AV2

Cada aba será uma questão da prova que exige demonstração.

VADeaths - Questão 1

“Visualize o dataset VADeaths (já incluído no R) e crie um gráfico de barras empilhadas desses dados, de modo que as barras estejam agrupadas (lado a lado) para cada categoria. Também defina uma cor diferente para cada grupo das categorias. Por fim, adicione título, legenda e nomes nos eixos. Abaixo submeta o link do RPubs com o resultado dessa questão. Ela deve ficar dentro de uma aba chamada de”VADeaths”.”

# CARREGANDO O DATASET
data(VADeaths)

# CRIANDO O GRAFICO DE BARRAS
barplot(VADeaths,
        beside = TRUE,
        col = c("lightblue", "lightgreen", "lightpink", "lightcoral", "lightcyan"),
        legend = rownames(VADeaths),
        main = "Número de Mortes",
        xlab = "Idades",
        ylab = "Número de Mortes",
        ylim = c(0, 100),
        args.legend = list(x = "topright", bty = "n"))

ClassificaçãoDoença - Questão 2

“Uma doença pode ser classificada em três estágios (leve, moderado e severo). Foram examinados 20 pacientes e obtidos os dados: moderado, leve, leve, severo, leve, moderado, moderado, moderado, leve, leve, severo,leve, moderado, moderado, leve, severo, moderado, moderado, moderado,leve. Com base nestes dados crie um gráfico de piza. Inclua a porcentagem de cada fatia, as cores das fatias e o nome do gráfico. Adicionalmente, use o comando legend() para incluir a legenda do gráfico. Abaixo submeta o link do RPubs com o resultado dessa questão. Ela deve ficar dentro de uma aba chamada de”ClassificaçãoDoença”. Note que apenas um link do RPubs é necessário. Basta repetir o link abaixo se você já tiver submetido para outras questões.”

# VETOR DOS RESULTADOS
resultados <- c("moderado", "leve", "leve", "severo", "leve",
             "moderado", "moderado", "moderado", "leve", "leve",
             "severo", "leve", "moderado", "moderado", "leve",
             "severo", "moderado", "moderado", "moderado", "leve")

# CONTAGEM DE OCORRENCIAS
resultados <- table(resultados)

# PORCENTAGENS
porcentagens <- round(100 * resultados / sum(resultados), 1)


# GRAFICO DE PIZZA
pie(resultados, 
    col = c("lightblue", "lightgreen", "lightcoral"), 
    labels = paste(porcentagens, "%", sep = " "), 
    main = "Resultados dos pacientes")

# LEGENDA
legend("topright", 
       legend = names(resultados), 
       fill = c("lightblue", "lightgreen", "lightcoral"), 
       title = "Estágios")

Teorema - Questão 3

“Nesta questão, demonstre o uso do teorema do limite central, usando o conjunto de dados”flu” que é altamente não normal. Esse dataset contém as frequências das idades das mortes durante a epidemia de gripe espanhola na Suíça em 1918. Considere a idade das mortes como a população. Execute os passos a seguir. (1)Mostre o histograma e a curva de densidade do conjunto de dados “flu”. (2) Crie 200 médias de amostras da população com tamanho n = 35. (3) Mostre o histograma com a curva de densidade para a médias das amostras. 4) Submeta o link do RPubs com o resultado das etapas anteriores . Essa questão deve ficar dentro de uma aba chamada de “Teorema”. Note que apenas um link do RPubs é necessário. Basta repetir o link abaixo se você já tiver submetido para outras questões.”

# CARREGANDO O DATASET FLU
Flu <- read.csv("C:\\Users\\ediso\\OneDrive\\Documentos\\flu.csv")

#MONTANDO O HISTOGRAMA DE FLU

hist(Flu$age)

#MONTANDO O HISTOGRAMA DE FLU CONFORME O TCL

n <- 100
tamMedia <- 30
xbar <- rep(NA,n)
for(i in 1:n){
  MinhaAmostra <- sample(Flu$age,size=tamMedia)
  xbar[i] <- mean(MinhaAmostra)
}

hist(xbar,
     breaks = 15,
     col = "lightblue",
     main = "Flu Data", 
     xlab = "Age")

shapiro.test(xbar)

## 
##  Shapiro-Wilk normality test
## 
## data:  xbar
## W = 0.9943, p-value = 0.9528

#MONTANDO O HISTOGRAMA NOS VALORES DESEJADOS

n <- 35
tamMedia <- 200
xbar <- rep(NA,n)
for(i in 1:n){
  MinhaAmostra <- sample(Flu$age,size=tamMedia)
  xbar[i] <- mean(MinhaAmostra)
}

hist(xbar,
     breaks = 15,
     col = "lightgreen",
     main = "Flu Data", 
     xlab = "Age")

shapiro.test(xbar)

## 
##  Shapiro-Wilk normality test
## 
## data:  xbar
## W = 0.96412, p-value = 0.3028