Gráficos bivariados

Carregar dados

load("C:/Users/Hp/Documents/GitHub/Base_de_dados/Titanic.RData")
load("C:/Users/Hp/Documents/GitHub/Base_de_dados/CARROS.RData")

Gráfico para variável categórica: waffle

library(waffle)
partes <- c("não sobreviveu"=68,"sobreviveu"=32)
waffle(partes)

Gráfico para duas variáveis categóricas: mosaic

mosaicplot(~Sexo+Sobreviveu, data = Titanic, color=c("red","blue"), main="Sobrevivência por sexo")

Gráfico para duas variáveis categóricas: Barras

## barplots
tabela <- table(Titanic$Sexo, Titanic$Sobreviveu)  ## get the cross tab
barplot(tabela, beside = TRUE, legend = levels(unique(Titanic$Sobreviveu)),
        main="sobrevivência por sexo",col=c("red","blue"))  ## plot 

Tabelas com duas variáveis categóricas

tabela1<-table(Titanic$Sexo , Titanic$Sobreviveu)
# percentual do total
prop.table(tabela1)*100

           
            Não sobreviveu Sobreviveu
  Feminino             5.7       15.6
  Masculino           62.0       16.6

# percentual da linha
prop.table(tabela1,1)*100

           
            Não sobreviveu Sobreviveu
  Feminino              27         73
  Masculino             79         21

# percentual da coluna
prop.table(tabela1,2)*100

           
            Não sobreviveu Sobreviveu
  Feminino             8.5       48.5
  Masculino           91.5       51.5

Em resumo, existe uma relação entre as variáveis SEXO e SOBREVIVEU.

Variáveis quantitativas

diagrama de dispersão

#---------------------------------------------------------------------# duas variaveis quantitativas
#---------------------------------------------------------------------
plot(CARROS$Kmporlitro,CARROS$HP, pch=19, col="red")
abline(lm(HP~Kmporlitro,data=CARROS), col = "blue")

plot(CARROS$HP,CARROS$Preco, pch=19, col="blue")
abline(lm(Preco~HP,data=CARROS), col = "red")

plot(CARROS$Peso,CARROS$Preco, pch=19, col="green", main = "Diagrama de Dispersão entre Peso e Preço do carro")
abline(lm(Preco~Peso,data=CARROS), col = "black")

• Correlação linear, forte e negativa entre HP e Km por litro
• Correlação linear, forte e positiva entre HP e Preço
• Correlação linear, forte epositiva entre Peso e Preço

matriz de correlação

correlacoes <- cor(CARROS[,c("HP","Preco","Peso","Kmporlitro",
                    "Amperagem_circ_eletrico","RPM")])
#correlacoes

library(corrplot)
corrplot(correlacoes, method="circle")

corrplot.mixed(correlacoes)

corrplot(correlacoes,addCoef.col=TRUE,number.cex=0.7)

Pouca correlação entre RPM e Peso.

Conclusão

Gráficos e estatísticas para duas variáveis categoricas e duas variáveis quantitativas.