2VA - CPAD

VADeaths

# Instalar e carregar pacotes necessários
if (!require(tidyr)) install.packages("tidyr")

## Carregando pacotes exigidos: tidyr

if (!require(dplyr)) install.packages("dplyr")

## Carregando pacotes exigidos: dplyr

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

if (!require(ggplot2)) install.packages("ggplot2")

## Carregando pacotes exigidos: ggplot2

library(tidyr)
library(dplyr)
library(ggplot2)

# Carregar o dataset VADeaths
data("VADeaths")

# Converter VADeaths para um data frame
VADeaths_df <- as.data.frame(VADeaths)

# Adicionar uma coluna com os nomes das linhas (Grupos)
VADeaths_df$Group <- rownames(VADeaths_df)

# Transformar o dataset para o formato longo
VADeaths_long <- VADeaths_df %>%
  pivot_longer(cols = -Group, names_to = "AgeGroup", values_to = "DeathRate")

# Criar o gráfico de barras empilhadas com barras agrupadas
ggplot(VADeaths_long, aes(x = Group, y = DeathRate, fill = AgeGroup)) +
  geom_bar(stat = "identity", position = "stack") +
  scale_fill_brewer(palette = "Set3") +  # Define cores diferentes para cada grupo
  labs(
    title = "Mortalidade na Virgínia",
    x = "Grupo",
    y = "Taxa de Mortalidade",
    fill = "Faixa Etária"
  ) +
  theme_minimal()

ClassificaçãoDoença

# Dados dos pacientes
dados <- c("moderado", "leve", "leve", "severo", "leve", "moderado", 
           "moderado", "moderado", "leve", "leve", "severo", "leve", 
           "moderado", "moderado", "leve", "severo", "moderado", 
           "moderado", "moderado", "leve")

# Contagem de cada estágio
contagem <- table(dados)

# Porcentagem de cada estágio
porcentagem <- round(100 * contagem / sum(contagem), 1)

# Criação do gráfico de pizza
cores <- c("lightblue", "lightgreen", "salmon")
labels <- paste(names(contagem), "(", porcentagem, "%)", sep = "")

# Plotar o gráfico de pizza
pie(contagem, labels = labels, col = cores, main = "Classificação da Doença")

# Adicionar legenda
legend("topright", legend = names(contagem), fill = cores)

Teorema

# Carregar pacotes necessários
library(ggplot2)

# Carregar os dados
flu_data <- read.csv("flu.csv")

# 1. Mostrar o histograma e a curva de densidade do conjunto de dados "flu"
ggplot(flu_data, aes(x = age)) +
  geom_histogram(aes(y = ..density..), binwidth = 5, fill = "lightblue", color = "black") +
  geom_density(color = "red", size = 1) +
  labs(title = "Histograma e Curva de Densidade das Idades das Mortes",
       x = "Idade",
       y = "Densidade") +
  theme_minimal()

## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

## Warning: The dot-dot notation (`..density..`) was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(density)` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

# 2. Criar 200 médias de amostras da população com tamanho n = 35
set.seed(123) # Para reprodutibilidade
n <- 35
sample_means <- replicate(200, mean(sample(flu_data$age, n, replace = TRUE)))

# 3. Mostrar o histograma com a curva de densidade para as médias das amostras
sample_means_df <- data.frame(SampleMean = sample_means)

ggplot(sample_means_df, aes(x = SampleMean)) +
  geom_histogram(aes(y = ..density..), binwidth = 1, fill = "lightgreen", color = "black") +
  geom_density(color = "blue", size = 1) +
  labs(title = "Histograma e Curva de Densidade das Médias das Amostras",
       x = "Média das Amostras",
       y = "Densidade") +
  theme_minimal()