Links e Scripts R para a disciplina EST0232 Fundamentos de Estatística Aplicada

Links_R.md

Primeiros passos

Usando o R no seu computador

1. Instale o R neste link.
2. Instale o RStudio neste link (recomendado).

Usando o R online

1. Acesse este link e crie uma conta free.

Livros

• Bryan, J. (2021). Happy Git and GitHub for the useR. URL: https://happygitwithr.com/
• Curso-R (2021). Ciência de Dados em R. URL: https://livro.curso-r.com/
• Ferreira, E. B., Oliveira, M. S. (2020). Introdução à estatística com R. Alfenas: Editora Unifal. URL: https://www.unifal-mg.edu.br/bibliotecas/wp-content/uploads/sites/125/2021/12/32-EBR_Unifal.pdf
• Lente, C., Curso-R (2021). Zen do R. URL: https://curso-r.github.io/zen-do-r/
• Wickham, H., Garrett, G. (2017). R for Data Science. URL: https://r4ds.had.co.nz/

Links

• Pacotes disponíveis no R neste link.
• Pacotes relacionados à Quimiometria e Física Computacional neste link.
• Pacotes relacionados à Geofísica neste link.
• Learning Physics using R, and R using Physics neste link.
• Aprenda R interativamente com o pacote swirl neste link. Veja vídeo introdutório neste link.
• Interface gráfica (GUI) para o R neste link.
• R base cheatsheet (em PT-BR) neste link.
• RStudio IDE cheatsheet (em PT-BR) neste link.
• Outras cheatsheets relacionadas ao R neste link.
• Estatística descritiva no R neste link.
• Quick Intro to Parallel Computing in R neste link.

script_descritiva1.R

# PARTE I -----------------------------------------------------------------

# upload do conjunto de dados
# Metodo 1: ir ao botao 'Import Dataset'

# Metodo 2: via comandos abaixo
install.packages("readxl") # instalando pacote 'readxl'
library(readxl) # carregando pacote 'readxl'
dados_estud = read_excel("C:\caminho\para\arquivo\dados-exemplo-estudantes.xls")
View(dados_estud)

dados_estud
dados_estud$Sexo
dados_estud[, 3]

attach(dados_estud)

# slide 16
Sexo
table(Sexo)

n = length(Sexo)
n 

table(Sexo)/n
(table(Sexo)/n)*100 # em porcentagem

# slide 17
table(Toler)
table(Toler)/n
prop.table(table(Toler))
(table(Toler)/n)*100 

# slide 18
table(Idade)
table(Idade)/n
prop.table(table(Idade))
(table(Idade)/n)*100 # em porcentagem

cumsum(table(Idade)/n) 
(cumsum(table(Idade)/n))*100 # em porcentagem

# slide 19
tab_peso = hist(Peso, plot = FALSE, right = FALSE, 
                nclass = 6)
tab_peso
tab_peso$counts
tab_peso$counts/n  
cumsum(tab_peso$counts/n)

# slide 22
tab_tv = hist(TV, plot = FALSE, right = FALSE, nclass = 5)
tab_tv

tab_tv = hist(TV, breaks = c(0, 6, 12, 18, 24, 36), 
               plot = FALSE, right = FALSE)
tab_tv

# slide 23
barplot(table(Idade), xlab = "Idade", ylab = "Frequência",
        main = "Gráfico de barras para Idade",
        col = "grey") # frequencia
barplot(table(Idade)/n, xlab = "Idade", ylab = "Frequência Relativa",
        main = "Gráfico de barras para Idade",
        col = "grey") # frequencia # frequencia relativa

# slide 25
hist(Peso, right = FALSE, xlab = "Peso", ylab = "Frequência",
     main = "Histograma de Peso")
hist(Peso, freq = FALSE, right = FALSE)
hist(Peso, right = FALSE, plot = FALSE)

script_descritiva2.R

# PARTE II ----------------------------------------------------------------

attach(dados_estud)

# slide 31
median(Peso)
quantile(Peso, probs = 0.50)

# slide 32
quantile(Peso, probs = 0.25) # Q1
quantile(Peso, probs = 0.50) # Q2
quantile(Peso, probs = 0.75) # Q3
quantile(Peso)

# slide 36
par(mfrow = c(1, 2))
x = rnorm(1000)
boxplot(x, ylim = c(-4, 4))
x = rnorm(1000, sd = 2)
boxplot(x, ylim = c(-4, 4))

par(mfrow = c(1, 1))
hist(x, prob = TRUE)
plot(function(x) dnorm(x, sd = 2), -6, 6, col = "red", add = TRUE)

boxplot(Peso, ylab = "Peso (kg)")
boxplot(Peso, xlab = "Peso (kg)", horizontal = TRUE)

# slide 37
boxplot(Peso ~ Sexo, ylab = "Peso (kg)")
boxplot(Peso ~ Sexo, xlab = "Peso (kg)", horizontal = TRUE)

boxplot(Peso ~ Turma, ylab = "Peso (kg)")

boxplot(Peso ~ Fuma, ylab = "Peso (kg)")

# slide 42
mean(Idade)
summary(Idade)

# slide 43
mean(Peso)
n = length(Peso)
sum(Peso)/n
min(Peso)
max(Peso)
summary(Peso)
max(Peso) - min(Peso)

x1 = rnorm(100, sd = 1)
x2 = rnorm(100, sd = 4)
par(mfrow = c(1, 2))
boxplot(x1, ylim = c(-11, 11))
boxplot(x2, ylim = c(-11, 11))

par(mfrow = c(1, 1))
plot(function(x) dnorm(x), -11, 11, col = "blue")
plot(function(x) dnorm(x, sd = 4), -11, 11, col = "red", add = TRUE)

# slide 55
quantile(Peso, probs = 0.75) - quantile(Peso, probs = 0.25)

# slide 56
var(Peso)
sqrt(var(Peso))
sd(Peso)

script_descritiva3.R

# Parte III ---------------------------------------------------------------

attach(dados_estud)

# slide 63
table(Turma, Fuma)
table(Sexo, Fuma)

# slide 65
table(Turma, Fuma)/n
prop.table(table(Turma, Fuma))
(table(Turma, Fuma)/n)*100

table(Sexo, Fuma)/n
prop.table(table(Sexo, Fuma))
(table(Sexo, Fuma)/n)*100

# slide 66
spineplot(as.factor(Fuma) ~ as.factor(Turma), xlab = "Turma",
          ylab = "Fuma")
spineplot(as.factor(Turma) ~ as.factor(Fuma), xlab = "Fuma",
          ylab = "Turma")
spineplot(as.factor(Fuma) ~ as.factor(Toler), xlab = "Tolerância",
          ylab = "Fuma")

# slide 68
plot(Alt, Peso, xlab = "Altura (m)", ylab = "Peso (kg)")
abline(v = mean(Alt), lty = 2)
abline(h = mean(Peso), lty = 2)

# slide 72
cor(Alt, Peso)

plot(Idade, Peso)
cor(Peso, Idade)
plot(Alt, Peso)
cor(Peso, Alt)

# slide 75
aggregate(Peso ~ Sexo, dados_estud, mean)
aggregate(Peso ~ Sexo, dados_estud, sd)
aggregate(Peso ~ Sexo, dados_estud, min)
aggregate(Peso ~ Sexo, dados_estud, max)
aggregate(Peso ~ Sexo, dados_estud, summary)

# slide 76
boxplot(Peso ~ Sexo, ylab = "Peso (kg)", xlab = "Sexo")

# slide 77
cdplot(as.factor(Sexo) ~ Peso, xlab = "Peso (kg)", ylab = "Sexo")
cdplot(as.factor(Fuma) ~ Peso, xlab = "Peso (kg)", ylab = "Fuma")
cdplot(as.factor(Toler) ~ Peso, xlab = "Peso (kg)", ylab = "Tolerância")

script_descritiva4.R

# Parte IV ----------------------------------------------------------------

attach(dados_estud)

# slide 84
table(Sexo, Fuma)
mosaicplot(table(Sexo, Fuma), color = TRUE, xlab = "Sexo", 
           ylab = "Fuma", main = "")

# slide 85
table(Sexo, Fuma, Turma)
mosaicplot(table(Sexo, Fuma, Turma), color = TRUE, xlab = "Sexo", 
           ylab = "Fuma", main = "")

# slide 86
coplot(Peso ~ Alt | Idade, pch = 20, xlab = "Altura")
coplot(Peso ~ Alt | Idade, panel = panel.smooth, pch = 20,
       lty = 2, xlab = "Altura")

# slide 87
coplot(Peso ~ Alt | Idade * Turma, panel = panel.smooth, pch = 20,
       lty = 2, xlab = "Altura")

# slide 88
coplot(Peso ~ Alt | Idade * Turma, panel = panel.smooth, 
       col = c("blue", "green")[as.factor(Sexo)], lty = 2, 
       pch = 20, xlab = "Altura")
# Sexo: blue para 'F', green para 'M'

# slide 89
coplot(Peso ~ Alt | Sexo, panel = panel.smooth, lty = 2,
       pch = 20, xlab = "Altura")

# slide 90
coplot(Peso ~ Alt | Sexo * Turma, panel = panel.smooth,
       lty = 2, pch = 20, xlab = "Altura")

#- 
coplot(Peso ~ Alt | Sexo * Turma, panel = panel.smooth, lty = 2, 
       pch = 20, col = c("blue", "green")[as.factor(Fuma)])
# Fuma: blue para 'NAO', green para 'SIM'

# slide 91
pairs(~ Alt + Peso + Idade, pch = 20)
pairs(~ Alt + Peso + Idade, pch = 20, panel = panel.smooth, lty = 2)

# slide 92
panel.cor <- function(x, y, digits = 2, prefix = "", cex.cor, ...) {
        usr <- par("usr"); on.exit(par(usr))
        par(usr = c(0, 1, 0, 1))
        r <- abs(cor(x, y))
        txt <- format(c(r, 0.123456789), digits = digits)[1]
        txt <- paste0(prefix, txt)
        if(missing(cex.cor)) cex.cor <- 0.8/strwidth(txt)
        text(0.5, 0.5, txt, cex = cex.cor * r)
}

pairs(~ Alt + Peso + Idade, pch = 20, lower.panel = panel.cor,
      upper.panel = panel.smooth, lty = 2)

# slide 93
panel.hist <- function(x, ...) {
        usr <- par("usr"); on.exit(par(usr))
        par(usr = c(usr[1:2], 0, 1.5) )
        h <- hist(x, plot = FALSE)
        breaks <- h$breaks; nB <- length(breaks)
        y <- h$counts; y <- y/max(y)
        rect(breaks[-nB], 0, breaks[-1], y, col = "grey", ...)
}
pairs(~ Alt + Peso + Idade, pch = 20, lower.panel = panel.cor,
      upper.panel = panel.smooth, diag.panel = panel.hist,
      lty = 2)

#-
pairs(~ Alt + Peso + Idade, pch = 20, panel = panel.smooth,
      lty = 2, col = c("blue", "magenta")[as.factor(Sexo)])
# Sexo: blue para 'F', magenta para 'M'

script_reg1.R

# Animacao
# No link https://yihui.org/animation/example/least-squares/
# Ou pelos comandos abaixo:
library(animation)

least.squares()
least.squares(ani.type = "intercept")

# slide 9

x = c(1.9, 0.8, 1.1, 0.1, -0.1, 4.4, 4.6, 1.6, 5.5, 3.4)
y = c(0.7, -1, -0.2, -1.2, -0.1, 3.4, 0, 0.8, 3.7, 2)

plot(x, y)
reg.ex1 = lm(y ~ x)
reg.ex1
abline(reg.ex1, col = "red", lty = 2)

# slide 12

data(cars)
str(cars)

attach(cars)
plot(speed, dist)
     
reg.ex2 = lm(dist ~ speed)
reg.ex2
abline(reg.ex2, col = "red")

# slide 14

tbc = c(43.5, 44, 44, 44.5, 44, 45, 48, 49, 49.5, 51, 54.5, 57.5, 57.7, 61, 63, 72)
vo2 = c(22, 21, 22, 21.5, 25.5, 24.5, 30, 28, 32, 29, 38.5, 30.5, 57, 40, 58, 72)

plot(tbc, vo2)
reg.ex31 = lm(vo2 ~ tbc)
reg.ex31
abline(reg.ex31, col = "red")

# centralizando TBC no minimo
plot(tbc - min(tbc), vo2)
reg.ex32 = lm(vo2 ~ I(tbc - min(tbc)))
reg.ex32
abline(reg.ex32, col = "red")

script_reg2.R

#- slide 19

# dados
x = c(5.61, 8.27, 7.68, 5.05, 7.09, 7.61, 7.12, 4.13, 8.52, 9.86, 2.22, 8.70, 
      6.83, 6.54, 8.56, 4.01, 6.04, 8.94, 9.67, 6.37, 3.12, 9.64, 5.14, 4.15, 
      6.58)
y = c(43.34, 158.18, 111.18, 34.32, 89.76, 77.28, 61.17, 15.38, 174.04, 391.17, 
      7.14, 101.25, 73.09, 57.06, 146.79, 12.45, 38.65, 201.70, 254.11, 45.75, 
      7.48, 272.43, 18.73, 17.36, 72.87)
plot(x, y, ylim = c(-2, 401))

# regressao linear
reg1.lin = lm(y ~ x); reg1.lin
abline(reg1.lin, col = "red")

# regressao exponencial
ly = log(y)
reg1.exp = lm(ly ~ x); reg1.exp
alpha = exp(reg1.exp$coef[1]); alpha
beta = reg1.exp$coef[2]; beta
plot(function(x) alpha*exp(beta*x), xlim = c(2, 11), col = "blue", add = TRUE)

#- slide 20

library(MASS)
data(steam)
plot(steam$Temp, steam$Press, xlab = "Temperatura", ylab = "Pressão")

# regressao linear
reg2.lin = lm(Press ~ Temp, data = steam); reg2.lin
abline(reg2.lin, col = "red")

# regressao exponencial
reg2.exp = lm(I(log(Press)) ~ Temp, data = steam); reg2.exp
alpha = exp(reg2.exp$coef[1]); alpha
beta = reg2.exp$coef[2]; beta
plot(function(x) alpha*exp(beta*x), xlim = c(0, 110), col = "blue", add = TRUE)

#- slide 21

# dados
x = c(1.35, 2.35, 2.13, 1.15, 1.91, 2.10, 1.92, 0.80, 2.45, 2.95, 0.08, 2.51, 
      1.81, 1.70, 2.46, 0.75, 1.52, 2.60, 2.87, 1.64, 3.98, 9.69, 5.75, 4.88, 
      7.01, 9.39, 9.54, 9.16, 9.62, 8.70)
y = c(1.04, 1.36, 1.26, 1.09, 1.27, 1.22, 1.21, 0.90, 1.36, 1.32, 0.47, 1.26, 
      1.18, 1.17, 1.35, 0.87, 1.08, 1.37, 1.32, 1.14, 1.44, 1.90, 1.62, 1.60, 
      1.82, 1.96, 2.07, 1.92, 2.10, 1.91)
plot(x, y)

# regressao linear
reg3.lin = lm(y ~ x); reg3.lin
abline(reg3.lin, col = "red")

# regressao potencia
ly = log(y)
lx = log(x)
reg3.pot = lm(ly ~ lx); reg3.pot
alpha = exp(reg3.pot$coef[1]); alpha
beta = reg3.pot$coef[2]; beta
plot(function(x) alpha*x^beta, xlim = c(0, 10), col = "blue", add = TRUE)


#- slide 22

# dados
x = c(1.35, 2.35, 2.13, 1.15, 1.91, 2.10, 1.92, 0.80, 2.45, 2.95, 0.08, 2.51, 
      1.81, 1.70, 2.46, 0.75, 1.52, 2.60, 2.87, 1.64, 3.98, 9.69, 5.75, 4.88, 
      7.01, 9.39, 9.54, 9.16, 9.62, 8.70)
y = c(0.19, 0.08, 0.09, 0.12, 0.09, 0.11, 0.11, 0.25, 0.08, 0.08, 0.41, 0.10, 
      0.11, 0.11, 0.08, 0.35, 0.15, 0.07, 0.08, 0.13, 0.07, 0.03, 0.05, 0.05, 
      0.04, 0.03, 0.03, 0.03, 0.03, 0.03)
plot(x, y)

# reg linear
reg4.lin = lm(y ~ x); reg4.lin
abline(reg4.lin, col = "red")

# regressao reciproca
ry = 1/y
reg4.rec = lm(ry ~ x); reg4.rec
alpha = reg4.rec$coef[1]
beta = reg4.rec$coef[2]
plot(function(x) 1/(alpha + beta*x), xlim = c(-1, 10), col = "blue", add = TRUE)

script_SL8.R

#-- Slides 8

# slide 10

alc = c(46.2, 46.3, 46.6, 46.3, 46.0, 46.9, 46.2, 46.4, 46.1, 
        46.5, 46.7, 46.1, 46.5, 46.7, 46.4, 46.3, 46.3, 46.8, 
        46.7, 45.9, 46.2, 46.3, 46.5, 46.6, 46.6, 46.6, 46.3, 
        46.4, 46.5, 46.4, 46.1, 46.2, 46.0, 46.6, 46.2, 46.7, 
        46.4, 46.2, 46.1, 46.4, 46.3, 46.3, 46.5, 46.0, 46.4, 
        46.0, 46.3, 46.5, 46.3, 46.4)

hist(alc, prob = TRUE, xlab = "Alcance (cm)", main = "Histograma")
curve(dnorm(x, mean(alc), sd(alc)), add = TRUE, lty = 2, 
      col = "blue")

boxplot(alc, ylab = "Alcance (cm)")

# slide 13

mean(alc) # estimativa alcance

sd(alc)/sqrt(length(alc)) # estimativa do erro

# slide 18

cc = (1/0.02^2)/(1/0.02^2 + 1/0.01^2); cc

mu.com = cc*0.270 + (1 - cc)*0.295; mu.com  

sig2.com = 1/(1/0.02^2 + 1/0.01^2); sig2.com  
sqrt(sig2.com)