relatorio 2 tri
Ferreira
2025-07-28
Introdução
Nas aulas com a professora Vanessa, adotamos as medidas de dispersão, aprendendo sobre desvio médio, desvio padrão, variância e médias
Atividade 1
Com a professora Vanessa, construimos um histograma para as notas de fisica, fizemos também um gráfico de barras com usando as mesmas notas.
Notas de FÃsica
Utilizamos como exemplo as notas de alunos de um professor de fisica
notas = c (0.8, 2, 2, 2.5, 2.5, 3.5, 4.5, 5, 5.4, 5.5, 5.5, 5.5, 6, 6, 6, 6, 6.3, 6.5, 6.8, 6.8, 7, 7, 7, 7, 7.3, 7.3, 7.5, 7.5, 7.5, 7.5, 7.8, 8, 8, 8, 8 )Gráfico de barras com as notas de FÃsica
Construimos um gráfico de barras para uma melhor visualização
tabnotas = table(notas)
barplot (tabnotas)
Histograma das notas de FÃsica
Utilizamos um histograma como forma de representação
hist(notas,
nclass = 5,
right=FALSE,
ylim = c(0,30) ,
col = c("gray","white","black","purple"),
main = "Histograma das Notas de FÃsica",
xlab = "Notas da Turma",
ylab = "Freq.Absoluta")
Histograma das Notas de FÃsica com Bonificação
Na bonificação, utilizamos as notas e aumentamos um ponto na média
novo conjunto de notas somado 1 ponto
notas1 = notas+1
notas1## [1] 1.8 3.0 3.0 3.5 3.5 4.5 5.5 6.0 6.4 6.5 6.5 6.5 7.0 7.0 7.0 7.0 7.3 7.5 7.8
## [20] 7.8 8.0 8.0 8.0 8.0 8.3 8.3 8.5 8.5 8.5 8.5 8.8 9.0 9.0 9.0 9.0novo conjunto de notas aumentadas en 20%
Na bonificação 2, aumentamos as notas em 20%
notas2 = notas*1.2
notas2## [1] 0.96 2.40 2.40 3.00 3.00 4.20 5.40 6.00 6.48 6.60 6.60 6.60 7.20 7.20 7.20
## [16] 7.20 7.56 7.80 8.16 8.16 8.40 8.40 8.40 8.40 8.76 8.76 9.00 9.00 9.00 9.00
## [31] 9.36 9.60 9.60 9.60 9.60Histograma da Bonificação 1
Aqui fizemos uma representação das notas com um ponto aumentado
hist(notas1,
breaks = c(1,3,5,7,9),
right = FALSE,
ylim = c(0,30),
xlim = c(0,10),
col = c("gray","white","black","purple"),
main = "Notas de FÃsica somado 1 ponto",
xlab = "Notas da Turma",
ylab = "Freq.Absoluta")
Histograma da Bonificação 2
Aqui fizemos uma representação das notas com um aumento de 20%
hist(notas,
breaks = c(0,2.4,4.8,7.2,9.6),
right=FALSE,
ylim = c(0,30) ,
col = c("gray","white","black","purple"),
main = "Notas de FÃsica aumentadas em 20%",
xlab = "Notas da Turma",
ylab = "Freq.Absoluta")
Atividade2
Por outro lado também fizemos um histograma com os sálarios do Brasil, onde convertemos e aprendemos a calcular a média
Vetor com os 100 maiores salários lÃquidos mensais (em reais)More actions
Utilizamos como exemplo para essa atividade os 100 maiores salários lÃquidos mensais em reais
salarios <- c(
14688, 14792, 14876, 14912, 15008, 15121, 15188, 15202, 15245, 15300,
15312, 15398, 15422, 15487, 15505, 15534, 15545, 15602, 15656, 15667,
15687, 15702, 15728, 15755, 15769, 15802, 15845, 15900, 15955, 15989,
16000, 16022, 16034, 16088, 16123, 16167, 16202, 16256, 16300, 16345,
16400, 16422, 16430, 16487, 16520, 16566, 16602, 16645, 16689, 16700,
16733, 16765, 16789, 16800, 16845, 16867, 16889, 16900, 16945, 16967,
16988, 17000, 17022, 17045, 16890, 17066, 17089, 17100, 17145, 17189,
17202, 17222, 17256, 17289, 17300, 17322, 17345, 17366, 17389, 17400,
17433, 17456, 17467, 17489, 17500, 17545, 17556, 17567, 17578, 17600,
17622, 17633, 17645, 17667, 17689, 17700, 17733, 17789, 17845, 18515
)Converter salários para mil reais
Convertemos o salário para mil
salarios_mil = salarios/1000
salarios_mil## [1] 14.688 14.792 14.876 14.912 15.008 15.121 15.188 15.202 15.245 15.300
## [11] 15.312 15.398 15.422 15.487 15.505 15.534 15.545 15.602 15.656 15.667
## [21] 15.687 15.702 15.728 15.755 15.769 15.802 15.845 15.900 15.955 15.989
## [31] 16.000 16.022 16.034 16.088 16.123 16.167 16.202 16.256 16.300 16.345
## [41] 16.400 16.422 16.430 16.487 16.520 16.566 16.602 16.645 16.689 16.700
## [51] 16.733 16.765 16.789 16.800 16.845 16.867 16.889 16.900 16.945 16.967
## [61] 16.988 17.000 17.022 17.045 16.890 17.066 17.089 17.100 17.145 17.189
## [71] 17.202 17.222 17.256 17.289 17.300 17.322 17.345 17.366 17.389 17.400
## [81] 17.433 17.456 17.467 17.489 17.500 17.545 17.556 17.567 17.578 17.600
## [91] 17.622 17.633 17.645 17.667 17.689 17.700 17.733 17.789 17.845 18.515criar uma base para receber dois gráficos
Criamos uma base para receber dois gráficos
par(mfrow = c(2,1), mar = c(4, 4, 2, 1))histograma dos 100 salários de desenvolvedores no Brasil
Representação dos 100 maiores salários de desenvolverdores no Brasil
hist(salarios_mil,
breaks = seq(14.6, 18.6, by = 0.4),
col = "#831fc2",
main = "Histograma dos 100 maiores salários de desenvolvedores de software no Brasil",
xlab = "Salários (mil R$)",
ylab = "Freq. Absoluta",
xlim = c(14, 19),
ylim = c(0,22)
)
Criar as Marcações
média
Aprendemos sobre média
média = sum(salarios_mil)/100
média## [1] 16.55744Função que calcula a média
Aprendemos a Criar uma função que calcula a média
mean(salarios_mil)## [1] 16.55744Quartis
q1 = salarios_mil[25]
q2 = salarios_mil[50]
q3 = salarios_mil[75]adicionar linhas no histograma
Aprendemos a adicionar Linhas no nosso histograma
hist(salarios_mil,
breaks = seq(14.6, 18.6, by = 0.4),
col = "#831fc2",
main = "Histograma dos 100 maiores salários de desenvolvedores de software no Brasil",
xlab = "Salários (mil R$)",
ylab = "Freq. Absoluta",
xlim = c(14, 19),
ylim = c(0,30)
)
abline(v = média, col = "red", lwd = 2, lty = 2)
abline(v = q1, col = "black", lwd = 2, lty = 2)
abline(v = q2, col = "blue", lwd = 2, lty = 2)
abline(v = q3, col = "green", lwd = 2, lty = 3)
text(15, 77, 25, labels = "Q1", cex = 0.6)
text(16.7,25, labels = "Q2", cex = 0.6)
text(17.3, 25, labels = "Q3", cex = 0.6)
text(16.5, 28, labels = "mèdia", cex = 0.6, col = "blue")
Boxplot
par(mar = c(4,4,0,1))
boxplot (salarios_mil,
horizontal = TRUE,
col = "red")
### União de Dois Gráficos
União de dois gráficos com representação significativa para um melhor entendimento
#criar uma base para receber dois gráficos
par(mfrow = c(2,1), mar = c(4, 4, 2, 1))
hist(salarios_mil,
breaks = seq(14.6, 18.6, by = 0.4),
col = "#831fc2",
main = "Histograma dos 100 maiores salários de desenvolvedores de software no Brasil",
xlab = "Salários (mil R$)",
ylab = "Freq. Absoluta",
xlim = c(14, 19),
ylim = c(0,30)
)
abline(v = média, col = "red", lwd = 2, lty = 2)
abline(v = q1, col = "black", lwd = 2, lty = 2)
abline(v = q2, col = "blue", lwd = 2, lty = 2)
abline(v = q3, col = "green", lwd = 2, lty = 3)
text(15, 77, 25, labels = "Q1", cex = 0.6)
text(16.7,25, labels = "Q2", cex = 0.6)
text(17.3, 25, labels = "Q3", cex = 0.6)
text(16.5, 28, labels = "mèdia", cex = 0.6, col = "blue")
par(mar = c(4,4,0,1))
boxplot (salarios_mil,
horizontal = TRUE,
col = "red")
Atividade 3
Criação dos Vetores - Cotação das empresas A e B
A cotacao semanal das empresas para entender como funcionam, vimos que a empresa A não tem muita variação de uma semana pra outra, já a empresa B tem grande variação de uma semana pra outra
A = c (61, 56, 63, 57, 67, 63, 67, 58, 67, 56)
A## [1] 61 56 63 57 67 63 67 58 67 56B = c (67, 48, 52, 82, 77, 33, 67, 42, 90, 57)
B## [1] 67 48 52 82 77 33 67 42 90 57semana = c(1:10)
semana## [1] 1 2 3 4 5 6 7 8 9 10Juntar as Informações em uma tabela
Juntamos todas as informações das empresas A e B
acoes = data.frame(semana, A, B)
acoes## semana A B
## 1 1 61 67
## 2 2 56 48
## 3 3 63 52
## 4 4 57 82
## 5 5 67 77
## 6 6 63 33
## 7 7 67 67
## 8 8 58 42
## 9 9 67 90
## 10 10 56 57Gráfico de Linhas
Com base nas informações das empresas A e B Juntas, fizemos um gráfico de linhas para uma melhor representação.
plot (semana, A,
type = "o",
col = "red",
lwd = 2,
pch = 18,
ylim = c(30,95),
main = "Cotação das Ações",
ylab = "COtações")
lines (B, type = "o",
col = "blue",
lwd = 2,
pch = 18)
legend (9, 50,
c("Ações de A", "Ações de B"),
col = c("red", "blue"),
lty = 1,
pch = 18,
cex = 0.5)