Tarefa 1

Author

Caique de Jesus Portela

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

#a. 
(46/3)>(78/5)
[1] FALSE
(46/3)<(78/5)
[1] TRUE
(46/3)==(78/5)
[1] FALSE
#b.

(66/6)>(44/11)
[1] TRUE
(66/6)<(44/11)
[1] FALSE
(66/6)==(44/11)
[1] FALSE
#c.

(45/9)>(65/13)
[1] FALSE
(45/9)<(65/13)
[1] FALSE
(45/9)==(65/13)
[1] TRUE

Exercício 4

Quanto é 67 ao quadrado dividido por 2?

(67**2)/2
[1] 2244.5

Exercício 5

Crie um vetor com 6 nomes de times de futebol?

Timesdefutebol<- c("Flamengo", "Palmeiras", "São Paulo", "Corinthians", "Atlético Mineiro", "Grêmio")

Exercício 6

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

Df.exp<- c("Maria",T,62,54,"Azul")

print(Df.exp)
[1] "Maria" "TRUE"  "62"    "54"    "Azul" 
typeof(Df.exp)
[1] "character"
class(Df.exp)
[1] "character"
#É do tipo e classe "character", pois ,em um vetor, se um dos elementos ficar entre aspas por ser string, no caso "Maria" e "Azul", então, todos os outro elementos também ficarão; Portanto, como todos os elementos entre aspas são tradados como caracter dentro do R, o tipo e classe desse vetor serão "character".

Exercício 7

Faça uma matrix 4x4 com numeros de 0 a 15

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

View(keanureeves)

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.

Nome<-c("Pedro","Maria","Carlos","João","Valquíria","Daniela","Fernando","Eduardo","Mônica","Gabriela")

Sexo<- c("M","F","M","M","F","F","M","M","F","F") 
Sexo<- as.factor(Sexo)

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)

TipoSanguíneo<-c("AB","O","O","A","O","O","AB","B","O","O")
TipoSanguíneo<-as.factor(TipoSanguíneo)


Dfatt.<-data.frame(Nome,Sexo,Idade,Altura,Peso,TipoSanguíneo)

Exercício 9

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

#Média, desvio padrão e mediana respectivamente


mean(Dfatt.$Idade)
[1] 44.2
sd(Dfatt.$Idade)
[1] 10.65416
median(Dfatt.$Idade)
[1] 40

Exercício 10

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

#Média de altura da categoria "Masculino":

Media_altura.men<- dplyr::filter(Dfatt., Sexo == "M")

mean(Media_altura.men$Altura)
[1] 1.822
#Média de altura da categoria "Feminino":

Media_altura.women<- dplyr::filter(Dfatt., Sexo == "F")

mean(Media_altura.women$Altura)
[1] 1.612
#A maior média de altura é da a da categoria "Masculino"

Exercício 11

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

#Média de altura da categoria "Masculino":

Media_altura.men<- dplyr::filter(Dfatt., Sexo == "M")

mean(Media_altura.men$Altura)
[1] 1.822
#Média de altura da categoria "Feminino":

Media_altura.women<- dplyr::filter(Dfatt., Sexo == "F")

mean(Media_altura.women$Altura)
[1] 1.612
#A maior média de altura é da a da categoria "Masculino"

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.

TS.S<-table(Sexo,TipoSanguíneo)
print(TS.S)
    TipoSanguíneo
Sexo A AB B O
   F 0  0 0 5
   M 1  2 1 1
prop.TS.S<- prop.table(TS.S)
print(prop.TS.S)
    TipoSanguíneo
Sexo   A  AB   B   O
   F 0.0 0.0 0.0 0.5
   M 0.1 0.2 0.1 0.1

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.

IMC<-Peso/(Altura**2)

Exercício 14

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

Dfatt.<- cbind(Dfatt.,IMC)

Exercício 15

Faça um boxplot da variável ALtura.

library(tidyverse)
Warning: pacote 'ggplot2' foi compilado no R versão 4.4.1
── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.1.4     ✔ readr     2.1.5
✔ forcats   1.0.0     ✔ stringr   1.5.1
✔ ggplot2   3.5.1     ✔ tibble    3.2.1
✔ lubridate 1.9.3     ✔ tidyr     1.3.1
✔ purrr     1.0.2     
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
ggplot(Dfatt., aes(y = Altura)) + geom_boxplot() + labs(y = "Altura", title = "Boxplot da Altura")

Exercício 16

Faça um boxplot da variável IMC por sexo.

ggplot(Dfatt., aes(y = IMC, fill = Sexo))  + geom_boxplot() + labs(y = "IMC", title = "IMC por sexo", caption = "Elaborado por Caique") + theme(legend.position = "none")

Exercício 17

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

Dfatt._t.p<- dplyr::select(Dfatt.,-TipoSanguíneo)

Exercício 18

Remova Valquíria do dataframe que você criou no exercício 8

Dfatt._Valquíria<- Dfatt.[-c(5),]