setwd("C:/Users/Ed/Desktop/2VA/") # Current working directory
library(dplyr)
library(readr)
1) VADeaths
# Transpor para colocar as categorias nas colunas
VADeaths_transposed <- as.data.frame(t(VADeaths))
colors <- c("#1f78b4", "#33a02c", "#e31a1c", "#ff7f00")
barplot(height = as.matrix(VADeaths_transposed),
beside = TRUE,
col = colors,
main = "Taxas de Morte em Virginia",
xlab = "Idade",
ylab = "Número de Mortes")
legend("topleft",
legend = rownames(VADeaths_transposed),
fill = colors,
title = "Faixas de idade")

2) ClassificaçãoDoença
stage <- c("moderado", "leve", "leve", "severo", "leve", "moderado", "moderado", "moderado", "leve", "leve", "severo","leve", "moderado", "moderado", "leve", "severo", "moderado", "moderado", "moderado", "leve")
colors <- c("#1f78b4", "#33a02c", "#e31a1c")
stage_count <- table(stage)
proportions <- (stage_count / length(stage)) * 100
pie(
stage_count,
labels = paste(names(stage_count), round(proportions, 2), "%", sep = " "),
col = colors,
main = "Proporção dos estágios de doença",)
legend(
"topright",
legend = names(stage_count),
fill = colors,
title = "Estágios")

3) Teorema
flu_data <- read_csv(
file = "flu.csv",
show_col_types = FALSE,
)
hist(flu_data$age,
main = "Histograma das idades (flu_data)",
xlab = "Idade",
ylab = "Quantidade",
probability = T,
col = "gray"
)
lines(density(flu_data$age))

# Configurar o número de amostras e tamanho da amostra
ammount <- 200
n <- 35
# Criar 200 médias de amostras
samples <- replicate(
ammount,
mean(sample(flu_data$age, n))
)
# Histograma das médias amostrais
hist(samples,
main = "Distribuição das Médias das Amostras",
xlab = "Idade",
ylab = "Frequência",
col = "gray",
probability = TRUE)
curve(dnorm(x, mean = mean(flu_data$age), sd = sd(flu_data$age) / sqrt(n)),
col = "black",
lwd = 2,
add = TRUE)

4) Peso Gatos
confidence_level <- 0.99
sd <- 0.5
erro_amostral <- 0.1
z_score <- qnorm((1 + confidence_level) / 2)
# Formula para calcular n
n <- ceiling((z_score^2 * sd^2) / erro_amostral^2)
print(n)
## [1] 166
5) RU da Ruralinda
mean <- 400
sd <- 45
point <- 500
prob <- 1 - pnorm(point, mean, sd)
prob <- prob * 100
print(paste(round(prob * 100, 2), "%", sep = ""))
## [1] "131.34%"
6) Intervalo de confiança
load("bdims.RData")
filtered_data <- bdims[bdims$sex == 0, ]
samples <- filtered_data$hgt # Alturas das mulheres
n <- length(samples)
mean <- mean(samples)
confidence_level <- (1 - 0.985)/2
# confidence_level <- 0.985
sd <- sd(samples)
error <- sd / sqrt(n)
left <- mean - (qnorm(confidence_level, lower.tail = F) * error)
right <- mean + (qnorm(confidence_level, lower.tail = F) * error)
cat("Intervalo de Confiança de 98.5% para a Média de Alturas das Mulheres:",
"\nLimite Inferior:", left,
"\nLimite Superior:", right,
"\n[", left, "-", right, "]\n")
## Intervalo de Confiança de 98.5% para a Média de Alturas das Mulheres:
## Limite Inferior: 163.8851
## Limite Superior: 165.8596
## [ 163.8851 - 165.8596 ]