2VA

2VA

VADeaths

# 1. Visualizar o dataset no console
print(VADeaths)

##       Rural Male Rural Female Urban Male Urban Female
## 50-54       11.7          8.7       15.4          8.4
## 55-59       18.1         11.7       24.3         13.6
## 60-64       26.9         20.3       37.0         19.3
## 65-69       41.0         30.9       54.6         35.1
## 70-74       66.0         54.3       71.1         50.0

str(VADeaths)

##  num [1:5, 1:4] 11.7 18.1 26.9 41 66 8.7 11.7 20.3 30.9 54.3 ...
##  - attr(*, "dimnames")=List of 2
##   ..$ : chr [1:5] "50-54" "55-59" "60-64" "65-69" ...
##   ..$ : chr [1:4] "Rural Male" "Rural Female" "Urban Male" "Urban Female"

# 1. Definir cores para os segmentos (as linhas da matriz/faixas etárias)
cores <- c("lightblue", "mistyrose", "lightcyan", "lavender", "cornsilk")

# 2. Criar o gráfico de barras EMPILHADAS
# O argumento 'beside = FALSE' garante que as linhas sejam segmentos da mesma barra
barplot(VADeaths,
        beside = FALSE,                      # FALSE cria o empilhamento (segmentos)
        col = cores,                         # Cores para cada segmento (linha)
        legend.text = rownames(VADeaths),    # Legenda baseada nas linhas (idades)
        args.legend = list(x = "topright", bty = "n"), # Posição da legenda
        main = "Taxas de Mortalidade na Virgínia (1940)",
        xlab = "Categoria Demográfica",
        ylab = "Taxa de Mortalidade"
)

ClassificaçãoDoença

# 1. Criar o dataset ClassificaçãoDoença com os 20 pacientes
ClassificaçãoDoença <- c("moderado", "leve", "leve", "severo", "leve", 
                         "moderado", "moderado", "moderado", "leve", "leve", 
                         "severo", "leve", "moderado", "moderado", "leve", 
                         "severo", "moderado", "moderado", "moderado", "leve")

# 2. Preparar os dados para o gráfico (Tabela de Frequência)
contagem <- table(ClassificaçãoDoença)

# 3. Calcular as porcentagens para exibir nas fatias
porcentagens <- round(100 * contagem / sum(contagem), 1)

# 4. Criar os rótulos (Labels) combinando o número com o símbolo "%"
rotulos <- paste(porcentagens, "%", sep = "")

# 5. Definir as cores (O R ordena alfabeticamente: Leve, Moderado, Severo)
# Vamos usar cores intuitivas: Verde (Leve), Amarelo (Moderado), Vermelho (Severo)
cores <- c("lightgreen", "gold", "tomato")

# 6. Criar o gráfico de Pizza
pie(contagem, 
    labels = rotulos,        # Coloca as porcentagens nas fatias
    col = cores,             # Aplica as cores definidas
    main = "Classificação da Doença em Pacientes" # Título
)

# 7. Adicionar a legenda separada (conforme solicitado)
legend("topleft",           # Posição da legenda
       legend = names(contagem), # Nomes das categorias (Leve, Moderado, Severo)
       fill = cores,         # Caixas de cor correspondentes
       title = "Estágios",
       cex = 0.8)            # Tamanho da fonte da legenda

Teorema

# 0. Carregar os dados
# Supondo que a coluna com as idades se chame "age".
# Se o nome for diferente, substitua "flu$age" pelo nome correto após visualizar com head().
flu <- read.csv("flu.csv")

# Verifique o nome das colunas
names(flu)

## [1] "age"

populacao <- flu$age

# (1) Mostrar o histograma e a curva de densidade da população (Dados originais)
# prob = TRUE é necessário para escalar o histograma para densidade, não frequência
hist(populacao, 
     prob = TRUE, 
     main = "Histograma e Densidade da População (Original)",
     xlab = "Idade da Morte", 
     col = "lightblue",
     border = "white")

# Adicionar a linha de densidade
lines(density(populacao, na.rm = TRUE), col = "red", lwd = 2)

# (2) Criar 200 médias de amostras com tamanho n = 35
n_amostras <- 200
tamanho_amostra <- 35
medias_amostrais <- numeric(n_amostras) # Vetor vazio para armazenar as médias

# Loop para gerar as amostras e calcular as médias
set.seed(123) # Para reprodutibilidade (opcional)
for (i in 1:n_amostras) {
  amostra <- sample(populacao, size = tamanho_amostra, replace = FALSE)
  medias_amostrais[i] <- mean(amostra, na.rm = TRUE)
}


# (3) Mostrar o histograma com a curva de densidade para as médias das amostras
hist(medias_amostrais, 
     prob = TRUE, 
     main = "Distribuição das Médias Amostrais (n=35)", 
     xlab = "Médias das Idades", 
     col = "lightgreen",
     border = "white",
     ylim = c(0, 0.12))

# Adicionar a linha de densidade das médias
lines(density(medias_amostrais), col = "blue", lwd = 2)

# Adicionar uma curva normal teórica para comparação (opcional, mas bom para mostrar o TLC)
curve(dnorm(x, mean=mean(medias_amostrais), sd=sd(medias_amostrais)), 
      add=TRUE, col="darkgreen", lwd=2, lty=2)

legend("topright", legend=c("Densidade Amostral", "Normal Teórica"),
       col=c("blue", "darkgreen"), lty=c(1, 2), lwd=2)