Tarefa 1

Author

Éveli Mendonça Santana

Instruções

Inicialmente altere seu nome no espaço acima, onde aparece coloque seu nome aqui.

Resolva cada um dos ítens a seguir e, após isso, clique no botão render acima e em seguida envie para o Rpubs.

Caso precise, tire suas dúvidas pelo grupo do Whatsapp

Exercício 1

Calcule no campo abaixo a raiz quadrada de 980

sqrt(980)
[1] 31.30495

Exercício 2

Calcule no campo abaixo a seguinte expressão: 5 + 5 x 5 - 5

5+5*5-5
[1] 25

Exercício 3

Compare os resultados das divisões a seguir usando os operadores lógicos >, <, ==.

  1. 46 / 3 e 78 / 5

  2. 66 / 6 e 44 / 11

  3. 45 / 9 e 65 / 13

46/3
[1] 15.33333
78/5
[1] 15.6
46/3<78/5 
[1] TRUE
66/6 
[1] 11
44/11 
[1] 4
66/6>44/11
[1] TRUE
45/9
[1] 5
65/13
[1] 5
45/9==65/13
[1] TRUE

Exercício 4

Quanto é 67 ao quadrado dividido por 2?

sqrt(67/2)
[1] 5.787918

Exercício 5

Crie um vetor com 6 nomes de times de futebol?

time <-c("Flamengo","Corinthians","Cruzeiro","Botafogo")

Exercício 6

Qual é a classe e o tipo de um vetor que contenha os seguintes elementos: Maria, T, 62, 54, Azul

vetor1<-c("Maria")
class(vetor1)
[1] "character"
vetor2<-c("T")
class(vetor2)
[1] "character"
vetor3<-c("62")
class(vetor3)
[1] "character"
vetor4<-c("54")
class(vetor4)
[1] "character"
vetor5<-c("Azul")
class(vetor5)
[1] "character"
vetor6<-c("Maria","T","62","54","Azul")
class(vetor6)
[1] "character"

Exercício 7

Faça uma matrix 4x4 com numeros de 0 a 15

matriz<-matrix(0:15,ncol = 4)

Exercício 8

Faça um dataframe com os dados do quadro a seguir:

Nome Sexo Idade (anos) Altura (metros) Peso (Kg) Tipo Sanguíneo
Pedro M 66 1.80 75 AB
Maria F 45 1.66 80 O
Carlos M 52 1.68 75 O
João M 37 1.97 88 A
Valquíria F 41 1.60 67 O
Daniela F 33 1.55 50 O
Fernando M 39 1.76 79 AB
Eduardo M 56 1.90 90 B
Mônica F 39 1.55 57 O
Gabriela F 34 1.70 68 O

OBS: os nomes das variáveis não podem começar por números, não podem ter acentos e nem espaços.

Nomes<-c("Pedro","Maria","Carlos","João","Valquíria","Daniela", "Fernando","Eduardo","Mônica","Gabriela")
Sexo<-c("M","F","M","M","F","F","M","M","F","F")
Idade<-c("66","45","52","37","41","33","39","56","39","34")
Altura<-c("1.80","1.66","1.68","1.97","1.60","1.55","1.76","1.90",
          "1.55","1.70")
Peso<-c("75","80","75","88","67","50","79","90","57","68")
TipoSanguineo<-c("AB","O","O","A","O","O","AB","B","O","O")

dataframe<-data.frame(Nomes,Sexo,Idade,Altura,Peso,TipoSanguineo)

Exercício 9

No dataframe que você acabou de criar, qual a média, desvio padrão e mediana das idades das pessoas?

Idade<-c("66","45","52","37","41","33","39","56","39","34")
mean(dataframe$Idade)
Warning in mean.default(dataframe$Idade): argumento não é numérico nem lógico:
retornando NA
[1] NA
sd(Idade)
[1] 10.65416
median(dataframe$Idade)
Warning in mean.default(sort(x, partial = half + 0L:1L)[half + 0L:1L]):
argumento não é numérico nem lógico: retornando NA
[1] NA
sd(dataframe$Idade)
[1] 10.65416

Exercício 10

No dataframe que você acabou de criar, quem tem a maior média de altura: o sexo masculino ou feminino?

Altura<-c("1.80","1.66","1.68","1.97","1.60","1.55","1.76","1.90","1.55","1.70")
Sexo<-c("M","F","M","M","F","F","M","M","F","F")
library(dplyr)

Anexando pacote: 'dplyr'
Os seguintes objetos são mascarados por 'package:stats':

    filter, lag
Os seguintes objetos são mascarados por 'package:base':

    intersect, setdiff, setequal, union
dados=dataframe
tapply(Altura,Sexo,mean)
Warning in mean.default(X[[i]], ...): argumento não é numérico nem lógico:
retornando NA
Warning in mean.default(X[[i]], ...): argumento não é numérico nem lógico:
retornando NA
 F  M 
NA NA 
group_by(dados,Sexo)%>%summarise(media=mean(Altura))
Warning: There were 2 warnings in `summarise()`.
The first warning was:
ℹ In argument: `media = mean(Altura)`.
ℹ In group 1: `Sexo = "F"`.
Caused by warning in `mean.default()`:
! argumento não é numérico nem lógico: retornando NA
ℹ Run `dplyr::last_dplyr_warnings()` to see the 1 remaining warning.
# A tibble: 2 × 2
  Sexo  media
  <chr> <dbl>
1 F        NA
2 M        NA

Exercício 11

No dataframe que você acabou de criar, quem tem a maior média de altura: o sexo masculino ou feminino?

mean(Altura,Sexo)
Warning in mean.default(Altura, Sexo): argumento não é numérico nem lógico:
retornando NA
[1] NA

Exercício 12

No dataframe que você acabou de criar, utilze a função table e prop.table para criar uma tabela de contingencia com as variáveis sexo e tipo sanguíneo.

Sexo<-c("M","F","M","M","F","F","M","M","F","F")
TipoSanguineo<-c("AB","O","O","A","O","O","AB","B","O","O")

table(dataframe$Sexo)

F M 
5 5 
table(dataframe$Tiposanguineo)
< table of extent 0 >
prop.table(table(dataframe$Sexo))

  F   M 
0.5 0.5 
prop.table(table(dataframe$TipoSanguineo))

  A  AB   B   O 
0.1 0.2 0.1 0.6 
table(dataframe$Sexo, dataframe$TipoSanguineo)
   
    A AB B O
  F 0  0 0 5
  M 1  2 1 1

Exercício 13

Com os dados dataframe que você criou anteriormente, faça um vetor com o IMC de cada pessoa. O IMC é calculado dividindo o peso pelo quadrado da altura.

Altura<-c("1.80","1.66","1.68","1.97","1.60","1.55","1.76","1.90","1.55","1.70")
Peso<-c("75","80","75","88","67","50","79","90","57","68")
Nomes<-c("Pedro","Maria","Carlos","João","Valquíria","Daniela", "Fernando","Eduardo","Mônica","Gabriela")
# imc=peso/altura^2
75/1.80^2 #pedro
[1] 23.14815
80/1.66^2#maria 
[1] 29.03179
75/1.68^2 #carlos
[1] 26.57313
88/1.97^2 #joão
[1] 22.67515
67/1.60^2#valquiria
[1] 26.17187
50/1.55^2#daniela
[1] 20.81165
 79/1.76^2#fernado
[1] 25.50362
 90/1.90^2#eduardo
[1] 24.93075
  57/1.55^2#Mônica
[1] 23.72529
 68/1.70^2#gabriela
[1] 23.52941
vetor<-c(23.14815, 29.03179, 26.57313,22.67515,26.17187,20.81165,25.50362,24.93075,23.72529,23.52941)

Exercício 14

Adicione o vetor que você criou no exercício 13 no dataframe que você criou no exercício 8 como sendo a variável IMC.

dataframe<-data.frame(Nomes,Sexo,Idade,Altura,Peso,TipoSanguineo,vetor)

Exercício 15

Faça um boxplot da variável ALtura.

library(dplyr)
library(ggplot2)
Altura<-c("1.80","1.66","1.68","1.97","1.60","1.55","1.76","1.90","1.55","1.7")
ggplot(dataframe,aes(y=Altura,x=""))+geom_boxplot()

Exercício 16

Faça um boxplot da variável IMC por sexo.

{r} ggplot(dataframe,aes(y=vetor,x=Sexo))+geom_boxplot()

Exercício 17

Remova a variável Tipo sanguíneo do dataframe que você criou no exercício 8

dataframe_TipoSangineo<-dplyr::select(dataframe,-TipoSanguineo)

Exercício 18

Remova Valquíria do dataframe que você criou no exercício 8

dataframe<-dataframe[-c(5),]