prova

VADeaths

Visualize o dataset VADeaths (já incluído no R) e crie um gráfico de barras empilhadas desses dados, de modo que as barras estejam agrupadas (lado a lado) para cada categoria. Também defina uma cor diferente para cada grupo das categorias. Por fim, adicione título, legenda e nomes nos eixos. Abaixo submeta o link do RPubs com o resultado dessa questão. Ela deve ficar dentro de uma aba chamada de “VADeaths”.

categorias <- c("Rural Male", "Rural Female", "Urban Male", "Urban Female")
grupo <- c("50-54","55-59","60-64","65-69","70-74")
barplot(VADeaths, names.arg = categorias, xlab = "Categorias", ylab = "Mortes",
        col = rainbow(length(grupo)), main = "VADeaths")
legend("topright", pch = 15, col = rainbow(length(grupo)), legend = grupo)

ClassificaçãoDoença

Uma doença pode ser classificada em três estágios (leve, moderado e severo). Foram examinados 20 pacientes e obtidos os dados: moderado, leve, leve, severo, leve, moderado, moderado, moderado, leve, leve, severo,leve, moderado, moderado, leve, severo, moderado, moderado, moderado,leve. Com base nestes dados crie um gráfico de piza. Inclua a porcentagem de cada fatia, as cores das fatias e o nome do gráfico. Adicionalmente, use o comando legend() para incluir a legenda do gráfico. Abaixo submeta o link do RPubs com o resultado dessa questão. Ela deve ficar dentro de uma aba chamada de “ClassificaçãoDoença”. Note que apenas um link do RPubs é necessário. Basta repetir o link abaixo se você já tiver submetido para outras questões. *

estagio = table(c("moderado", "leve", "leve", "severo", "leve", "moderado", "moderado", "moderado", "leve", "leve", "severo", "leve", "moderado", "moderado", "leve", "severo", "moderado", "moderado", "moderado", "leve"))
estagio = (estagio/sum(estagio))*100

pie(estagio, paste(estagio, '%'), col=rainbow(length(estagio)), main="Estagio/Paciente")
legend("topright", pch=15, names(estagio), col=rainbow(length(estagio)))

Twitters

Crie uma nuvem de palavra a partir dos twitters sobre a hashtag “#racismo”. Também faça uma análise de sentimentos com relação a esses twitters coletados. Abaixo submeta o link do R Markdown com o resultado dessa questão. Ela deve ficar dentro de uma aba chamada de “Twitters”. Note que apenas um link do RPubs é necessário. Basta repetir o link abaixo se você já tiver submetido para outras questões.

## Loading required package: NLP

## Loading required package: RColorBrewer

## [1] "Using direct authentication"

preprocessing <- function(corpus, lang){
    
  
  #Coloca tudo em minúsculo
  corpus <- tm_map(corpus, tolower)
  
  #Remove pontuação
  corpus <- tm_map(corpus, removePunctuation)
  
  #Remove números
  corpus <- tm_map(corpus, removeNumbers)
  
  #Remove espaços extras em branco
  corpus <- tm_map(corpus, stripWhitespace)
  
  #Remove palavras ruído
  corpus <- tm_map(corpus, removeWords,stopwords(lang))

  # remove URLs 
  removeURL <- function(x) gsub("http[^[:space:]]*", "",x)
  corpus <-tm_map(corpus,removeURL)
  
  # remove qualquer coisa que não seja letras em português e espaço.
  removeNumPunct <- function(x) gsub ("[^[:alpha:][:space:]]*", "",x)
  corpus <- tm_map(corpus,content_transformer(removeNumPunct))
  
  return (corpus)
}

tweets <- searchTwitter("#racismo", n=1000, lang="pt")

## Warning in doRppAPICall("search/tweets", n, params = params, retryOnRateLimit =
## retryOnRateLimit, : 1000 tweets were requested but the API can only return 528

# Cria corpus e preprocessa
tweets <- twListToDF(tweets)
tweets_t <- tweets$text
tweets_S <- VectorSource(tweets_t)
corpus <- preprocessing(Corpus(tweets_S), lang="english")

## Warning in tm_map.SimpleCorpus(corpus, tolower): transformation drops documents

## Warning in tm_map.SimpleCorpus(corpus, removePunctuation): transformation drops
## documents

## Warning in tm_map.SimpleCorpus(corpus, removeNumbers): transformation drops
## documents

## Warning in tm_map.SimpleCorpus(corpus, stripWhitespace): transformation drops
## documents

## Warning in tm_map.SimpleCorpus(corpus, removeWords, stopwords(lang)):
## transformation drops documents

## Warning in tm_map.SimpleCorpus(corpus, removeURL): transformation drops
## documents

## Warning in tm_map.SimpleCorpus(corpus, content_transformer(removeNumPunct)):
## transformation drops documents

#Cria a matriz
dtm <-TermDocumentMatrix(corpus)
dtm <- as.matrix(dtm)

#Fornece a frequência de cada palavra
fre <- sort(rowSums(dtm),decreasing=TRUE)

# Cria nuvem
wordcloud(names(fre),freq=fre,min.freq=1,max.words=200,scale=c(4,.5),
          random.order=F, rot.per=0.35, colors=brewer.pal(8, "Dark2"))

s <- get_nrc_sentiment(tweets$text)

## Warning: `filter_()` is deprecated as of dplyr 0.7.0.
## Please use `filter()` instead.
## See vignette('programming') for more help
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_warnings()` to see where this warning was generated.

## Warning: `group_by_()` is deprecated as of dplyr 0.7.0.
## Please use `group_by()` instead.
## See vignette('programming') for more help
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_warnings()` to see where this warning was generated.

## Warning: `data_frame()` is deprecated as of tibble 1.1.0.
## Please use `tibble()` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_warnings()` to see where this warning was generated.

barplot(colSums(s),las=2,col=rainbow(10),ylab= "Quantidade",
        main="Sentimentos sobre o Movimento #racismo")

Teorema

Nesta questão, demonstre o uso do teorema do limite central, usando o conjunto de dados “flu” que é altamente não normal. Esse dataset contém as frequências das idades das mortes durante a epidemia de gripe espanhola na Suíça em 1918. Considere a idade das mortes como a população. Execute os passos a seguir. (1)Mostre o histograma e a curva de densidade do conjunto de dados “flu”. (2) Crie 200 médias de amostras da população com tamanho n = 35. (3) Mostre o histograma com a curva de densidade para a médias das amostras. 4) Submeta o link do RPubs com o resultado das etapas anteriores . Essa questão deve ficar dentro de uma aba chamada de “Teorema”. Note que apenas um link do RPubs é necessário. Basta repetir o link abaixo se você já tiver submetido para outras questões. *

flu <- read.csv("flu.csv", header = T)

#Histograma
hist(flu$age, col="grey", probability=T, main= "Histograma do Dataset Flu", ylab="Frequencia", xlab="Idade")

#Linha de densidade
density<-density(flu$age)
lines(density)

nova_amostra = vector()
for(i in 1:200){
  nova_amostra = append(nova_amostra, mean(sample(flu$age, size=35)))
}

hist(nova_amostra, col="grey", probability=T, main= "Histograma da Nova Amostra", ylab="Frequencia", xlab="Média")
density<-density(nova_amostra)
lines(density)