Variáveis Qualitativas e Quantitativas

#Introdução ao operador pipe

Gráfico de pizza no rbase e no pipe

# Passo 1 - Carregar a base de dados
load("C:/Users/Marcus Tulio/Desktop/MESTRADO2022_1/DISCIPLINAS/Estatistica/Mestrado_engenharia/Base_de_dados-master/Base_de_dados-master/Titanic.RData")

table(Titanic$Sobreviveu)

## 
## Não sobreviveu     Sobreviveu 
##           1490            710

# Passo 2 - Gráfico de pizza - programação clássica
 pie(table(Titanic$Sobreviveu))

 pie(table(Titanic$Sobreviveu),col=c("red","blue"))

# Passo 3 - Gráfico de pizza com o pipe
 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

 Titanic %>% select(Sobreviveu) %>% table() %>% pie(col=c("royalblue","orange"))

Desafio: Como fazer uma tabela da coluna B com a categoria A selecionada da coluna C

#Qauantos homens sobreviveram  

Titanic %>% 
  filter(Sexo=="Masculino") %>% 
  select(Sobreviveu) %>% 
  table() %>%
  pie(col=c("lightyellow","darkblue"))

###Desafio2: #Como colocar percentual na pizza?

contagem <- table(Titanic$Sobreviveu)
contagem

## 
## Não sobreviveu     Sobreviveu 
##           1490            710

nomes <- levels(Titanic$Sobreviveu)
nomes

## [1] "Não sobreviveu" "Sobreviveu"

porcentagem <- round(contagem/sum(contagem)*100,3)
porcentagem

## 
## Não sobreviveu     Sobreviveu 
##         67.727         32.273

rotulo <- paste0(nomes,"(",porcentagem,"%",")")
rotulo

## [1] "Não sobreviveu(67.727%)" "Sobreviveu(32.273%)"

# Construindo a pizza - pelo rbase
pie(table(Titanic$Sobreviveu),labels=rotulo)

# Construindo a pizza - pelo pipe
Titanic %>% 
  select(Sobreviveu) %>%
  table() %>%
  pie(labels = rotulo,col = c("red","yellow"))

###Desafio 3: Como fazer de uma forma diferente

library(waffle)

## Carregando pacotes exigidos: ggplot2

parte <- c(Não=68,Sim=32)
waffle(parte,rows=10,colors=c("red","blue"))

##Gráfico para Variável Quantitativa Discreta

library(readr)
Familias2 <- read_delim("C:/Users/Marcus Tulio/Desktop/MESTRADO2022_1/DISCIPLINAS/Estatistica/Mestrado_engenharia/Base_de_dados-master/Base_de_dados-master/Familias2.csv", 
                        delim = ";", escape_double = FALSE, locale = locale(encoding = "WINDOWS-1252"), 
                        trim_ws = TRUE)

## Rows: 120 Columns: 6
## -- Column specification --------------------------------------------------------
## Delimiter: ";"
## chr (4): local, p.a.p, instr, renda
## dbl (2): familia, tam
## 
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.

stripchart(Familias2$tam,method = "stack",offset = .5,at = .15)

library(ggplot2)
ggplot(Familias2, aes(x = tam)) + geom_dotplot()

## Bin width defaults to 1/30 of the range of the data. Pick better value with `binwidth`.

#Histograma ## Diferença entre Histograma e Gráfico de Barras

load("C:/Users/Marcus Tulio/Desktop/MESTRADO2022_1/DISCIPLINAS/Estatistica/Mestrado_engenharia/Base_de_dados-master/Base_de_dados-master/CARROS.RData")

par(mfrow=c(1,2))
hist(CARROS$Kmporlitro)
barplot(table(Titanic$Sobreviveu),col=c("red","blue"))

par(mfrow=c(1,1))

#Inrepretação do Histograma

hist(CARROS$Kmporlitro,
     col = c("skyblue","skyblue","skyblue","red","red"),
     main = "Histograma do Km/l",
     ylab = "Frequência",
     xlab = "Km/l")

hist(CARROS$Preco,
     col = c("red"),
     main = "Histograma do Preço do Carro",
     ylab = "Frequência",
     xlab = "Preço")


hist(CARROS$Preco,
     breaks = 10,
     col = c("red"),
     main = "Histograma do Preço do Carro",
     ylab = "Frequência",
     xlab = "Preço")

hist(CARROS$Preco,
     breaks = 10,
     col = c("royalblue"),
     main = "Histograma do Preço do Carro",
     ylab = "Frequência",
     xlab = "Preço",
     labels = TRUE)

#Histograma do HP

par(bg="lightyellow")
hist(CARROS$HP,
     col = c("purple"),
     main = "Histograma do HP (Cavalos no Motor)",
     ylab = "Frequência",
     xlab = "HP",
     labels = TRUE)

par(bg="white")

#Resumo Numérico das variaveis quantitativas

summary(CARROS$HP)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    52.0    96.5   123.0   146.7   180.0   335.0

summary(CARROS$Preco)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    71.1   120.8   196.3   230.7   326.0   472.0

summary(CARROS$Kmporlitro)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   10.40   15.43   19.20   20.09   22.80   33.90

CONCLUSÃO

Nessa aula, vimos uma estrategia de analise de dados para cada tipo de variavel.

Qualitativa Nominal - Pizza, waffle, tabela Qualitativa Ordinal - Barras, tabela Quantitativa Discreta - Dotplot, tabela Quantitativa Continua - Histograma e Resumo Numerico