Uma questão importante no desenho experimental é definir o tamanho da amostra. Um número amostral muito pequeno pode não ser capaz de detectar efeitos existentes nos tratamentos. Amostras muito grandes podem apresentar o viés inverso, detectar diferenças onde o efeito é insignificante. Para definir um bom esforço amostral podemos nos valer de simulações de dados baseados em informação secundária ou um piloto antes de iniciar o experimento.

Utilizando a função simBin simule um experimento de restauração que monitorou a sobrevivência do plantio de uma espécie de árvore em dois solos distintos: arenoso e argiloso¹ . As probabilidades de sobrevivências nos solos foi reportada em outro estudo prévio como sendo: 0.45 e 0.62, respectivamente. Utilize esses valores na simulação dos dados e produza quatro objetos de dados de experimentos com esforço amostral de 10, 20, 50 e 100 árvores em cada tipo de solo (dados10, dados20, dados50, dados100). Em seguida calcule o p-valor utilizando a função testBin com nSim = 200 (exercício 110.03) e guarde os valores em objetos denominados: p10, p20, p50, p100.
Atenção : Não esqueça de incluir as linhas de comando que criam os objetos da classe função simBin e testBin, no inicio do seu código!!
Atenção ainda maior: fixe a semente aleatória do seu código com set.seed(22) ^seedlogo antes de iniciar a criação dos objetos de dados e siga a ordem de criação dos objetos que é solicitada em ordem crescente de esforço amostral.
Por fim, verifique se o resultado é o que estava esperando e, caso seja, crie o objeto resposta contendo TRUE, caso contrário coloque FALSE.