##Galileu estava Certo?


Partindo do tutorial Ajuste de Polinômios, avalie se um polinômio 
de terceiro grau é um melhor modelo para descrever os dados do 
experimento de Galileu. A equação para este modelo é: 


init.h=c(600,700,800,950,1100,1300,1500)
h.d.=c(253,337,395,451,495,534,573)

init.h
h.d.
plot(h.d.~init.h)  ## tende a uma assíntota

modelo.1= lm(h.d.~init.h)
modelo.2= lm(h.d.~init.h+I(init.h^2))
modelo.3= lm(h.d.~init.h+I(init.h^2)+I(init.h^3))

modelo.1
modelo.2
modelo.3

anova(modelo.1)
anova(modelo.2)
anova(modelo.3)

summary(modelo.1)
summary(modelo.2)
summary(modelo.3)

anova(modelo.1,modelo.2,modelo.3)
anova(modelo.1,modelo.2)
##Quanto mais aumenta o grau melhor os dados são descritos?

modelo.4= lm(h.d.~init.h+I(init.h^2)+I(init.h^3)+I(init.h^4))
anova(modelo.4)
summary(modelo.4)

##Até o terceiro grau isso parece ser verdade

Resposta: O polinômio de terceiro grau parece ser o melhor modelo para descrever os dados de Galileu 


###Massa de Recém-Nascidos


Experimente todas as variáveis disponíveis no conjunto de dados 
Massa ao Nascer e Dados da mãe para chegar ao melhor modelo de 
previsão da massa de bebês ao nascer. 

Antes de começar elimine as observações com dados faltantes ,veja 
na descrição do arquivo. 

getwd()
bebes=read.table("baby.csv",as.is=T,sep=",",header=T)
head(bebes)
summary(bebes)
str(bebes)
tail(bebes)
summary(bebes)

bebes$gestation[bebes$gestation==999]=NA
bebes$bwt[bebes$bwt==999]=NA
bebes$parity[bebes$parity==9]=NA
bebes$smoke[bebes$smoke==9]=NA
bebes$weight[bebes$weight==999]=NA

par(mfrow=c(3,2))
anova(lm(bwt~gestation,data=bebes))
plot(bebes$bwt~bebes$gestation)

anova(lm(bwt~parity,data=bebes))
plot(bebes$bwt~bebes$parity)

anova(lm(bwt~age,data=bebes))
plot(bebes$bwt~bebes$age)

anova(lm(bwt~height,data=bebes))
plot(bebes$bwt~bebes$height)

anova(lm(bwt~weight,data=bebes))
plot(bebes$bwt~bebes$weight)

anova(lm(bwt~smoke,data=bebes))
plot(bebes$bwt~bebes$smoke)

anova(lm(bwt~age,data=bebes))
plot(bebes$bwt~bebes$age)

par(mfrow=c(1,1))
##Pode ser:
par(mfrow=c(3,2))
plot(bebes$bwt~bebes$gestation+bebes$height+bebes$weight+bebes$smoke)
par(mfrow=c(1,1))
modelo.1=lm(bwt~gestation+height+weight+smoke,data=bebes)  ##resíduos
anova(modelo.1)
summary(modelo.1)
plot(modelo.1)

## A idade e o peso da gestante parece não importar; parity e o fato
da gestante ser ou não fumante explicam parte da variação. Há ainda uma variação
residual não explicada.