Questoes 4 a 9 - Autoavaliacao e Voos

dados_Do <- read.csv(
  "https://www.dropbox.com/scl/fi/q7zmuqj01dpkp0br61ebt/Autoavalia-o-2022-Inform-tica-Aplicada.xlsx-Docente.csv?rlkey=m31ab6bqgy83lc073r6xhe6p8&dl=1",
  strip.white = TRUE, na.strings = ""
)

dados_Dis <- read.csv(
  "https://www.dropbox.com/scl/fi/8pa6c3jc4hcen5g1g7flu/Autoavalia-o-Cursos-Discentes-2022-Inform-tica-Aplicada.xlsx-Respostas-ao-formul-rio-1.csv?rlkey=ihof4zdmgx9mwhpquxj5st20b&dl=1",
  strip.white = TRUE, na.strings = ""
)

recodificar <- function(coluna) {
  coluna <- as.character(coluna)
  coluna[coluna == "Muito Ruim (1)"] <- "1"
  coluna[coluna == "Ruim (2)"]       <- "2"
  coluna[coluna == "Razoavel (3)" | coluna == "Razoável (3)"] <- "3"
  coluna[coluna == "Bom (4)"]        <- "4"
  coluna[coluna == "Excelente (5)"]  <- "5"
  coluna[grepl("aplica|informar", coluna, ignore.case = TRUE)] <- NA
  return(as.numeric(coluna))
}

Questao 4 - Topico mais bem avaliado dos Docentes

docentes_num  <- as.data.frame(lapply(dados_Do[, 4:82], recodificar))
medias_do     <- colMeans(docentes_num, na.rm = TRUE)
topico_melhor <- names(which.max(medias_do))
valor_melhor  <- round(max(medias_do, na.rm = TRUE), 2)

cat("Topico mais bem avaliado:", topico_melhor, "\n")

## Topico mais bem avaliado: X4.1.Relacionamentoentreorientando.a.eorientador.a.

cat("Media:", valor_melhor, "\n")

## Media: 4.6

Questao 5 - Media geral dos Discentes

discentes_num   <- as.data.frame(lapply(dados_Dis[, 5:68], recodificar))
medias_dis      <- colMeans(discentes_num, na.rm = TRUE)
media_geral_dis <- round(mean(medias_dis, na.rm = TRUE), 2)

cat("Media geral dos discentes:", media_geral_dis, "\n")

## Media geral dos discentes: 4.16

Questao 6 - Topico pior avaliado dos Discentes

topico_pior  <- names(which.min(medias_dis))
valor_pior   <- round(min(medias_dis, na.rm = TRUE), 2)

cat("Topico pior avaliado:", topico_pior, "\n")

## Topico pior avaliado: X1.6.Adequaçãodoslaboratóriosàsatividadesdepesquisa

cat("Media:", valor_pior, "\n")

## Media: 3.12

Questao 7 e 8 - Voos e Temperatura

dataurl <- "https://jozef.io/post/data/"
weather <- readRDS(url(paste0(dataurl, "r006/weather.rds")))
flights <- readRDS(url(paste0(dataurl, "r006/flights.rds")))
merged  <- merge(flights, weather, by = c("time_hour", "origin"))

menor_temp     <- min(merged$temp, na.rm = TRUE)
voos_frio      <- merged[!is.na(merged$temp) & merged$temp == menor_temp, ]
dest_q7        <- voos_frio[which.max(voos_frio$distance), "dest"]

cat("Questao 7 - Destino com maior distancia na menor temperatura:", dest_q7, "\n")

## Questao 7 - Destino com maior distancia na menor temperatura: SFO

voos_quente    <- merged[!is.na(merged$temp) & merged$temp > 100, ]
dest_q8        <- voos_quente[which.max(voos_quente$dep_delay), "dest"]

cat("Questao 8 - Destino com maior delay quando temp maior que 100F:", dest_q8, "\n")

## Questao 8 - Destino com maior delay quando temp maior que 100F: MSY

Questao 9 - Intervalo de Confianca 90% das Temperaturas de Maio

data(airquality)
maio  <- airquality[airquality$Month == 5, "Temp"]
n     <- length(maio)
media <- mean(maio, na.rm = TRUE)
erro  <- sd(maio, na.rm = TRUE) / sqrt(n)
t_val <- qt(0.95, df = n - 1)
li    <- round(media - t_val * erro, 2)
ls    <- round(media + t_val * erro, 2)

cat("Intervalo de confianca 90% para maio:", paste0("[", li, "-", ls, "]"), "\n")

## Intervalo de confianca 90% para maio: [63.46-67.64]