Questão 1
plot(clock, MRT_1F, type = "o", col = "red", pch = 16, lwd = 2,
xlab = "Clock (GHz)", ylab = "MRT (ms)", main = "Time between Things requests (seconds)")
lines(clock, MRT_3F, type = "o", col = "blue", pch = 17, lwd = 2)
lines(clock, MRT_5F, type = "o", col = "green", pch = 15, lwd = 2)
lines(clock, MRT_10F, type = "o", col = "orange", pch = 18, lwd = 2)
lines(clock, MRT_15F, type = "o", col = "purple", pch = 19, lwd = 2)
lines(clock, MRT_sem_F, type = "o", col = "black", pch = 8, lwd = 2)
legend("topright", legend = c("1F", "3F", "5F", "10F", "15F", "sem F"),
col = c("red", "blue", "green", "orange", "purple", "black"),
pch = c(16,17,15,18,19,8), lwd = 2, cex = 0.8)
layout(matrix(1:6, nrow = 2, ncol = 3, byrow = TRUE))
par(mar = c(5, 5, 4, 2) + 0.1)
# Função auxiliar para criar cada gráfico de comparação
plot_comparativo <- function(data, label) {
bar_data <- rbind(data, MRT_sem_F)
barplot(bar_data, beside = TRUE,
col = c("#E6E6E6", "#666666"),
names.arg = clock, log = "y",
xlab = "Clock (GHz)", ylab = "MRT (escala log)",
main = paste("Comparativo:", label, "vs sem F"))
legend("topright", legend = c(label, "sem F"),
fill = c("#E6E6E6", "#666666"), cex = 0.8, bty = "n")
}
plot_comparativo(MRT_1F, "1F")
plot_comparativo(MRT_3F, "3F")
plot_comparativo(MRT_5F, "5F")
plot_comparativo(MRT_10F, "10F")
plot_comparativo(MRT_15F, "15F")
Questão 2
dados <- c(53.8, 33.9, 2.6, 0,
43.6, 54.2, 60.6, 21.4,
2.6, 11.9, 36.8, 78.6)
qualidade <- matrix(dados, nrow = 3, byrow = TRUE)
rownames(qualidade) <- c("Good", "Very Good", "Excellent")
colnames(qualidade) <- c("$10-19", "$20-29", "$30-39", "$40-49")
qualidade_total <- rbind(qualidade, Total = colSums(qualidade))
knitr::kable(
qualidade_total,
caption = "Qualidade da refeição por categoria de preço (%)"
)
Qualidade da refeição por categoria de preço (%)
| Good |
53.8 |
33.9 |
2.6 |
0.0 |
| Very Good |
43.6 |
54.2 |
60.6 |
21.4 |
| Excellent |
2.6 |
11.9 |
36.8 |
78.6 |
| Total |
100.0 |
100.0 |
100.0 |
100.0 |
par(mar = c(5, 5, 4, 8), xpd = TRUE)
cores <- c("#A8E6CF", "#56C596", "#FFD166")
barplot(qualidade,
beside = FALSE,
col = cores,
main = "Qualidade da Refeição por Faixa de Preço",
xlab = "Categoria de Preço",
ylab = "Percentual (%)")
legend("topright",
inset = c(-0.3, 0),
legend = rownames(qualidade),
fill = cores,
bty = "n",
title = "Qualidade")
Questão 3
data("airquality")
maio <- subset(airquality, Month == 5)
temp_c <- (maio$Temp - 32) / 1.8
hist(temp_c,
breaks = 8,
col = "#56C596",
main = "Distribuição das Temperaturas em Maio (°C)",
xlab = "Temperatura (°C)",
ylab = "Frequência",
probability = TRUE)
lines(density(temp_c), col = "#333333", lwd = 2)
Questão 4
sales <- read.table("https://training-course-material.com/images/8/8f/Sales.txt", header = TRUE)
total_por_pais <- tapply(sales$SALES, sales$COUNTRY, sum)
porcentagem <- round(100 * total_por_pais / sum(total_por_pais), 1)
rotulos <- paste(names(total_por_pais), "-", porcentagem, "%")
cores <- rainbow(length(total_por_pais))
pie(total_por_pais,
labels = rotulos,
col = cores,
main = "Distribuição Percentual das Vendas por País"
)
legend("topright",
inset = c(0, 0),
legend = names(total_por_pais),
fill = cores,
title = "Países"
)
Questão 5
data("InsectSprays")
boxplot(count ~ spray,
data = InsectSprays,
outline = FALSE,
col = "yellow",
main = "Contagem de Insetos por Tipo de Inseticida",
xlab = "Tipo de Inseticida",
ylab = "Número de Insetos")
Questão 6
processar_dados <- function(arquivo) {
dados <- read.csv(arquivo, stringsAsFactors = FALSE)
dados$currentTime <- as.POSIXct(dados$currentTime)
dados$tempo_horas <- as.numeric(difftime(dados$currentTime, min(dados$currentTime), units = "hours"))
memoria_raw <- dados$usedMemory
memoria_mb <- numeric(length(memoria_raw))
for (i in seq_along(memoria_raw)) {
valor <- as.numeric(gsub("[^0-9\\.]", "", memoria_raw[i]))
if (grepl("TB", memoria_raw[i], ignore.case = TRUE)) {
memoria_mb[i] <- valor * 1000000
} else if (grepl("GB", memoria_raw[i], ignore.case = TRUE)) {
memoria_mb[i] <- valor * 1024
} else if (grepl("MB", memoria_raw[i], ignore.case = TRUE)) {
memoria_mb[i] <- valor
} else if (grepl("KB", memoria_raw[i], ignore.case = TRUE)) {
memoria_mb[i] <- valor / 1024
} else {
memoria_mb[i] <- valor
}
}
dados$usedMemory_MB <- memoria_mb
return(dados)
}
dados_05$tempo_horas <- as.numeric(difftime(dados_05$currentTime, min(dados_05$currentTime), units = "hours"))
layout(matrix(1:4, nrow = 2, ncol = 2))
plot(dados_01$tempo_horas, dados_01$usedMemory_MB, type = "l", col = "blue",
main = "Used Memory - Workload 0.1", xlab = "Tempo (h)", ylab = "Memória usada (MB)")
plot(dados_05$tempo_horas, dados_05$usedMemory_MB, type = "l", col = "red",
main = "Used Memory - Workload 0.5", xlab = "Tempo (h)", ylab = "Memória usada (MB)")
plot(dados_1$tempo_horas, dados_1$usedMemory_MB, type = "l", col = "darkgreen",
main = "Used Memory - Workload 1", xlab = "Tempo (h)", ylab = "Memória usada (MB)")
plot(dados_none$tempo_horas, dados_none$usedMemory_MB, type = "l", col = "purple",
main = "Used Memory - Workload NONE", xlab = "Tempo (h)", ylab = "Memória usada (MB)")
Questão 7
conteudos_filtrados <- conteudos %>%
filter(!is.na(country) & country != "") %>%
mutate(country = trimws(country)) %>%
filter(!grepl(",", country))
top10_paises <- conteudos_filtrados %>%
group_by(country) %>%
summarise(total = n()) %>%
arrange(desc(total)) %>%
head(10)
plot_ly(top10_paises, labels = ~country, values = ~total, type = "pie") %>%
layout(title = "Top 10 Países com Mais Conteúdos na Netflix",
legend = list(title = list(text = "Países")))
Questão 8
conteudos_filtrados <- conteudos %>%
filter(!is.na(country) & country != "") %>%
mutate(country = trimws(country)) %>%
filter(!grepl(",", country))
top10_paises <- conteudos_filtrados %>%
group_by(country) %>%
summarise(total = n()) %>%
arrange(desc(total)) %>%
head(10)
plot_ly(
type = 'table',
header = list(
values = c("País", "Total de conteúdos"),
fill = list(color = "#666666"),
font = list(color = "white", size = 14),
align = "center"
),
cells = list(
values = list(top10_paises$country, top10_paises$total),
align = "center"
)
)
Questão 9
df <- conteudos %>%
filter(!is.na(release_year)) %>%
mutate(decada_num = floor(release_year / 10) * 10,
decada = paste0(decada_num, "s"))
decadas_seq <- seq(min(df$decada_num, na.rm = TRUE), max(df$decada_num, na.rm = TRUE), by = 10)
decadas_labels <- paste0(decadas_seq, "s")
types <- c("TV Show", "Movie")
conteudos_decadas <- df %>%
group_by(decada_num, decada, type) %>%
summarise(total = n(), .groups = "drop") %>%
ungroup() %>%
complete(decada_num = decadas_seq, type = types,
fill = list(total = 0)) %>%
mutate(decada = paste0(decada_num, "s")) %>%
arrange(decada_num)
conteudos_decadas$decada <- factor(conteudos_decadas$decada, levels = decadas_labels)
tv_df <- conteudos_decadas %>% filter(type == "TV Show")
movie_df <- conteudos_decadas %>% filter(type == "Movie")
plot_ly() %>%
add_trace(x = ~tv_df$decada, y = ~tv_df$total, type = 'scatter', mode = 'lines+markers',
name = "Series", line = list(color = "blue", width = 2), marker = list(size = 6)) %>%
add_trace(x = ~movie_df$decada, y = ~movie_df$total, type = 'scatter', mode = 'lines+markers',
name = "Movies", line = list(color = "yellow", width = 2), marker = list(size = 6)) %>%
layout(title = "Quantidade de Conteúdos por Década na Netflix",
xaxis = list(title = "Década"),
yaxis = list(title = "Quantidade de Conteúdo"),
legend = list(title = list(text = "Tipo de Conteúdo")),
hovermode = "x unified")
Questão 10
df_filmes <- conteudos %>%
filter(type == "Movie" & release_year >= 2000 & release_year <= 2010) %>%
mutate(genero_principal = trimws(sub(",.*", "", listed_in))) %>%
filter(genero_principal %in% c("Dramas", "Action & Adventure", "Comedies")) %>%
group_by(release_year, genero_principal) %>%
summarise(total = n(), .groups = "drop")
plot_ly(df_filmes, x = ~release_year, y = ~total, color = ~genero_principal,
colors = c("blue", "red", "orange"), type = 'bar') %>%
layout(
barmode = "group",
title = "Filmes por Gênero (2000–2010)",
xaxis = list(title = "Ano de Lançamento"),
yaxis = list(title = "Quantidade de Filmes"),
legend = list(title = list(text = "Gênero"))
)