Exercício 1.1 – Dispersão mtcars

library(ggplot2)
data(mtcars)

ggplot(data = mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
geom_point(size = 3) +
labs(
title = "Relação entre Peso e Consumo de Combustível",
x = "Peso do veículo (1000 lbs)",
y = "Consumo (milhas por galão)",
color = "Cilindros"
) +
theme_minimal()

Exercício 1.2 - Gráfico de Barras

ggplot(data = diamonds, aes(x = cut, fill = cut)) +
  geom_bar() +
  scale_fill_brewer(type = "div", palette = "Spectral") +
  labs(title = "Contagem de Diamantes por Corte",
       x = "Corte",
       y = "Contagem") +
  theme_minimal() +
  geom_text(stat = "count", aes(label = ..count..), vjust = -0.5) +
  theme(axis.text.x = element_text(angle = 60, hjust = 1))
## Warning: The dot-dot notation (`..count..`) was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(count)` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

Exercício 1.3 - Customização Avançada (Boxplot)

ggplot(data = diamonds, aes(x = cut, y = price, fill = cut)) +
  geom_boxplot() +
  theme_minimal() +
  labs(title = "Boxplot do Preço por Corte",
       x = "Corte",
       y = "Preço") +
  theme(legend.position = "none",
        axis.text.x = element_text(angle = 60, hjust = 1))

Exercício 1.4 - Conceitos Fundamentais

1) Explicar a Diferença entre geom_point() e geom_jitter():

geom_point(): Cria um gráfico de dispersão onde cada ponto de dados é representado exatamente na sua coordenada (x, y).
geom_jitter(): Similar ao geom_point(), mas adiciona uma pequena quantidade de variação aleatória (jitter) aos pontos de dados para evitar sobreposição, tornando mais fácil ver a distribuição dos dados quando temos muitos pontos próximos.

2)Descrever o Conceito de “Gramática dos Gráficos”:

A “Gramática dos Gráficos” é um sistema formal para construir gráficos, onde cada gráfico é composto por camadas que incluem dados, estéticas (mapeamentos visuais), geometrias (tipos de gráficos), estatísticas (transformações de dados), escalas (métodos de mapeamento de dados para estéticas) e temas (aparência não-data). No ggplot2, esses componentes são combinados para criar gráficos complexos de maneira intuitiva.