Última atualização: 2021-05-11
https://github.com/filipezabala/desempateTecnico
version
## _ ## platform x86_64-apple-darwin17.0 ## arch x86_64 ## os darwin17.0 ## system x86_64, darwin17.0 ## status ## major 4 ## minor 0.5 ## year 2021 ## month 03 ## day 31 ## svn rev 80133 ## language R ## version.string R version 4.0.5 (2021-03-31) ## nickname Shake and Throw
\[IC( p_{A_{i}}, 1 - \alpha ) = \hat{p}_{A_i} \mp z_{1 - \frac{\alpha}{2} } \sqrt{ \dfrac{ \hat{p}_{A_i} (1- \hat{p}_{A_i})}{n} } \]
\[\hat{p}_{A_{1_{( \; )}}}=\frac{217}{398} \approx 0.545, \;\;\;\; \hat{p}_{A_{2_{[ \; ]}}}=\frac{181}{398} \approx 0.455\]
library(desempateTecnico) ci_prop(217, 398, .05)
## p_hat = 0.5452, IC[ 0.496 ; 0.594 ]
ci_prop(181, 398, .05)
## p_hat = 0.4548, IC[ 0.406 ; 0.504 ]
\[\hat{p}_{A_{1_{(\;)}}}=\frac{217}{568} \approx 0.382, \;\;\; \hat{p}_{A_{2_{[ \; ]}}}=\frac{181}{568} \approx 0.319, \;\;\; \hat{p}_{A_{3_{\{ \; \}}}}=\frac{170}{568} \approx 0.299\]
ci_prop(217, 568, .05)
## p_hat = 0.382, IC[ 0.342 ; 0.422 ]
ci_prop(181, 568, .05)
## p_hat = 0.3187, IC[ 0.28 ; 0.357 ]
ci_prop(170, 568, .05)
## p_hat = 0.2993, IC[ 0.262 ; 0.337 ]
simplex2d()
simplex3d(1/3,1/3,1/3,10,.05) # Note a extrapolação da elipse simplex3d(1/3,1/3,1/3,50,.05) # Maior amostra, dentro dos limites simplex3d(1/3,1/3,1/3,50,.01) # alpha = 1% simplex3d(1/3,1/3,1/3,50,.1) # alpha = 10% simplex3d(0.7,0.2,0.1,50,.05) # Candidato A no primeiro turno simplex3d(0.5,0.3,0.2,50,.05) # Mais equilibrado simplex3d(0.5,0.3,0.2,100,.05) # Disputa acirrada simplex3d(0.5,0.3,0.2,500,.05) # Deve haver segundo turno simplex3d(0.5,0.3,0.2,2500,.05) # Tamanho usual, epsilon=2%
O limite inferior/superior do intervalo de confiança de um candidato é igual ao limite superior/inferior de outro candidato.
# pa, pb e pc que levam à iminência de um empate múltiplo # pela técnica dos institutos de pesquisa para 3 candidatos bayes(c(.5813972562, .3158114522, .1027912916), 50)
## cenario posteriori ## [1,] "A" "0.8439" ## [2,] "B" "0.0024" ## [3,] "C" "0" ## [4,] "AB" "0.1519" ## [5,] "AC" "0.0018" ## [6,] "BC" "0"
# pa, pb e pc que levam à iminência de um empate múltiplo # pela técnica dos institutos de pesquisa para 3 candidatos bayes(c(.5144202347, .3246860305, .1608937348), 100)
## cenario posteriori ## [1,] "A" "0.5649" ## [2,] "B" "3e-04" ## [3,] "C" "0" ## [4,] "AB" "0.4312" ## [5,] "AC" "0.0036" ## [6,] "BC" "0"
# pa, pb e pc que levam à iminência de um empate múltiplo # pela técnica dos institutos de pesquisa para 3 candidatos bayes(c(.4160925601, .3316216347, .2522858052), 500)
## cenario posteriori ## [1,] "A" "3e-04" ## [2,] "B" "0" ## [3,] "C" "0" ## [4,] "AB" "0.9886" ## [5,] "AC" "0.0111" ## [6,] "BC" "0"
# pa, pb e pc que levam à iminência de um empate múltiplo # pela técnica dos institutos de pesquisa para 3 candidatos bayes(c(.3919345050, .3324785813, .2755869137), 10^3)
## cenario posteriori ## [1,] "A" "0" ## [2,] "B" "0" ## [3,] "C" "0" ## [4,] "AB" "0.9901" ## [5,] "AC" "0.0099" ## [6,] "BC" "0"
# pa, pb e pc que levam à iminência de um empate múltiplo # pela técnica dos institutos de pesquisa para 3 candidatos bayes(c(.3518464606, .3332479566, .3149055828), 10^4)
## cenario posteriori ## [1,] "A" "0" ## [2,] "B" "0" ## [3,] "C" "0" ## [4,] "AB" "0.9905" ## [5,] "AC" "0.0095" ## [6,] "BC" "0"
# pa, pb e pc que levam à iminência de um empate múltiplo # pela técnica dos institutos de pesquisa para 3 candidatos bayes(c(.3391808234, .3333247966, .3274943799), 10^5)
## cenario posteriori ## [1,] "A" "0" ## [2,] "B" "0" ## [3,] "C" "0" ## [4,] "AB" "0.9886" ## [5,] "AC" "0.0114" ## [6,] "BC" "0"
# pa, pb e pc que levam à iminência de um empate múltiplo # pela técnica dos institutos de pesquisa para 3 candidatos bayes(c(.3333333335, .3333333333, .3333333331), 10^20)
## cenario posteriori ## [1,] "A" "0" ## [2,] "B" "0" ## [3,] "C" "0" ## [4,] "AB" "0.9931" ## [5,] "AC" "0.0069" ## [6,] "BC" "0"
bayes(c(.4,.3,.3), 1000)
## cenario posteriori ## [1,] "A" "0" ## [2,] "B" "0" ## [3,] "C" "0" ## [4,] "AB" "0.5006" ## [5,] "AC" "0.4994" ## [6,] "BC" "0"
bayes(c(.3,.25,.2,.1,.05), 100)
## cenario posteriori ## [1,] "A" "1e-04" ## [2,] "B" "0" ## [3,] "C" "0" ## [4,] "D" "0" ## [5,] "E" "0" ## [6,] "AB" "0.7569" ## [7,] "AC" "0.1994" ## [8,] "AD" "0.0016" ## [9,] "AE" "0" ## [10,] "BC" "0.0417" ## [11,] "BD" "3e-04" ## [12,] "BE" "0" ## [13,] "CD" "0" ## [14,] "CE" "0" ## [15,] "DE" "0"
bayes(rep(1/5,5), 500)
## cenario posteriori ## [1,] "A" "0" ## [2,] "B" "0" ## [3,] "C" "0" ## [4,] "D" "0" ## [5,] "E" "0" ## [6,] "AB" "0.1001" ## [7,] "AC" "0.0997" ## [8,] "AD" "0.1005" ## [9,] "AE" "0.0997" ## [10,] "BC" "0.0984" ## [11,] "BD" "0.0998" ## [12,] "BE" "0.1007" ## [13,] "CD" "0.1006" ## [14,] "CE" "0.102" ## [15,] "DE" "0.0985"
Metropolis & Ulam (1949) - The Monte Carlo Method