Analise de Relatorio

# Passo 1 - Carregar bases no R Markdown
load("/cloud/project/bases_curso_estatistica/Base_de_dados-master/CARROS.RData")
load("/cloud/project/bases_curso_estatistica/Base_de_dados-master/df_pokemon.RData")

# Passo 2 - verificar o tipo de variável
names(df)

##  [1] "id"              "pokemon"         "species_id"      "height"         
##  [5] "weight"          "base_experience" "type_1"          "type_2"         
##  [9] "attack"          "defense"         "hp"              "special_attack" 
## [13] "special_defense" "speed"           "color_1"         "color_2"        
## [17] "color_f"         "egg_group_1"     "egg_group_2"     "url_image"      
## [21] "x"               "y"

class(df$attack)

## [1] "integer"

class(CARROS$Preco)

## [1] "numeric"

class(df$type_1)

## [1] "character"

class(CARROS$Tipodecombustivel)

## [1] "numeric"

# Passo 3 - transformação de variáveis
df$type_1 <- as.factor(df$type_1)
CARROS$Tipodecombustivel <- as.factor(CARROS$Tipodecombustivel)
class(CARROS$Tipodecombustivel)

## [1] "factor"

# Passo 4 - criação de tabelas
tabela_pokemon <- table(df$type_1)
tabela_carros <- table(CARROS$Tipodecombustivel)
tabela_pokemon

## 
##      bug     dark   dragon electric    fairy fighting     fire   flying 
##       63       28       24       36       17       25       46        3 
##    ghost    grass   ground      ice   normal   poison  psychic     rock 
##       23       66       30       23       93       28       46       40 
##    steel    water 
##       22      105

tabela_carros

## 
##  0  1 
## 18 14

# Passo 5 - visualização de dados
barplot(tabela_pokemon, las=2, col= "red", 
        main="solução 1")

par(cex = 0.7)
barplot(tabela_pokemon, col = "blue",
        main = "solução 2")

barplot(tabela_carros, col = "orange")