Relatario de Estatistica Computacional
Renata Kelly Marcelino dos Santos
7 de marco de 2018
R Markdown
Pacotes Utilizados Neste Relatório:
library(rmarkdown)
#descrever o pacote:
library(Rcpp)
library(tidyr)
library(bindr)
library(dplyr, warn.conflicts = FALSE)
library(ggplot2)
library(microbenchmark)
library(kableExtra)
library(readr)
library(dplyr)
library(knitr)
library(stringr)
library(DT)
#<https://rstudio.github.io/DT/>1- Teste de Performance
Objetivo: Somar as linhas de uma matriz.
Seja big.matrix uma matriz “grande” e seja N a dimensao ou numero de colunas da big.matrix, entao a funcao cppSum abaixo faz a soma das linhas de uma matriz de dimensao N:
cppSum <- function(big.matrix, N) {
stopifnot(exists("big.matrix")) #pare se nao existir a big.matrix
stopifnot(exists("N")) #pare se nao existir o N
Time <- microbenchmark({
colsums <- rowSumsC(big.matrix)
}, times = N)$time
return(Time)
}
2- Análise do banco de dados cars
Os dados do conjunto cars d R dao a velocidade dos carros e as distancias tomadas para parar. Esses dados foram registrados na decada de 1920.
O conjunto de dados tem 50 observacoes em 2 variaveis numericas:
[, 1] Velocidade (mph)
[, 2] Distancia de parada (ft)
## speed dist
## 1 4 2
## 2 4 10
## 3 7 4
## 4 7 22
## 5 8 16
## 6 9 10
## 7 10 18
## 8 10 26
## 9 10 34
## 10 11 17
## 11 11 28
## 12 12 14
## 13 12 20
## 14 12 24
## 15 12 28
## 16 13 26
## 17 13 34
## 18 13 34
## 19 13 46
## 20 14 26
## 21 14 36
## 22 14 60
## 23 14 80
## 24 15 20
## 25 15 26
## 26 15 54
## 27 16 32
## 28 16 40
## 29 17 32
## 30 17 40
## 31 17 50
## 32 18 42
## 33 18 56
## 34 18 76
## 35 18 84
## 36 19 36
## 37 19 46
## 38 19 68
## 39 20 32
## 40 20 48
## 41 20 52
## 42 20 56
## 43 20 64
## 44 22 66
## 45 23 54
## 46 24 70
## 47 24 92
## 48 24 93
## 49 24 120
## 50 25 85Análise Descritiva
summary(cars)## speed dist
## Min. : 4.0 Min. : 2.00
## 1st Qu.:12.0 1st Qu.: 26.00
## Median :15.0 Median : 36.00
## Mean :15.4 Mean : 42.98
## 3rd Qu.:19.0 3rd Qu.: 56.00
## Max. :25.0 Max. :120.00GGplot
## speed dist teste
## 1 4 2 TRUE
## 2 4 10 TRUE
## 3 7 4 TRUE
## 4 7 22 TRUE
## 5 8 16 TRUE
## 6 9 10 TRUE
## 7 10 18 TRUE
## 8 10 26 TRUE
## 9 10 34 TRUE
## 10 11 17 TRUE
## 11 11 28 TRUE
## 12 12 14 TRUE
## 13 12 20 TRUE
## 14 12 24 TRUE
## 15 12 28 TRUE
## 16 13 26 TRUE
## 17 13 34 TRUE
## 18 13 34 TRUE
## 19 13 46 TRUE
## 20 14 26 TRUE
## 21 14 36 TRUE
## 22 14 60 TRUE
## 23 14 80 TRUE
## 24 15 20 TRUE
## 25 15 26 TRUE
## 26 15 54 TRUE
## 27 16 32 TRUE
## 28 16 40 TRUE
## 29 17 32 TRUE
## 30 17 40 TRUE
## 31 17 50 TRUE
## 32 18 42 TRUE
## 33 18 56 TRUE
## 34 18 76 TRUE
## 35 18 84 TRUE
## 36 19 36 TRUE
## 37 19 46 TRUE
## 38 19 68 TRUE
## 39 20 32 TRUE
## 40 20 48 TRUE
## 41 20 52 TRUE
## 42 20 56 TRUE
## 43 20 64 TRUE
## 44 22 66 TRUE
## 45 23 54 TRUE
## 46 24 70 TRUE
## 47 24 92 TRUE
## 48 24 93 TRUE
## 49 24 120 TRUE
## 50 25 85 TRUE
cars%>%
mutate(teste=speed<=50)## speed dist teste
## 1 4 2 TRUE
## 2 4 10 TRUE
## 3 7 4 TRUE
## 4 7 22 TRUE
## 5 8 16 TRUE
## 6 9 10 TRUE
## 7 10 18 TRUE
## 8 10 26 TRUE
## 9 10 34 TRUE
## 10 11 17 TRUE
## 11 11 28 TRUE
## 12 12 14 TRUE
## 13 12 20 TRUE
## 14 12 24 TRUE
## 15 12 28 TRUE
## 16 13 26 TRUE
## 17 13 34 TRUE
## 18 13 34 TRUE
## 19 13 46 TRUE
## 20 14 26 TRUE
## 21 14 36 TRUE
## 22 14 60 TRUE
## 23 14 80 TRUE
## 24 15 20 TRUE
## 25 15 26 TRUE
## 26 15 54 TRUE
## 27 16 32 TRUE
## 28 16 40 TRUE
## 29 17 32 TRUE
## 30 17 40 TRUE
## 31 17 50 TRUE
## 32 18 42 TRUE
## 33 18 56 TRUE
## 34 18 76 TRUE
## 35 18 84 TRUE
## 36 19 36 TRUE
## 37 19 46 TRUE
## 38 19 68 TRUE
## 39 20 32 TRUE
## 40 20 48 TRUE
## 41 20 52 TRUE
## 42 20 56 TRUE
## 43 20 64 TRUE
## 44 22 66 TRUE
## 45 23 54 TRUE
## 46 24 70 TRUE
## 47 24 92 TRUE
## 48 24 93 TRUE
## 49 24 120 TRUE
## 50 25 85 TRUEp <- cars %>%
mutate(teste=speed<=15) %>%
ggplot() + geom_histogram(aes(x=dist, fill=teste), col="pink", bins = 10)
p
3- Importacao de arquivos de base de dados
Será importada a base de dados do INEP http://inep.gov.br/microdados usando o pacote readr, um dos pacoetes usados quando usa-se o tidyverse.
Foi usado o Censo de Educação Superior - docentes do ano de 2016.
base5perc <-readRDS("Aula4.base5perc.rds")
censobr <-base5perc %>%
select(NO_IES, DS_CATEGORIA_ADMINISTRATIVA, CO_MUNICIPIO_NASCIMENTO) %>%
transmute(Nome = NO_IES,
Categoria = DS_CATEGORIA_ADMINISTRATIVA,
Codigo = as.character(CO_MUNICIPIO_NASCIMENTO)) %>%
mutate (UF = str_sub(string = Codigo, start=1, end=2)) %>%
group_by(UF, Categoria) %>%
#summarise(Total = n()) %>%
count() %>%
filter(UF == "26") %>%
arrange(desc(n))
censobr %>% datatable(class = 'stripe', rownames = FALSE, caption = 'Tabela 1: This is a simple caption for the table.')Dados do censo de ensino superior de docentes no estado de Pernambuco em 2016
pernambuco <- base5perc %>%
select(NO_IES, DS_CATEGORIA_ADMINISTRATIVA, CO_MUNICIPIO_NASCIMENTO) %>%
transmute(Nome = NO_IES,
Categoria = DS_CATEGORIA_ADMINISTRATIVA,
Codigo = as.character(CO_MUNICIPIO_NASCIMENTO)) %>%
mutate (UF = str_sub(string = Codigo, start=1, end=2)) %>%
group_by(UF, Categoria) %>%
summarise(n = n()) %>%
mutate(Frequencia = n/sum(n)) %>%
#count() %>%
filter(UF == "26") %>%
arrange(desc(n)) %>%
mutate(Categoria = factor (Categoria, levels = Categoria))
pernambuco %>% datatable(class = 'stripe', rownames = FALSE, caption = 'Tabela 2: This is a simple caption for the table.')Estatisticas Descritivas das varivaies do censo superior de docentes segundo Pernambuco em 2016
summary(pernambuco)## UF Categoria n
## Length:6 Pública Federal :1 Min. : 6.00
## Class :character Privada com fins lucrativos:1 1st Qu.: 43.25
## Mode :character Privada sem fins lucrativos:1 Median :108.00
## Pública Estadual :1 Mean :110.17
## Pública Municipal :1 3rd Qu.:162.25
## Especial :1 Max. :237.00
## Frequencia
## Min. :0.009077
## 1st Qu.:0.065431
## Median :0.163389
## Mean :0.166667
## 3rd Qu.:0.245461
## Max. :0.358548Comecando a utilizar o Color Brewer <http://colorbrewer2.org/>
Grafico de barras por categoria das universidades segundo docentes do estado de Pernambuco
#Cores pelo color brewer
pernambuco %>%
ggplot(aes(x = reorder(Categoria, n), y= n, fill= Categoria)) +
geom_bar(stat = "identity") +
guides(fill = "none") +
coord_flip() + #muda a direcao do grafico de barras
labs(x = "Categoria", y = "Total", title = "Numero de instituicoes por categoria", subtitle = "Estado de Pernambuco") +
geom_label(aes(label = paste(round(100*Frequencia), "%", sep = ""))) +
scale_fill_brewer(palette = "Reds", direction = -1) #para a cor da paleta ficar degrade por tamanho do n 
Dados do censo de ensino superior dos docentes nos estados de Pernambuco e Paraiba, 2016
PE_PB <- base5perc %>%
select(NO_IES, DS_CATEGORIA_ADMINISTRATIVA, CO_MUNICIPIO_NASCIMENTO) %>%
transmute(Nome = NO_IES,
Categoria = DS_CATEGORIA_ADMINISTRATIVA,
Codigo = as.character(CO_MUNICIPIO_NASCIMENTO)) %>%
mutate (UF = str_sub(string = Codigo, start=1, end=2)) %>%
group_by(UF, Categoria) %>%
summarise(n = n()) %>%
mutate(freq = n/sum(n)) %>%
#count() %>%
filter(UF == "26" | UF == "25") %>%
arrange(desc(n))
str(PE_PB) #mostra o tipo das variaveis ## Classes 'grouped_df', 'tbl_df', 'tbl' and 'data.frame': 10 obs. of 4 variables:
## $ UF : chr "26" "26" "26" "25" ...
## $ Categoria: chr "Pública Federal" "Privada com fins lucrativos" "Privada sem fins lucrativos" "Privada com fins lucrativos" ...
## $ n : int 237 164 157 122 99 76 59 55 38 6
## $ freq : num 0.359 0.248 0.238 0.347 0.281 ...
## - attr(*, "vars")= chr "UF"
## - attr(*, "drop")= logi TRUE
## - attr(*, "indices")=List of 2
## ..$ : int 3 4 5 7
## ..$ : int 0 1 2 6 8 9
## - attr(*, "group_sizes")= int 4 6
## - attr(*, "biggest_group_size")= int 6
## - attr(*, "labels")='data.frame': 2 obs. of 1 variable:
## ..$ UF: chr "25" "26"
## ..- attr(*, "vars")= chr "UF"
## ..- attr(*, "drop")= logi TRUE
## ..- attr(*, "indices")=List of 2
## .. ..$ : int 0 1 2 3
## .. ..$ : int 4 5 6 7 8 9
## ..- attr(*, "group_sizes")= int 4 6
## ..- attr(*, "biggest_group_size")= int 6Estatisticas descritivas das varivaies segundo Pernambuco e Paraiba
summary(PE_PB)## UF Categoria n freq
## Length:10 Length:10 Min. : 6.0 Min. :0.009077
## Class :character Class :character 1st Qu.: 56.0 1st Qu.:0.106007
## Mode :character Mode :character Median : 87.5 Median :0.226714
## Mean :101.3 Mean :0.200000
## 3rd Qu.:148.2 3rd Qu.:0.272965
## Max. :237.0 Max. :0.358548PE_PB %>% mutate(Estado = if_else(UF == "26", "Pernambuco", "Paraiba")) %>%
ggplot(aes(x = reorder(Categoria,n), y= n, fill=Estado)) + geom_bar(stat = "identity") + coord_flip() 
PE_PB %>% mutate(Estado = if_else(UF == "26", "Pernambuco", "Paraiba")) %>%
ggplot(aes(x = reorder(Categoria,n), y= n, fill=Estado)) + geom_bar(stat = "identity", position = "dodge") + coord_flip() 
PE_PB %>% mutate(Estado = if_else(UF == "26", "Pernambuco", "Paraiba")) %>%
ggplot(aes(x = reorder(Categoria,n), y= n, fill=UF)) + geom_bar(stat = "identity", position = "dodge") + coord_flip() + facet_wrap(~Estado) + guides(fill="none")
Dentro do facetwrap, o scale free coloca uma escala pra cada um. Sem o scale free, eh a mesma escala para todos e eh melhor para comparar.