#exercicios de funções matemáticas - Ana Carolina Pavan
#biomassas de arvores
b1= exp(-1.7953) * 15^2.2974 
b1 #valor obtido com o primeiro modelo:
x = -2.6464 + 1.9960*log(15) + 0.7558*log(12)
x #valor de log do segundo modelo:
b2 = exp(x)
b2 #valor obtido com o segundo modelo:
# resposta: os modelos resultam em estimativas distintas!
#sequencias de numeros
rep("a", 6)
rep(1:3, each=3)
rep(1:3,c(3,2,1))
c(seq(1,5),seq(4,1))
seq(from=1, to=99, by=2)
#conta de luz
leituras <- c(9839,10149,10486,10746,11264,11684,12082,12599,13004,13350,13717,14052)
leituras
cons.mensal <- diff(leituras)
cons.mensal
c(max(cons.mensal), min(cons.mensal)) # ou então range(cons.mensal)
summary(cons.mensal)
sd(cons.mensal)
#area basal
#DAP=13,5cm
r1 = 13.5/2
r1
area1 = pi*r1^2
area1
r2 = 7/2
r3 = 9/2
r4 = 12/2
area2 = sum((pi*r2^2),(pi*r3^2),(pi*r4^2))
area2
#variancia na unha
pesos <- c(78.4, 79.8, 76.0, 75.3, 77.4, 78.6, 77.9, 78.8, 79.2, 75.2, 75.0, 79.4)
x<-mean(pesos)  # atribui ao objeto x a média dos pesos
m <- c(rep(x,12)) # vetor m contem 12 repetições da média dos pesos
m
length(pesos)-1  # número de amostras (n) - 1 (necessario para calculo da variancia)
#var = somatorio(valor-media)^2 / n - 1
variancia= sum((m - pesos)^2)/ (length(pesos) - 1)
variancia
d.p. = sqrt(variancia)  # desvio padrao é a raiz da variancia
d.p.
# comparando os resultados com as funções do R:
var(pesos)
sd(pesos)
# os resultados foram os mesmos!
# Teste t
resposta1 <- sum(pt(q=-2.2, df=19, lower.tail=TRUE),pt(q=2.2,df=19,lower.tail=FALSE))
resposta1  # o teste é significativo!
resposta2 <- sum(pt(q=-1.9, df=19, lower.tail=TRUE),pt(q=1.9,df=19,lower.tail=FALSE))
resposta2  # o teste não é significativo!
# Dica: acredito que eu poderia calcular a probabilidade apenas de um lado da distribuição e multiplica-la por 2, pois como a distribuição t possui média=0 e var=1, os valores de probabilidade obtidos nas duas pontas serão os mesmos.

### FIM! ####