Escolar Documentos
Profissional Documentos
Cultura Documentos
> variável<-read.table(file.choose(),header=T)
> variável
ET GPS
1 957.580 957.530
2 941.756 941.747
3 942.866 942.878
4 949.751 949.742
5 953.566 953.570
6 952.864 952.874
7 952.514 952.509
8 939.275 939.279
9 956.299 956.304
10 942.866 942.878
> ET<-variável[,1]
> ET
[1] 957.580 941.756 942.866 949.751 953.566 952.864 952.514 939.275 956.299
[10] 942.866
> GPS<-variável[,2]
> GPS
[1] 957.530 941.747 942.878 949.742 953.570 952.874 952.509 939.279 956.304
[10] 942.878
> v<-ET-GPS
[1] 0.050 0.009 -0.012 0.009 -0.004 -0.010 0.005 -0.004 -0.005 -0.012
> shapiro.test(v)
data: v
> # P=0.003 < 0.005 Demonstra que não existe distribuição normal;
> # W = 0.74 < 1 Demonstra que é necessário fazer ajustes dos dados;
> qqnorm(v)
> qqline(v)
> media<-
mean(957.580,941.756,942.866,949.751,953.566,952.864,952.514,939.275,956.299,942.866,
957.530,941.747,942.878,949.742,953.570,952.874,952.509,939.279,956.304,942.878)
> media
[1] 957.58
> desvio<-sd(v)
> desvio
[1] 0.01845234
> chisq.test(variável)
data: variável
Obs: O valor P-VALUE=1, O QUE É > QUE 0,05 mostra que não a diferença de
homogeniedade.
> mv<-sum(v)/10
> x<-c(957.580,941.756,942.866,949.751,953.566,952.864,952.514,939.275,956.299,942.866)
> x [1] 957.580 941.756 942.866 949.751 953.566 952.864 952.514 939.275 956.299 942.866
> y<-c(957.530,941.747,942.876,949.742,953.570,952.874,952.509,939.279,956.304,942.878)
> y [1] 957.530 941.747 942.876 949.742 953.570 952.874 952.509 939.279 956.304 942.878
> v<-sum(x-y)
> v<-sum(abs(x-y))
CÁLCULO DO RMSE
> diff<- x-y
> sigma_squared<-sum(diff*diff)
> RMSE<-sqrt(sigma_squared/length(x))