Aula do dia 01/11/24
Maria Helena
2024-11-20
dados = matrix(c(74, 17, 77, 32), ncol = 2)
dimnames(dados) <- list(voto = c("Normal","Menção Honrosa"),
sexo = c("Masculino","Feminino"))
dados## sexo
## voto Masculino Feminino
## Normal 74 77
## Menção Honrosa 17 32odds_m = 17/74
odds_f = 32/77
odds_f/odds_m## [1] 1.809015#————————————————————————–
dados = matrix(c(69, 13, 33, 2), ncol = 2)
dimnames(dados) <- list(sexo = c("Feminino", "Masculino"),
voto = c("Kelmon","Não Kelmon"))
dados## voto
## sexo Kelmon Não Kelmon
## Feminino 69 33
## Masculino 13 2chance_fem = 69/33
chance_masc = 13/2
RC = chance_fem/chance_masc
RC## [1] 0.32167831/RC## [1] 3.108696mosaicplot(dados, color = c("blue", "black"), xlab ="Sexo",
ylab = "Voto no candidato padre")
dados =data.frame(x=c(2,3,4,5,5,6,7,8),
y=c(4,7,9,10,11,11,13,15))
cor(dados$x,dados$y)## [1] 0.980871#—————————————————————– # Carregar o banco de dados #—————————————————————–
load("C:/Users/Maria Helena/Desktop/Base_de_dados-master/CARROS.RData")#—————————————————————– # Olhar a base de dados
str(CARROS)## 'data.frame': 32 obs. of 11 variables:
## $ Kmporlitro : num 21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
## $ Cilindros : num 6 6 4 6 8 6 8 4 4 6 ...
## $ Preco : num 160 160 108 258 360 ...
## $ HP : num 110 110 93 110 175 105 245 62 95 123 ...
## $ Amperagem_circ_eletrico: num 3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
## $ Peso : num 2.62 2.88 2.32 3.21 3.44 ...
## $ RPM : num 16.5 17 18.6 19.4 17 ...
## $ Tipodecombustivel : num 0 0 1 1 0 1 0 1 1 1 ...
## $ TipodeMarcha : num 1 1 1 0 0 0 0 0 0 0 ...
## $ NumdeMarchas : num 4 4 4 3 3 3 3 4 4 4 ...
## $ NumdeValvulas : num 4 4 1 1 2 1 4 2 2 4 ...
## - attr(*, "variable.labels")= chr [1:11] "Km por litro" "Número de Cilindros" "Preço" "HP = Horse Power (potência do motor)" ...summary(CARROS)## Kmporlitro Cilindros Preco HP
## Min. :10.40 Min. :4.000 Min. : 71.1 Min. : 52.0
## 1st Qu.:15.43 1st Qu.:4.000 1st Qu.:120.8 1st Qu.: 96.5
## Median :19.20 Median :6.000 Median :196.3 Median :123.0
## Mean :20.09 Mean :6.188 Mean :230.7 Mean :146.7
## 3rd Qu.:22.80 3rd Qu.:8.000 3rd Qu.:326.0 3rd Qu.:180.0
## Max. :33.90 Max. :8.000 Max. :472.0 Max. :335.0
## Amperagem_circ_eletrico Peso RPM Tipodecombustivel
## Min. :2.760 Min. :1.513 Min. :14.50 Min. :0.0000
## 1st Qu.:3.080 1st Qu.:2.581 1st Qu.:16.89 1st Qu.:0.0000
## Median :3.695 Median :3.325 Median :17.71 Median :0.0000
## Mean :3.597 Mean :3.217 Mean :17.85 Mean :0.4375
## 3rd Qu.:3.920 3rd Qu.:3.610 3rd Qu.:18.90 3rd Qu.:1.0000
## Max. :4.930 Max. :5.424 Max. :22.90 Max. :1.0000
## TipodeMarcha NumdeMarchas NumdeValvulas
## Min. :0.0000 Min. :3.000 Min. :1.000
## 1st Qu.:0.0000 1st Qu.:3.000 1st Qu.:2.000
## Median :0.0000 Median :4.000 Median :2.000
## Mean :0.4062 Mean :3.688 Mean :2.812
## 3rd Qu.:1.0000 3rd Qu.:4.000 3rd Qu.:4.000
## Max. :1.0000 Max. :5.000 Max. :8.000#—————————————————————– # Limpeza de dados #—————————————————————–
CARROS$Tipodecombustivel = ifelse(CARROS$Tipodecombustivel==1,'Alc','Gas')
CARROS$TipodeMarcha = ifelse(CARROS$TipodeMarcha==1, 'Manual','Auto')#—————————————————————–
#—————————————————————– # Hipóteses/Questões de Pesquisa
#—————————————————————– # Carro com muito Hp tem um preço caro? # Quanto
maior o km/l menor o preço do carro? # Quanto mais pesado o carro, mais
caro o carro?
# RPM e amperagem nao tem impacto no preço do carro?
#—————————————————————– # Operacionalizar #—————————————————————– # Variável resposta ( variável dependente) # Preço do carro
Variáveis independentes
Hp, km/l, peso, RPM e amperagem
#—————————————————————– # Análise de dados #—————————————————————–
plot(CARROS$HP,CARROS$Preco)
plot(CARROS$HP,CARROS$Preco, col="black",pch=19)
plot(CARROS$HP,CARROS$Preco, col="black",pch=19,
main = "Gráfico 1 - Diagrama de dispersão",
xlab = "Cavalos de potência",
ylab = "Preço do carro")
abline(lsfit(CARROS$HP,CARROS$Preco),col="darkred",lwd=5)
cor(CARROS$HP,CARROS$Preco)## [1] 0.7909486Hipótese confirmada.
Quanto maior o hp, maior o preço do carro
A correlação foi de 0,79 onde o máximo é um
#—————————————————————–
plot(CARROS$Kmporlitro,CARROS$Preco, col="black",pch=19,
main = "Gráfico 2 - Diagrama de dispersão",
xlab = "km/l",
ylab = "Preço do carro")
abline(lsfit(CARROS$Kmporlitro,CARROS$Preco),
col="pink",lwd=5)
cor(CARROS$Kmporlitro,CARROS$Preco)## [1] -0.8475514HIPÓTESE CONFIRMADA
#—————————————————————–
plot(CARROS$Peso,CARROS$Preco, col="black",pch=19,
main = "Gráfico 3 - Diagrama de dispersão",
xlab = "Peso",
ylab = "Preço do carro")
abline(lsfit(CARROS$Peso,CARROS$Preco),
col="gold",lwd=5)
cor(CARROS$Peso,CARROS$Preco)## [1] 0.8879799Hipotese confirmada
Quanto maior o peso, mais caro o carro.
#—————————————————————–
load("C:/Users/Maria Helena/Desktop/Base_de_dados-master/CARROS.RData")
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, unionlibrary(corrplot)## Warning: pacote 'corrplot' foi compilado no R versão 4.4.2## corrplot 0.95 loadedCARROS %>% select(Preco,Kmporlitro,HP,Peso,
Amperagem_circ_eletrico,RPM) %>%
cor() %>% corrplot(method = "number") 
CARROS %>% select(Preco,Kmporlitro,HP,Peso,
Amperagem_circ_eletrico,RPM) %>%
cor() %>% corrplot.mixed()
#—————————————————————–
library(leaflet)## Warning: pacote 'leaflet' foi compilado no R versão 4.4.2leaflet() %>%
addTiles() %>%
addMarkers(lng=c(-43.1874895,-43.1688316),
lat=c(-22.9518883,-22.954937),
popup = c("Aqui fica o CCJP/UNIRIO<br> <br> vc faz isso no excel?",
"Aqui fica o CCET/UNRIO
<br> <br><h1>O R é demais</h1>"),
label="Teste de aula") %>%
addProviderTiles(providers$Esri.WorldImagery)