Atividade 4 - R Markdown

BEM VINDO(A) AO MEU R MARKDOWN

Atividade 4 - Cruzamento de dados no R Markdown

Parte 1: Importando os dados! Aqui iremos pegar o banco de dados Titanic que dispõe sobre informações acerca dos participantes no acidente

library(knitr)
Banco_Titanic<- load("/cloud/project/Base_de_dados-master/Titanic.RData")

Banco_Titanic<- (Titanic)

Observe algumas informações sobre este banco de dados

library(knitr)
kable(head(Banco_Titanic))

Classe	Idade	Sexo	Sobreviveu
Primeira	adulto	Masculino	Sobreviveu
Primeira	adulto	Masculino	Sobreviveu
Primeira	adulto	Masculino	Sobreviveu
Primeira	adulto	Masculino	Sobreviveu
Primeira	adulto	Masculino	Sobreviveu
Primeira	adulto	Masculino	Sobreviveu

Parte 2: Escolhendo as Variáveis! Escolherei duas variáveis qualitativas, primeiro. A classe e a condição pós-naufrágio…

Sexo_Titanic<- Titanic$Sexo


Sobrevivencia_Titanic<- Titanic$Sobreviveu


summary(Sexo_Titanic)

##  Feminino Masculino 
##       470      1730

summary(Sobrevivencia_Titanic)

## Não sobreviveu     Sobreviveu 
##           1490            710

Parte 3: Cruzando as Variáveis Qualitativas

Idade_Titanic<- Titanic$Idade

TabelaComparativa1<- table(Idade_Titanic,Sexo_Titanic)

TabelaComparativa1

##              Sexo_Titanic
## Idade_Titanic Feminino Masculino
##       criança       45        64
##       adulto       425      1666

TabelaComparativa2<- table(Idade_Titanic, Sobrevivencia_Titanic)

TabelaComparativa2

##              Sobrevivencia_Titanic
## Idade_Titanic Não sobreviveu Sobreviveu
##       criança             52         57
##       adulto            1438        653

Parte 6: Proporcionalidade!

prop.table(TabelaComparativa1,1)*100

##              Sexo_Titanic
## Idade_Titanic Feminino Masculino
##       criança  41.2844   58.7156
##       adulto   20.3252   79.6748

prop.table(TabelaComparativa2,2)*100

##              Sobrevivencia_Titanic
## Idade_Titanic Não sobreviveu Sobreviveu
##       criança       3.489933   8.028169
##       adulto       96.510067  91.971831

library(knitr)
kable(TabelaComparativa1)

	Feminino	Masculino
criança	45	64
adulto	425	1666

kable(TabelaComparativa2)

	Não sobreviveu	Sobreviveu
criança	52	57
adulto	1438	653

prop1<- prop.table(TabelaComparativa1,1)*100
kable(prop1)

	Feminino	Masculino
criança	41.2844	58.7156
adulto	20.3252	79.6748

prop2<- prop.table(TabelaComparativa2,2)*100
kable(prop2)

	Não sobreviveu	Sobreviveu
criança	3.489933	8.028169
adulto	96.510067	91.971831

Resultado: Vemos que os homens adultos foram os que mais morreram, enquanto que o número de mulheres que sobreviveram é proporcionalmente muito superior aos homens, bem como o de crianças, em geral. A célebre frase do filme “Mulheres e Crianças primeiro” se mostrou verdadeira

Parte 5: Cálculo com variáveis quantitativas e valores de Média e Desvio Padrão.

Neste caso, iremos importar o banco de dados “df”, que possui atributos de pokémons

library(knitr)
Banco_Pokemon<- load("/cloud/project/Base_de_dados-master/df_pokemon.RData")

Banco_Pokemon<- (df)

Nossas variáveis a serem observadas serão os Pontos de Ataque e os Pontos de Defesa dos Pokémons! Veja algumas amostras reduzidas…

Ataque_Pokemon<- df$attack

table(head(Ataque_Pokemon))

## 
## 49 52 62 64 82 84 
##  1  1  1  1  1  1

Defesa_Pokemon<- df$defense

table(head(Defesa_Pokemon))

## 
## 43 49 58 63 78 83 
##  1  1  1  1  1  1

Agora, o cálculo das Médias e de Desvio Padrão

Media_Ataque<- mean(Ataque_Pokemon)

Media_Ataque

## [1] 74.85376

Desvio_Ataque<- sd(Ataque_Pokemon)

Desvio_Ataque

## [1] 28.93704

Media_Defesa<- mean(Defesa_Pokemon)

Media_Defesa

## [1] 70.6727

Desvio_Defesa<- sd(Defesa_Pokemon)

Desvio_Defesa

## [1] 29.18498

Parte 6: Boxplot com variáveis Quantitativas. Usaremos os mesmos dados da parte anterior para gerar o gráfico de caixa!

par(bg = "Whitesmoke")
boxplot(Ataque_Pokemon, Defesa_Pokemon, col = c("Blue", "Red"), main = "Boxplot - Ataque e Defesa Pokemon", ylab = "Pontos", xlab = "Atributo", names = c("Ataque", "Defesa") )