Storytelling com Dados
Caio Gabriel Nunes de Lima
2026-10-04
Relatório
1. Manipulação dos Dados
Dataset utilizado
Neste trabalho foi utilizado o dataset iris, que já está
disponível no R.
O conjunto de dados contém informações sobre três espécies de flores Iris:
- Setosa
- Versicolor
- Virginica
As variáveis analisadas são:
Sepal.Length: comprimento da sépala;Sepal.Width: largura da sépala;Petal.Length: comprimento da pétala;Petal.Width: largura da pétala;Species: espécie da flor.
dados <- iris
head(dados)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosaO comando head() permite visualizar as seis primeiras
observações do conjunto de dados.
Estrutura dos dados
str(dados)## 'data.frame': 150 obs. of 5 variables:
## $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
## $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
## $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
## $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
## $ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...O comando str() permite verificar a estrutura do
dataset, incluindo o tipo de cada variável.
Média do comprimento da pétala
mean(dados$Petal.Length)## [1] 3.758Esse comando calcula a média do comprimento das pétalas de todas as flores presentes no conjunto de dados.
Média por espécie
dados %>%
group_by(Species) %>%
summarise(media_petala = mean(Petal.Length))## # A tibble: 3 × 2
## Species media_petala
## <fct> <dbl>
## 1 setosa 1.46
## 2 versicolor 4.26
## 3 virginica 5.55Primeiro, os dados são agrupados pela variável
Species.
Depois, a função summarise() calcula a média do
comprimento da pétala para cada espécie.
Filtragem
Agora serão selecionadas apenas as flores cujo comprimento da pétala seja maior que a média geral.
media_petala <- mean(dados$Petal.Length)
dados_filtrados <- dados %>%
filter(Petal.Length > media_petala)
head(dados_filtrados)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 7.0 3.2 4.7 1.4 versicolor
## 2 6.4 3.2 4.5 1.5 versicolor
## 3 6.9 3.1 4.9 1.5 versicolor
## 4 5.5 2.3 4.0 1.3 versicolor
## 5 6.5 2.8 4.6 1.5 versicolor
## 6 5.7 2.8 4.5 1.3 versicolorO comando filter() mantém somente as observações que
satisfazem uma determinada condição.
Neste caso:
\[ Petal.Length > média(Petal.Length) \]
Criação de uma nova variável
Será criada uma variável chamada Razao.Petala, calculada
pela divisão entre o comprimento e a largura da pétala.
dados <- dados %>%
mutate(Razao.Petala = Petal.Length / Petal.Width)
head(dados)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species Razao.Petala
## 1 5.1 3.5 1.4 0.2 setosa 7.00
## 2 4.9 3.0 1.4 0.2 setosa 7.00
## 3 4.7 3.2 1.3 0.2 setosa 6.50
## 4 4.6 3.1 1.5 0.2 setosa 7.50
## 5 5.0 3.6 1.4 0.2 setosa 7.00
## 6 5.4 3.9 1.7 0.4 setosa 4.25A função mutate() é utilizada para criar novas variáveis
dentro de um dataframe.
Ordenação
Agora os dados serão organizados de acordo com o comprimento da pétala, do maior para o menor.
dados_ordenados <- dados %>%
arrange(desc(Petal.Length))
head(dados_ordenados)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species Razao.Petala
## 1 7.7 2.6 6.9 2.3 virginica 3.000000
## 2 7.7 3.8 6.7 2.2 virginica 3.045455
## 3 7.7 2.8 6.7 2.0 virginica 3.350000
## 4 7.6 3.0 6.6 2.1 virginica 3.142857
## 5 7.9 3.8 6.4 2.0 virginica 3.200000
## 6 7.3 2.9 6.3 1.8 virginica 3.500000A função arrange() organiza os dados.
O uso de desc() indica que a ordenação deve ocorrer em
ordem decrescente.
2. Tabela Interativa
O pacote DT permite transformar um dataframe em uma
tabela interativa.
A tabela oferece recursos como:
- busca;
- ordenação;
- paginação;
- navegação entre os registros.
datatable(
dados,
options = list(
pageLength = 10
)
)3. Equações
Equação 1 — Média aritmética
\[ \bar{x} = \frac{1}{n}\sum_{i=1}^{n}x_i \]
A média aritmética representa o valor médio de um conjunto de observações.
Equação 2 — Variância amostral
\[ s^2 = \frac{\sum_{i=1}^{n}(x_i-\bar{x})^2}{n-1} \]
A variância mede o quanto os valores estão dispersos em relação à média.
Equação 3 — Desvio padrão
\[ s = \sqrt{\frac{\sum_{i=1}^{n}(x_i-\bar{x})^2}{n-1}} \]
O desvio padrão representa a dispersão dos dados na mesma unidade da variável analisada.
Equação 4 — Correlação de Pearson
\[ r = \frac{ \sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y}) }{ \sqrt{ \sum_{i=1}^{n}(x_i-\bar{x})^2 \sum_{i=1}^{n}(y_i-\bar{y})^2 } } \]
O coeficiente de correlação de Pearson mede a força e a direção de uma relação linear entre duas variáveis.
Se o valor estiver próximo de 1, existe forte relação positiva.
Se estiver próximo de -1, existe forte relação negativa.
Se estiver próximo de 0, existe pouca relação linear.
Equação 5 — Regressão Linear
\[ \hat{y} = \beta_0 + \beta_1x \]
A regressão linear busca representar a relação entre uma variável explicativa \(x\) e uma variável resposta \(y\).
O parâmetro \(\beta_0\) representa o intercepto e \(\beta_1\) representa a inclinação da reta.
4. Figuras
Relação entre comprimento e largura da pétala
ggplot(dados, aes(
x = Petal.Length,
y = Petal.Width,
shape = Species
)) +
geom_point(size = 2) +
labs(
title = "Comprimento e largura das pétalas",
x = "Comprimento da pétala",
y = "Largura da pétala"
)
O gráfico permite observar a relação entre o comprimento e a largura das pétalas das diferentes espécies.
Distribuição do comprimento das pétalas
ggplot(dados, aes(
x = Species,
y = Petal.Length
)) +
geom_boxplot() +
labs(
title = "Comprimento das pétalas por espécie",
x = "Espécie",
y = "Comprimento da pétala"
)
O boxplot permite comparar a distribuição do comprimento das pétalas entre as três espécies.
5. Referências
CLEVELAND, W. S. Visualizing Data. Summit: Hobart Press, 1993.
TUFTE, E. R. The Visual Display of Quantitative Information. 2. ed. Cheshire: Graphics Press, 2001.
WICKHAM, H. ggplot2: Elegant Graphics for Data Analysis. New York: Springer, 2016.
WICKHAM, H. Tidy Data. Journal of Statistical Software, v. 59, n. 10, p. 1–23, 2014.
WICKHAM, H.; GROLEMUND, G. R for Data Science. Sebastopol: O’Reilly Media, 2017.
library(dplyr) library(DT) library(ggplot2)