Eficiência de automovéis

1. Manipulação de Dados

  1. Carrega os dados e realiza a filtragem de carros com mais de 100 hp’s.
  2. Reorganiza para o carro com o menor consumo.
  3. E adicionaa coluna kml kilometros por litros.
  4. Limita os valores de kml em duas casas decimais.
library(dplyr)
## 
## Anexando pacote: 'dplyr'
## Os seguintes objetos são mascarados por 'package:stats':
## 
##     filter, lag
## Os seguintes objetos são mascarados por 'package:base':
## 
##     intersect, setdiff, setequal, union
carro_dados <- mtcars

dados_trabalhados<- carro_dados %>% filter(hp > 100) %>% 
arrange(desc(mpg)) %>% 
mutate(kml = round(mpg * 0.425, 2))

dados_trabalhados
##                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb   kml
## Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2 12.92
## Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1  9.09
## Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2  9.09
## Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4  8.92
## Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4  8.92
## Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6  8.37
## Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4  8.16
## Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2  8.16
## Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2  7.95
## Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1  7.69
## Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4  7.57
## Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3  7.35
## Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3  6.97
## Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4  6.72
## Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2  6.59
## Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3  6.46
## AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2  6.46
## Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8  6.38
## Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4  6.25
## Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4  6.08
## Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4  5.65
## Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4  4.42
## Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4  4.42

2. Tabela Interativa (DT)

library(DT)
datatable(dados_trabalhados)

3. Equações

Equações fundamentais em estatística

  1. Variância: Mede a dispersão dos dados em relação à média. \[s^2 = \frac{\sum_{i=1}^{n} (x_i - \bar{x})^2}{n-1}\]

  2. Desvio Padrão: Expressa a variabilidade na mesma unidade dos dados originais. \[s = \sqrt{\frac{\sum_{i=1}^{n} (x_i - \bar{x})^2}{n-1}}\]

  3. Erro Padrão da Média \[SE = \frac{s}{\sqrt{n}}\]

  4. Coeficiente de Variação \[CV = \left( \frac{s}{\bar{x}} \right) \times 100\%\]

  5. Escore-z: Padroniza os valores para permitir a comparação entre diferentes escalas. \[z = \frac{x - \bar{x}}{s}\]

4. Figuras de Ciência de Dados.

Representações de Ciência de Dados.

Ciclo de Ciência de Dados
Ciclo de Ciência de Dados
Ferramentas de Ciência de Dados
Ferramentas de Ciência de Dados

5. Referências Bibliográficas

  1. Crawley, M. J. (2012). The R Book. Wiley.
  2. Wickham, H., & Grolemund, G. (2023). R for Data Science (2e). Disponível em: https://r4ds.hadley.nz/.
  3. The R Foundation. The R Logo. Disponível em: https://www.r-project.org/logo/.
  4. Morettin, P. A., & Bussab, W. O. (2017). Estatística Básica. Editora Saraiva.
  5. R Core Team (2026). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing.