Atividade 12

Questão 1

# Carregamento dos dados
MRT_1F <-c(517.1468515630205, 85.13094142168089, 30.333207896694553, 12.694776264558937, 3.3041601673945418, 1.1823111717498882, 1.1892293502386786)

MRT_3F <-c(156.68929936163462, 11.540837783562276, 0.4512835621696538, 0.4509797929766453, 0.4502068233039181, 0.4496185276300172, 0.4543157082191288)

MRT_5F <-c(83.90319666471157, 0.3068151086494968, 0.30522314133037304, 0.3072588968084928, 0.30655265997285697, 0.3055812715727718, 0.3053297166713006)

MRT_10F <-c(29.55430642951759, 0.19832832665772515, 0.1971923924717474, 0.19796648905716516, 0.19615594370806338, 0.2034569237883263, 0.19617420889447737)

MRT_15F <-c(11.317736530583566, 0.167364215666193, 0.16172168266811013, 0.16701085329580515, 0.1598052657153692, 0.1645934043532696, 0.16216563797118075)

MRT_sem_F <-c(11.93430909937736, 0.6095414637034009, 0.6060645101029295, 0.612167181646899, 0.6146761002685637, 0.6096747087200697, 0.6125810476877268)

clock <- c(0.1, 0.5, 1, 1.5, 2, 2.5, 3)

# Plotagem do gráfico
plot(clock, MRT_1F, type = "o", col = "black", lty = 1, lwd = 2, xlab = "Time between Things requests (seconds)", ylab = "Response time (sec.)", pch=4)

# Adicionar linhas
lines(clock, MRT_3F, type = "o", col = "yellow", lty = 1, pch=7)

lines(clock, MRT_5F, type = "o", col = "red", lty = 1, pch=1)

lines(clock, MRT_10F, type = "o", col = "blue", lty = 1, pch=2)

lines(clock, MRT_15F, type = "o", col = "purple", lty = 1, pch=5)

lines(clock, MRT_sem_F, type = "o", col = "green", lty = 1, pch=4)

# Adicionar legenda
legend("topright", legend = c("1 Fog", "3 Fogs","5 Fogs","10 Fogs","15 Fogs","w/o Fogs"), col = c("black", "yellow","red", "blue","purple","green"), lty = c(1,1,1,1,1,1), pch = c(4, 7,1,2,5,4), lwd = c(2, 2,2,2,2,2))

Questão 3

# Carregar o conjunto de dados airquality
data(airquality)

# Filtrar dados para o mês de maio
maio <- subset(airquality, Month == 5)

# Converter as temperaturas de Fahrenheit para Celsius
maio$Temp_Celsius <- (maio$Temp - 32) / 1.8

# Criar o histograma
hist(maio$Temp_Celsius, col = "lightblue", main = "Histograma de Temperaturas em Maio",
     xlab = "Temperatura (°C)", ylab = "Frequência", border = "black", probability = TRUE)

# Adicionar curva de densidade
lines(density(maio$Temp_Celsius), col = "darkred", lwd = 2)

# Adicionar legenda
legend("topright", legend = "Densidade", col = "darkred", lwd = 2)

Questão 4

# Carregar o conjunto de dados
sales <- read.table("https://training-course-material.com/images/8/8f/Sales.txt", header = TRUE)

# Calcular a porcentagem de vendas por país
sales$Percentage <- sales$SALES / sum(sales$SALES) * 100

# Cores para as fatias
cores <- c("skyblue", "lightcoral", "lightgreen", "lightpink", "lightgoldenrodyellow", "chocolate")

# Criar o gráfico de pizza
pie(sales$Percentage, labels = paste(sales$COUNTRY, "\n", round(sales$Percentage, 1), "%"), col = cores, main = "Distribuição Percentual de Vendas por País")

# Adicionar legenda
legend("topright", legend = sales$COUNTRY, fill = cores, title = "País", cex = 0.8)

Questão 5

# Carregar o conjunto de dados InsectSprays
data(InsectSprays)

# Configurar o dispositivo gráfico para permitir a sobreposição de gráficos
par(mfrow = c(1, 1))

# Criar o boxplot sem outliers
boxplot(count ~ spray, data = InsectSprays, col = "yellow", outline = FALSE, main = "Contagens de Insetos por Tipo de Inseticida",
        xlab = "Tipo de Inseticida", ylab = "Contagem de Insetos")

Questão 7

# Carregamento dos dados
netflix <- read.csv("/Users/Pichau/Desktop/R_environment/netflix_titles.csv")

# Filtrar os conteúdos com apenas um país de origem e contar o número de conteúdos para cada país
conteudos_por_pais <- netflix %>%
  filter(!is.na(country)) %>%
  group_by(country) %>%
  summarise(contagem = n()) %>%
  arrange(desc(contagem)) %>%
  top_n(10)
## Selecting by contagem
# Criar o gráfico de pizza interativo com Plotly
grafico_pizza <- plot_ly(
  data = conteudos_por_pais,
  labels = ~country,
  values = ~contagem,
  type = "pie",
  textinfo = "label+percent",
  marker = list(colors = rainbow(length(conteudos_por_pais$country))),
  hole = 0.6
) %>%
  layout(title = "Top 10 Países com Mais Conteúdo na Plataforma")

# Exibir o gráfico
grafico_pizza