Questão 1
MRT_1F <- c(517.1468515630205, 85.13094142168089, 30.333207896694553,
12.694776264558937, 3.3041601673945418, 1.1823111717498882,
1.1892293502386786)
MRT_3F <- c(156.68929936163462, 11.540837783562276, 0.4512835621696538,
0.4509797929766453, 0.4502068233039181, 0.4496185276300172,
0.4543157082191288)
MRT_5F <- c(83.90319666471157, 0.3068151086494968, 0.30522314133037304,
0.3072588968084928, 0.30655265997285697, 0.3055812715727718,
0.3053297166713006)
MRT_10F <- c(29.55430642951759, 0.19832832665772515, 0.1971923924717474,
0.19796648905716516, 0.19615594370806338, 0.2034569237883263,
0.19617420889447737)
MRT_15F <- c(11.317736530583566, 0.167364215666193, 0.16172168266811013,
0.16701085329580515, 0.1598052657153692, 0.1645934043532696,
0.16216563797118075)
MRT_sem_F <- c(11.93430909937736, 0.6095414637034009,
0.6060645101029295, 0.612167181646899, 0.6146761002685637,
0.6096747087200697, 0.6125810476877268)
relogio <- c(0.1, 0.5, 1, 1.5, 2, 2.5, 3)
layout(matrix(c(1, 1, 1, 1,
2, 3, 4, 5,
6, 0, 0, 0),
nrow = 3, byrow = TRUE))
# Gráfico de linhas
plot(relogio, MRT_1F,
type = "b", pch = 4, col = "black", lwd = 1.5,
ylim = c(0, max(MRT_1F)),
xlab = "Time between Things requests (seconds)",
ylab = "Response Time (sec.)")
lines(relogio, MRT_3F, type = "b", pch = 17, col = "orange", lwd = 1.5)
lines(relogio, MRT_5F, type = "b", pch = 8, col = "red", lwd = 1.5)
lines(relogio, MRT_10F, type = "b", pch = 2, col = "purple", lwd = 1.5)
lines(relogio, MRT_15F, type = "b", pch = 5, col = "blue", lwd = 1.5)
lines(relogio, MRT_sem_F, type = "b", pch = 8, col = "green", lwd = 1.5)
legend("topright",
legend = c("1 Fog", "3 Fogs", "5 Fogs", "10 Fogs", "15 Fogs", "w/o Fog"),
col = c("black", "orange", "red", "purple", "blue", "green"),
pch = c(4, 17, 8, 2, 5, 8),
lwd = 1.5, cex = 0.75)
# Gráficos de barras
grafico_barras <- function(dados_fog, rotulo_fog) {
matriz <- rbind(MRT_sem_F, dados_fog)
barplot(matriz,
beside = TRUE,
names.arg = relogio,
col = c("#E6E6E6", "#666666"),
log = "y",
xlab = "Time between Things requests",
ylab = "Response time (s)")
legend("topright",
legend = c("w/o Fog", rotulo_fog),
fill = c("#E6E6E6", "#666666"),
cex = 0.75)
}
grafico_barras(MRT_1F, "1 Fog")
grafico_barras(MRT_3F, "3 Fogs")
grafico_barras(MRT_5F, "5 Fogs")
grafico_barras(MRT_10F, "10 Fogs")
grafico_barras(MRT_15F, "15 Fogs")
Questão 2
dados_refeicao <- matrix(
c(53.8, 33.9, 2.6, 0.0,
43.6, 54.2, 60.5, 21.4,
2.6, 11.9, 36.8, 78.6),
nrow = 3, byrow = TRUE,
dimnames = list(
c("Good", "Very Good", "Excellent"),
c("$10-19", "$20-29", "$30-39", "$40-49")
)
)
cores <- c("#4e9af1", "#f1c94e", "#f1654e")
barplot(dados_refeicao,
beside = FALSE,
col = cores,
main = "Qualidade de Refeição por Faixa de Preço",
xlab = "Faixa de Preço",
ylab = "Percentual (%)",
ylim = c(0, 120))
legend("topright",
legend = rownames(dados_refeicao),
fill = cores,
title = "Qualidade")
Questão 3
dados_maio <- subset(airquality, Month == 5)
temperatura_c <- (dados_maio$Temp - 32) / 1.8
hist(temperatura_c,
main = "Temperaturas em Maio (°C)",
xlab = "Temperatura (°C)",
ylab = "Densidade",
col = "steelblue",
border = "white",
freq = FALSE)
lines(density(temperatura_c), col = "red", lwd = 2)
Questão 4
vendas <- read.table("https://training-course-material.com/images/8/8f/Sales.txt",
header = TRUE, sep = "\t", stringsAsFactors = FALSE)
total_por_pais <- tapply(vendas$SALES, vendas$COUNTRY, sum)
percentual <- round(100 * total_por_pais / sum(total_por_pais), 1)
cores <- rainbow(length(total_por_pais))
pie(total_por_pais,
labels = paste0(percentual, "%"),
col = cores,
main = "Total de Vendas por País")
legend("bottomright",
legend = names(total_por_pais),
fill = cores,
cex = 0.8)
Questão 5
boxplot(count ~ spray,
data = InsectSprays,
outline = FALSE,
col = "yellow",
main = "Contagem de Insetos por Inseticida",
xlab = "Tipo de Inseticida",
ylab = "Contagem de Insetos")
Questão 6
setwd("C:/Users/nando/Downloads")
# Função para converter usedMemory para MB
converter_para_mb <- function(x) {
valor <- as.numeric(gsub("[A-Za-z]+", "", x))
unidade <- gsub("[0-9. ]+", "", x)
ifelse(grepl("TB", unidade), valor * 1000000,
ifelse(grepl("GB", unidade), valor * 1024,
ifelse(grepl("MB", unidade), valor,
ifelse(grepl("KB", unidade), valor / 1024, valor))))
}
# Função para carregar e processar cada CSV
carregar_dados <- function(arquivo) {
dados <- read.csv(arquivo, stringsAsFactors = FALSE)
dados$currentTime <- as.POSIXct(dados$currentTime,
format = "%Y-%m-%d %H:%M:%OS",
tz = "UTC")
dados$memoria_mb <- converter_para_mb(dados$usedMemory)
dados$tempo_h <- as.numeric(difftime(dados$currentTime,
min(dados$currentTime, na.rm = TRUE),
units = "hours"))
dados
}
dados_none <- carregar_dados("monitoringCloudData_NONE.csv")
dados_01 <- carregar_dados("monitoringCloudData_0.1.csv")
dados_05 <- carregar_dados("monitoringCloudData_0.5.csv")
dados_1 <- carregar_dados("monitoringCloudData_1.csv")
layout(matrix(1:4, nrow = 2, byrow = TRUE))
plot(dados_none$tempo_h, dados_none$memoria_mb, type = "l",
main = "Memory Analysis (None Workload)",
xlab = "Time (hour)", ylab = "Used Memory (MB)")
plot(dados_01$tempo_h, dados_01$memoria_mb, type = "l",
main = "Memory Analysis (Workload of 0.1)",
xlab = "Time (hour)", ylab = "Used Memory (MB)")
plot(dados_05$tempo_h, dados_05$memoria_mb, type = "l",
main = "Memory Analysis (Workload of 0.5)",
xlab = "Time (hour)", ylab = "Used Memory (MB)")
plot(dados_1$tempo_h, dados_1$memoria_mb, type = "l",
main = "Memory Analysis (Workload of 1.0)",
xlab = "Time (hour)", ylab = "Used Memory (MB)")
Questão 7
library(plotly)
library(dplyr)
netflix <- read.csv("netflix_titles.csv", stringsAsFactors = FALSE)
# Filtrar apenas conteúdos com um único país
netflix_unico_pais <- netflix %>%
filter(!is.na(country) & country != "" & !grepl(",", country))
top10_paises <- netflix_unico_pais %>%
count(country, name = "total") %>%
arrange(desc(total)) %>%
slice_head(n = 10)
plot_ly(top10_paises,
labels = ~country,
values = ~total,
type = "pie",
textinfo = "label+percent") %>%
layout(title = "Top 10 Países com Mais Conteúdo na Netflix")
Questão 8
plot_ly(
type = "table",
header = list(
values = c("País", "Total de Conteúdos"),
align = "center",
fill = list(color = "gray"),
font = list(color = "white", size = 13)
),
cells = list(
values = list(top10_paises$country, top10_paises$total),
align = "center"
)
)
Questão 9
netflix_decada <- netflix %>%
filter(!is.na(release_year)) %>%
mutate(decada = floor(release_year / 10) * 10) %>%
group_by(decada, type) %>%
summarise(total = n(), .groups = "drop")
series <- netflix_decada %>% filter(type == "TV Show")
filmes <- netflix_decada %>% filter(type == "Movie")
plot_ly() %>%
add_trace(data = series, x = ~decada, y = ~total,
type = "scatter", mode = "lines+markers",
name = "TV Series",
line = list(color = "blue"),
marker = list(color = "blue")) %>%
add_trace(data = filmes, x = ~decada, y = ~total,
type = "scatter", mode = "lines+markers",
name = "Movies",
line = list(color = "yellow"),
marker = list(color = "yellow")) %>%
layout(title = "Quantidade de Conteúdo por Década na Netflix",
xaxis = list(title = "Década"),
yaxis = list(title = "Qnd. Conteúdo"))
Questão 10
generos_alvo <- c("Dramas", "Action & Adventure", "Comedies")
filmes_genero <- netflix %>%
filter(type == "Movie",
release_year >= 2000, release_year <= 2010) %>%
mutate(primeiro_genero = trimws(sub(",.*", "", listed_in))) %>%
filter(primeiro_genero %in% generos_alvo) %>%
count(release_year, primeiro_genero, name = "quantidade")
plot_ly(filmes_genero,
x = ~as.character(release_year),
y = ~quantidade,
color = ~primeiro_genero,
colors = c("Dramas" = "blue",
"Action & Adventure" = "orange",
"Comedies" = "green"),
type = "bar") %>%
layout(barmode = "group",
title = "Filmes por Gênero (2000-2010)",
xaxis = list(title = "Ano de Lançamento"),
yaxis = list(title = "Qnt. de Lançamentos"))