsheim, C. J., Wasserman,
#' W. (1996). Applie Linear Regression Models (3tr ed.). Irwin,
#' Illinois.
#' @examples
#'
#' data(PaulaEx4.6.5)
#' str(PaulaEx4.6.5)
#'
#' library(lattice)
#'
#' xyplot(nquedas ~ balan + forca | interv,
#' groups = sexo,
#' data = PaulaEx4.6.5,
#' xlab = "Escore",
#' ylab = "Número de quedas",
#' type = c("p", "g", "smooth"),
#' scales = list(x = list(rot = 45, relation = "free")),
#' auto.key = list(cex.title = 1, columns = 2,
#' title = "Sexo"))
#'
#' splom(~PaulaEx4.6.5[, c("nquedas", "balan", "forca")],
#' type = c("p", "smooth"))
#'
NULL
#' @name PaulaEx4.6.6
#' @title C\enc{â}{a}ncer Nasal em Trabalhadores de Refinaria de
#' N\enc{í}{i}quel
#' @description Dados provenientes de um estudo de seguimento em que se
#' acompanhou trabalhadores de uma refinaria de níquel no País de
#' Gales durante determinado período e avaliou-se o número de
#' ocorrências de câncer nasal. O interesse do estudo é avaliar a
#' associação entre a taxa anual de câncer nasal e as variáveis
#' explicativas: idade no primeiro emprego, ano do primeiro emprego
#' e tempo decorrido desde o primeiro emprego.
#' @format Um \code{data.frame} com 72 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{idade}}{Fator com quatro níveis referente à idade (em
#' anos) do trabalhador no seu primeiro emprego, com níveis
#' \code{<20}, \code{20-27}, \code{27.5-34.9} e \code{>35}.}
#'
#' \item{\code{ano}}{Fator com quatro níveis referente ao ano do
#' primeiro emprego (\code{<1910}, \code{1910-1914},
#' \code{1915-1919} e \code{1920-1924}).}
#'
#' \item{\code{tempo}}{Fator com cinco níveis que indica o tempo
#' decorrido desde o primeiro emprego, em anos, categorizados nos
#' níveis \code{0-19}, \code{20-39}, \code{30-39}, \code{40-49} e
#' \code{>50}.}
#'
#' \item{\code{ncasos}}{Número de casos de câncer nasal.}
#'
#' \item{\code{tpessoas}}{Total de pessoas|ano de observação.}
#'
#' }
#' @keywords contagem
#' @source PAULA (2004), Exercício 4.6.6, pág. 343.
#' @references Breslow, N. E., Day, N. E. (1987). Statistical Methods in
#' Cancer Research (vol. II). IARC Scientific Publications,
#' International Agency for Research on Cancer, Lyon.
#' @examples
#'
#' data(PaulaEx4.6.6)
#' str(PaulaEx4.6.6)
#'
#' # Número de observações em cada combinação das variáveis explicativas
#' # Para modelagem não será possível a estimação de algumas interações
#' ftable(PaulaEx4.6.6[, c("idade", "ano", "tempo")])
#'
#' # Casos de câncer seccionados pelas variáveis explicativas
#' ftable(xtabs(ncasos ~ idade + ano + tempo, data = PaulaEx4.6.6))
#' xt <- xtabs((ncasos/tpessoas)*100 ~ ., data = PaulaEx4.6.6)
#' ftable(xt)
#' plot(xt)
#'
#' library(lattice)
#'
#' xyplot((ncasos/tpessoas) ~ tempo | ano,
#' groups = idade,
#' data = PaulaEx4.6.6,
#' type = c("p", "g", "a"),
#' auto.key = list(space = "right", cex.title = 1,
#' title = "Idade"))
#'
#' # Retirando a observação que domina a escala do eixo y
#' index <- with(PaulaEx4.6.6, which.max(ncasos/tpessoas))
#' xyplot((ncasos/tpessoas) ~ tempo | ano,
#' groups = idade,
#' data = PaulaEx4.6.6[-index, ],
#' type = c("p", "g", "a"),
#' auto.key = list(space = "right", cex.title = 1,
#' title = "Idade"))
#'
NULL
#' @name PaulaEx4.6.7
#' @title N\enc{ú}{u}mero de Falhas em Pe\enc{ç}{c}as de Tecido
#' @description Dados referentes à produção de peças de tecido em uma
#' determinada fábrica. A fábrica registra o comprimento da peça
#' produzida e o número de falhas encontradas.
#' @format Um \code{data.frame} com 32 observações e 2 variáveis.
#' \describe{
#'
#' \item{\code{comp}}{Comprimento da peça de tecido produzida, em
#' metros.}
#'
#' \item{\code{nfalhas}}{Número de falhas encontradas na peça.}
#'
#' }
#' @keywords RS contagem
#' @source PAULA (2004), Exercício 4.6.7, pág. 343.
#' @references Hinde, J. (1982). Compound Poisson Regression Models in R
#' (Gilchrist ed.). Springer, New York.
#' @examples
#'
#' data(PaulaEx4.6.7)
#' str(PaulaEx4.6.7)
#'
#' library(lattice)
#'
#' xyplot(nfalhas ~ comp, data = PaulaEx4.6.7,
#' type = c("p", "g", "smooth"),
#' xlab = "Comprimento",
#' ylab = "Número de falhas")
#'
#' histogram(~nfalhas/comp,
#' data = PaulaEx4.6.7,
#' xlab = "Número de falhas por metro de tecido",
#' ylab = "Frequência")
#'
NULL
#' @name PaulaEx5.6.13
#' @title An\enc{á}{a}lise da Dispers\enc{ã}{a}o de um Pigmento na
#' Pintura
#' @description Um experimento foi conduzido para avaliar a dispersão de
#' quatro diferentes pigmentos numa pintura. O procedimento
#' consistiu em preparar cada mistura e aplicá-las num painel usando
#' três métodos diferentes. O experimento é repetido em três dias
#' distintos e a resposta é a porcentagem de reflectância do
#' pigmento.
#' @format Um \code{data.frame} com 36 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{painel}}{Número do painel.}
#'
#' \item{\code{dia}}{Dia de aplicação (1, 2 ou 3).}
#'
#' \item{\code{metod}}{Método utilizado: (1 = pincel, 2 = rolo e 3 =
#' spray.}
#'
#' \item{\code{mistur}}{Tipo de mistura do pigmento (1, 2, 3 ou 4).}
#'
#' \item{\code{reflec}}{Porcetagem de reflectância do pigmento.}
#'
#' }
#' @keywords DBC FAT2
#' @source PAULA (2004), Exercício 5.6.13, pág. 400.
#' @references Myers, R.H.; Montgomery, D. C. e Vining, G. G. (2002).
#' Generalized Linear Models: With Applications in Engineering and
#' the Sciences. John Wiley, New York.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx5.6.13)
#' str(PaulaEx5.6.13)
#'
#' ftable(xtabs(~dia + metod + mistur, data = PaulaEx5.6.13))
#'
#' xyplot(reflec ~ mistur, groups = metod,
#' auto.key = list(title = "Método"),
#' type = c("p", "g", "a"), data = PaulaEx5.6.13,
#' xlab = "Mistura", ylab = "Reflectância")
#'
NULL
#' @name PaulaEx5.6.14
#' @title Compara\enc{çã}{ca}o de Drogas para Tratamento de Leucemia
#' @description Dados referentes a um experimento em que 30 ratos
#' tiveram uma condição de leucemia induzida, sendo submetidos,
#' posteriormente, a três drogas quimioterápicas. Foram coletadas de
#' cada animal a quantidade de células brancas, a quantidade de
#' células vermelhas e o número de colônias de células cancerosas,
#' em três períodos diferentes.
#' @format Um \code{data.frame} com 120 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{rato}}{Número de identificação do rato.}
#'
#' \item{\code{period}}{Período de avaliação (1, 2, 3 ou 4).}
#'
#' \item{\code{trat}}{Droga quimioterápica utilizada (1, 2 ou 3).}
#'
#' \item{\code{celubran}}{Quantidade de células brancas.}
#'
#' \item{\code{celuverm}}{Quantidade de células vermelhas.}
#'
#' \item{\code{celucanc}}{Número de colônias de células cancerosas.}
#'
#' }
#' @keywords contagem
#' @source PAULA (2004), Exercício 5.6.14, pág. 401.
#' @references Myers, R.H.; Montgomery, D. C. e Vining, G. G. (2002).
#' Generalized Linear Models: With Applications in Engineering and
#' the Sciences. John Wiley, New York.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx5.6.14)
#' str(PaulaEx5.6.14)
#'
#' xtabs(~period + trat, data = PaulaEx5.6.14)
#'
#' xyplot(celucanc ~ period, groups = rato,
#' type = c("p", "g", "a"), data = PaulaEx5.6.14)
#'
NULL
#' @name PaulaEx5.6.15
#' @title Ensaio cl\enc{í}{i}nico em Pacientes com Artrite
#' @description Ensaio clínico em que 20 pacientes com artrite foram
#' aleatorizados, de modo que 10 receberam o medicamento auronofin e
#' os outros 10 receberam placebo. São consideradas como variáveis
#' explicativas sexo e idade, além do tipo do tratamento. Os
#' pacientes foram consultados e avaliados em 4 ocasiões.
#' @format Um \code{data.frame} com 80 observações e 6 variáveis.
#'
#' \describe{
#'
#' \item{\code{pacient}}{Identificação do paciente.}
#'
#' \item{\code{period}}{Momento em que o paciente foi avaliado (1 =
#' início do mês, 2 = após 1 mês, 3 = após 2 meses e 4 = após 3
#' meses.}
#'
#' \item{\code{sexo}}{Sexo (1 = masculino e 0 = feminino).}
#'
#' \item{\code{idade}}{Idade (em anos).}
#'
#' \item{\code{trat}}{Tratamento aplicado placebo ou Auronofin).}
#'
#' \item{\code{result}}{Avaliação do paciente classificada em bom e
#' regular ou ruim.}
#'
#' }
#' @keywords binário
#' @source PAULA (2004), Exercício 5.6.14, pág. 401.
#' @references Myers, R.H.; Montgomery, D. C. e Vining, G. G. (2002).
#' Generalized Linear Models: With Applications in Engineering and
#' the Sciences. John Wiley, New York.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx5.6.15)
#' str(PaulaEx5.6.15)
#'
#' tb <- xtabs(~result + trat + period, data = PaulaEx5.6.15)
#' barchart(tb,
#' horizontal = FALSE,
#' beside = FALSE,
#' stack = FALSE,
#' auto.key = list(space = "top", columns = 4, cex.title = 1,
#' rectangles = TRUE, points = FALSE,
#' title = "Período"),
#' scales = list(y = list(relation = "free"),
#' x = list(alternating = FALSE)),
#' xlab = "Resultado",
#' ylab = "Frequência absoluta")
#'
NULL
#' @name PaulaTb1.6
#' @title Anos de Estudo e a Renda M\enc{é}{e}dia Mensal
#' @description Conjunto de dados que apresenta para cada unidade da
#' federação o número médio de anos de estudo e a renda média mensal
#' do chefe ou chefes de domicílio.
#' @format Um \code{data.frame} com 27 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{est}}{Estado (unidade da federação).}
#'
#' \item{\code{esc}}{Número médio de anos de estudo.}
#'
#' \item{\code{rendm}}{Renda média mensal (em reais).}
#'
#' }
#' @keywords RS
#' @source PAULA (2004), Tabela 1.6, pág. 80.
#' @examples
#'
#' data(PaulaTb1.6)
#' str(PaulaTb1.6)
#'
#' library(lattice)
#'
#' xyplot(rendm ~ est,
#' ylab = "Renda",
#' xlab = "Estados",
#' data = PaulaTb1.6,
#' grid = TRUE)
#'
#' xyplot(rendm ~ esc,
#' ylab = "Renda",
#' xlab = "Número médio de anos de estudo",
#' data = PaulaTb1.6,
#' type = c("p", "smooth"))
#'
NULL
#' @name PaulaTb1.9
#' @title Bact\enc{é}{e}rias Sobreviventes em Amostras
#' @description Número de bactérias sobreviventes em amostras de um
#' produto alimentício segundo o tempo de exposição do produto a uma
#' temperatura de 300\eqn{^\circ}F.
#' @format Um \code{data.frame} com 12 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{num}}{Número de bactérias sobreviventes.}
#'
#' \item{\code{temp}}{Tempo de exposição (em minutos).}
#'
#' }
#' @keywords RS contagem
#' @source PAULA (2004), Tabela 1.9, pág. 88.
#' @examples
#'
#' data(PaulaTb1.9)
#' str(PaulaTb1.9)
#'
#' library(lattice)
#'
#' xyplot(num ~ temp,
#' ylab = "Número de bactérias",
#' xlab = "Tempo de exposição",
#' data = PaulaTb1.9,
#' type = "o")
#'
NULL
#' @name PaulaTb2.1
#' @title Desempenho de Turbinas para Motores de Avi\enc{ã}{a}o
#' @description Resultados de um experimento conduzido para avaliar o
#' desempenho de cinco tipos de turbina de alta velocidade para
#' motores de avião. Foram considerados dez motores de cada tipo
#' registrando-se o tempo até a perda de velocidade ou,
#' equivalentemente, a duração do motor.
#' @format Um \code{data.frame} com 50 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{turb}}{Fator com cinco níveis que indica o tipo de
#' turbina.}
#'
#' \item{\code{tempo}}{Tempo até a perda de velocidade, ou seja, duração
#' do motor, mensurado em unidades de milhões de ciclos.}
#'
#' }
#' @keywords DIC
#' @source PAULA (2004), Tabela 2.1, pág. 121.
#' @references Lawless, J. F. (1982). Statistical Models and Methods for
#' Lifetime Data. John Wiley, New York.
#' @examples
#'
#' data(PaulaTb2.1)
#' str(PaulaTb2.1)
#'
#' # Dados no formato "largo", conforme tabela 2.1 (Paula, 2004)
#' unstack(PaulaTb2.1, tempo ~ turb)
#'
#' aggregate(tempo ~ turb, summary, data = PaulaTb2.1)
#'
#' library(lattice)
#'
#' xyplot(tempo ~ turb,
#' data = PaulaTb2.1,
#' type = c("p", "g", "smooth"))
#'
#' densityplot(~tempo, groups = turb, data = PaulaTb2.1,
#' auto.key = list(corner = c(0.9, 0.9),
#' title = "Tipos de turbina",
#' cex.title = 1))
#'
NULL
#' @name PaulaTb2.6
#' @title Proje\enc{çã}{ca}o de Vendas
#' @description Dados referentes a 20 valores projetados para vendas de
#' produtos confrontados com os verdadeiros valores de venda
#' obtidos.
#' @format Um \code{data.frame} com 20 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{proj}}{Valor projetado de venda.}
#'
#' \item{\code{real}}{Valor real de venda.}
#'
#' }
#' @keywords RS
#' @source PAULA (2004), Tabela 2.6, pág. 159.
#' @examples
#'
#' data(PaulaTb2.6)
#' str(PaulaTb2.6)
#'
#' library(lattice)
#'
#' xyplot(real ~ proj, data = PaulaTb2.6,
#' grid = TRUE, pch = 19, cex = 1.2,
#' panel = function(x, y, ...) {
#' panel.xyplot(x, y, ...)
#' panel.abline(0, 1, lty = 2)
#' })
#'
NULL
#' @name PaulaTb3.12
#' @title Ocorr\enc{ê}{e}ncia de Vaso-constri\enc{çã}{ca}o
#' @description Dados de um experimento desenvolvido para avaliar a
#' influência da quantidade de ar inspirado na ocorrência de
#' vaso-constrição na pele dos dedos da mão. A resposta é a
#' ocorrência (1) ou ausência (0) de compressão de vasos e as
#' covariáveis são o volume e a razão de ar inspirado.
#' @format Um \code{data.frame} com 39 observações e 3 variáveis, em que
#'
#' \describe{
#'
#' \item{vol}{Logaritmo do volume de ar inspirado.}
#'
#' \item{razao}{Logaritmo da razão de ar inspirado.}
#'
#' \item{resp}{Ocorrência ou não de compressão de vaso (ocorrência = 1 e
#' ausência = 0).}
#'
#' }
#' @keywords binário
#' @source PAULA (2004), Tb 3.12 pág. 227.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaTb3.12)
#' str(PaulaTb3.12)
#'
#' bwplot(vol ~ resp,
#' data = PaulaTb3.12,
#' type = c("p", "a"),
#' xlab = "Vaso-constrição",
#' ylab = "Volume de ar inspirado",
#' scales = list(x = list(labels = c("Ausência", "Ocorrência"))),
#' main = "Ocorrência de vaso-constrição")
#'
#'
#' bwplot(razao ~ resp,
#' data = PaulaTb3.12,
#' type = c("p", "a"),
#' xlab = " Vaso-constrição",
#' ylab = "Razão de ar inspirado",
#' scales = list(x = list(labels = c("Ausência", "Ocorrência"))),
#' main = "Ocorrência de vaso-constrição")
#'
NULL
#' @name PaulaTb3.20
#' @title Aplica\enc{çã}{ca}o de Inseticidas em Insetos
#' @description Dados de um experimento em que três inseticidas foram
#' aplicados em determinada espécie de inseto, sendo verificado o
#' número de sobreviventes para cada dose aplicada.
#' @format Um \code{data.frame} com 18 observações e 7 variáveis, em que
#'
#' \describe{
#'
#' \item{mortos}{Número de insetos mortos.}
#'
#' \item{exp}{Número de insetos expostos aos inseticidas.}
#'
#' \item{dose}{Dose aplicada dos inseticidas.}
#'
#' \item{inset}{Tipo de inseticida.}
#'
#' }
#' @keywords FAT2 binomial dummy
#' @source PAULA (2004), Tb 3.20 pág. 246.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaTb3.20)
#' str(PaulaTb3.20)
#'
#' xyplot(mortos/(sum(mortos)) ~ dose,
#' data = PaulaTb3.20,
#' auto.key = TRUE,
#' type = c("p", "a"),
#' groups = inset,
#' xlab = "Dose de inseticida aplicada",
#' ylab = "Proporção de insetos mortos")
#'
NULL
#' @name PaulaTb3.21
#' @title Distribui\enc{çã}{ca}o de Rotifers das Duas Esp\enc{é}{e}cies
#' @description Experimento com duas espécies de \emph{rotifers}, um
#' tipo microscópio de invertebrado aquático. São apresentados pra
#' cada espécie a densidade relativa da substância, o número de
#' \emph{rotifers} expostos e o número de *rotifers* em suspensão.
#' @format Um \code{data.frame} com 40 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{dens}}{Densidade.}
#'
#' \item{\code{susp}}{Rotifers suspensos.}
#'
#' \item{\code{exp}}{Rotifers expostos.}
#'
#' \item{\code{esp}}{Espécie (Polyarthra, Keratella).}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Tb 3.21, pág. 257.
#' @examples
#'
#' data(PaulaTb3.21)
#' str(PaulaTb3.21)
#'
#' library(lattice)
#'
#' xyplot(susp/exp ~ dens,
#' groups = esp,
#' data = PaulaTb3.21,
#' xlab = "Densidade",
#' ylab = "Proporção de rotifers suspensos",
#' type = c("p"),
#' auto.key = TRUE)
#'
NULL
#' @name PaulaTb4.12
#' @title Associa\enc{çã}{ca}o entre Renda e Satisfa\enc{çã}{ca}o no
#' Emprego
#' @description Dados resultantes de uma pesquisa com 901 indivíduos
#' classificados segundo sua renda anual e grau informado de
#' satisfação no emprego. O interesse no estudo é relacionar a renda
#' anual e satisfação no emprego.
#' @format Um \code{data.frame} com 16 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{renda}}{Fator com quatro níveis representando a renda do
#' indivíduo. Expressos em mil USD os níveis são: menor que 6
#' (\code{<6}), entre 6 e 12 (\code{6-15}), entre 15 e 25
#' (\code{15-25}) e maior que 25 (\code{>25}).}
#'
#' \item{\code{satis}}{Fator com quatro níveis que representa o grau de
#' satisfação do indivíduo no emprego (\code{alto}, \code{bom},
#' \code{médio} e \code{baixo}).}
#'
#' \item{\code{nind}}{Número de indivíduos na combinação das variáveis
#' \code{renda} e \code{satis}.}
#'
#' }
#' @keywords contagem contingência
#' @source PAULA (2004), Tabela 4.12, pág. 331.
#' @references Agresti, A. (1990). Categorical Data Analysis. John
#' Wiley, New York.
#' @examples
#'
#' data(PaulaTb4.12)
#' str(PaulaTb4.12)
#'
#' (xt <- xtabs(nind ~ ., data = PaulaTb4.12))
#' plot(xt)
#'
#' library(lattice)
#'
#' xyplot(nind ~ renda,
#' groups = satis,
#' data = PaulaTb4.12,
#' type = c("p", "a", "g"),
#' ylab = 'Número de indivíduos',
#' auto.key = list(
#' space = "right", cex.title = 1,
#' title = "Grau de\nsatisfação"))
#'
NULL
#' @name PaulaTb4.14
#' @title Ocorr\enc{ê}{e}ncia de Doen\enc{ç}{c}a das Coron\enc{á}{a}rias
#' @description Os dados são referentes à classificação de 1330
#' pacientes segundo três fatores: ocorrência de doença das
#' coronárias, nível de colesterol e pressão arterial. O interesse é
#' analisar a associação entre essas variáveis.
#' @format Um \code{data.frame} com 32 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{doenca}}{Fator com dois níveis que indica a ocorrência
#' (\code{sim}) ou não ocorrência (\code{não}) de doença das
#' coronárias.}
#'
#' \item{\code{colest}}{Fator com quatro níveis que indica o nível de
#' colesterol do paciente. A unidade de medida adotada é
#' \eqn{mg/100cm^3} com classes \code{<200}, \code{200-219},
#' \code{220-259} e \code{>259}.}
#'
#' \item{\code{pa}}{Fator com quatro níveis referente à pressão arterial
#' do paciente. A unidade de medida adotada é mm Hg
#' (milímetro-mercúrio) com classes \code{<127}, \code{127-146},
#' \code{147-166} e \code{>166}.}
#'
#' \item{\code{nind}}{Número de indivíduos para cada combinação das
#' categorias das variáveis \code{doenca}, \code{colest} e
#' \code{pa}.}
#'
#' }
#' @keywords contagem contingência
#' @source PAULA (2004), Tabela 4.14, pág. 334.
#' @references Everitt, B. S. (1977). The Analysis of Contingency
#' Tables. Chapman anda Hall, London.
#' @examples
#'
#' data(PaulaTb4.14)
#' str(PaulaTb4.14)
#'
#' xt <- xtabs(nind ~ ., data = PaulaTb4.14)
#' ftable(xt)
#' plot(xt)
#'
#' library(lattice)
#'
#' xyplot(nind ~ colest | doenca,
#' groups = pa,
#' data = PaulaTb4.14,
#' type = c("p", "a", "g"),
#' xlab = 'Colesterol',
#' ylab = 'Número de indivíduos',
#' scales = list(x = list(rot = 45)),
#' auto.key = list(
#' space = "right", cex.title = 1,
#' title = "Pressão arterial\nem mm Hg"))
#'
NULL
#' @name PaulaTb4.2
#' @title Mortes por C\enc{â}{a}ncer de Pulm\enc{ã}{a}o e Consumo de
#' Cigarro
#' @description Dados provenientes de um estudo de acompanhamento de
#' doutores Britânicos durante a década de 50. Neste estudo
#' observou-se a ocorrência de mortes por câncer de pulmão segundo o
#' consumo médio diário de cigarro e a faixa-etária.
#' @format Um \code{data.frame} com 16 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{nmortes}}{Número de casos de morte por câncer de pulmão.}
#'
#' \item{\code{tpessoas}}{Total de anos de exposição (somado para toda a
#' amostra).}
#'
#' \item{\code{cmdc}}{Consumo médio diário de cigarros, dividido em
#' quatro níveis 0, 1-9, 10-30 ou +30 cigarros consumidos.}
#'
#' \item{\code{idade}}{Idade, registrada em faixas-etárias de 40-49,
#' 50-59, 60-79 e 70-80 anos.}
#'
#' }
#' @keywords contagem contingência
#' @source PAULA (2004), Tabela 4.2, pág. 294.
#' @examples
#'
#' data(PaulaTb4.2)
#' str(PaulaTb4.2)
#'
#' xtabs(nmortes ~ cmdc + idade, data = PaulaTb4.2)
#' (xt <- xtabs((nmortes/tpessoas)*100 ~ cmdc + idade,
#' data = PaulaTb4.2))
#' plot(xt)
#'
#' library(lattice)
#'
#' xyplot((nmortes/tpessoas) * 100 ~ cmdc,
#' xlab = "Consumo médio de cigarros",
#' ylab = "Taxa de mortes por câncer de pulmão",
#' groups = idade,
#' data = PaulaTb4.2,
#' type = c("b", "g"),
#' auto.key = list(corner = c(0.1, 0.9), cex.title = 1,
#' title = "Faixa-etária"))
NULL
#' @name PaulaTb4.7
#' @title Demanda de TV a Cabo em \enc{Á}{A}reas Metropolitanos dos EUA
#' @description Dados de um estudo sobre demanda de TV's a cabo em 40
#' áreas metropolitanas dos Estados Unidos. Nesse estudo a variável
#' de interesse é o número de assinantes (\code{nass}) e as demais
#' variáveis registradas tem por objetivo explicar esta contagem.
#' @format Um \code{data.frame} com 40 observações e 8 variáveis.
#'
#' \describe{
#'
#' \item{\code{nass}}{Número de assinantes de TV a cabo (em milhares).}
#'
#' \item{\code{domic}}{Número de domicílios na área (em milhares).}
#'
#' \item{\code{perc}}{Percentagem de domicílios com TV a cabo.}
#'
#' \item{\code{renda}}{Renda per capita por domicílio com TV a cabo (em
#' USD).}
#'
#' \item{\code{taxa}}{Valor da taxa de instalação de TV a cabo (em
#' USD).}
#'
#' \item{\code{custo}}{Custo médio mensal de manutenção de TV a cabo (em
#' USD).}
#'
#' \item{\code{ncabo}}{Número de canais a cabo disponíveis na área.}
#'
#' \item{\code{ntv}}{Número de canais não pagos com sinal de boa
#' qualidade na área.}
#'
#' }
#' @keywords RM contagem
#' @source PAULA (2004), Tabela 4.7, pág. 317.
#' @examples
#'
#' data(PaulaTb4.7)
#' str(PaulaTb4.7)
#'
#' library(lattice)
#' splom(PaulaTb4.7, type = c("p", "smooth"), lwd = 2)
#'
NULL
#' @name PaulaTb4.9
#' @title Avarias em Navios de Carga
#' @description Dados referentes a um estudo em que se avaliou o número
#' de avarias causadas por ondas em navios de carga. Contém 34
#' registros com informações do tipo de navio, ano de fabricação,
#' período de operação e tempo em operação (que pode ser considerado
#' como offset na análise, pois espera-se um maior número de avarias
#' em navios com um maior tempo em operação).
#' @format Um \code{data.frame} com 34 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{tipo}}{Fator com cinco níveis que representa o tipo de
#' navio (A, B, C, D e E).}
#'
#' \item{\code{ano}}{Fator com quatro níveis que representa o ano de
#' fabricação do navio (entre 1960 e 1964 (\code{60-64}), entre 1965
#' e 1969 (\code{65-69}), entre 1970 e 1974 (\code{70-74}) e entre
#' 1975 e 1979 (\code{75-79})).}
#'
#' \item{\code{peri}}{Fator com dois níveis que representa o período de
#' operação do navio (entre 1960 e 1974 (\code{60-74}) e entre 1975
#' e 1979 (\code{75-79})).}
#'
#' \item{\code{meses}}{Tempo, em meses, em que o navio esteve em
#' operação.}
#'
#' \item{\code{avarias}}{Número de avarias no navio.}
#'
#' }
#' @keywords contagem contingência
#' @source PAULA (2004), Tabela 4.9 pág. 322.
#' @examples
#'
#' data(PaulaTb4.9)
#' str(PaulaTb4.9)
#'
#' # Número de observações em cada combinação das variáveis explicativas
#' ftable(PaulaTb4.9[, c("tipo", "ano", "peri")])
#'
#' # Número de avarias e número de avarias por mês observada em cada
#' # combinação das variáveis explicativas
#' xtabs(avarias ~ tipo + ano + peri, data = PaulaTb4.9)
#' xt <- xtabs(avarias/meses ~ ., data = PaulaTb4.9)
#' plot(xt)
#'
#' library(lattice)
#'
#' xyplot(avarias/meses ~ tipo | peri,
#' groups = ano,
#' data = PaulaTb4.9,
#' type = c("p", "a", "g"),
#' auto.key = list(
#' space = "right", cex.title = 1,
#' title = "Ano de\nfabricação"))
#'
NULL
pet-estatistica/labestData documentation built on May 25, 2019, 12:47 a.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
#' @name PaulaEg1.12.2
#' @title Pacientes com Processo Infecioso Pulmonar
#' @description Um total de 175 pacientes com processo infecioso
#' pulmonar atendidos no hospital no período acima foram
#' classificados por algumas variáveis.
#' @format Um \code{data.frame} com 175 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{tipo}}{Tipo de tumor (maligno, benigno).}
#'
#' \item{\code{idade}}{Idade do paciente (em anos).}
#'
#' \item{\code{sexo}}{Sexo do paciente (masculino, feminino).}
#'
#' \item{\code{hl}}{Intensidade da célula histiócitos-linfócitos
#' (ausente, discreta, moderada, intensa).}
#'
#' \item{\code{ff}}{Intensidade da célula fibrose-frouxa (ausente,
#' discreta, moderada, intensa).}
#'
#' }
#' @keywords MLG
#' @source PAULA (2004), Eg 1.12.2, pág. 85.
#'
#' @examples
#'
#' data(PaulaEg1.12.2)
#' str(PaulaEg1.12.2)
#'
#' library(lattice)
#'
#' bwplot(idade ~ hl | tipo, pch = "|",
#' data = PaulaEg1.12.2,
#' ylab = "Idade",
#' xlab = "Intensidade da célula histiócitos-linfócitos")
#'
#' bwplot(idade ~ ff | tipo, pch = "|",
#' data = PaulaEg1.12.2,
#' ylab = "Idade",
#' xlab = "Intensidade da célula fibrose-frouxa")
#'
#' barchart(table(PaulaEg1.12.2$tipo, PaulaEg1.12.2$hl),
#' auto.key = list(space = "top",
#' columns = 2,
#' cex.title = 1,
#' rectangles = TRUE,
#' points = FALSE))
#'
NULL
#' @name PaulaEg1.12.4
#' @title Desenvolvimento de Massa Tumoral em Ratos
#' @description Estudo realizado para avaliar a influência da série
#' (passagem do tumor) na morte (caquexia) de certa espécie de rato.
#' Um total de 204 animais teve tumor inoculado num determinado
#' momento da série. Para cada animal, além do grupo de passagem,
#' foram observadas as variáveis presença de massa tumoral, caquexia
#' e o tempo de observação.
#' @format Um \code{data.frame} com 204 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{grupo}}{Grupo de passagem (0 a 28).}
#'
#' \item{\code{massat}}{Presença de massa tumoral (sim ou não).}
#'
#' \item{\code{caq}}{Caquexia (sim ou não).}
#'
#' \item{\code{tempo}}{Tempo de sobrevivência (em dias).}
#'
#' }
#' @keywords MLG
#' @source PAULA (2004), Eg 1.12.4, pág. 90.
#' @examples
#'
#' data(PaulaEg1.12.4)
#' str(PaulaEg1.12.4)
#'
#' library(lattice)
#'
#' xyplot(tempo ~ grupo | massat,
#' groups = caq,
#' data = PaulaEg1.12.4,
#' type = c("p", "smooth"),
#' xlab = "Grupo",
#' ylab = "Tempo",
#' auto.key = list(space = "top", columns = 2,
#' title = "Presença de caquexia", cex.title = 1,
#' lines = TRUE, points = FALSE))
#'
#' bwplot(tempo ~ massat | caq, pch = "|",
#' data = PaulaEg1.12.4,
#' ylab = "Tempo",
#' xlab = "Presença de massa tumoral")
#'
NULL
#' @name PaulaEg1.12.5
#' @title Consumo de Combust\enc{í}{i}vel
#' @description Dados referentes ao consumo de combustível em 48 estados
#' norte-americanos. O interesse nesse estudo é tentar explicar o
#' consumo de combustível com base em variáveis econômicas.
#' @format Um \code{data.frame} com 48 observações e 6 variáveis.
#'
#' \describe{
#'
#' \item{\code{est}}{Estado.}
#'
#' \item{\code{taxa}}{Taxa do combustível no estado (em USD).}
#'
#' \item{\code{licen}}{Proporção de motoristas licenciados.}
#'
#' \item{\code{renda}}{Renda percapita (em USD).}
#'
#' \item{\code{estr}}{Ajuda federal para as estradas (em 1000 USD).}
#'
#' \item{\code{cons}}{Consumo de combustível por habitante.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), (Eg 1.12.5, p?g. 94)
#' @examples
#'
#' data(PaulaEg1.12.5)
#' str(PaulaEg1.12.5)
#'
#' library(lattice)
#' library(car)
#'
#' scatterplotMatrix(~ cons + taxa + licen + renda + estr,
#' data = PaulaEg1.12.5)
#'
#' xyplot(cons ~ est,
#' ylab = "Consumo",
#' xlab = "Estados",
#' data = PaulaEg1.12.5,
#' grid = TRUE,
#' scales = list(x = list(rot = 90)))
#'
NULL
#' @name PaulaEg1.12.6
#' @title Sal\enc{á}{a}rio de Executivos
#' @description Dados referentes ao salário anual de uma amostra
#' aleatória de 220 executivos (145 homens e 75 mulheres). O salário
#' será relacionado com as variáveis: sexo, anos de experiência no
#' cargo e posição na empresa.
#' @format Um \code{data.frame} com 220 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{sal}}{Salário anual (em mil USD).}
#'
#' \item{\code{sexo}}{Sexo (masculino, feminino).}
#'
#' \item{\code{pos}}{Posição na empresa (escore de 1 a 9).}
#'
#' \item{\code{aexp}}{Experiência (em anos).}
#'
#' }
#' @keywords RS dummy
#' @source PAULA (2004), Eg 1.12.6, pág. 97.
#' @examples
#'
#' data(PaulaEg1.12.6)
#' str(PaulaEg1.12.6)
#'
#' library(lattice)
#'
#' xyplot(sal ~ aexp | sexo,
#' data = PaulaEg1.12.6,
#' type = c("p", "smooth"),
#' xlab = "Anos de experiência",
#' ylab = "Salário")
#'
NULL
#' @name PaulaEg2.4.2
#' @title Captura de Peixes via Espinhel de Fundo no Litoral Paulista
#' @description Dados parciais de um estudo sobre a atividade de frotas
#' pesqueiras de espinhel de fundo baseadas no litoral paulista (
#' Santos e Ubatuba). Neste estudo uma amostra de 156 embarcações
#' pesqueiras, destinadas à pesca do peixe-batata, foi analisada no
#' período de 1995 a 1999. Para cada embarcação foram consideradas
#' variáveis sobre a frota (Santos ou Ubatuba), ano, trimestre,
#' latitude, longitude, dias de pesca, quantidade de peixes
#' capturados e a captura por unidade de esforço (definida como
#' divisão da quantidade de peixe capturado pelos dias de pesca).
#' @format Um \code{data.frame} com 156 observações e 8 variáveis.
#'
#' \describe{
#'
#' \item{\code{frota}}{Fator com dois níveis que indica de qual frota é
#' a embarcação, \code{Santos} ou \code{Ubatuba}.}
#'
#' \item{\code{ano}}{Fator com cinco níveis que representa o ano, de
#' \code{1995} a \code{1996}.}
#'
#' \item{\code{trim}}{Fator com quatro níveis que representa o trimestre
#' em estudo, de \code{1} a \code{4}.}
#'
#' \item{\code{lat}}{Latitude, definida como distância ao Equador medida
#' ao longo do meridiano de Greenwich.}
#'
#' \item{\code{long}}{Longitude, definida como distância ao meridiano de
#' Greenwich medida ao longo do Equador.}
#'
#' \item{\code{dias}}{Dias de pesca.}
#'
#' \item{\code{captura}}{Quantidade de peixes-batata capturados, em kg.}
#'
#' \item{\code{cpue}}{Captura por unidade de esforço, calculada como
#' razão da quantidade de peixes-batata capturados (\code{captura})
#' pelo número de dias de pesca \code{dias}.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exemplo 2.4.2, pág. 127.
#' @references Paula, G. A., Oshiro, C. H. (2001). Relatório de Análise
#' Estatística sobre o Projeto: Análise de Captura por Unidade de
#' Esforço de Peixe-Batata na Frota Paulista. RAE-CEA0102, IME-USP.
#' @examples
#'
#' data(PaulaEg2.4.2)
#' str(PaulaEg2.4.2)
#'
#' # Separando as covariáveis numéricas
#' index <- sapply(PaulaEg2.4.2, is.numeric)
#'
#' # Número de observações em cada combinação das covariáveis
#' # não numéricas
#' ftable(table(PaulaEg2.4.2[, !index]))
#'
#' library(lattice)
#'
#' # Relação marginal da variável resposta com as covariáveis
#' # não numéricas
#' bwplot(cpue ~ frota, data = PaulaEg2.4.2)
#' bwplot(cpue ~ ano, data = PaulaEg2.4.2)
#' bwplot(cpue ~ trim, data = PaulaEg2.4.2)
#'
#' # Relação da variável resposta com as combinações das
#' # covariáveis não numéricas
#' ue <- with(PaulaEg2.4.2, paste(ano, trim, sep = "-"))
#' bwplot(cpue ~ ue | frota, data = PaulaEg2.4.2,
#' scales = list(x = list(rot = 90)))
#'
#' # Verificando a suposição de coeficiente de variação constante,
#' # desconsiderando as covariáveis tri e numéricas
#' resumo <- aggregate(cpue ~ frota + ano, data = PaulaEg2.4.2,
#' FUN = function(x) {
#' c("Média" = mean(x),
#' "D.Padrão" = sd(x),
#' "C.Variação" = sd(x)/mean(x),
#' "n" = length(x))
#' })
#' ftable(xtabs(cpue ~ frota + ano, data = resumo))
#'
#' # Relação das covariáveis numéricas
#' splom(~PaulaEg2.4.2[, index], groups = frota,
#' data = PaulaEg2.4.2,
#' auto.key = list(column = 2))
#'
NULL
#' @name PaulaEg2.4.3
#' @title Valores Pagos de Seguros sob Influ\enc{ê}{e}ncia de
#' Representa\enc{çã}{ca}o Legal
#' @description Dados referentes aos valores pagos de seguros
#' individuais por danos com acidentes pessoais no período de
#' janeiro de 1998 a junho de 1999 (18 meses). O estudo completo
#' (Jong e Heller, 2008) contém o acompanhamento dos seguros desde
#' 1989. No período considerado aqui foram pagos 769 seguros, sendo
#' armazenadas as informações: se houve representação legal, tempo
#' operacional para pagamento e mês em que ocorreu o acidente.
#' @format Um \code{data.frame} com 769 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{valor}}{Valor pago do seguro, em dólares australianos.}
#'
#' \item{\code{rl}}{Fator com dois níveis que indica, se no seguro em
#' análise, há representação legal do indivíduo.}
#'
#' \item{\code{mes}}{Fator com 15 níveis que indica o mês de ocorrência
#' do acidente. Os níveis deste fator são codificados e não
#' informou-se quais os meses que eles representam.}
#'
#' \item{\code{to}}{Tempo operacional para pagamento do seguro. Essa
#' variável assume valores de 0,1 a 31,9, pois são considerados
#' apenas os 18 últimos meses do estudo.}
#'
#' }
#' @keywords RM dummy
#' @source PAULA (2004), Exemplo 2.4.3, pág. 136.
#' @references De Jong, P., Heller, G. Z. (2008). Generalized linear
#' models for insurance data (Vol. 136). Cambridge: Cambridge
#' University Press.
#' @examples
#'
#' data(PaulaEg2.4.3)
#' str(PaulaEg2.4.3)
#'
#' # Número de seguros pagos em cada combinação de mês e
#' # representação legal
#' ftable(table(PaulaEg2.4.3[, c("mes", "rl")]))
#' table(PaulaEg2.4.3[, c("rl")])
#'
#' library(lattice)
#'
#' xyplot(log(valor) ~ to | rl,
#' data = PaulaEg2.4.3,
#' type = c("p", "g", "smooth"),
#' lwd = 2,
#' strip = strip.custom(
#' strip.names = TRUE,
#' var.name = "Representação Legal",
#' sep = ": "))
#'
#' densityplot(~valor | rl,
#' data = PaulaEg2.4.3,
#' grid = TRUE,
#' scales = list(x = list(relation = "free")),
#' strip = strip.custom(
#' strip.names = TRUE,
#' var.name = "Representação Legal",
#' sep = ": "))
#'
NULL
#' @name PaulaEg2.5.2
#' @title Aduba\enc{çã}{ca}o de Nitrog\enc{ê}{e}nio e Fosfato em Milhos
#' @description Dados de um experimento inteiramente casualizado em que
#' a produtividade de milho é estudada segundo combinações de
#' quantidades de nitrogênio (N) e fosfato (P2O5) utilizadas na
#' adubação.
#' @format Um \code{data.frame} com 30 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{N}}{Quantidade de nitrogênio utilizada na adubação, em
#' libras/acre.}
#'
#' \item{\code{P2O5}}{Quantidade de fosfato utilizada na adubação, em
#' libras/acre.}
#'
#' \item{\code{prod}}{Produtividade de milho, em libras/acre.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exemplo 2.5.2, pág. 144.
#' @examples
#'
#' data(PaulaEg2.5.2)
#' str(PaulaEg2.5.2)
#'
#' ftable(table(PaulaEg2.5.2[, c("N", "P2O5")]))
#'
#' library(reshape2)
#'
#' da <- melt(PaulaEg2.5.2, id.vars = 3,
#' variable.name = "adub",
#' value.name = "qtde")
#'
#' library(lattice)
#'
#' xyplot(prod ~ qtde | adub,
#' data = da,
#' type = c("p", "g", "smooth"),
#' strip = strip.custom(
#' factor.levels = c("Nitrogênio", "Fosfato")))
#'
NULL
#' @name PaulaEg2.8.1
#' @title Compara\enc{çã}{ca}o de Tipos de Snack
#' @description Dados de um experimento desenvolvido pelo Departamento
#' de Nutrição da Faculdade de Saúde Pública da USP em que 5 tipos
#' diferentes de um novo snack, com baixo teor de gordura e de
#' ácidos graxos, foram comparados ao longo de 20 semanas. Nesse
#' novo produto a gordura vegetal hidrogenada, responsável pela
#' fixação do aroma do produto, foi substituída, totalmente ou
#' parcialmente, por óleo de canola. Ao todo foram produzidas 750
#' observações, referentes a 15 avaliações para cada tipo de snack a
#' cada 2 semanas.
#' @format Um \code{data.frame} com 750 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{semana}}{Semana da avaliação.}
#'
#' \item{\code{tipo}}{Tipo de snack avaliado. Os níveis representam as
#' seguintes configurações: \code{A}: 22\% de gordura, 0\% de óleo
#' de canola, \code{B}: 0\% de gordura, 22\% de óleo de canola,
#' \code{C}: 17\% de gordura, 5\% de óleo de canola, \code{D}: 11\%
#' de gordura, 11\% de óleo de canola e \code{E}: 5\% de gordura,
#' 17\% de óleo de canola.}
#'
#' \item{\code{fnpc}}{Força necessária para o cisalhamento.}
#'
#' }
#' @keywords FAT2 longitudinal
#' @source PAULA (2004), Exemplo 2.8.1, pág. 150; Exemplo 2.9.3,
#' pág. 169.
#' @examples
#'
#' data(PaulaEg2.8.1)
#' str(PaulaEg2.8.1)
#'
#' # Experimento balanceado, 15 observações para cada tipo em cada
#' # semana
#' ftable(PaulaEg2.8.1[, c("tipo", "semana")])
#' xtabs(fnpc ~ tipo + semana, data = PaulaEg2.8.1)
#'
#' library(lattice)
#'
#' bwplot(fnpc ~ tipo | factor(semana), pch = "|",
#' data = PaulaEg2.8.1,
#' as.table = TRUE,
#' strip = strip.custom(strip.names = TRUE,
#' var.name = "semana"))
#'
#' # Estatísticas descritivas
#' resumo <- aggregate(fnpc ~ tipo + semana,
#' data = PaulaEg2.8.1,
#' FUN = function(x) {
#' c("Média" = mean(x),
#' "D.Padrão" = sd(x),
#' "C.Variação" = sd(x)/mean(x),
#' "n" = length(x))
#' })
#' ftable(xtabs(fnpc ~ tipo + semana, data = resumo))
#'
#' xyplot(fnpc[, "Média"] ~ semana,
#' groups = tipo,
#' data = resumo,
#' type = c("l", "g"),
#' auto.key = list(
#' points = FALSE,
#' lines = TRUE,
#' title = "snack",
#' cex.title = 1.1,
#' corner = c(0.1, 0.9)))
#'
NULL
#' @name PaulaEg3.5.1
#' @title Associa\enc{çã}{ca}o Entre Fungicida e Desenvolvimento de
#' Tumor
#' @description Dados de um experimento realizado para avaliar o
#' possível efeito cancerígeno do fungicida Avadex. Foram utilizados
#' 403 camundongos. Desses, 65 receberam o fungicida e foram
#' acompanhados durante 85 semanas, verificando-se o desenvolvimento
#' ou não de tumor cancerígeno. Os demais animais não receberam o
#' fungicida (grupo controle) e também foram acompanhados pelo mesmo
#' período.
#' @format Um \code{data.frame} com 4 observações e 4 variáveis, em que
#'
#' \describe{
#'
#' \item{sexo}{Sexo do camundongo (macho = 1 e fêmea = 0).}
#'
#' \item{trat}{Identifica a presença ou não do tratamento (sim = 1 e não
#' = 0).}
#'
#' \item{casos}{Número inteiro que identifica a quantidade de casos
#' ocorridos.}
#'
#' \item{exp}{Quantidade de camundongos expostos.}
#'
#' }
#'
#' @keywords MLG FAT2 binário
#' @source PAULA (2004), Eg 3.5.1 pág. 201.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEg3.5.1)
#' str(PaulaEg3.5.1)
#'
#' barchart(casos/exp ~ trat | sexo,
#' data = PaulaEg3.5.1,
#' xlab = "Grupo",
#' ylab = "Proporção de casos",
#' scales = list(x = list(labels = c("Controle", "Tratado"))),
#' strip = strip.custom(var.name = "Sexo",
#' factor.levels = c(" Fêmea", "Macho"),
#' strip.levels = rep(TRUE, 2)))
#'
NULL
#' @name PaulaEg3.5.2
#' @title Efeito de Extrato Vegetal
#' @description Dados de um experimento conduzido para avaliar o efeito
#' de diversos extratos vegetais na mortalidade de embriões de
#' \emph{Biomphalaria Glabrata}. Para o extrato vegetal aquoso frio
#' de folhas de \emph{P. Hyrsiflora} foram consideradas 7 amostras,
#' sendo que em cada uma delas 50 embriões foram submetidos a uma
#' particular dose do extrato vegetal, registrando-se, após o
#' vigésimo dia, o número de embriões mortos.
#' @format Um \code{data.frame} com 2 observações e 3 variáveis, em que
#'
#' \describe{
#'
#' \item{dose}{Dose de extrato vegetal aplicada (em partes por milhão).}
#'
#' \item{emb}{Número observado de embriões mortos.}
#'
#' }
#' @keywords MLG binário
#' @source PAULA (2004), Eg 3.5.2 pág. 203.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEg3.5.2)
#' str(PaulaEg3.5.2)
#'
#' barchart(emb/(sum(emb)) ~ dose, data = PaulaEg3.5.2,
#' stack = TRUE, col = "lightblue",
#' xlab = "Dose (em ppm)",
#' ylab = "Proporção de embriões mortos")
#'
NULL
#' @name PaulaEg3.6.11a
#' @title Exposi\enc{çã}{ca}o de Besouros
#' @description Dados de um estudo sobre o efeito da exposição de
#' besouros adultos a diferentes doses de disulfeto de carbono
#' gasoso \emph{(CS2)}, durante cinco horas. Foram registrados os
#' números de besouros mortos.
#' @format Um \code{data.frame} com 8 observações e 3 variáveis, em que
#'
#' \describe{
#'
#' \item{mortos}{Quantidade observada de besouros mortos.}
#'
#' \item{exp}{Quantidade de besouros expostos a cada dose.}
#'
#' \item{dose}{Dose de disulfeto de carbono gasoso à qual os besouros
#' foram expostos.}
#'
#' }
#' @keywords MLG binário
#' @source PAULA (2004), Eg 3.6.11a pág. 237.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEg3.6.11a)
#' str(PaulaEg3.6.11a)
#'
#' xyplot(mortos/(sum(mortos)) ~ dose,
#' data = PaulaEg3.6.11a,
#' type = "o",
#' xlab = "Dose de disulfeto de carbono gasoso",
#' ylab = "Proporção de besouros mortos")
#'
NULL
#' @name PaulaEg3.6.11b
#' @title Idade do in\enc{í}{i}cio da menstrua\enc{çã}{ca}o em garotas
#' de Vars\enc{ó}{o}via
#' @description Dados de um estudo em que se investigou a idade do
#' início da menstruação em 3918 garotas de Varsóvia. Para 25 médias
#' de idade foram observadas a ocorrência ou não do início de
#' períodos de menstruação nas adolescentes.
#' @format Um \code{data.frame} com 25 observações e 3 variáveis, em que
#'
#' \describe{
#'
#' \item{menst}{Número de garotas menstruando.}
#'
#' \item{entre}{Número de garotas entrevistadas.}
#'
#' \item{idade}{Idade media.}
#'
#' }
#' @keywords MLG
#' @source PAULA (2004), Eg 3.6.11b pág. 241.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEg3.6.11b)
#' str(PaulaEg3.6.11b)
#' PaulaEg3.6.11b$idade <-
#' as.numeric(as.character(PaulaEg3.6.11b$idade))
#'
#' xyplot((menst/entre) ~ idade, data = PaulaEg3.6.11b,
#' type = c("p","a"),
#' xlab = "Idade média",
#' ylab = "Meninas menstruando/Entrevistadas")
#'
NULL
#' @name PaulaEg3.6.9c
#' @title Prefer\enc{ê}{e}ncia de Consumidores
#' @description Dados sobre a preferência de consumidores americanos com
#' relação a automóveis. Uma amostra aleatória de 263 consumidores
#' foi considerada. As seguintes variáveis foram observadas para
#' cada comprador: preferência quanto ao tipo de automóvel, idade,
#' sexo e estado civil.
#' @format Um \code{data.frame} com 263 observações e 4 variáveis, em
#' que
#'
#' \describe{
#'
#' \item{pref}{Preferência do comprador por um tipo de automóvel (1 =
#' americano, 0 = japonês).}
#'
#' \item{idade}{Idade do comprador (em anos).}
#'
#' \item{sexo}{Sexo do comprador (0 = masculino; 1 = feminino).}
#'
#' \item{est}{Estado civil do comprador (0 = casado, 1 = solteiro).}
#'
#' }
#' @keywords MLG binário
#' @source PAULA (2004), Eg 3.6.9c, pág. 231.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEg3.6.9c)
#' str(PaulaEg3.6.9c)
#'
#' bwplot(idade ~ pref, data = PaulaEg3.6.9c,
#' type = "p", pch = "|",
#' xlab = "Preferência - Japonês e Americano",
#' ylab = "Idade do Comprador")
#'
NULL
#' @name PaulaEg4.2.6
#' @title Perfis de Clientes de uma Loja nas \enc{Á}{A}reas de uma
#' Cidade
#' @description Dados apresentados em Neter et al. (1996) sobre um
#' estudo do perfil dos clientes de determinada loja oriundos de 110
#' áreas de uma cidade. O interesse do estudo é relacionar o número
#' esperado de clientes em cada área com as demais cinco variáveis
#' explicativas registradas
#' @format Um \code{data.frame} com 110 observações e 6 variáveis.
#'
#' \describe{
#'
#' \item{\code{nclien}}{Número de clientes da loja na área.}
#'
#' \item{\code{ndomic}}{Número de domicílios na área (em mil).}
#'
#' \item{\code{renda}}{Renda média anual da área (em mil USD).}
#'
#' \item{\code{idade}}{Idade média dos domicílios (em anos).}
#'
#' \item{\code{distac}}{Distância entre a área e o concorrente mais
#' próximo (em milhas).}
#'
#' \item{\code{distal}}{Distância entre a área e a loja (em milhas).}
#'
#' }
#' @keywords contagem
#' @source PAULA (2004), Exemplo 4.2.6, pág. 299.
#' @references Neter, J., Kutner, M. H., Nachtsheim, C. J., Wasserman,
#' W. (1996). Applie Linear Regression Models (3tr ed.). Irwin,
#' Illinois.
#' @examples
#'
#' data(PaulaEg4.2.6)
#' str(PaulaEg4.2.6)
#'
#' library(lattice)
#'
#' splom(PaulaEg4.2.6, type = c("p", "smooth"), lwd = 2)
#'
NULL
#' @name PaulaEg4.3.6
#' @title Aus\enc{ê}{e}ncia Escolar de Estudantes Australianos
#' @description Dados provenientes de um estudo sociológico desenvolvido
#' na Austrália com 146 estudantes de 8ª série e ensino médio. Nesse
#' estudo avaliou-se a ausência escolar (contagem de dias ausentes)
#' com o objetivo de avaliar sua relaçao com etnia, sexo, ano que o
#' aluno está cursando e desempenho escolar.
#' @format Um \code{data.frame} com 146 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{etnia}}{Fator com dois níveis que indica se o aluno é
#' aborígene da própria região (A) ou não aborígene (N).}
#'
#' \item{\code{sexo}}{Fator com dois níveis que indica o sexo do
#' aluno: masculino (M) ou feminino (F).}
#'
#' \item{\code{ano}}{Fator com quatro níveis que indica o ano que o
#' aluno está cursando: 8ª série (F0), 1º ano do ensino médio (F1),
#' 2º ano do ensino médio (F2) ou 3º ano do ensino médio (F3).}
#'
#' \item{\code{desemp}}{Fator com dois níveis que indica o desempenho do
#' aluno: baixo (SL) ou normal (AL).}
#'
#' \item{\code{ndias}}{Número de dias ausentes no ano letivo.}
#'
#' }
#' @keywords contagem
#' @source PAULA (2004), Exemplo 4.3.6, pág. 312.
#' @references Venables, W. N., Ripley, B. D. (1999). Modern Applied
#' Statistics with S-Plus (3rd ed.). Springer, New York.
#' @examples
#'
#' data(PaulaEg4.3.6)
#' str(PaulaEg4.3.6)
#'
#' # Número de observações em cada combinação. Para modelagem não será
#' # possível a estimação de algumas interações
#' ftable(PaulaEg4.3.6[, -5])
#'
#' # Ausência escolar seccionadas pelas variáveis explicativas
#' xtabs(ndias ~ ., data = PaulaEg4.3.6)
#'
#' # Relação média-variância
#' aggregate(ndias ~ ., FUN = function(x) c(mean(x), var(x)),
#' data = PaulaEg4.3.6)
#'
#' library(latticeExtra)
#'
#' fl1 <- c("Aborígene", "Não Aborígene")
#' fl2 <- c("Feminino", "Masculino")
#' useOuterStrips(
#' xyplot(ndias ~ ano | etnia + sexo,
#' groups = desemp,
#' data = PaulaEg4.3.6,
#' type = c("p", "a", "g"),
#' ylab = "Número de dias ausente",
#' auto.key = list(
#' columns = 2, cex.title = 1,
#' title = "Desempenho escolar")),
#' strip = strip.custom(factor.levels = fl1),
#' strip.left = strip.custom(factor.levels = fl2))
#'
NULL
#' @name PaulaEg5.2.8a
#' @title N\enc{ú}{u}mero de \enc{Á}{A}caros em Placas de Esterco de
#' Gado
#' @description Dados de um experimento desenvolvido para estudar a
#' distribuição do número de ácaros em placas de esterco de gado
#' bovino no estado de São Paulo, obtidos por Paula e Tavares, 1992.
#' Essas placas são depósitos de ovos da mosca do chifre
#' (\emph{Haematobia irritans}), uma das pragas mais importantes da
#' pecuária brasileira. Os ácaros são inimigos naturais da mosca do
#' chifre, uma vez que se alimentam de ovos e larvas dessas moscas.
#' @format Um \code{data.frame} com 102 observações e 8 variáveis.
#'
#' \describe{
#'
#' \item{\code{esp2}}{Número de ácaros coletados da espécie 2.}
#'
#' \item{\code{esp3}}{Número de ácaros coletados da espécie 3.}
#'
#' \item{\code{esp6}}{Número de ácaros coletados da espécie 6.}
#'
#' \item{\code{esp14}}{Número de ácaros coletados da espécie 14.}
#'
#' \item{\code{placa}}{Número de partes da placa de esterco onde foram
#' coletados os ácaros. (1 ou 6)}
#'
#' \item{\code{posic}}{Posição na placa de esterco onde foram coletados
#' os ácaros (central ou lateral).}
#'
#' \item{\code{reg}}{Região onde a placa de esterco foi coletada (São
#' Roque, Pindamonhangaba, Nova Odessa ou Ribeirão Preto).}
#'
#' \item{\code{temp}}{Temperatura no local da coleta, medida
#' \eqn{C^{\circ}}.}
#'
#' }
#' @keywords contagem
#' @source PAULA (2004), (Exemplo 5.2.8a, pág. 359)
#' @references Paula, G. A. e Tavares, H. R. (1992). Relatório de
#' Análise Estatística sobre o Projeto: Ácaros Associados ao Esterco
#' Bovino. Subsídios para Controle Biológico da Mosca do Chifre.
#' RAECEA 9206, IME-USP
#' @examples
#'
#' data(PaulaEg5.2.8a)
#' str(PaulaEg5.2.8a)
#'
#' library(lattice)
#'
#' index <- sapply(PaulaEg5.2.8a, is.numeric)
#' splom(PaulaEg5.2.8a[, index],
#' type = c("p", "g"),
#' lwd = 2, col.line = 1)
#'
NULL
#' @name PaulaEg5.2.8c
#' @title Manchas na Folha de Cevada
#' @description Dados apresentados em McCullagh e Nelder (1989),
#' envolvendo a incidência de um tipo de mancha observada na folha
#' da cevada, com 10 variedades em 9 diferentes locações.
#' @format Um \code{data.frame} com 90 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{incid}}{Proporção da área afetada na folha de cevada.}
#'
#' \item{\code{local}}{Local onde foi realizado o experimento (1-9).}
#'
#' \item{\code{varied}}{Variedade de cevada (1-10).}
#'
#' }
#' @keywords unitário
#' @source PAULA (2004), Exemplo 5.2.8a, pág. 367.
#' @references McCullagh, P. e Nelder, J. A. (1989). Generalized Linear
#' Models, 2nd. Edition. Chapman and Hall, London. Tabela 9.2.
#' @examples
#'
#' data(PaulaEg5.2.8c)
#' str(PaulaEg5.2.8c)
#'
#' xtabs(~varied + local, data = PaulaEg5.2.8c)
#'
#' boxplot(incid ~ local, data = PaulaEg5.2.8c,
#' xlab = "Local",
#' ylab = "Área Afetada")
#'
#' boxplot(incid ~ varied, data = PaulaEg5.2.8c,
#' xlab = "Variedade",
#' ylab = "Área Afetada")
#'
NULL
#' @name PaulaEg5.5.1
#' @title Ensaio Cl\enc{í}{i}nico com Indiv\enc{í}{i}duos
#' Epil\enc{é}{e}pticos
#' @description Dados apresentados em Diggle, Liang e Zeger (1994),
#' referentes a um ensaio clínico com 59 indivíduos epilépticos,
#' aleatorizados de modo que cada um recebesse uma droga
#' antiepiléptica (progabide) ou placebo. Os dados de cada
#' indivíduo consistem do número de ataques epilépticos num período
#' de oito semanas antes do tratamento, além do número de ataques em
#' cada período de duas semanas, num total de quatro períodos após o
#' tratamento. O interesse do estudo é verificar possível diminuição
#' na taxa de ataques epilépticos.
#' @format Um \code{data.frame} com 295 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{indiv}}{Identificação do indivíduo.}
#'
#' \item{\code{period}}{Período de observação (1 = antes do tratamento,
#' 2 = primeiro período após o tratamento, 3 = segundo período após
#' o tratamento e 4 = terceiro período após o tratamento).}
#'
#' \item{\code{seman}}{Número de semanas em cada período.}
#'
#' \item{\code{ataq}}{Número de ataques em cada período.}
#'
#' \item{\code{trat}}{Tratamento aplicado a cada indivíduo (placebo ou
#' progabide).}
#'
#' }
#' @keywords contagem longitudinal
#' @source PAULA (2004), Exemplo 5.5.1, pág. 379.
#' @references Diggle, P. J.; Liang, K. Y. e Zeger, S. L. (1994).
#' Analysis of Longitudinal Data. Oxford University Press. Seção
#' 8.4.
#' @examples
#'
#' data(PaulaEg5.5.1)
#' str(PaulaEg5.5.1)
#'
#' ftable(xtabs(~period + seman + trat, data = PaulaEg5.5.1))
#'
#' library(lattice)
#'
#' xyplot(ataq ~ period | trat, groups = indiv, data = PaulaEg5.5.1,
#' type = c("p", "a"),
#' xlab = "Período",
#' ylab = "Número de ataques epilépticos")
#'
NULL
#' @name PaulaEg5.5.2
#' @title Estudo sobre Condi\enc{çã}{ca}o Respirat\enc{ó}{o}ria
#' @description Estudo discutido em Myers, Montgomery e Vining (2002)
#' que envolve a comparação de dois tratamentos aplicados em
#' pacientes com problemas respiratórios. Nesse estudo foi
#' considerado um total de 56 pacientes, sendo que 27 receberam o
#' tratamento com uma droga ativa e 29 receberam placebo. Cada
#' paciente foi observado em quatro ocasiões em que foi medida a
#' condição respiratória. Foram também registrados o sexo e a idade
#' de cada paciente além da pré-existência de um nível base.
#' @format Um \code{data.frame} com 224 observações e 6 variáveis.
#'
#' \describe{
#'
#' \item{\code{paci}}{Identificação do paciente.}
#'
#' \item{\code{trat}}{Tratamento aplicado ao paciente (droga ativa ou
#' placebo).}
#'
#' \item{\code{sexo}}{Sexo do paciente.}
#'
#' \item{\code{idade}}{Idade (em anos).}
#'
#' \item{\code{nivel}}{Pré-existência de um nível base (ausência ou
#' presença).}
#'
#' \item{\code{cond}}{Condição respiratória do paciente (boa ou ruim).}
#'
#' }
#' @keywords binário longitudinal
#' @source PAULA (2004), Exemplo 5.5.2, pág. 385.
#' @references Myers, R.H.; Montgomery, D. C.; Vining, G. G. (2002).
#' Generalized Linear Models: With Applications in Engineering and
#' the Sciences. John Wiley, New York. Seção 6.5.
#' @examples
#'
#' data(PaulaEg5.5.2)
#' str(PaulaEg5.5.2)
#'
#' library(latticeExtra)
#'
#' tb <- with(PaulaEg5.5.2, table(nivel, trat, sexo, cond))
#' ftable(tb)
#' ftable(prop.table(tb))
#'
#' useOuterStrips(
#' barchart(prop.table(tb), stack = FALSE,
#' xlab = "",
#' scales = list(x = list(relation = "free")),
#' between = list(x = 0.5),
#' auto.key = list(
#' title = "Condição Respiratória",
#' columns = 2, cex.title = 1)
#' )
#' )
#'
NULL
#' @name PaulaEg5.5.3
#' @title Ensaio cl\enc{í}{i}nico da pr\enc{é}{e}-exist\enc{ê}{e}ncia de
#' placa dent\enc{á}{a}ria
#' @description Dados de um ensaio clínico realizado com 109 indivíduos,
#' distribuídos de forma aleatória para receberem um líquido tipo A
#' (34 indivíduos), um líquido tipo B (36 indivíduos) ou um líquido
#' controle (39 indivíduos). Placas dentárias foram avaliadas e
#' classificadas segundo um escore no início do tratamento, após 3 e
#' 6 meses.
#' @format Um \code{data.frame} com 323 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{volunt}}{Identificação do paciente voluntário.}
#'
#' \item{\code{period}}{Momento de avaliação: (1 = início do tratamento,
#' 2 = após 3 meses e 3 = após 6 meses.}
#'
#' \item{\code{trat}}{Tipo de tratamento (1 = placebo, 2 = líquido A e 3
#' = líquido B.}
#'
#' \item{\code{escore}}{Escore atribuído às placas dentárias.}
#'
#' }
#' @keywords longitudinal
#' @source PAULA (2004), Exemplo 5.5.3, pág. 390.
#' @references Hadgu, A. e Koch, G. (1999). Application of generalized
#' estimating equations to a dental randomized clinical
#' trial. Journal of Biopharmaceutical Statistics 9, 161-178.
#' @examples
#'
#' data(PaulaEg5.5.3)
#' str(PaulaEg5.5.3)
#'
#' xtabs(~trat + period, data = PaulaEg5.5.3)
#'
#' library(lattice)
#'
#' xyplot(escore ~ period | trat, groups = volunt,
#' xlab = "Período", ylab = "Escore", type = c("p", "a"),
#' data = PaulaEg5.5.3)
#'
NULL
#' @name PaulaEx1.13.19
#' @title Estudo Demogr\enc{á}{a}fico dos Estados Norte-Americanos
#' @description Dados referentes a um estudo demográfico sobre os 50
#' estados norte-americanos. Neste estudo foram registradas 8
#' variáveis que contém informações sobre características da
#' população e do estado. Dentre elas temos a variável expectativa
#' de vida, havendo interesse em explicá-la utilizando as demais
#' informações.
#' @format Um \code{data.frame} com 50 observações e 9 variáveis.
#'
#' \describe{
#'
#' \item{\code{estado}}{Nome do estado.}
#'
#' \item{\code{pop}}{População estimada em julho de 1975.}
#'
#' \item{\code{renda}}{Renda per capita em 1974 (em dólares).}
#'
#' \item{\code{analf}}{Proporção de analfabetos em 1970.}
#'
#' \item{\code{crime}}{Taxa de criminalidade por cem mil habitantes em
#' 1976.}
#'
#' \item{\code{estud}}{Porcentagem de estudantes que concluem o segundo
#' grau em 1970.}
#'
#' \item{\code{ndias}}{Número de dias do ano com temperatura abaixo de
#' 0\eqn{^\circ C} na cidade mais importante do estado.}
#'
#' \item{\code{area}}{Área do estado (em milhas quadradas).}
#'
#' \item{\code{expvi}}{Expectativa de vida nos anos de 1969-1970.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercício 1.13.19, pág. 109.
#' @examples
#'
#' data(PaulaEx1.13.19)
#' str(PaulaEx1.13.19)
#'
#' library(car)
#'
#' PaulaEx1.13.19$dens <- PaulaEx1.13.19$pop/PaulaEx1.13.19$area
#' scatterplotMatrix(~expvi + analf + crime + estud + ndias + dens,
#' data = PaulaEx1.13.19)
#'
#'
NULL
#' @name PaulaEx1.13.20
#' @title Vendas de Telhados de Madeira
#' @description Dados referentes a vendas de um tipo de telhado de
#' madeira em 26 filiais de uma rede de lojas de construção. Um dos
#' objetivos do estudo é tentar prever o número esperado de telhados
#' vendidos dadas as demais variáveis registradas.
#' @format Um \code{data.frame} com 26 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{gasto}}{Gasto com publicidade do produto (em mil
#' dólares).}
#'
#' \item{\code{ncli}}{Número de clientes cadastrados (em milhares).}
#'
#' \item{\code{nmar}}{Número de marcas concorrentes do produto}
#'
#' \item{\code{poten}}{Potencial da loja, informação advinda da rede de
#' lojas de construção (quanto maior o valor maior o potencial de
#' venda da filial).}
#'
#' \item{\code{telha}}{Total de telhados vendidos (em mil metros
#' quadrados).}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercício 1.13.20, pág. 110.
#' @examples
#'
#' data(PaulaEx1.13.20)
#' str(PaulaEx1.13.20)
#'
#' library(lattice)
#'
#' splom(PaulaEx1.13.20,
#' type = c("p", "g", "smooth"),
#' col.line = 1)
#'
NULL
#' @name PaulaEx1.13.21
#' @title N\enc{ú}{u}mero de Octanas na Produ\enc{çã}{ca}o de Gasolina
#' @description Dados referentes à produção de gasolina numa determinada
#' refinaria segundo três variáveis observadas durante o processo e
#' uma quarta variável que é uma combinação das três primeiras. A
#' variável de interesse é o número de octanas da gasolina
#' produzida.
#' @format Um \code{data.frame} com 82 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{x1}}{Variável não nomeada. Imagina-se que se tenha
#' relação com o número de octanas da gasolina.}
#'
#' \item{\code{x2}}{Variável não nomeada. Imagina-se que se tenha
#' relação com o número de octanas da gasolina.}
#'
#' \item{\code{x3}}{Variável não nomeada. Imagina-se que se tenha
#' relação com o número de octanas da gasolina.}
#'
#' \item{\code{x4}}{Valores de uma combinação (não informada) das
#' variável \code{x1}, \code{x2} e \code{x3}.}
#'
#' \item{\code{nocta}}{Número de octanas da gasolina produzida.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercício 1.13.21, pág. 110.
#' @examples
#'
#' data(PaulaEx1.13.21)
#' str(PaulaEx1.13.21)
#'
#' library(lattice)
#'
#' splom(PaulaEx1.13.21,
#' type = c("p", "g", "smooth"),
#' col.line = 1)
#'
NULL
#' @name PaulaEx1.13.22
#' @title Vendas de Im\enc{ó}{o}veis
#' @description Dados relativos a uma amostra de 27 imóveis vendidos. Os
#' resgistros visam identificar as características que influenciam
#' no preço de venda de um imóvel.
#' @format Um \code{data.frame} com 27 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{impos}}{Valor cobrado de imposto, em 100 dólares.}
#'
#' \item{\code{areat}}{Área do terreno, em 1000 pés quadrados.}
#'
#' \item{\code{areac}}{Área construída, em 1000 pés quadrados.}
#'
#' \item{\code{idade}}{Idade da residência, em anos.}
#'
#' \item{\code{preco}}{Preço de venda do imóvel, em 1000 dólares.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercício 1.13.22, pág. 111.
#' @examples
#'
#' data(PaulaEx1.13.22)
#' str(PaulaEx1.13.22)
#'
#' library(lattice)
#'
#' splom(PaulaEx1.13.22,
#' type = c("p", "g", "smooth"),
#' col.line = 1)
#'
NULL
#' @name PaulaEx1.13.23
#' @title Di\enc{â}{a}metro de Cerejeiras da Pensilv\enc{â}{a}nia
#' @description Dados referentes ao registro das variáveis diâmetro,
#' altura e volume de 31 árvores cerejeiras numa floresta no estado
#' da Pensilvânia. O objetivo do estudo é predizer o volume da
#' árvore a partir de sua altura e diâmetro.
#' @format Um \code{data.frame} com 31 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{diam}}{Diâmetro da cerejeira, em polegadas. Provavelmente
#' o diâmetro foi calculado à altura do peito (\eqn{\approx}
#' 1.30m).}
#'
#' \item{\code{alt}}{Altura da cerejeira, em pés.}
#'
#' \item{\code{vol}}{Volume da cerejeira, em pés cúbicos.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercício 1.13.23, pág. 111.
#' @examples
#'
#' data(PaulaEx1.13.23)
#' str(PaulaEx1.13.23)
#'
#' library(lattice)
#'
#' splom(PaulaEx1.13.23,
#' type = c("p", "g", "smooth"),
#' lwd = 2, col.line = 1)
#'
NULL
#' @name PaulaEx1.13.24
#' @title Porcentagens de Retorno de A\enc{çõ}{co}es
#' @description Dados referentes aos retornos diários das ações das
#' empresas Microsoft, General Eletric (GE) e Ford no período de
#' janeiro de 2002 a abril de 2003. No registro dessas ações também
#' se dispõe da taxa de retorno livre de risco e do retorno do
#' mercado, para padronizar as comparações.
#' @format Um \code{data.frame} com 311 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{tbill}}{Taxa de retorno livre de risco.}
#'
#' \item{\code{sp500}}{Porcentagem de retorno do mercado.}
#'
#' \item{\code{micro}}{Porcentagem de retorno das ações da empresa
#' Microsoft.}
#'
#' \item{\code{ge}}{Porcentagem de retorno das ações da empresa General
#' Eletric (GE).}
#'
#' \item{\code{ford}}{Porcentagem de retorno das ações da empresa Ford.}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercicío 1.13.24, pág. 112.
#' @examples
#'
#' data(PaulaEx1.13.24)
#' str(PaulaEx1.13.24)
#'
#' library(reshape)
#'
#' da <- melt(PaulaEx1.13.24, measure.vars = c("micro", "ge", "ford"),
#' variable_name = "empresa")
#'
#' library(lattice)
#'
#' densityplot(~value, groups = empresa, data = da,
#' auto.key = list(corner = c(0.9, 0.9)))
#'
#' xyplot((sp500 - tbill) ~ (value - tbill) | empresa,
#' data = da, type = c("p", "smooth", "g"))
#'
NULL
#' @name PaulaEx1.13.25
#' @title Venda de Im\enc{ó}{o}veis em Eugene, Estatdos Unidos
#' @description Dados de um estudo cujo objetivo foi tentar prever o
#' preço de venda de um imóvel dada sua área total. Foram 50 imóveis
#' da região de Eugene, Estados Unidos com valores de área e preço
#' de venda registrados.
#' @format Um \code{data.frame} com 50 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{area}}{Área total do imóvel, em pés quadrados.}
#'
#' \item{\code{preco}}{Preço de venda do imóvel, em mil dólares.}
#'
#' }
#' @keywords TODO
#' @source PAULA (2004), Exercício 1.13.25, pág. 112.
#' @examples
#'
#' data(PaulaEx1.13.25)
#' str(PaulaEx1.13.25)
#'
#' library(lattice)
#'
#' xyplot(preco ~ area, data = PaulaEx1.13.25,
#' type = c("p", "smooth", "g"))
#'
NULL
#' @name PaulaEx2.10.15
#' @title Consumo de Energia em Domic\enc{í}{i}lios
#' @description Dados referentes ao consumo de energia em 53 domicílios
#' e demanda de energia no horário de pico.
#' @format Um \code{data.frame} com 53 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{consu}}{Consumo de energia num determinado mês, em
#' quilowatts-hora.}
#'
#' \item{\code{deman}}{Demanda de energia no horário de pico (unidade de
#' medida não informada).}
#'
#' }
#' @keywords RS heterovar
#' @source PAULA (2004), Exercício 2.10.15, pág. 178.
#' @references Montgomery, D. C., Peck, E. A., Vining,
#' G. G. (2001). Introduction to Linear Regression Analysis (3rd
#' Ed.). John Wiley, New York.
#' @examples
#'
#' data(PaulaEx2.10.15)
#' str(PaulaEx2.10.15)
#'
#' library(lattice)
#'
#' xyplot(deman ~ consu, data = PaulaEx2.10.15,
#' pch = 19, lwd = 2, type = c("p", "g", "smooth"))
#'
NULL
#' @name PaulaEx2.10.16
#' @title Rela\enc{çã}{ca}o entre Publicidade e Faturamento em
#' Restaurantes
#' @description Dados referentes a faturamentos anuais e gastos com
#' publicidade de uma amostra de 30 restaurantes. O objetivo
#' principal é relacionar o faturamento médio com os gastos com
#' publicidade.
#' @format Um \code{data.frame} com 30 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{fatura}}{Faturamento anual do restaurante, em mil
#' dólares.}
#'
#' \item{\code{gastos}}{Gastos do restaurante com publicidade, em mil
#' dólares.}
#'
#' }
#' @keywords RS
#' @source PAULA (2004), Exercício 2.10.16, pág. 179.
#' @references Montgomery, D. C., Peck, E. A., Vining,
#' G. G. (2001). Introduction to Linear Regression Analysis (3rd
#' Ed.). John Wiley, New York.
#' @examples
#'
#' data(PaulaEx2.10.16)
#' str(PaulaEx2.10.16)
#'
#' library(lattice)
#'
#' xyplot(fatura ~ gastos,
#' data = PaulaEx2.10.16,
#' type = c("p", "g", "smooth"))
#'
NULL
#' @name PaulaEx2.10.17
#' @title Qualidade de Filme em M\enc{á}{a}quinas Fotogr\enc{á}{a}ficas
#' @description Dados provenientes de um experimento cujo objetivo foi
#' avaliar a qualidade de determinado filme utilizado em máquinas
#' fotográficas sob três condições experimentais (relacionadas à
#' temperatura do filme). Para tal avaliação considerou-se a
#' variável tempo de duração do filme como a resposta e a densidade
#' máxima do filme como variável de controle.
#' @format Um \code{data.frame} com 21 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{temp}}{Fator com três níveis que indicam a condição
#' experimental do filme (temperaturas 72\eqn{^\circ}C,
#' 82\eqn{^\circ}C e 92\eqn{^\circ}C).}
#'
#' \item{\code{dmax}}{Valor da densidade máxima do filme (unidade de
#' medida não informada).}
#'
#' \item{\code{tempo}}{Tempo de duração do filme, mensurado em horas.}
#'
#' }
#' @keywords RS dummy
#' @source PAULA (2004), Exercício 2.10.17, pág. 179.
#' @references Myers, R. H., Montgomery, D. C., Vining,
#' G. G. (2002). Generalized Linear Models: With Applications in
#' Engineering and the Sciences. John Wiley, New York.
#' @examples
#'
#' data(PaulaEx2.10.17)
#' str(PaulaEx2.10.17)
#'
#' library(lattice)
#'
#' xyplot(tempo ~ dmax | temp, type = c("p", "r"),
#' data = PaulaEx2.10.17)
#'
#' xyplot(tempo ~ dmax,
#' groups = temp,
#' data = PaulaEx2.10.17,
#' type = c("p", "g"),
#' auto.key = list(
#' corner = c(0.95, 0.95),
#' lines = TRUE,
#' cex.title = 1,
#' title = "Temperatura"),
#' panel = function(x, y, ...){
#' panel.xyplot(x, y, ...)
#' panel.loess(x, y, col = 1, ...)
#' })
#'
NULL
#' @name PaulaEx2.10.19
#' @title Estudo Sobre Leucemia e Caracter\enc{í}{i}stica
#' Morfol\enc{ó}{o}gica nas C\enc{é}{e}lulas Brancas
#' @description Dados provenientes de um estudo em que pacientes com
#' leucemia foram classificados segundo a ausência ou presença de
#' uma característica morfológica nas células brancas. O objetivo do
#' estudo foi avaliar essa característica morfológica a partir do
#' tempo de sobrevivência dos pacientes.
#' @format Um \code{data.frame} com 32 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{ncel}}{Número de células brancas na amostra do paciente.}
#'
#' \item{\code{carac}}{Fator com dois níveis que representa a presença
#' (\code{AG positivo}) ou ausência (\code{AG negativo}) da
#' característica morfológica.}
#'
#' \item{\code{tempo}}{Tempo de sobrevivência do paciente, em semanas.}
#'
#' }
#' @keywords RS dummy heterovar
#' @source PAULA (2004), Exemplo 2.10.19, pág. 180.
#' @references Feigl, P., Zelen, M. (1965). Estimation of exponential
#' survival probabilities with concomitant information. Biometrics
#' 21, 826-838.
#' @examples
#'
#' data(PaulaEx2.10.19)
#' str(PaulaEx2.10.19)
#'
#' library(latticeExtra)
#'
#' xyplot(tempo ~ ncel,
#' groups = carac,
#' data = PaulaEx2.10.19,
#' type = c("p", "g", "spline"),
#' scales = list(x = list(log = 10)),
#' xscale.components = xscale.components.logpower,
#' auto.key = list(
#' corner = c(0.95, 0.95),
#' lines = TRUE,
#' cex.title = 1,
#' title = "Característica morfológica"))
#'
NULL
#' @name PaulaEx2.10.20
#' @title Estudo de Ap\enc{ó}{o}lices de Seguros de Ve\enc{í}{i}culos
#' @description Dados de uma amostra aleatória de 996 apólices de
#' seguros de veículos referentes ao período de 2004-2005, extraída
#' de Jong e Heller (2008). Foram 9 variáveis observadas na amostra
#' dentre as quais o número de sinistros e o custo total dos
#' sinistros que são, naturalmente, as variáveis de interesse. O
#' objetivo do estudo é relacionar o custo médio de um sinistro
#' (razão entre o custo total e o número de sinistros) com as demais
#' variáveis do estudo (variáveis da apólice, que compreendem
#' informações do veículo e do principal condutor).
#' @format Um \code{data.frame} com 996 observações e 9 variáveis.
#'
#' \describe{
#'
#' \item{\code{valorv}}{Valor do veículo, em dez mil dólares
#' australianos.}
#'
#' \item{\code{expos}}{Exposição do veículo (unidade de medida não
#' informada).}
#'
#' \item{\code{tipov}}{Tipo de veículo (fator com onze níveis).}
#'
#' \item{\code{idadev}}{Idade do veículo (fator com quatro níveis).}
#'
#' \item{\code{sexoc}}{Sexo do principal condutor, fator com dois níveis
#' \code{M} masculino e \code{F} feminino.}
#'
#' \item{\code{areac}}{Área de residência do principal condutor (fator
#' com seis níveis).}
#'
#' \item{\code{idadec}}{Idade do principal condutor (fator com seis
#' níveis).}
#'
#' \item{\code{nsinis}}{Número de sinistros no período.}
#'
#' \item{\code{csinis}}{Custo total dos sinistros, em dólares
#' australianos.}
#'
#' }
#' @keywords RM contagem
#' @source PAULA (2004), Exercício 2.10.20, pág. 181; exercício 5.6.3,
#' pág. 396.
#' @references De Jong, P., Heller, G. Z. (2008). Generalized linear
#' models for insurance data (Vol. 136). Cambridge: Cambridge
#' University Press.
#' @examples
#'
#' data(PaulaEx2.10.20)
#' str(PaulaEx2.10.20)
#'
#' # Variável de interesse - custo médio de um sinistro
#' PaulaEx2.10.20$cmsinis <- with(PaulaEx2.10.20, csinis/nsinis)
#' PaulaEx2.10.20 <- PaulaEx2.10.20[, -c(8:9)]
#'
#' # Separando as covariáveis numéricas
#' index <- sapply(PaulaEx2.10.20, is.numeric)
#'
#' # Frequências dos níveis das variáveis categóricas
#' par(mfrow = c(2, 3), las = 2, mar = c(4, 3, 3, 1))
#' sapply(PaulaEx2.10.20[, !index], function(x) plot(table(x)))
#'
#' # Dispersão das variáveis numéricas
#' library(lattice)
#'
#' splom(PaulaEx2.10.20[, index],
#' type = c("p", "g", "smooth"),
#' lwd = 2, col.line = 1)
#'
NULL
#' @name PaulaEx2.10.7
#' @title Resist\enc{ê}{e}ncia de Vidros sob Efeito de Voltagem e
#' Temperatura
#' @description Resultados de um experimento em que a resistência de um
#' determinado tipo de vidro foi avaliada segundo quatro níveis de
#' voltagem e duas temperaturas. Foram 32 avaliações referentes a 4
#' repetições de cada tratamento (combinação dos níveis de voltagem
#' e temperatura.)
#' @format Um \code{data.frame} com 32 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{tempo}}{Tempo de resistência do vidro, mensurado em
#' horas.}
#'
#' \item{\code{volt}}{Fator com quatro níveis de voltagem considerados,
#' valores em quilovolts (kV).}
#'
#' \item{\code{temp}}{Fator com dois níveis de temperatura considerados,
#' valores em graus Celsius.}
#'
#' }
#' @keywords FAT2
#' @source PAULA (2004), Exercício 2.10.7, pág. 175.
#' @references Lawless, J. F. (1982). Statistical Models and Methods for
#' Lifetime Data. John Wiley, New York.
#' @examples
#'
#' data(PaulaEx2.10.7)
#' str(PaulaEx2.10.7)
#'
#' xtabs(~volt + temp, data = PaulaEx2.10.7)
#'
#' library(lattice)
#'
#' xyplot(tempo ~ volt,
#' groups = temp,
#' data = PaulaEx2.10.7,
#' type = c("p", "g", "a"),
#' auto.key = list(
#' corner = c(0.9, 0.9),
#' lines = TRUE,
#' cex.title = 1,
#' title = "Temperatura"
#' ))
#'
#' resumo <- aggregate(tempo ~ temp + volt,
#' data = PaulaEx2.10.7,
#' FUN = function(x) {
#' c("Média" = mean(x),
#' "D.Padrão" = sd(x),
#' "C.Variação" = sd(x)/mean(x),
#' "n" = length(x))
#' })
#' ftable(xtabs(tempo ~ temp + volt, data = resumo))
#'
#' trat <- with(resumo, paste(temp, volt, sep = "-"))
#' xyplot(tempo[, "C.Variação"] ~ factor(trat),
#' data = resumo,
#' ylab = "Coeficiente de Variação",
#' grid = TRUE,
#' scales = list(x = list(rot = 45)),
#' panel = function(x, y, ...) {
#' panel.xyplot(x, y, ...)
#' panel.abline(h = mean(y))
#' })
#'
NULL
#' @name PaulaEx3.7.14
#' @title Confiabilidade de Equipamentos
#' @description Dados referentes aos tempos de falhas de equipamentos.
#' @format Um \code{data.frame} com 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{temp}}{Tempo de operação (1 a 5).}
#'
#' \item{\code{equip}}{Tipo de equipamento (A, B ou C).}
#'
#' \item{\code{nit}}{Número de equipamentos que não falharam até o tempo
#' t, t = 1,2,3,4,5.}
#'
#' \item{\code{yit}}{Número de falhas no intervalo entre os tempos t-1 e
#' t.}
#'
#' }
#' @keywords sobrevivência
#' @source PAULA (2004), Exercício 3.7.14, página 272.
#' @references Lawless, J. F. (1982). Statistical Models and Methods for
#' Lifetime Data. John Wiley & Sons, New York. (Página 389)
#' @references Efron, B. (1988). Logistic regression, survival analysis,
#' and the Kaplan-Meier curve. J. Amer. Stat. Assoc., 83. (Páginas
#' 414-425)
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx3.7.14)
#' str(PaulaEx3.7.14)
#'
#' PaulaEx3.7.14$temp <- as.factor(PaulaEx3.7.14$temp)
#'
#' xyplot(nit ~ temp,
#' groups = equip,
#' data = PaulaEx3.7.14,
#' type = "o",
#' auto.key = TRUE,
#' xlab = "Tempos",
#' ylab = "Número de equipamentos operantes")
#'
NULL
#' @name PaulaEx3.7.15
#' @title Tumor Benigno na Mama
#' @description Estudo de caso-controle com emparelhamentos do tipo 1:1,
#' em que os casos foram mulheres com diagnóstico confirmado de
#' tumor benigno na mama. Os controles foram mulheres sadias
#' diagnosticadas no mesmo hospital e período dos casos.
#' @format Um \code{data.frame} com 100 observações e 14 variáveis.
#'
#' \describe{
#'
#' \item{\code{est}}{Identificação do estrato (par).}
#'
#' \item{\code{obs}}{Observação (1 = caso, 2 = controle).}
#'
#' \item{\code{idade}}{Idade do paciente no momento da entrevista (em
#' anos).}
#'
#' \item{\code{diag}}{Diagnóstico (1:caso, 0:controle).}
#'
#' \item{\code{tesc}}{Tempo de escolaridade (em anos).}
#'
#' \item{\code{gesc}}{Grau de escolaridade (0 = nenhum, 1 = segundo
#' grau, 2 = técnico, 3 = universitário, 4 = mestrado, 5 =
#' doutorado).}
#'
#' \item{\code{cur}}{Checkup Regular (1 = sim, 2 = não).}
#'
#' \item{\code{ipg}}{Idade da primeira gravidez.}
#'
#' \item{\code{iim}}{Idade do início da menstruação.}
#'
#' \item{\code{numab}}{Número de abortos}
#'
#' \item{\code{numfi}}{Número de filhos.}
#'
#' \item{\code{peso}}{Peso (em libras).}
#'
#' \item{\code{iupmen}}{Idade do último período menstrual.}
#'
#' \item{\code{ec}}{Estado civil (1 = casada, 2 = divorciada, 3 =
#' separada, 4 = viúva, 5 = solteira).}
#'
#' }
#' @keywords RM
#' @source PAULA (2004), Exercício 3.7.14, pág. 273.
#' @references Hosmer, D. W. e Lemeshow, S. (1989). Applied Logistic
#' Regression. John Wiley, New York. (Capítulo.7)
#' @examples
#'
#' data(PaulaEx3.7.15)
#' str(PaulaEx3.7.15)
#'
#' # Transformar variáveis
#' PaulaEx3.7.15 <- transform(
#' PaulaEx3.7.15,
#' PaulaEx3.7.15$est <- as.factor(PaulaEx3.7.15$est),
#' PaulaEx3.7.15$diag <- as.factor(PaulaEx3.7.15$diag),
#' PaulaEx3.7.15$cur <- as.factor(PaulaEx3.7.15$cur),
#' PaulaEx3.7.15$ec <- as.factor(PaulaEx3.7.15$ec))
#'
#' # Libra para Kg
#' PaulaEx3.7.15$peso <- PaulaEx3.7.15$peso*0.453592
#'
#' pairs(~ idade + diag + tesc + gesc + cur + ipg + idmens
#' + numab + numfi + peso + idupmens + ec,
#' data = PaulaEx3.7.15)
#'
NULL
#' @name PaulaEx3.7.16
#' @title Experimento de Toxicidade
#' @description Estudo que descreve os resultados de um experimento em
#' que a toxicidade de três concentrações (rotenine, deguelin e
#' mistura, essa última como uma mistura das duas pri- meiras) é
#' investigada. As concentrações foram testadas em insetos e
#' observado, para cada dose, o número de insetos mortos.
#' @format Um \code{data.frame} com 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{conc}}{Concentração (R = rotenine, D = deguelin e M =
#' mistura).}
#'
#' \item{\code{dose}}{Dose aplicada da concentração.}
#'
#' \item{\code{exp}}{Número de insetos expostos.}
#'
#' \item{\code{mort}}{Número de insetos mortos.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Exercício 3.7.14, pág. 274 e 275.
#' @references Morgan, B. J. T. (1992). Analysis of Quantal Response
#' Data. Chapman and Hall, London. (Página 90)
#' @examples
#'
#' data(PaulaEx3.7.16)
#' str(PaulaEx3.7.16)
#'
#' library(lattice)
#'
#' xyplot(mort/exp ~ dose,
#' groups = conc,
#' data = PaulaEx3.7.16,
#' type = "o",
#' auto.key = TRUE,
#' ylab = "Proporção de insetos mortos",
#' xlab = "Dose")
#'
NULL
#' @name PaulaEx3.7.19
#' @title Gestantes Fumantes
#' @description Estudo com gestantes fumantes, no qual as participantes
#' foram classificadas segundo os fatores de idade, número de
#' cigarros consumidos, tempo de gestação, e a condição
#' (sobrevivência) da criança.
#' @format Um \code{data.frame} com 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{idade}}{Idade (<30 anos ou +30).}
#'
#' \item{\code{ncigar}}{Número de cigarros consumidos por dia
#' (< 5 ou +5).}
#'
#' \item{\code{tgest}}{Tempo de gestação (<= 260 dias ou >260).}
#'
#' \item{\code{sobres}}{Número de crianças que sobreviveram.}
#'
#' \item{\code{sobren}}{Número de crianças que não sobreviveram.}
#'
#' }
#' @keywords contingência
#' @source PAULA (2004), Exercício 3.7.19, página 276.
#' @references Agresti A. (1990). Categorical Data Analysis. John Wiley,
#' New York. (página 253))
#' @examples
#'
#' data(PaulaEx3.7.19)
#' str(PaulaEx3.7.19)
#'
#' library(vcd)
#'
#' # Paciente que sobreviveram
#' ss <- xtabs(sobres ~ idade + ncigar + tgest, PaulaEx3.7.19)
#'
#' # Paciente que não sobreviveram
#' ns <- xtabs(sobren ~ idade + ncigar + tgest, PaulaEx3.7.19)
#'
#' mosaic(ss,
#' main = "Crianças que sobreviveram",
#' labeling_args = list(
#' set_varnames = c(ncigar = "Número de cigarros",
#' tgest = "Tempo de gestação")))
#'
#' mosaic(ns,
#' main = "Crianças que não sobreviveram",
#' labeling_args = list(
#' set_varnames = c(ncigar = "Número de cigarros",
#' tgest = "Tempo de gestação")))
#'
NULL
#' @name PaulaEx3.7.20
#' @title Pacientes com Leucemia
#' @description Estudo com 51 pacientes adultos, previamente
#' diagnosticados com um tipo agudo de leucemia, que receberam um
#' tipo de tratamento sendo verificada, após certo período, a
#' eficiência ou não do tratamento.
#' @format Um \code{data.frame} com 51 pacientes e 9 variáveis.
#'
#' \describe{
#'
#' \item{\code{idade}}{Idade do paciente (em anos).}
#'
#' \item{\code{mdd}}{Mancha diferencial da doença (em porcentagem).}
#'
#' \item{\code{if}}{Infiltração na medula (em porcentagem).}
#'
#' \item{\code{cl}}{Células com leucemia (em porcentagem).}
#'
#' \item{\code{md}}{Malignidade da doença (*10^3).}
#'
#' \item{\code{tmax}}{Temperatura máxima antes do tratamento (*10 F°).}
#'
#' \item{\code{trat}}{Tratamento (1 = satisfatório, 0 = não
#' satisfatório).}
#'
#' \item{\code{tsobre}}{Tempo de sobrevivência (em meses).}
#'
#' \item{\code{sit}}{Situação (1 = sobrevivente, 0 = não sobrevivente).}
#'
#' }
#' @keywords sobrevivência binário
#' @source PAULA (2004), Exercício 3.7.19, página 276.
#' @references Everitt, B. S. (1994). A Handbook of Statistical
#' Analysis using S-Plus. Chapman and Hall, London. (Página 253)
#' @examples
#'
#' data(PaulaEx3.7.20)
#' str(PaulaEx3.7.20)
#'
#' # Transformar variáveis.
#' PaulaEx3.7.20 <- transform(PaulaEx3.7.20,
#' trat = as.factor(PaulaEx3.7.20$trat),
#' sit = as.factor(PaulaEx3.7.20$sit))
#'
#' library(car)
#'
#' scatterplotMatrix(~idade + mdd + im + cl + md + tmax + trat +
#' tsobre + sit,
#' spread = FALSE,
#' pch = 20,
#' lwd = 2,
#' smooth = TRUE,
#' data = PaulaEx3.7.20,
#' cex = 1.5)
#'
NULL
#' @name PaulaEx3.7.21
#' @title Fatores Ambientais na Abund\enc{â}{a}ncia de Duas
#' Esp\enc{é}{e}cies de Lagarto
#' @description Dados referentes à distribuição de duas espécies de
#' lagarto (\emph{grahani} e \emph{opalinus}) segundo quatro
#' fatores: periodo do dia, comprimento da madeira, largura da
#' madeira, local de ocupação.
#' @format Um \code{data.frame} com 23 observações e 6 variáveis.
#'
#' \describe{
#'
#' \item{\code{grahani}}{Quantidade de lagartos da espécie
#' \emph{grahani}.}
#'
#' \item{\code{opalinus}}{Quantidade de lagartos da espécie
#' \emph{opalinus}.}
#'
#' \item{\code{periodo}}{Fator com 3 níveis referentes ao período do dia
#' (manhã, meio-dia, tarde). }
#'
#' \item{\code{comp}}{Fator com 2 níveis referentes ao comprimento da
#' madeira (curta, comprida).}
#'
#' \item{\code{larg}}{Fator com 2 níveis referentes a largura da madeira
#' (estreita, larga). }
#'
#' \item{\code{local}}{Fator com 2 níveis referentes ao local de
#' ocupação (claro, escuro). }
#'
#' }
#' @keywords RM contagem
#' @source PAULA (2004), Exercício 21, pág. 277.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx3.7.21)
#' str(PaulaEx3.7.21)
#'
#' xyplot(grahani + opalinus ~ periodo, data = PaulaEx3.7.21,
#' type = c("p", "a"),
#' ylab = "Número de animais encontrados",
#' xlab = "Período")
#'
#' xyplot(grahani + opalinus ~ comp, data = PaulaEx3.7.21,
#' type = c("p", "a"),
#' ylab = "Número de animais encontrados",
#' xlab = "Comprimento da madeira")
#'
#' xyplot(grahani + opalinus ~ local, data = PaulaEx3.7.21,
#' type = c("p", "a"),
#' ylab = "Número de animais encontrados",
#' xlab = "Local")
#'
NULL
#' @name PaulaEx3.7.22
#' @title Avalia\enc{çã}{ca}o de Caduquice
#' @description Os dados provém de um experimento com 54 indivíduos
#' considerados idosos. Eles foram submetidos a um exame
#' psiquiátrico para avaliar a ocorrência ou não de sintoma de
#' caduquice.
#'
#' Acredita-se que o escore obtido em um exame feito previamente
#' esteja associado com a ocorrência ou não do sintoma.
#' @format Um \code{data.frame} com 55 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{score}}{Escore do indivíduo no exame psicológico.}
#'
#' \item{\code{resp}}{Resposta binária que representando a ocorrência
#' (1) ou não ocorrência (0) do sintoma.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Exercício 3.7.22, pág. 278.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx3.7.22)
#' str(PaulaEx3.7.22)
#'
#' xyplot(resp ~ score, data = PaulaEx3.7.22,
#' xlab = "Score do teste psicológico",
#' ylab = "Sintoma de caduquice",
#' jitter.y = TRUE, amount = 0.02)
#'
NULL
#' @name PaulaEx3.7.23
#' @title Incid\enc{ê}{e}ncia de Dengue e Fatores
#' Socio-econ\enc{ô}{o}micos
#' @description Os dados provém de um estudo para investigar a
#' incidência de dengue numa determinanda cidade da costa mexicana.
#'
#' Foram escolhidos aleatóriamente 196 indivíduos de dois setores da
#' cidade e cada um respondeu às seguintes perguntas: idade, nível
#' sócio-econômico, setor da cidade onde mora e se contraiu a doença
#' recentemente.
#'
#' Um dos objetivos do estudo é tentar prever ou explicar a
#' probabilidade de um indivíduo contrair a doença dado as variáveis
#' explicativas: \code{idade}, \code{nivel} e \code{setor}.
#' @format Um \code{data.frame} com 196 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{idade}}{Idade do entrevistado, em anos.}
#'
#' \item{\code{nivel}}{Fator ordinal de 3 níveis representando o nível
#' sócio-econômico do entrevistado (alto, médio, baixo).}
#'
#' \item{\code{setor}}{Fator categórico de 2 níveis representando o
#' setor da cidade que o entrevistado mora.}
#'
#' \item{\code{caso}}{Respoata binária que representa se o entrevistado
#' contraiu (1) ou não contraiu (0) a doença recentemente.}
#'
#' }
#' @keywords binário
#' @source PAULA (2004), Exercício 3.7.23, pág. 279.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx3.7.23)
#' str(PaulaEx3.7.23)
#'
#' xyplot(caso ~ idade | nivel, groups = setor, data = PaulaEx3.7.23,
#' jitter.y = TRUE, amount = 0.02, as.table = TRUE,
#' xlab = "Idade do entrevistado (anos)",
#' ylab = "Indicadora de ter contraído dengue")
#'
NULL
#' @name PaulaEx3.7.24
#' @title Cor dos Olhos dos Filhos em Fun\enc{çã}{ca}o dos Pais e
#' Av\enc{ó}{o}s
#' @description Os dados são de 78 famílias com pelo menos 6 filhos cada
#' uma. Nestas famílias, codificou-se a cor dos pais e dos avós e o
#' número total de filhos por casal e o número de filhos com olhos
#' de cor clara.
#' @format Um \code{data.frame} com 78 observações e 4 variáveis, em que
#'
#' \describe{
#'
#' \item{\code{cop}}{Fator de 6 níveis referentes a cor dos olhos dos
#' pais, com a seguinte codificação: 1 - ambos claros, 2 - ambos
#' castanhos, 3 - ambos escuros, 4 - claro e castanho, 5 - claro e
#' escuro e 6: castanho e escuro.}
#'
#' \item{\code{coa}}{Fator de 15 níveis referentes a cor dos olhos dos
#' avós, com a seguinte codificação: 1 - todos claros, 2 - todos
#' castanhos, 3 - todos escuros, 4 - três claros e um castanho, 5 -
#' três claros e um escuro, 6 - um claro e três castanhos, 7 - um
#' escuro e três castanhos, 8 - um claro e três escuros, 9 - um
#' castanho e três escuros, 10 - dois claros e dois castanhos, 11 -
#' dois claros e dois escuros, 12 - dois castanhos e dois escuros,
#' 13 - dois claros, um castanho e um escuro, 14 - um claro, dois
#' castanhos e um escuro e 15 - um claro, um castanho e dois
#' escuros.}
#'
#' \item{\code{nFilho}}{Número de filhos na família.}
#'
#' \item{\code{nClaro}}{Número de filhos com olhos claros na família.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Exercício 3.7.24, pág. 279.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx3.7.24)
#' str(PaulaEx3.7.24)
#'
#' xyplot(nClaro/nFilho ~ cop, data = PaulaEx3.7.24, jitter.x = TRUE,
#' type = c("p", "a"))
#'
NULL
#' @name PaulaEx3.7.25
#' @title Pulsa\enc{çã}{ca}o Alterial em Repouso em Homens que Fuman
#' @description Os dados provém de uma amostra de 92 homens adultos que
#' foram questionados sobre o hábito de fumar. Neles foi medido peso
#' e pulsação, classificada como normal e alta. Deseja-se saber se a
#' pulsação alta é influência pelo hábito de fumar, controlando-se
#' para o efeito do peso.
#' @format Um \code{data.frame} com 92 observações e 3 variáveis, em que
#'
#' \describe{
#'
#' \item{\code{pulsa}}{Fator categórico de 2 níveis que representa a
#' classificação da pulsação em repouso em normal ou alta.}
#'
#' \item{\code{fuma}}{Fator categórico de 2 níveis referente ao hábito
#' de fumar: sim ou não.}
#'
#' \item{\code{peso}}{Peso do indivíduo, em quilogramas (kg).}
#'
#' }
#' @keywords binomial contingência
#' @source PAULA (2004), Exercício 3.7.25, pág. 280.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx3.7.25)
#' str(PaulaEx3.7.25)
#'
#' xyplot(pulsa ~ peso, groups = fuma, data = PaulaEx3.7.25,
#' jitter.y = TRUE,
#' auto.key = list(columns = 2,
#' title = "Fumante", cex.title = 1.1),
#' xlab = "Peso (kg)", ylab = "Pulsação em repouso")
#'
#' layout(1)
#' mosaicplot(xtabs(~fuma + pulsa, data = PaulaEx3.7.25))
#'
NULL
#' @name PaulaEx3.7.7a
#' @title Influ\enc{ê}{e}ncia de Extrato Vegetal e Qu\enc{í}{i}mico
#' @description Experimento de dose-resposta conduzido para avaliar a
#' influência dos extratos vegetais "aquoso frio de folhas",
#' "aquoso frio de frutos" e de um extrato químico, respectivamente,
#' na morte de um determinado tipo de caramujo.
#' @format Um \code{data.frame} com 7 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{dose}}{Dose.}
#'
#' \item{\code{cexp}}{Caramujos expostos.}
#'
#' \item{\code{cmort}}{Caramujos mortos.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Ex 3.7.7a, pág. 269.
#' @examples
#'
#' data(PaulaEx3.7.7a)
#' str(PaulaEx3.7.7a)
#'
#' library(lattice)
#'
#' xyplot(PaulaEx3.7.7a$cmort/PaulaEx3.7.7a$cexp ~ dose,
#' data = PaulaEx3.7.7a,
#' xlab = "Dose",
#' type = c("o"),
#' ylab = "Proporção de mortos",
#' auto.key = list(space = "top",
#' columns = 2,
#' title = "Caramujos",
#' cex.title = 1,
#' lines = TRUE,
#' points = FALSE))
#'
NULL
#' @name PaulaEx3.7.7b
#' @title Influ\enc{ê}{e}ncia de Extrato Vegetal e Qu\enc{í}{i}mico
#' @description Experimento de dose-resposta conduzido para avaliar a
#' influência dos extratos vegetais "aquoso frio de folhas",
#' "aquoso frio de frutos" e de um extrato químico, respectivamente,
#' na morte de um determinado tipo de caramujo.
#' @format Um \code{data.frame} com 7 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{dose}}{Dose.}
#'
#' \item{\code{cexp}}{Caramujos expostos.}
#'
#' \item{\code{cmort}}{Caramujos mortos.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Ex 3.7.7b, pág. 269.
#' @examples
#'
#' data(PaulaEx3.7.7b)
#' str(PaulaEx3.7.7b)
#'
#' library(lattice)
#'
#' xyplot(PaulaEx3.7.7b$cmort/PaulaEx3.7.7b$cexp ~ dose,
#' data = PaulaEx3.7.7b,
#' xlab = "Dose",
#' type = c("o"),
#' ylab = "Proporção de mortos",
#' auto.key = list(space = "top",
#' columns = 2,
#' title = "Caramujos",
#' cex.title = 1,
#' lines = TRUE,
#' points = FALSE))
#'
NULL
#' @name PaulaEx3.7.7c
#' @title Influ\enc{ê}{e}ncia de Extrato Vegetal e Qu\enc{í}{i}mico
#' @description Experimento de dose-resposta conduzido para avaliar a
#' influência dos extratos vegetais "aquoso frio de folhas",
#' "aquoso frio de frutos" e de um extrato químico, respectivamente,
#' na morte de um determinado tipo de caramujo.
#' @format Um \code{data.frame} com 7 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{dose}}{Dose.}
#'
#' \item{\code{cexp}}{Caramujos expostos.}
#'
#' \item{\code{cmort}}{Caramujos mortos.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Ex 3.7.7c, pág. 269.
#' @examples
#'
#' data(PaulaEx3.7.7c)
#' str(PaulaEx3.7.7c)
#'
#' library(lattice)
#'
#' xyplot(cmort/cexp ~ dose,
#' data = PaulaEx3.7.7c,
#' xlab = "Dose",
#' type = c("o"),
#' ylab = "Proporção de mortos",
#' auto.key = list(space = "top",
#' columns = 2,
#' title = "Caramujos",
#' cex.title = 1,
#' lines = TRUE,
#' points = FALSE))
#'
NULL
#' @name PaulaEx3.7.8
#' @title Germina\enc{çã}{ca}o de Sementes
#' @description Dados referentes a um experimento desenvolvido para
#' avaliar a germinação de um determinado tipo de semente. A tabela
#' abaixo apresenta o número de sementes que germinaram após cinco
#' dias para cada 100 sementes submetidas a cada condição
#' experimental.
#' @format Um \code{data.frame} com 18 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{temp}}{Temperatura da germinação.}
#'
#' \item{\code{numid}}{Nível da umidade.}
#'
#' \item{\code{ntemp}}{Nível da temperatura.}
#'
#' \item{\code{sgerm}}{Número de sementes que germinaram.}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Ex 3.7.8, pág. 270.
#' @examples
#'
#' data(PaulaEx3.7.8)
#' str(PaulaEx3.7.8)
#'
#' library(lattice)
#'
#' PaulaEx3.7.8$ntemp <- as.factor(PaulaEx3.7.8$ntemp)
#' PaulaEx3.7.8$numid <- as.factor(PaulaEx3.7.8$numid)
#'
#' xyplot(sgerm ~ numid | ntemp,
#' data = PaulaEx3.7.8,
#' xlab = "Nível de temperatura",
#' ylab = "Número de sementes germinadas")
#'
NULL
#' @name PaulaEx4.6.15
#' @title N\enc{ú}{u}mero de Infec\enc{çõ}{co}es de Ouvido em Recrutas
#' Americanos
#' @description Dados referentes a um estudo realizado em 1990 com
#' recrutas americanos em que a variável de interesse era o número
#' de infecções de ouvido. Além disso, foram coletadas as seguintes
#' informações sobre os recrutas: hábito de nadar, local em que
#' costuma nadar, idade e sexo.
#' @format Um \code{data.frame} com 287 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{habito}}{Fator com dois níveis que indica o hábito em
#' nadar do recruta (\code{ocasional} ou \code{frequente}).}
#'
#' \item{\code{local}}{Fator com dois níveis que indica o local onde o
#' recruta costuma nadar, (\code{praia} ou \code{piscina}).}
#'
#' \item{\code{idade}}{Idade do recruta, em anos categorizados em três
#' níveis (\code{15-19}, \code{20-24} e \code{25-29}).}
#'
#' \item{\code{sexo}}{Sexo (\code{F} para feminino e \code{M} para
#' masculino).}
#'
#' \item{\code{ninfec}}{Número de infecções de ouvido diagnosticadas
#' pelo próprio recruta.}
#'
#' }
#' @keywords contagem contingência
#' @source PAULA (2004), Exercício 4.6.15, pág. 346.
#' @references Hand, D. J, Daly, F., Lunn, A. D., McConway, K. J.,
#' Ostrowski, E. (1994). A Handbook of Small Data Sets. Chapman and
#' Hall, London.
#' @examples
#'
#' data(PaulaEx4.6.15)
#' str(PaulaEx4.6.15)
#'
#' xt <- xtabs(ninfec ~ ., data = PaulaEx4.6.15)
#' ftable(prop.table(xt))
#' plot(xt, xlab = "Hábito", main = "")
#'
#' mv <- aggregate(ninfec ~ .,
#' data = PaulaEx4.6.15,
#' FUN = function(x) {
#' c(mu = mean(x), var = var(x))
#' })
#'
#' library(lattice)
#'
#' # Relação Média Variância
#' xyplot(ninfec[, "var"] ~ ninfec[, "mu"],
#' data = mv,
#' ylab = "Variância amostral",
#' xlab = "Média amostral",
#' panel = function(x, y) {
#' panel.xyplot(x, y, type = c("p", "r"), grid = TRUE)
#' panel.abline(a = 0, b = 1, lty = 2)
#' })
#'
#' library(latticeExtra)
#'
#' useOuterStrips(
#' xyplot(ninfec ~ idade | habito + local,
#' groups = sexo,
#' data = PaulaEx4.6.15,
#' jitter.x = TRUE, jitter.y = TRUE,
#' type = c("p", "g", "a"),
#' ylab = "Número de infecções",
#' auto.key = list(space = "right", cex.title = 1,
#' title = "Sexo"))
#' )
#'
NULL
#' @name PaulaEx4.6.17
#' @title Avalia\enc{çã}{ca}o de Detergentes
#' @description Dados resultantes de uma pesquisa em que 1008 pessoas
#' receberam duas marcas de detergente, \code{X} e \code{M}, e
#' posteriormente responderam a perguntas sobre a temperatura da
#' água, uso anterior do detergente \code{M}, detergente de
#' preferência e maciez da água.
#' @format Um \code{data.frame} com 24 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{temp}}{Temperatura da água, mensurada em dois níveis
#' (\code{alta} e \code{baixa}).}
#'
#' \item{\code{usom}}{Uso anterior do detergente da marca \code{M}
#' (\code{sim} ou \code{não}).}
#'
#' \item{\code{prefer}}{Detergente de preferência (\code{M} ou
#' \code{X}).}
#'
#' \item{\code{maciez}}{Maciez da água, mensurada em três níveis
#' (\code{forte}, code{leve} e \code{média}).}
#'
#' \item{\code{nind}}{Número de pessoas que tiveram respostas conforme
#' combinação de \code{temp}, \code{usom}, \code{prefer} e
#' \code{maciez}.}
#'
#' }
#' @keywords contagem
#' @source PAULA (2004), Exercício 4.6.17, pág. 347.
#' @references Bishop, Y. M. M., Fienberg, S. E., Holland,
#' P. W. (1975). Discrete Multivariate Analysis: Theory and
#' Practice. MIT Press, Cambridge.
#' @examples
#'
#' data(PaulaEx4.6.17)
#' str(PaulaEx4.6.17)
#'
#' xt <- xtabs(nind ~ ., data = PaulaEx4.6.17)
#' ftable(xt)
#' plot(xt)
#'
#' library(latticeExtra)
#'
#' useOuterStrips(
#' xyplot(nind ~ maciez | prefer + usom,
#' groups = temp,
#' data = PaulaEx4.6.17,
#' type = c("p", "g", "a"),
#' xlab = "Maciez da água",
#' ylab = "Número de indivíduos",
#' auto.key = list(cex.title = 1, columns = 2,
#' title = "Temperatura da água"))
#' )
#'
NULL
#' @name PaulaEx4.6.20
#' @title Ovos Eclodidos de \emph{Ceriodaphnia dubia} sob Doses de
#' Herbicida
#' @description Dados provenientes de um típico estudo dose-resposta. 50
#' animais \emph{Ceriodaphnia dubia} (pequeno invertebrado de água
#' doce) foram submetidos a 5 diferentes dosagens do herbicida
#' \emph{Nitrofen} (10 animais expostos a cada nível de dosagem) e,
#' após 3 ninhadas, observou-se o número total de ovos eclodidos.
#' @format Um \code{data.frame} com 50 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{dose}}{Dosagem de \emph{Nitrofen} aplicada, em mg/l.}
#'
#' \item{\code{novos}}{Número de ovos de \emph{Ceriodaphnia dubia}
#' eclodidos após 3 ninhadas.}
#'
#' }
#' @details A variável \code{dose} foi tomada como valor numérico,
#' devido a natureza da variável. Todavia, se for de interesse na
#' análise a comparação das médias dos números de ovos eclodidos,
#' pode-se considerá-la como fator de cinco níveis (0, 80, 160, 235
#' e 310 mg/l) e estimar as médias para cada nível
#' @keywords RS contagem
#' @source PAULA (2004), Exercício 4.6.20, pág. 349.
#' @examples
#'
#' data(PaulaEx4.6.20)
#' str(PaulaEx4.6.20)
#'
#' aggregate(novos ~ dose, FUN = function(x) c(mean(x), var(x)),
#' data = PaulaEx4.6.20)
#'
#' library(lattice)
#'
#' xyplot(novos ~ dose,
#' data = PaulaEx4.6.20,
#' jitter.x = TRUE,
#' xlab = "Dose", ylab = "Número de ovos",
#' type = c("p", "g", "smooth"))
#'
NULL
#' @name PaulaEx4.6.5
#' @title Estudo Gerontol\enc{ó}{o}gico do N\enc{ú}{u}mero de Quedas
#' @description Dados provenientes de um estudo prospectivo com 100
#' indivíduos de pelo menos 65 anos de idade em boas condições
#' físicas em que se avaliou o número de quedas num período de seis
#' meses registrando, além das informações: tipo de intervenção
#' realizada, sexo e escores de balanço e força. O objetivo do
#' estudo é relacionar o número médio de quedas com o tipo de
#' intervenção e as demais variáveis explicativas coletadas.
#' @format Um \code{data.frame} com 100 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{nquedas}}{Número de quedas no período de seis meses.}
#'
#' \item{\code{interv}}{Fator com dois níveis que indica a intervenção
#' realizada (\code{E}: somente educação, \code{EF}: educação e
#' exercícios físicos.)}
#'
#' \item{\code{sexo}}{Fator com dois níveis que indica o sexo do
#' indivíduo (\code{F}: feminino e \code{M}: masculino).}
#'
#' \item{\code{balan}}{Escore do balanço do indivíduo, escala de 0 a
#' 100.}
#'
#' \item{\code{forca}}{Escore da força do indivíduo, escala de 0 a 100.}
#'
#' }
#' @keywords RM contagem
#' @source PAULA (2004), Exercício 4.6.5, pág. 342.
#' @references Neter, J., Kutner, M. H., Nachtsheim, C. J., Wasserman,
#' W. (1996). Applie Linear Regression Models (3tr ed.). Irwin,
#' Illinois.
#' @examples
#'
#' data(PaulaEx4.6.5)
#' str(PaulaEx4.6.5)
#'
#' library(lattice)
#'
#' xyplot(nquedas ~ balan + forca | interv,
#' groups = sexo,
#' data = PaulaEx4.6.5,
#' xlab = "Escore",
#' ylab = "Número de quedas",
#' type = c("p", "g", "smooth"),
#' scales = list(x = list(rot = 45, relation = "free")),
#' auto.key = list(cex.title = 1, columns = 2,
#' title = "Sexo"))
#'
#' splom(~PaulaEx4.6.5[, c("nquedas", "balan", "forca")],
#' type = c("p", "smooth"))
#'
NULL
#' @name PaulaEx4.6.6
#' @title C\enc{â}{a}ncer Nasal em Trabalhadores de Refinaria de
#' N\enc{í}{i}quel
#' @description Dados provenientes de um estudo de seguimento em que se
#' acompanhou trabalhadores de uma refinaria de níquel no País de
#' Gales durante determinado período e avaliou-se o número de
#' ocorrências de câncer nasal. O interesse do estudo é avaliar a
#' associação entre a taxa anual de câncer nasal e as variáveis
#' explicativas: idade no primeiro emprego, ano do primeiro emprego
#' e tempo decorrido desde o primeiro emprego.
#' @format Um \code{data.frame} com 72 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{idade}}{Fator com quatro níveis referente à idade (em
#' anos) do trabalhador no seu primeiro emprego, com níveis
#' \code{<20}, \code{20-27}, \code{27.5-34.9} e \code{>35}.}
#'
#' \item{\code{ano}}{Fator com quatro níveis referente ao ano do
#' primeiro emprego (\code{<1910}, \code{1910-1914},
#' \code{1915-1919} e \code{1920-1924}).}
#'
#' \item{\code{tempo}}{Fator com cinco níveis que indica o tempo
#' decorrido desde o primeiro emprego, em anos, categorizados nos
#' níveis \code{0-19}, \code{20-39}, \code{30-39}, \code{40-49} e
#' \code{>50}.}
#'
#' \item{\code{ncasos}}{Número de casos de câncer nasal.}
#'
#' \item{\code{tpessoas}}{Total de pessoas|ano de observação.}
#'
#' }
#' @keywords contagem
#' @source PAULA (2004), Exercício 4.6.6, pág. 343.
#' @references Breslow, N. E., Day, N. E. (1987). Statistical Methods in
#' Cancer Research (vol. II). IARC Scientific Publications,
#' International Agency for Research on Cancer, Lyon.
#' @examples
#'
#' data(PaulaEx4.6.6)
#' str(PaulaEx4.6.6)
#'
#' # Número de observações em cada combinação das variáveis explicativas
#' # Para modelagem não será possível a estimação de algumas interações
#' ftable(PaulaEx4.6.6[, c("idade", "ano", "tempo")])
#'
#' # Casos de câncer seccionados pelas variáveis explicativas
#' ftable(xtabs(ncasos ~ idade + ano + tempo, data = PaulaEx4.6.6))
#' xt <- xtabs((ncasos/tpessoas)*100 ~ ., data = PaulaEx4.6.6)
#' ftable(xt)
#' plot(xt)
#'
#' library(lattice)
#'
#' xyplot((ncasos/tpessoas) ~ tempo | ano,
#' groups = idade,
#' data = PaulaEx4.6.6,
#' type = c("p", "g", "a"),
#' auto.key = list(space = "right", cex.title = 1,
#' title = "Idade"))
#'
#' # Retirando a observação que domina a escala do eixo y
#' index <- with(PaulaEx4.6.6, which.max(ncasos/tpessoas))
#' xyplot((ncasos/tpessoas) ~ tempo | ano,
#' groups = idade,
#' data = PaulaEx4.6.6[-index, ],
#' type = c("p", "g", "a"),
#' auto.key = list(space = "right", cex.title = 1,
#' title = "Idade"))
#'
NULL
#' @name PaulaEx4.6.7
#' @title N\enc{ú}{u}mero de Falhas em Pe\enc{ç}{c}as de Tecido
#' @description Dados referentes à produção de peças de tecido em uma
#' determinada fábrica. A fábrica registra o comprimento da peça
#' produzida e o número de falhas encontradas.
#' @format Um \code{data.frame} com 32 observações e 2 variáveis.
#' \describe{
#'
#' \item{\code{comp}}{Comprimento da peça de tecido produzida, em
#' metros.}
#'
#' \item{\code{nfalhas}}{Número de falhas encontradas na peça.}
#'
#' }
#' @keywords RS contagem
#' @source PAULA (2004), Exercício 4.6.7, pág. 343.
#' @references Hinde, J. (1982). Compound Poisson Regression Models in R
#' (Gilchrist ed.). Springer, New York.
#' @examples
#'
#' data(PaulaEx4.6.7)
#' str(PaulaEx4.6.7)
#'
#' library(lattice)
#'
#' xyplot(nfalhas ~ comp, data = PaulaEx4.6.7,
#' type = c("p", "g", "smooth"),
#' xlab = "Comprimento",
#' ylab = "Número de falhas")
#'
#' histogram(~nfalhas/comp,
#' data = PaulaEx4.6.7,
#' xlab = "Número de falhas por metro de tecido",
#' ylab = "Frequência")
#'
NULL
#' @name PaulaEx5.6.13
#' @title An\enc{á}{a}lise da Dispers\enc{ã}{a}o de um Pigmento na
#' Pintura
#' @description Um experimento foi conduzido para avaliar a dispersão de
#' quatro diferentes pigmentos numa pintura. O procedimento
#' consistiu em preparar cada mistura e aplicá-las num painel usando
#' três métodos diferentes. O experimento é repetido em três dias
#' distintos e a resposta é a porcentagem de reflectância do
#' pigmento.
#' @format Um \code{data.frame} com 36 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{painel}}{Número do painel.}
#'
#' \item{\code{dia}}{Dia de aplicação (1, 2 ou 3).}
#'
#' \item{\code{metod}}{Método utilizado: (1 = pincel, 2 = rolo e 3 =
#' spray.}
#'
#' \item{\code{mistur}}{Tipo de mistura do pigmento (1, 2, 3 ou 4).}
#'
#' \item{\code{reflec}}{Porcetagem de reflectância do pigmento.}
#'
#' }
#' @keywords DBC FAT2
#' @source PAULA (2004), Exercício 5.6.13, pág. 400.
#' @references Myers, R.H.; Montgomery, D. C. e Vining, G. G. (2002).
#' Generalized Linear Models: With Applications in Engineering and
#' the Sciences. John Wiley, New York.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx5.6.13)
#' str(PaulaEx5.6.13)
#'
#' ftable(xtabs(~dia + metod + mistur, data = PaulaEx5.6.13))
#'
#' xyplot(reflec ~ mistur, groups = metod,
#' auto.key = list(title = "Método"),
#' type = c("p", "g", "a"), data = PaulaEx5.6.13,
#' xlab = "Mistura", ylab = "Reflectância")
#'
NULL
#' @name PaulaEx5.6.14
#' @title Compara\enc{çã}{ca}o de Drogas para Tratamento de Leucemia
#' @description Dados referentes a um experimento em que 30 ratos
#' tiveram uma condição de leucemia induzida, sendo submetidos,
#' posteriormente, a três drogas quimioterápicas. Foram coletadas de
#' cada animal a quantidade de células brancas, a quantidade de
#' células vermelhas e o número de colônias de células cancerosas,
#' em três períodos diferentes.
#' @format Um \code{data.frame} com 120 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{rato}}{Número de identificação do rato.}
#'
#' \item{\code{period}}{Período de avaliação (1, 2, 3 ou 4).}
#'
#' \item{\code{trat}}{Droga quimioterápica utilizada (1, 2 ou 3).}
#'
#' \item{\code{celubran}}{Quantidade de células brancas.}
#'
#' \item{\code{celuverm}}{Quantidade de células vermelhas.}
#'
#' \item{\code{celucanc}}{Número de colônias de células cancerosas.}
#'
#' }
#' @keywords contagem
#' @source PAULA (2004), Exercício 5.6.14, pág. 401.
#' @references Myers, R.H.; Montgomery, D. C. e Vining, G. G. (2002).
#' Generalized Linear Models: With Applications in Engineering and
#' the Sciences. John Wiley, New York.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx5.6.14)
#' str(PaulaEx5.6.14)
#'
#' xtabs(~period + trat, data = PaulaEx5.6.14)
#'
#' xyplot(celucanc ~ period, groups = rato,
#' type = c("p", "g", "a"), data = PaulaEx5.6.14)
#'
NULL
#' @name PaulaEx5.6.15
#' @title Ensaio cl\enc{í}{i}nico em Pacientes com Artrite
#' @description Ensaio clínico em que 20 pacientes com artrite foram
#' aleatorizados, de modo que 10 receberam o medicamento auronofin e
#' os outros 10 receberam placebo. São consideradas como variáveis
#' explicativas sexo e idade, além do tipo do tratamento. Os
#' pacientes foram consultados e avaliados em 4 ocasiões.
#' @format Um \code{data.frame} com 80 observações e 6 variáveis.
#'
#' \describe{
#'
#' \item{\code{pacient}}{Identificação do paciente.}
#'
#' \item{\code{period}}{Momento em que o paciente foi avaliado (1 =
#' início do mês, 2 = após 1 mês, 3 = após 2 meses e 4 = após 3
#' meses.}
#'
#' \item{\code{sexo}}{Sexo (1 = masculino e 0 = feminino).}
#'
#' \item{\code{idade}}{Idade (em anos).}
#'
#' \item{\code{trat}}{Tratamento aplicado placebo ou Auronofin).}
#'
#' \item{\code{result}}{Avaliação do paciente classificada em bom e
#' regular ou ruim.}
#'
#' }
#' @keywords binário
#' @source PAULA (2004), Exercício 5.6.14, pág. 401.
#' @references Myers, R.H.; Montgomery, D. C. e Vining, G. G. (2002).
#' Generalized Linear Models: With Applications in Engineering and
#' the Sciences. John Wiley, New York.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaEx5.6.15)
#' str(PaulaEx5.6.15)
#'
#' tb <- xtabs(~result + trat + period, data = PaulaEx5.6.15)
#' barchart(tb,
#' horizontal = FALSE,
#' beside = FALSE,
#' stack = FALSE,
#' auto.key = list(space = "top", columns = 4, cex.title = 1,
#' rectangles = TRUE, points = FALSE,
#' title = "Período"),
#' scales = list(y = list(relation = "free"),
#' x = list(alternating = FALSE)),
#' xlab = "Resultado",
#' ylab = "Frequência absoluta")
#'
NULL
#' @name PaulaTb1.6
#' @title Anos de Estudo e a Renda M\enc{é}{e}dia Mensal
#' @description Conjunto de dados que apresenta para cada unidade da
#' federação o número médio de anos de estudo e a renda média mensal
#' do chefe ou chefes de domicílio.
#' @format Um \code{data.frame} com 27 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{est}}{Estado (unidade da federação).}
#'
#' \item{\code{esc}}{Número médio de anos de estudo.}
#'
#' \item{\code{rendm}}{Renda média mensal (em reais).}
#'
#' }
#' @keywords RS
#' @source PAULA (2004), Tabela 1.6, pág. 80.
#' @examples
#'
#' data(PaulaTb1.6)
#' str(PaulaTb1.6)
#'
#' library(lattice)
#'
#' xyplot(rendm ~ est,
#' ylab = "Renda",
#' xlab = "Estados",
#' data = PaulaTb1.6,
#' grid = TRUE)
#'
#' xyplot(rendm ~ esc,
#' ylab = "Renda",
#' xlab = "Número médio de anos de estudo",
#' data = PaulaTb1.6,
#' type = c("p", "smooth"))
#'
NULL
#' @name PaulaTb1.9
#' @title Bact\enc{é}{e}rias Sobreviventes em Amostras
#' @description Número de bactérias sobreviventes em amostras de um
#' produto alimentício segundo o tempo de exposição do produto a uma
#' temperatura de 300\eqn{^\circ}F.
#' @format Um \code{data.frame} com 12 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{num}}{Número de bactérias sobreviventes.}
#'
#' \item{\code{temp}}{Tempo de exposição (em minutos).}
#'
#' }
#' @keywords RS contagem
#' @source PAULA (2004), Tabela 1.9, pág. 88.
#' @examples
#'
#' data(PaulaTb1.9)
#' str(PaulaTb1.9)
#'
#' library(lattice)
#'
#' xyplot(num ~ temp,
#' ylab = "Número de bactérias",
#' xlab = "Tempo de exposição",
#' data = PaulaTb1.9,
#' type = "o")
#'
NULL
#' @name PaulaTb2.1
#' @title Desempenho de Turbinas para Motores de Avi\enc{ã}{a}o
#' @description Resultados de um experimento conduzido para avaliar o
#' desempenho de cinco tipos de turbina de alta velocidade para
#' motores de avião. Foram considerados dez motores de cada tipo
#' registrando-se o tempo até a perda de velocidade ou,
#' equivalentemente, a duração do motor.
#' @format Um \code{data.frame} com 50 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{turb}}{Fator com cinco níveis que indica o tipo de
#' turbina.}
#'
#' \item{\code{tempo}}{Tempo até a perda de velocidade, ou seja, duração
#' do motor, mensurado em unidades de milhões de ciclos.}
#'
#' }
#' @keywords DIC
#' @source PAULA (2004), Tabela 2.1, pág. 121.
#' @references Lawless, J. F. (1982). Statistical Models and Methods for
#' Lifetime Data. John Wiley, New York.
#' @examples
#'
#' data(PaulaTb2.1)
#' str(PaulaTb2.1)
#'
#' # Dados no formato "largo", conforme tabela 2.1 (Paula, 2004)
#' unstack(PaulaTb2.1, tempo ~ turb)
#'
#' aggregate(tempo ~ turb, summary, data = PaulaTb2.1)
#'
#' library(lattice)
#'
#' xyplot(tempo ~ turb,
#' data = PaulaTb2.1,
#' type = c("p", "g", "smooth"))
#'
#' densityplot(~tempo, groups = turb, data = PaulaTb2.1,
#' auto.key = list(corner = c(0.9, 0.9),
#' title = "Tipos de turbina",
#' cex.title = 1))
#'
NULL
#' @name PaulaTb2.6
#' @title Proje\enc{çã}{ca}o de Vendas
#' @description Dados referentes a 20 valores projetados para vendas de
#' produtos confrontados com os verdadeiros valores de venda
#' obtidos.
#' @format Um \code{data.frame} com 20 observações e 2 variáveis.
#'
#' \describe{
#'
#' \item{\code{proj}}{Valor projetado de venda.}
#'
#' \item{\code{real}}{Valor real de venda.}
#'
#' }
#' @keywords RS
#' @source PAULA (2004), Tabela 2.6, pág. 159.
#' @examples
#'
#' data(PaulaTb2.6)
#' str(PaulaTb2.6)
#'
#' library(lattice)
#'
#' xyplot(real ~ proj, data = PaulaTb2.6,
#' grid = TRUE, pch = 19, cex = 1.2,
#' panel = function(x, y, ...) {
#' panel.xyplot(x, y, ...)
#' panel.abline(0, 1, lty = 2)
#' })
#'
NULL
#' @name PaulaTb3.12
#' @title Ocorr\enc{ê}{e}ncia de Vaso-constri\enc{çã}{ca}o
#' @description Dados de um experimento desenvolvido para avaliar a
#' influência da quantidade de ar inspirado na ocorrência de
#' vaso-constrição na pele dos dedos da mão. A resposta é a
#' ocorrência (1) ou ausência (0) de compressão de vasos e as
#' covariáveis são o volume e a razão de ar inspirado.
#' @format Um \code{data.frame} com 39 observações e 3 variáveis, em que
#'
#' \describe{
#'
#' \item{vol}{Logaritmo do volume de ar inspirado.}
#'
#' \item{razao}{Logaritmo da razão de ar inspirado.}
#'
#' \item{resp}{Ocorrência ou não de compressão de vaso (ocorrência = 1 e
#' ausência = 0).}
#'
#' }
#' @keywords binário
#' @source PAULA (2004), Tb 3.12 pág. 227.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaTb3.12)
#' str(PaulaTb3.12)
#'
#' bwplot(vol ~ resp,
#' data = PaulaTb3.12,
#' type = c("p", "a"),
#' xlab = "Vaso-constrição",
#' ylab = "Volume de ar inspirado",
#' scales = list(x = list(labels = c("Ausência", "Ocorrência"))),
#' main = "Ocorrência de vaso-constrição")
#'
#'
#' bwplot(razao ~ resp,
#' data = PaulaTb3.12,
#' type = c("p", "a"),
#' xlab = " Vaso-constrição",
#' ylab = "Razão de ar inspirado",
#' scales = list(x = list(labels = c("Ausência", "Ocorrência"))),
#' main = "Ocorrência de vaso-constrição")
#'
NULL
#' @name PaulaTb3.20
#' @title Aplica\enc{çã}{ca}o de Inseticidas em Insetos
#' @description Dados de um experimento em que três inseticidas foram
#' aplicados em determinada espécie de inseto, sendo verificado o
#' número de sobreviventes para cada dose aplicada.
#' @format Um \code{data.frame} com 18 observações e 7 variáveis, em que
#'
#' \describe{
#'
#' \item{mortos}{Número de insetos mortos.}
#'
#' \item{exp}{Número de insetos expostos aos inseticidas.}
#'
#' \item{dose}{Dose aplicada dos inseticidas.}
#'
#' \item{inset}{Tipo de inseticida.}
#'
#' }
#' @keywords FAT2 binomial dummy
#' @source PAULA (2004), Tb 3.20 pág. 246.
#' @examples
#'
#' library(lattice)
#'
#' data(PaulaTb3.20)
#' str(PaulaTb3.20)
#'
#' xyplot(mortos/(sum(mortos)) ~ dose,
#' data = PaulaTb3.20,
#' auto.key = TRUE,
#' type = c("p", "a"),
#' groups = inset,
#' xlab = "Dose de inseticida aplicada",
#' ylab = "Proporção de insetos mortos")
#'
NULL
#' @name PaulaTb3.21
#' @title Distribui\enc{çã}{ca}o de Rotifers das Duas Esp\enc{é}{e}cies
#' @description Experimento com duas espécies de \emph{rotifers}, um
#' tipo microscópio de invertebrado aquático. São apresentados pra
#' cada espécie a densidade relativa da substância, o número de
#' \emph{rotifers} expostos e o número de *rotifers* em suspensão.
#' @format Um \code{data.frame} com 40 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{dens}}{Densidade.}
#'
#' \item{\code{susp}}{Rotifers suspensos.}
#'
#' \item{\code{exp}}{Rotifers expostos.}
#'
#' \item{\code{esp}}{Espécie (Polyarthra, Keratella).}
#'
#' }
#' @keywords binomial
#' @source PAULA (2004), Tb 3.21, pág. 257.
#' @examples
#'
#' data(PaulaTb3.21)
#' str(PaulaTb3.21)
#'
#' library(lattice)
#'
#' xyplot(susp/exp ~ dens,
#' groups = esp,
#' data = PaulaTb3.21,
#' xlab = "Densidade",
#' ylab = "Proporção de rotifers suspensos",
#' type = c("p"),
#' auto.key = TRUE)
#'
NULL
#' @name PaulaTb4.12
#' @title Associa\enc{çã}{ca}o entre Renda e Satisfa\enc{çã}{ca}o no
#' Emprego
#' @description Dados resultantes de uma pesquisa com 901 indivíduos
#' classificados segundo sua renda anual e grau informado de
#' satisfação no emprego. O interesse no estudo é relacionar a renda
#' anual e satisfação no emprego.
#' @format Um \code{data.frame} com 16 observações e 3 variáveis.
#'
#' \describe{
#'
#' \item{\code{renda}}{Fator com quatro níveis representando a renda do
#' indivíduo. Expressos em mil USD os níveis são: menor que 6
#' (\code{<6}), entre 6 e 12 (\code{6-15}), entre 15 e 25
#' (\code{15-25}) e maior que 25 (\code{>25}).}
#'
#' \item{\code{satis}}{Fator com quatro níveis que representa o grau de
#' satisfação do indivíduo no emprego (\code{alto}, \code{bom},
#' \code{médio} e \code{baixo}).}
#'
#' \item{\code{nind}}{Número de indivíduos na combinação das variáveis
#' \code{renda} e \code{satis}.}
#'
#' }
#' @keywords contagem contingência
#' @source PAULA (2004), Tabela 4.12, pág. 331.
#' @references Agresti, A. (1990). Categorical Data Analysis. John
#' Wiley, New York.
#' @examples
#'
#' data(PaulaTb4.12)
#' str(PaulaTb4.12)
#'
#' (xt <- xtabs(nind ~ ., data = PaulaTb4.12))
#' plot(xt)
#'
#' library(lattice)
#'
#' xyplot(nind ~ renda,
#' groups = satis,
#' data = PaulaTb4.12,
#' type = c("p", "a", "g"),
#' ylab = 'Número de indivíduos',
#' auto.key = list(
#' space = "right", cex.title = 1,
#' title = "Grau de\nsatisfação"))
#'
NULL
#' @name PaulaTb4.14
#' @title Ocorr\enc{ê}{e}ncia de Doen\enc{ç}{c}a das Coron\enc{á}{a}rias
#' @description Os dados são referentes à classificação de 1330
#' pacientes segundo três fatores: ocorrência de doença das
#' coronárias, nível de colesterol e pressão arterial. O interesse é
#' analisar a associação entre essas variáveis.
#' @format Um \code{data.frame} com 32 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{doenca}}{Fator com dois níveis que indica a ocorrência
#' (\code{sim}) ou não ocorrência (\code{não}) de doença das
#' coronárias.}
#'
#' \item{\code{colest}}{Fator com quatro níveis que indica o nível de
#' colesterol do paciente. A unidade de medida adotada é
#' \eqn{mg/100cm^3} com classes \code{<200}, \code{200-219},
#' \code{220-259} e \code{>259}.}
#'
#' \item{\code{pa}}{Fator com quatro níveis referente à pressão arterial
#' do paciente. A unidade de medida adotada é mm Hg
#' (milímetro-mercúrio) com classes \code{<127}, \code{127-146},
#' \code{147-166} e \code{>166}.}
#'
#' \item{\code{nind}}{Número de indivíduos para cada combinação das
#' categorias das variáveis \code{doenca}, \code{colest} e
#' \code{pa}.}
#'
#' }
#' @keywords contagem contingência
#' @source PAULA (2004), Tabela 4.14, pág. 334.
#' @references Everitt, B. S. (1977). The Analysis of Contingency
#' Tables. Chapman anda Hall, London.
#' @examples
#'
#' data(PaulaTb4.14)
#' str(PaulaTb4.14)
#'
#' xt <- xtabs(nind ~ ., data = PaulaTb4.14)
#' ftable(xt)
#' plot(xt)
#'
#' library(lattice)
#'
#' xyplot(nind ~ colest | doenca,
#' groups = pa,
#' data = PaulaTb4.14,
#' type = c("p", "a", "g"),
#' xlab = 'Colesterol',
#' ylab = 'Número de indivíduos',
#' scales = list(x = list(rot = 45)),
#' auto.key = list(
#' space = "right", cex.title = 1,
#' title = "Pressão arterial\nem mm Hg"))
#'
NULL
#' @name PaulaTb4.2
#' @title Mortes por C\enc{â}{a}ncer de Pulm\enc{ã}{a}o e Consumo de
#' Cigarro
#' @description Dados provenientes de um estudo de acompanhamento de
#' doutores Britânicos durante a década de 50. Neste estudo
#' observou-se a ocorrência de mortes por câncer de pulmão segundo o
#' consumo médio diário de cigarro e a faixa-etária.
#' @format Um \code{data.frame} com 16 observações e 4 variáveis.
#'
#' \describe{
#'
#' \item{\code{nmortes}}{Número de casos de morte por câncer de pulmão.}
#'
#' \item{\code{tpessoas}}{Total de anos de exposição (somado para toda a
#' amostra).}
#'
#' \item{\code{cmdc}}{Consumo médio diário de cigarros, dividido em
#' quatro níveis 0, 1-9, 10-30 ou +30 cigarros consumidos.}
#'
#' \item{\code{idade}}{Idade, registrada em faixas-etárias de 40-49,
#' 50-59, 60-79 e 70-80 anos.}
#'
#' }
#' @keywords contagem contingência
#' @source PAULA (2004), Tabela 4.2, pág. 294.
#' @examples
#'
#' data(PaulaTb4.2)
#' str(PaulaTb4.2)
#'
#' xtabs(nmortes ~ cmdc + idade, data = PaulaTb4.2)
#' (xt <- xtabs((nmortes/tpessoas)*100 ~ cmdc + idade,
#' data = PaulaTb4.2))
#' plot(xt)
#'
#' library(lattice)
#'
#' xyplot((nmortes/tpessoas) * 100 ~ cmdc,
#' xlab = "Consumo médio de cigarros",
#' ylab = "Taxa de mortes por câncer de pulmão",
#' groups = idade,
#' data = PaulaTb4.2,
#' type = c("b", "g"),
#' auto.key = list(corner = c(0.1, 0.9), cex.title = 1,
#' title = "Faixa-etária"))
NULL
#' @name PaulaTb4.7
#' @title Demanda de TV a Cabo em \enc{Á}{A}reas Metropolitanos dos EUA
#' @description Dados de um estudo sobre demanda de TV's a cabo em 40
#' áreas metropolitanas dos Estados Unidos. Nesse estudo a variável
#' de interesse é o número de assinantes (\code{nass}) e as demais
#' variáveis registradas tem por objetivo explicar esta contagem.
#' @format Um \code{data.frame} com 40 observações e 8 variáveis.
#'
#' \describe{
#'
#' \item{\code{nass}}{Número de assinantes de TV a cabo (em milhares).}
#'
#' \item{\code{domic}}{Número de domicílios na área (em milhares).}
#'
#' \item{\code{perc}}{Percentagem de domicílios com TV a cabo.}
#'
#' \item{\code{renda}}{Renda per capita por domicílio com TV a cabo (em
#' USD).}
#'
#' \item{\code{taxa}}{Valor da taxa de instalação de TV a cabo (em
#' USD).}
#'
#' \item{\code{custo}}{Custo médio mensal de manutenção de TV a cabo (em
#' USD).}
#'
#' \item{\code{ncabo}}{Número de canais a cabo disponíveis na área.}
#'
#' \item{\code{ntv}}{Número de canais não pagos com sinal de boa
#' qualidade na área.}
#'
#' }
#' @keywords RM contagem
#' @source PAULA (2004), Tabela 4.7, pág. 317.
#' @examples
#'
#' data(PaulaTb4.7)
#' str(PaulaTb4.7)
#'
#' library(lattice)
#' splom(PaulaTb4.7, type = c("p", "smooth"), lwd = 2)
#'
NULL
#' @name PaulaTb4.9
#' @title Avarias em Navios de Carga
#' @description Dados referentes a um estudo em que se avaliou o número
#' de avarias causadas por ondas em navios de carga. Contém 34
#' registros com informações do tipo de navio, ano de fabricação,
#' período de operação e tempo em operação (que pode ser considerado
#' como offset na análise, pois espera-se um maior número de avarias
#' em navios com um maior tempo em operação).
#' @format Um \code{data.frame} com 34 observações e 5 variáveis.
#'
#' \describe{
#'
#' \item{\code{tipo}}{Fator com cinco níveis que representa o tipo de
#' navio (A, B, C, D e E).}
#'
#' \item{\code{ano}}{Fator com quatro níveis que representa o ano de
#' fabricação do navio (entre 1960 e 1964 (\code{60-64}), entre 1965
#' e 1969 (\code{65-69}), entre 1970 e 1974 (\code{70-74}) e entre
#' 1975 e 1979 (\code{75-79})).}
#'
#' \item{\code{peri}}{Fator com dois níveis que representa o período de
#' operação do navio (entre 1960 e 1974 (\code{60-74}) e entre 1975
#' e 1979 (\code{75-79})).}
#'
#' \item{\code{meses}}{Tempo, em meses, em que o navio esteve em
#' operação.}
#'
#' \item{\code{avarias}}{Número de avarias no navio.}
#'
#' }
#' @keywords contagem contingência
#' @source PAULA (2004), Tabela 4.9 pág. 322.
#' @examples
#'
#' data(PaulaTb4.9)
#' str(PaulaTb4.9)
#'
#' # Número de observações em cada combinação das variáveis explicativas
#' ftable(PaulaTb4.9[, c("tipo", "ano", "peri")])
#'
#' # Número de avarias e número de avarias por mês observada em cada
#' # combinação das variáveis explicativas
#' xtabs(avarias ~ tipo + ano + peri, data = PaulaTb4.9)
#' xt <- xtabs(avarias/meses ~ ., data = PaulaTb4.9)
#' plot(xt)
#'
#' library(lattice)
#'
#' xyplot(avarias/meses ~ tipo | peri,
#' groups = ano,
#' data = PaulaTb4.9,
#' type = c("p", "a", "g"),
#' auto.key = list(
#' space = "right", cex.title = 1,
#' title = "Ano de\nfabricação"))
#'
NULL
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.