vamos fazer uma analise de variavel qualitaiva para isso, vamos importar os dados, fazer um tramento dos dados, fazer tabelas, fazer proporções e gráficos

Passo 1 - importar dados

#passo 2 - imporar um arquivo do excel

library(readxl)
## Warning: package 'readxl' was built under R version 4.2.3
restaurante <- read_excel("C:/Users/12389905412/Desktop/Base_de_dados-master/restaurante.xlsx")
View(restaurante)

#passo3 - importar um arquivo do csv
library(readr)
## Warning: package 'readr' was built under R version 4.2.3
Fam <- read_delim("C:/Users/12389905412/Desktop/Base_de_dados-master/Familias2.csv", 
                        delim = ";", escape_double = FALSE, trim_ws = TRUE)
## Rows: 120 Columns: 6
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ";"
## chr (4): local, p.a.p, instr, renda
## dbl (2): familia, tam
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
View(Fam)

#passo - carregar um Rdata
load("C:/Users/12389905412/Desktop/Base_de_dados-master/CARROS.RData")
View(CARROS)

load("C:/Users/12389905412/Desktop/Base_de_dados-master/dados_F1.RData")

depois de importar a base de dados, sera feia a limpeza dos dados e os problmas serão corrigidos

summary(restaurante)
##      Nome              Bairro              Tipo             Avaliador    
##  Length:104         Length:104         Length:104         Min.   :1.000  
##  Class :character   Class :character   Class :character   1st Qu.:1.000  
##  Mode  :character   Mode  :character   Mode  :character   Median :2.000  
##                                                           Mean   :1.827  
##                                                           3rd Qu.:2.000  
##                                                           Max.   :3.000  
##  Pontuacao restaurante Pontuacao serviço Pontuacao ambiente     Preco      
##  Min.   :1.800         Min.   :3.000     Min.   :3.000      Min.   : 10.0  
##  1st Qu.:5.500         1st Qu.:7.500     1st Qu.:7.500      1st Qu.: 25.0  
##  Median :6.800         Median :8.000     Median :8.000      Median : 45.0  
##  Mean   :6.661         Mean   :7.865     Mean   :7.865      Mean   : 46.3  
##  3rd Qu.:8.125         3rd Qu.:8.625     3rd Qu.:8.625      3rd Qu.: 60.0  
##  Max.   :9.800         Max.   :9.500     Max.   :9.500      Max.   :130.0
summary(CARROS)
##    Kmporlitro      Cilindros         Preco             HP       
##  Min.   :10.40   Min.   :4.000   Min.   : 71.1   Min.   : 52.0  
##  1st Qu.:15.43   1st Qu.:4.000   1st Qu.:120.8   1st Qu.: 96.5  
##  Median :19.20   Median :6.000   Median :196.3   Median :123.0  
##  Mean   :20.09   Mean   :6.188   Mean   :230.7   Mean   :146.7  
##  3rd Qu.:22.80   3rd Qu.:8.000   3rd Qu.:326.0   3rd Qu.:180.0  
##  Max.   :33.90   Max.   :8.000   Max.   :472.0   Max.   :335.0  
##  Amperagem_circ_eletrico      Peso            RPM        Tipodecombustivel
##  Min.   :2.760           Min.   :1.513   Min.   :14.50   Min.   :0.0000   
##  1st Qu.:3.080           1st Qu.:2.581   1st Qu.:16.89   1st Qu.:0.0000   
##  Median :3.695           Median :3.325   Median :17.71   Median :0.0000   
##  Mean   :3.597           Mean   :3.217   Mean   :17.85   Mean   :0.4375   
##  3rd Qu.:3.920           3rd Qu.:3.610   3rd Qu.:18.90   3rd Qu.:1.0000   
##  Max.   :4.930           Max.   :5.424   Max.   :22.90   Max.   :1.0000   
##   TipodeMarcha     NumdeMarchas   NumdeValvulas  
##  Min.   :0.0000   Min.   :3.000   Min.   :1.000  
##  1st Qu.:0.0000   1st Qu.:3.000   1st Qu.:2.000  
##  Median :0.0000   Median :4.000   Median :2.000  
##  Mean   :0.4062   Mean   :3.688   Mean   :2.812  
##  3rd Qu.:1.0000   3rd Qu.:4.000   3rd Qu.:4.000  
##  Max.   :1.0000   Max.   :5.000   Max.   :8.000
summary(Fam)
##     familia          local              p.a.p              instr          
##  Min.   :  1.00   Length:120         Length:120         Length:120        
##  1st Qu.: 30.75   Class :character   Class :character   Class :character  
##  Median : 60.50   Mode  :character   Mode  :character   Mode  :character  
##  Mean   : 60.50                                                           
##  3rd Qu.: 90.25                                                           
##  Max.   :120.00                                                           
##       tam           renda          
##  Min.   :1.000   Length:120        
##  1st Qu.:3.750   Class :character  
##  Median :4.000   Mode  :character  
##  Mean   :4.492                     
##  3rd Qu.:5.000                     
##  Max.   :9.000
tabela_comb=table(CARROS$Tipodecombustivel)
tabela_comb
## 
##  0  1 
## 18 14
tabela_marcha=table(CARROS$TipodeMarcha)


prop.table(tabela_comb)
## 
##      0      1 
## 0.5625 0.4375
prop.table(tabela_marcha)
## 
##       0       1 
## 0.59375 0.40625
round(prop.table(tabela_marcha)*100,1)
## 
##    0    1 
## 59.4 40.6
round(prop.table(tabela_comb)*100,1)
## 
##    0    1 
## 56.2 43.8

vamos fazer uma tabela de proporçaao a seguir

tabela_comb=table(CARROS$Tipodecombustivel)
tabela_comb
## 
##  0  1 
## 18 14
tabela_marcha=table(CARROS$TipodeMarcha)


prop.table(tabela_comb)
## 
##      0      1 
## 0.5625 0.4375
prop.table(tabela_marcha)
## 
##       0       1 
## 0.59375 0.40625
round(prop.table(tabela_marcha)*100,1)
## 
##    0    1 
## 59.4 40.6
round(prop.table(tabela_comb)*100,1)
## 
##    0    1 
## 56.2 43.8

Gráfico de pizza

aqui vamoz fazer um gráfico de pizza para variaveis qualiativas

pie(tabela_comb)

pie(tabela_comb,col=c("green","pink"))

pie(tabela_comb,col=c("tomato3","tomato1"))

pie(tabela_comb,col=c("magenta3","lightpink"))

pie(tabela_comb,col=c("magenta3","#ee9cf0"))

pie(tabela_comb,col=c("#ae9cf0","#ee9cf0"))

Conclusão

temos mais carros à gasolina do que carros à alcool na base

existem mais carros automaticos que carros manuais nessa base de dados

obs: perdi os dados da transfrormação de numeral poara texto nos gráficos de pizza