R Markdown

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Including Plots

You can also embed plots, for example:

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.

Projeto RMarkdown

Centro Universitário Celso Lisboa

Aula de Algoritmos e Estrutura de Dados - Engenharia Civil 4° Período

Professor Adriano

Maria Eduarda Barbosa, Fernanda Asevedo e Yuri Monteiro

Rio de Janeiro, em 31 de outubro de 2024

1° Passo: Carregar as bibliotecas

library(dplyr) library(readr) library(readxl) library(writexl) library(openxlsx) library(lubridate)

library(ggplot2) library(zoo) library(data.table) library(dplyr) #manipulação de dados library(naivebayes) #redes neurais library(neuralnet) #redes neurais library(quantmod)
library(fpp) #dados de séries temporais - 1ª edição library(fpp2) #dados de séries temporais - 2ª edição library(fpp3) #dados de séries temporais - 3ª edição library(forecast) #previsões library(DMwR2) library(stats)
library(plogr) library(psych) #estatística - correlações

library(forecast) library(fpp) library(fpp2)
library(tseries) library(patchwork) library(mFilter) library(xts)
library(zoo)

Criando tabela de Vendas Mensais

vendas_mes <- vendas2024 %>% group_by(ano, mes)%>% summarise(venda_mensal = sum(venda_diaria)) %>% arrange(ano, mes)

Criando o gráfico

plot(vendas_mes$venda_mensal)

vendas_mes_ts <- ts (vendas_mes$venda_mensal, start = c(2018,1), frequency = 12) plot(vendas_mes_ts)

decomp_vendas_mes <- decompose(vendas_mes_ts, type = “additive”) plot(decomp_vendas_mes)

forecast(vendas_mes_ts, 6, 90) forecast(vendas_mes_ts, 6, 95)

https://rpubs.com/Nanda_andrade/1251085