Analise quantitativa

Logo de inicio transportei a base de dados, carreguei a biblioteca e calculei a média, desvio padrão e a variância. Foi possivel identificar a mediana seria 299, supostamente um dos momentos de ápice da série,onde morreu um grande numero de personagens. Logo apos há as análises onde contém a mediana e os quartis,a variância,e o desvio-padrão.

# Passo 1 Transportar a base de dados 
load("C:/Users/manuc/Desktop/Base_de_dados-master/Game of Thrones.RData")
# Passo 2 - carregar bibliotecas
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(flextable)

# Passo 3 - Média e variancia 

summary(personagens_livro$ano_morte)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##   297.0   299.0   299.0   299.2   300.0   300.0     612
variância <- var(personagens_livro$ano_morte,na.rm = TRUE)
variância
## [1] 0.4948878
sd(personagens_livro$ano_morte,na.rm = TRUE)
## [1] 0.7034826

Boxplot

Para analisar de uma forma melhor, fiz o boxplot. Assim fica claro que a mediana ocorreu no ano de 297, dado que a median é onde a maior parte dos personagens morreram, dando continuidade a analise é possivel identificar um outlier que é aonde a média se distanciou,provavelmente foi aonde morreu pouquissimas pessoas.

# Boxplot

boxplot(personagens_livro$ano_morte,col = c("pink"),main = "Boxplot de quantos personagens morreram por ano")

Tabelas de duas variaveis qualitativas e proporção

As variáveis escolhidas foram sexo e nobreza. Observando a tabela identifiquei o resultado de 760 homens pobres, já as mulheres foram 157 pobres. Devemos considerar tambem a relação de numero de homens analisados para o de mulheres.

# Passo 5 - Tratamento
personagens_livro$nobre <- ifelse(personagens_livro$nobre==1,'Nobre','Não Nobre')
# Passo 6 - Tabela e proporção de duas variáveis qualitativas
tabela_1 <- table(personagens_livro$sexo,personagens_livro$nobre)
tabela_1
##            
##             Não Nobre Nobre
##   femenino         73    84
##   masculino       414   346
tabela_1 %>% data.frame() %>% flextable() %>% theme_tron()
prop_1 <- prop.table(tabela_1,2)*100 
prop_1
##            
##             Não Nobre    Nobre
##   femenino   14.98973 19.53488
##   masculino  85.01027 80.46512
prop_1 %>% data.frame() %>% flextable() %>% theme_vader() 

# Gráfico de barras

Foi possivel identificar melhor as analises feita na tabela atraves do gráfico de barras. Aqui fica bem visivel que o sexo masculino possui um nivel de pobreza maior, além disso o sexo masculino também contem o maior número em questão de riqueza. 


```r
# Passo 7 - Gráfico de barras
graf_barras <- barplot(tabela_1,legend=TRUE,beside=TRUE,
                       main = "Grafico número de pobres por sexo", col=c("blue","green"))

graf_barras
##      [,1] [,2]
## [1,]  1.5  4.5
## [2,]  2.5  5.5