Elaboração de Gráficos

Utilizando histogramas, boxplots, barplots, e gráficos de pizza, para visualizar dados.

Importando dados do Excel e verificando a classe das variáveis:

library("readxl")
quest <- read_excel("C:/Users/User/Documents/Estudando/lista 3/questionário.xlsx")

str(quest)

## tibble [51 × 14] (S3: tbl_df/tbl/data.frame)
##  $ Id    : num [1:51] 1 2 3 4 5 6 7 8 9 10 ...
##  $ Turma : chr [1:51] "A" "A" "A" "A" ...
##  $ Sexo  : chr [1:51] "F" "F" "M" "M" ...
##  $ Idade : num [1:51] 17 18 18 25 19 19 20 18 18 17 ...
##  $ Alt   : chr [1:51] "1.60" "1.69" "1.85" "1.85" ...
##  $ Peso  : chr [1:51] "60.5" "55.0" "72.8" "80.9" ...
##  $ Filhos: num [1:51] 2 1 2 2 1 3 1 1 3 2 ...
##  $ Fuma  : chr [1:51] "NAO" "NAO" "NAO" "NAO" ...
##  $ Toler : chr [1:51] "P" "M" "P" "P" ...
##  $ Exerc : num [1:51] 0 0 5 5 2 2 3 2 3 2 ...
##  $ Cine  : num [1:51] 1 1 2 2 2 1 1 2 3 2 ...
##  $ OpCine: chr [1:51] "B" "B" "M" "B" ...
##  $ TV    : num [1:51] 16 7 15 20 5 2 7 10 12 10 ...
##  $ OpTV  : chr [1:51] "R" "R" "R" "R" ...

Transformando as variáveis Alt e Peso para numéricas, retirando última linha em branco, e visualizando dados:

quest1 <- transform(quest,Peso = as.numeric(Peso), Alt = as.numeric(Alt))
library(dplyr)
Quest<- slice(quest1, -51)
knitr::kable(Quest)

Id	Turma	Sexo	Idade	Alt	Peso	Filhos	Fuma	Toler	Exerc	Cine	OpCine	TV	OpTV
1	A	F	17	1.60	60.5	2	NAO	P	0	1	B	16	R
2	A	F	18	1.69	55.0	1	NAO	M	0	1	B	7	R
3	A	M	18	1.85	72.8	2	NAO	P	5	2	M	15	R
4	A	M	25	1.85	80.9	2	NAO	P	5	2	B	20	R
5	A	F	19	1.58	55.0	1	NAO	M	2	2	B	5	R
6	A	M	19	1.76	60.0	3	NAO	M	2	1	B	2	R
7	A	F	20	1.60	58.0	1	NAO	P	3	1	B	7	R
8	A	F	18	1.64	47.0	1	SIM	I	2	2	M	10	R
9	A	F	18	1.62	57.8	3	NAO	M	3	3	M	12	R
10	A	F	17	1.64	58.0	2	NAO	M	2	2	M	10	R
11	A	F	18	1.72	70.0	1	SIM	I	10	2	B	8	N
12	A	F	18	1.66	54.0	3	NAO	M	0	2	B	0	R
13	A	F	21	1.70	58.0	2	NAO	M	6	1	M	30	R
14	A	M	19	1.78	68.5	1	SIM	I	5	1	M	2	N
15	A	F	18	1.65	63.5	1	NAO	I	4	1	B	10	R
16	A	F	19	1.63	47.4	3	NAO	P	0	1	B	18	R
17	A	F	17	1.82	66.0	1	NAO	P	3	1	B	10	N
18	A	M	18	1.80	85.2	2	NAO	P	3	4	B	10	R
19	A	F	20	1.60	54.5	1	NAO	P	3	2	B	5	R
20	A	F	18	1.68	52.5	3	NAO	M	7	2	B	14	M
21	A	F	21	1.70	60.0	2	NAO	P	8	2	B	5	R
22	A	F	18	1.65	58.5	1	NAO	M	0	3	B	5	R
23	A	F	18	1.57	49.2	1	SIM	I	5	4	B	10	R
24	A	F	20	1.55	48.0	1	SIM	I	0	1	M	28	R
25	A	F	20	1.69	51.6	2	NAO	P	8	5	M	4	N
26	A	F	19	1.54	57.0	2	NAO	I	6	2	B	5	R
27	B	F	23	1.62	63.0	2	NAO	M	8	2	M	5	R
28	B	F	18	1.62	52.0	1	NAO	P	1	1	M	10	R
29	B	F	18	1.57	49.0	2	NAO	P	3	1	B	12	R
30	B	F	25	1.65	59.0	4	NAO	M	1	2	M	2	R
31	B	F	18	1.61	52.0	1	NAO	P	2	2	M	6	N
32	B	M	17	1.71	73.0	1	NAO	P	1	1	B	20	R
33	B	F	17	1.65	56.0	3	NAO	M	2	1	B	14	R
34	B	F	17	1.67	58.0	1	NAO	M	4	2	B	10	R
35	B	M	18	1.73	87.0	1	NAO	M	7	1	B	25	B
36	B	F	18	1.60	47.0	1	NAO	P	5	1	M	14	R
37	B	M	17	1.70	95.0	1	NAO	P	10	2	M	12	N
38	B	M	21	1.85	84.0	1	SIM	I	6	4	B	10	R
39	B	F	18	1.70	60.0	1	NAO	P	5	2	B	12	R
40	B	M	18	1.73	73.0	1	NAO	M	4	1	B	2	R
41	B	F	17	1.70	55.0	1	NAO	I	5	4	B	10	B
42	B	F	23	1.45	44.0	2	NAO	M	2	2	B	25	R
43	B	M	24	1.76	75.0	2	NAO	I	7	0	M	14	N
44	B	F	18	1.68	55.0	1	NAO	P	5	1	B	8	R
45	B	F	18	1.55	49.0	1	NAO	M	0	1	M	10	R
46	B	F	19	1.70	50.0	7	NAO	M	0	1	B	8	R
47	B	F	19	1.55	54.5	2	NAO	M	4	3	B	3	R
48	B	F	18	1.60	50.0	1	NAO	P	2	1	B	5	R
49	B	M	17	1.80	71.0	1	NAO	P	7	0	M	14	R
50	B	M	18	1.83	86.0	1	NAO	P	7	0	M	20	B

Verificando o número e os nomes das variáveis:

dim(Quest)

## [1] 50 14

names(Quest)

##  [1] "Id"     "Turma"  "Sexo"   "Idade"  "Alt"    "Peso"   "Filhos" "Fuma"  
##  [9] "Toler"  "Exerc"  "Cine"   "OpCine" "TV"     "OpTV"

Construindo histograma das variáveis peso e altura, com frequência absoluta:

Histograma para Altura (H.A.A):

attach(Quest)
H.A.A<- hist(Alt, breaks = (3), col="magenta" , border="darkblue",
            xlab="Altura dos Estudantes", ylab="Estudantes",
            xlim=c(1.3,2.0), ylim=c(0,25),
            main="Histograma da Altura (Freq. Absoluta)")

Histograma para Peso (H.P.A):

attach(Quest)
H.P.A<- hist(Peso, breaks = (7), #Pela Regra de Sturges, breaks=7
           col="magenta" , border="darkblue",#personalizando as cores
          xlab="Peso dos Estudantes", ylab="Estudantes (Freq. Absoluta)",
          xlim=c(40,100), ylim=c(0,25), #dimensão do eixo x e y
          main="Histograma do Peso (Freq. Absoluta)")

Construindo histograma das variáveis peso e altura, com frequência relativa:

Histograma para Altura (H.A.R):

attach(Quest)
H.A.R<- hist(Alt, breaks = (3), freq = FALSE, col="magenta" , border="darkblue",
           xlab="Altura dos Estudantes", ylab="Estudantes",
           xlim=c(1.3,2.0), ylim=c(0,6),
           main="Histograma da Altura (Freq. Relativa)")

Histograma para Peso (H.P.R):

attach(Quest)
H.P.R<- hist(Peso, breaks = (7), freq = FALSE, col="magenta" , 
             border="darkblue", 
             xlab="Peso dos Estudantes", ylab="Estudantes (Freq. Relativa)",
             xlim=c(40,100), ylim=c(0.000,0.050), 
             main="Histograma do Peso (Freq. Relativa)")

Adicionando curva de distribuição normal ao histograma do ponto 5:

Histograma para Altura com curva de distribuição normal:

attach(Quest)
H.A.R.N<- hist(Alt, breaks = (3), freq = FALSE, col="magenta" , border="darkblue",
             xlab="Altura dos Estudantes", ylab="Estudantes (Freq. Relativa)",
             xlim=c(1.3,2.0), ylim=c(0,6),
             main="Histograma da Altura")
  #Curva de distribuição normal para Altura:
curve(dnorm(x, mean=mean(Alt), sd=sd(Alt)), add=TRUE, col="darkblue", lwd=2)
#Legenda para a curva:
legend(x="topright", "Curva de Dist. Normal", col="darkblue", lty= 1, lwd=2)

Histograma para Peso com curva de distribuição normal:

attach(Quest)

## The following objects are masked from Quest (pos = 3):
## 
##     Alt, Cine, Exerc, Filhos, Fuma, Id, Idade, OpCine, OpTV, Peso,
##     Sexo, Toler, Turma, TV

## The following objects are masked from Quest (pos = 4):
## 
##     Alt, Cine, Exerc, Filhos, Fuma, Id, Idade, OpCine, OpTV, Peso,
##     Sexo, Toler, Turma, TV

## The following objects are masked from Quest (pos = 5):
## 
##     Alt, Cine, Exerc, Filhos, Fuma, Id, Idade, OpCine, OpTV, Peso,
##     Sexo, Toler, Turma, TV

## The following objects are masked from Quest (pos = 6):
## 
##     Alt, Cine, Exerc, Filhos, Fuma, Id, Idade, OpCine, OpTV, Peso,
##     Sexo, Toler, Turma, TV

## The following objects are masked from Quest (pos = 7):
## 
##     Alt, Cine, Exerc, Filhos, Fuma, Id, Idade, OpCine, OpTV, Peso,
##     Sexo, Toler, Turma, TV

H.P.R.N<- hist(Peso, breaks = (7), freq = FALSE, col="magenta" , border="darkblue",
             xlab="Peso dos Estudantes", ylab="Estudantes (Freq. Relativa)",
             xlim=c(40,100), ylim=c(0.000,0.055),
             main="Histograma do Peso")
  #Curva de distribuição normal para Peso:
curve(dnorm(x, mean=mean(Peso), sd=sd(Peso)), add=TRUE, col="darkblue", lwd=2)
  #Legenda para a curva:
legend(x="topright", "Curva de Dist. Normal", col="darkblue", lty= 1, lwd=2)

Posição da média nos histogramas do ponto 5:

Histograma para Altura com Posição da Média:

attach(Quest)
H.A.R.M<- hist(Alt, breaks = (3), freq = FALSE, col="magenta" , border="darkblue",
               xlab="Altura dos Estudantes", ylab="Estudantes (Freq. Relativa)",
               xlim=c(1.3,2.0), ylim=c(0,6),
               main="Histograma da Altura")
  #Curva de distribuição normal para Altura:
curve(dnorm(x, mean=mean(Alt), sd=sd(Alt)), add=TRUE, col="darkblue", lwd=2)
  #Posição da média:
abline(v=median(Alt), col="green",lty= 2, lwd=2)
  #Legenda para a curva:
legend(x="topright", c("Curva de Dist. Normal", "Média"), 
       col=c("darkblue", "green"), lty= c(1,2), lwd=c(2,2))

Histograma para Peso com Posição da Média:

attach(Quest)
H.P.R.M<- hist(Peso, breaks = (7), freq = FALSE, col="magenta" , border="darkblue",
               xlab="Peso dos Estudantes", ylab="Estudantes (Freq. Relativa)",
               xlim=c(40,100), ylim=c(0.000,0.050), main="Histograma do Peso")
  #Curva de distribuição normal para Peso:
curve(dnorm(x, mean=mean(Peso), sd=sd(Peso)), add=TRUE, col="darkblue", lwd=2)
#Posição da média:
abline(v=median(Peso), col="green",lty= 2, lwd=2)
#Legenda para a curva:
legend(x="topright", c("Curva de Dist. Normal", "Média"),  
       col=c("darkblue", "green"), lty= c(1,2), lwd=c(2,2))

Construindo boxplot das variáveis peso e altura:

i)Boxplot do Peso:

attach(Quest)
B.P<- boxplot(Peso, main = "Boxplot do Peso dos Estudantes", ylab = "Peso",
        col = "midnightblue", border = "violetred2")

Boxplot da Altura:

attach(Quest)
B.P<- boxplot(Alt, main = "Boxplot da Altura dos Estudantes", ylab = "Altura", 
              col = "midnightblue", border = "violetred2")

Construindo boxplot de peso por sexo:

attach(Quest)
boxplot(Peso ~ Sexo, main = "Peso de acordo com o gênero", ylab = "Peso", 
        xlab = "Gênero", names = c("Feminino","Masculino"), col = "midnightblue", 
        border = "violetred2")

Construindo boxplot da altura por OpTV(opinião sobre qualidade da programação na TV):

cores<- colorRampPalette(c("lightblue", "lightgreen")) #Escolhendo as cores

boxplot(Alt ~ OpTV, main = "Boxplot da Altura e OpTV", ylab = "Altura", 
        xlab = "Opinião sobre qualidade da programação de TV (OpTV)", 
        names = c("Boa", "Média", "Não Sabe","Ruim"), 
        col = cores(4), #Cores em degradê
        border = "darkgrey")

Construindo barplot da variável OpTV:

attach(Quest)
cores1<- colorRampPalette(c("purple4", "magenta2")) #Escolhendo as cores
OPTV<- table(OpTV)
barplot(OPTV, col = cores1(4), ylab = "Estudantes", xlab = "OPTV",
        names = c("Boa", "Média", "Não Sabe","Ruim"), 
        main = "Barplot da Opinião Sobre Qualidade da Programação de TV (OPTV)")

Construindo um barplot das variáveis Fuma e OpTV:

attach(Quest)
cores2<- colorRampPalette(c("pink2", "lightblue")) #Escolhendo as cores
FumaeOPTV<- table(Fuma,OpTV)
FumaeOPTV #analisando os dados para o barplot

##      OpTV
## Fuma   B  M  N  R
##   NAO  3  1  5 35
##   SIM  0  0  2  4

barplot(FumaeOPTV, col = cores2(2), beside=T, ylab = "Estudantes",
        xlab = "Fumantes e Opinião Sobre Qualidade da Programação de TV",
        names = c("Boa", "Média", "Não Sabe","Ruim"), 
        main = "Barplot de Estudantes Fumantes e OPTV",
        ylim=c(0,49)) #Aumentando distância para acrescentar legenda
legend(x="topright", c("Não Fuma", "Fuma"), col= cores2(2), 
       lty= c(1,1), lwd=c(3,3))

Construindo gráficos de pizza das variáveis: FUMA, Toler, Optv:

library(plotrix)

Gráfico de Fumantes:

attach(Quest)
cores3<- colorRampPalette(c("pink2", "lightblue"))#cores do fráfico
dados.fuma<-table(Fuma)
vetor.fuma<- round(dados.fuma/sum(dados.fuma)*100) # vetor de proporções
rot.fuma=c("Não", "Sim") #rótulos
rot.fuma1<- paste(rot.fuma, vetor.fuma) #rotulo e %
rot.fuma2<- paste(rot.fuma1,"%",sep="") #acrescentando % ao rótulo
porc.fuma<-paste(vetor.fuma,"%",sep="")
pie3D(vetor.fuma,labels=rot.fuma2,
      col=cores3(2), # cor
      explode=0.25, # fatias
      labelcex=1.5, #fonte do rótulo
      main= "Gráfico de Estudantes Fumantes")

Gráfico de Tolerância ao Cigarro:

attach(Quest)
cores4<- colorRampPalette(c("orange2", "red4","purple4"))#cores do gráfico
dados.toler<-table(Toler)
vetor.toler<- round(dados.toler/sum(dados.toler)*100) # vetor de proporções
rot.toler=c("Indiferente", "Incomoda Muito", "Incomoda Pouco") #rótulos
rot.toler1<- paste(rot.toler, vetor.toler) #rótulo e porcentagem
rot.toler2<- paste(rot.toler1,"%",sep="") #% ao rótulo
porcent.toler<-paste(vetor.toler,"%",sep="")
pie3D(vetor.toler,labels=rot.toler2,
      col=cores4(3), #cor
      explode=0.25, #fatias
      labelcex=1, #fonte do rótulo
      main= "Gráfico de Tolerância ao Cigarro")

Gráfico da Opinião Sobre Qualidade da Programação de TV (OPTV):

attach(Quest)
cores5<- colorRampPalette(c("lightblue", "blue", "magenta3", "purple3"))
                                                      #cores do gráfico
dados.OPTV<-table(OpTV)
vetor.OPTV<- round(dados.OPTV/sum(dados.OPTV)*100) #vetor de proporções
rot.OPTV=c("Boa", "Média", "Não Sabe","Ruim") #rótulos
rot.OPTV1<- paste(rot.OPTV, vetor.OPTV) #rótulo e porcentagem
rot.OPTV2<- paste(rot.OPTV1,"%",sep="") # % ao rótulo
porcent.OPTV<-paste(vetor.OPTV,"%",sep="")
pie3D(vetor.OPTV,labels=rot.OPTV2,
      col=cores5(4), #cor
      explode=0.25, #fatias
      labelcex=1.2, #fonte do rótulo
      main= "Gráfico da Opinião Sobre Qualidade da Programação de TV")

Elaboração de Gráficos

Lorenna Diniz Dantas

2023-06-15

Utilizando histogramas, boxplots, barplots, e gráficos de pizza, para visualizar dados.