Você está na página 1de 25

Instrues para Relatrio Estatstico dos Dados - Estatstica Tecnolgica

Com o objetivo de avaliar a necessidade de uma reforma geral em um condomnio, foram


avaliados algumas informaes fsicas dos apartamentos e as reclamaes registradas por seus
proprietrios.
Descrio das variveis:
Id
Bloco
Andar
Final
Sala
Cozinha
Banheiro
Dorm
Rachadura
Infiltrao
Reclamaes

Identificao da observao no arquivo


Bloco a que pertence o apartamento
Andar onde o apartamento est situado
Nmero identificando a posio do apto. no andar
rea da sala, em m2
rea da cozinha, em m2
rea do banheiro, em m2
rea do dormitrio, em m2
Ocorrncia de rachaduras no apto: 0 - No, 1- Sim
Ocorrncia de infiltraes no apto: 0 - No, 1 - Sim
Nmero de reclamaes mensais

Dados:
Cole os procedimentos a seguir para criar o arquivo de dados com o qual ir trabalhar. Onde
estiver escrito RA substitua pelo seu registro acadmico.
Bloco = c(rep("A",76),rep("B",76))
Andar = c(rep(1:19,rep(4,19)))
Final = c(rep(1:4,38))
Ap = 1:152
set.seed(387118); Rachadura = rbinom(152,1,0.45)
set.seed(387118); Infiltrao = rbinom(152,1,0.3)
set.seed(387118); Reclamaes = rbinom(152,12,0.2)
set.seed(387118); sem = round(rnorm(152)/10,1)
Sala = c(27.8, 28.3, 27.1, 26.5, 27.7, 28.3, 27.7, 28.1, 26.6, 27.3,
27.4, 26.5, 29.2, 28.8, 29.4, 27.8, 26.3, 27.6, 29.3, 28.6, 26.9,
30.0, 30.9, 27.4, 26.6, 27.5, 28.0, 27.8, 27.1, 28.4, 28.3, 27.6,
26.8, 27.0, 28.6, 27.6, 28.2, 28.9, 28.3, 27.9, 27.0, 27.9, 27.7,
25.6, 30.4, 27.5, 29.5, 28.9, 29.0, 29.0, 29.7, 28.5, 29.7, 28.2,
27.9, 29.3, 29.5, 28.0, 28.9, 28.3, 26.0, 25.6, 30.1, 28.2, 28.8,
27.2, 27.5, 29.0, 28.5, 27.7, 29.3, 27.9, 27.9, 27.9, 29.3, 27.6,
23.2, 23.0, 22.9, 22.0, 24.1, 22.9, 22.4, 23.0, 24.6, 22.3, 25.0,
22.9, 23.8, 22.4, 21.7, 24.5, 24.1, 23.9, 22.5, 23.9, 23.1, 22.2,
23.5, 23.7, 21.5, 21.2, 22.8, 21.8, 22.7, 24.7, 24.3, 22.5, 24.1,
23.7, 23.1, 24.2, 23.6, 23.9, 24.1, 22.5, 21.5, 23.7, 23.4, 24.6,
23.3, 22.7, 23.9, 22.5, 22.5, 23.2, 23.3, 22.8, 23.1, 23.1, 23.2,
22.8, 22.0, 22.9, 23.4, 23.9, 23.3, 22.7, 23.5, 23.6, 22.5, 20.9,
22.5, 22.8, 22.3, 23.6, 22.8, 23.5, 24.1, 24.1, 23.0, 22.7) + sem
Cozinha = c(7.9, 7.3, 7.1, 8.4, 7.6, 7.7, 8.1, 7.7, 8.2, 7.6, 8.3,
8.1, 8.2, 8.4, 6.8, 9.2, 8.1, 8.4, 8.2, 8.2, 7.5, 7.5, 7.8, 7.8, 8.8,
8.1, 8.2, 7.0, 8.1, 7.9, 8.4, 8.0, 8.1, 8.3, 7.8, 7.7, 6.9, 8.3, 7.9,
8.0, 8.2, 8.2, 8.0, 7.9, 8.1, 8.4, 8.1, 8.0, 8.7, 7.7, 8.0, 7.9, 8.5,
8.1, 7.8, 6.5, 7.7, 8.4, 7.5, 8.0, 8.1, 8.1, 7.6, 7.0, 7.7, 7.9, 8.2,
8.5, 7.9, 7.9, 7.9, 8.0, 7.1, 7.5, 8.5, 7.4, 8.2, 7.7, 7.8, 7.8, 9.1,
7.3, 7.2, 8.3, 8.4, 7.1, 8.6, 8.1, 7.5, 7.9, 7.8, 8.0, 7.6, 8.6, 8.4,
8.1, 7.4, 7.6, 8.6, 8.0, 6.4, 8.6, 7.9, 7.5, 9.1, 8.0, 7.6, 7.5, 7.6,
8.4, 7.6, 7.5, 7.2, 7.4, 7.6, 7.8, 8.6, 8.4, 7.5, 7.6, 8.3, 7.4, 7.8,
6.8, 7.1, 9.6, 7.8, 7.4, 8.7, 6.6, 8.7, 8.4, 6.7, 8.2, 7.7, 7.9, 8.6,

8.0, 8.6, 7.8, 8.0, 7.6, 7.0, 7.0, 7.5, 8.3, 8.6, 7.4, 8.3, 8.0, 8.5,
7.8) + sem
Banheiro = c(5.0, 5.4, 5.0, 3.9, 4.7, 4.6, 3.9, 4.5, 3.5, 3.8, 4.6,
4.3, 4.9, 4.5, 4.5, 4.7, 3.6, 3.5, 4.0, 3.8, 4.4, 4.3, 5.3, 4.2, 3.9,
4.7, 5.2, 4.8, 4.6, 3.9, 4.4, 4.6, 4.6, 4.6, 3.9, 4.7, 4.4, 4.4, 4.3,
4.6, 4.6, 4.5, 4.5, 4.1, 4.7, 5.2, 3.7, 4.9, 4.9, 4.3, 5.3, 4.1, 5.1,
4.5, 5.1, 3.7, 4.5, 4.5, 4.9, 5.0, 4.9, 4.1, 4.1, 4.6, 3.9, 4.5, 3.9,
5.2, 4.4, 4.5, 4.0, 4.9, 4.4, 4.4, 3.7, 4.1, 5.2, 4.4, 4.6, 4.2, 4.2,
3.9, 4.1, 3.7, 4.6, 4.0, 4.7, 4.6, 4.2, 4.6, 5.4, 4.4, 4.7, 4.1, 4.8,
5.0, 4.3, 4.7, 4.7, 4.6, 4.5, 4.8, 5.5, 4.1, 4.6, 4.9, 4.8, 3.5, 3.8,
4.2, 3.9, 4.0, 4.2, 4.5, 3.8, 4.6, 5.3, 4.3, 4.7, 4.9, 2.9, 3.8, 4.7,
4.3, 5.1, 4.8, 4.1, 4.5, 4.9, 4.9, 4.6, 5.5, 4.8, 4.4, 4.5, 4.5, 3.9,
4.2, 4.1, 4.0, 5.1, 3.5, 4.8, 4.0, 5.8, 5.3, 3.6, 4.3, 4.8, 4.5, 4.3,
4.2) + sem
Dormitorio = c(11.6, 13.1, 14.9, 12.4, 12.1, 14.3, 13.0, 14.4, 13.0,
12.8, 12.4, 13.0, 13.9, 12.0, 10.0, 10.0, 14.3, 11.0, 15.0, 13.2,
15.2, 13.0, 11.8, 12.5, 12.9, 12.7, 13.7, 13.0, 12.7, 14.6, 12.4,
12.2, 13.6, 13.8, 12.2, 12.7, 12.4, 14.7, 11.7, 11.1, 13.4, 11.3,
12.6, 11.2, 13.6, 12.2, 11.1, 13.4, 12.0, 13.1, 15.4, 12.0, 12.0,
12.5, 13.8, 12.9, 13.0, 15.9, 15.2, 14.1, 13.2, 13.0, 13.3, 13.4,
12.9, 12.3, 12.8, 13.4, 13.7, 13.9, 12.6, 14.1, 13.0, 12.0, 13.0,
11.6, 15.1, 13.6, 13.3, 13.5, 11.5, 13.3, 12.2, 10.7, 12.2, 11.2,
11.8, 13.7, 15.4, 14.3, 12.6, 12.9, 12.5, 14.3, 12.2, 11.3, 15.5,
10.6, 12.9, 13.6, 14.7, 11.1, 11.3, 13.0, 13.1, 10.8, 12.9, 13.6,
13.5, 12.9, 13.8, 13.0, 14.6, 12.4, 12.8, 13.2, 11.3, 12.1, 13.2,
12.7, 12.6, 13.2, 14.7, 13.2, 12.7, 12.6, 14.4, 14.7, 13.3, 12.3,
13.0, 12.5, 12.5, 12.9, 14.0, 13.7, 11.6, 12.3, 13.6, 14.3, 13.3,
13.3, 14.2, 13.3, 11.3, 12.0, 11.5, 12.2, 12.9, 10.9, 11.7, 15.7) +
sem
Dados = as.data.frame(cbind(Ap, Bloco, Andar, Final, Sala, Cozinha,
Banheiro, Dormitorio, Rachadura, Infiltrao, Reclamaes))

Aps criar o arquivo de dados responda as questes a seguir utilizando o programa R e


apresente no relatrio as respostas comentadas juntamente com os comandos utilizados.
a) Classifique cada uma das variveis e para o cada uma delas, construa uma tabela de
frequncia, uma representao grfica e as medidas resumo vistas nas aulas, quando
adequadas.
b) Compare os histogramas e os boxplots para cada uma das variveis quantitativas.
c) H um desconto no valor do condomnio se a metragem da Sala menor que 26 m 2.
Qual o percentual de apartamentos contemplado com esse desconto?
d) Para cada um dos blocos, faa um grfico de barras para a varivel Rachadura. Voc
acha que essa varivel se comporta de modo diferente nesses Blocos?
e) Verifique pelas medidas resumo se h indicativo de diferena no tamanho da Sala
entre os Blocos.
f) Verifique graficamente se h correlao entre o nmero de Reclamaes e a rea total
do apartamento (os tamanhos de todos os cmodos esto apresentados nos dados).
Calcule e interprete o coeficiente de correlao entre essas variveis.

a) Tipo de variveis:
Bloco: qualitativa
Andar: qualitativa
Final: quantitativa
Sala: quantitativa
Cozinha: quantitativa
Banheiro: quantitativa
Dorm: quantitativa
Rachadura: qualitativa
Infiltrao: qualitativa
Reclamaes: qualitativa

Tabelas de frequncia e grficos.


Para variveis qualitativas representarei em grfico de barras e para variveis
quantitativas usarei o histograma e o boxplot.
Bloco
Tem 76 apartamentos por bloco.
Comando: table(Bloco)
A
B
76
76

Comando: barplot(table(Bloco), main = "Apartamentos por Bloco", ylab ="Nmero de


apartamentos")
No foram realizados os clculos de medida resumo, pois a varivel em questo
qualitativa.
Andar
Tem 4 apartamentos por andar
Comando: table(Andar)
1
2
3
4
5
6
7
4
4
4
4
4
4
4

8
4

9
4

10
4

11
4

12
4

13
4

14
4

15
4

16
4

17
4

18
4

19
4

Comando: barplot(table(Andar), main = "Apartamentos por andar", ylab="Nmero de


apartamentos", xlab="Andar")

No foram realizados os clculos de medida resumo, pois a varivel em questo


qualitativa.

Final
Comando: talbe(Final)
1
38

2
38

3
38

4
38

Comando: barplot(table(Final))
No foram realizados os clculos de medida resumo, pois a varivel em questo
qualitativa.

Sala
Comando: table(Sala)
rea

Freq
20,9
21,2
21,6
21,7
21,9
22,2
22,3
22,4
22,5
22,6
22,7
22,8
22,9
23
23,1
23,2
23,3
23,4
23,5
23,6
23,7
23,8
23,9
24
24,1
24,2
24,6
24,7
25,2
25,4
25,7
26
26,2
26,3
26,4
26,7

1
1
2
2
2
1
4
2
4
3
3
3
5
5
3
3
2
2
2
3
2
2
3
5
2
4
2
2
1
1
1
1
1
1
1
2

26,8
26,9
27
27,1
27,3
27,4
27,5
27,6
27,7
27,8
27,9
28
28,1
28,2
28,3
28,4
28,5
28,6
28,7
28,8
28,9
29
29,1
29,2
29,4
29,7
29,8
30
30,1
30,6
31

1
2
1
2
3
2
1
5
3
5
4
2
4
3
3
1
1
1
2
4
3
1
1
1
6
1
1
1
1
1
1

Comando:
r <-hist(Sala, main= "Histograma da Sala", xlab="Metros quadrados")
text(r$mids, r$density, r$counts, adj=c(.5, -.5), col='blue3')

Comando:
boxplot(Sala,ylab = "Metros quadrados", main="Boxplot de Sala")

Comando: summary(Sala)
Min
20,90

1st Qu
23,08

Cozinha
Comando: table(Cozinha)
rea

Freq

Median
25,30

Mean
25,61

3rd Qu
28,00

Max
31,00

6,6
6,7
6,8
6,9
7
7,1
7,2
7,3
7,4
7,5
7,6
7,7
7,8
7,9
8
8,1
8,2
8,3
8,4
8,5
8,6
8,7
8,8
8,9
9
9,3
9,4
9,5

4
1
3
1
4
3
1
3
4
11
9
13
12
5
18
8
13
12
10
1
6
4
1
1
1
1
1
1

Comando:
r <-hist(Cozinha, main= "Histograma da Cozinha", xlab="Metros quadrados")
text(r$mids, r$density, r$counts, adj=c(.5, -.5), col='blue3')

Comando:
boxplot(Cozinha,ylab = "Metros quadrados", main="Boxplot de Cozinha")Banheiro
Comando: summary(Cozinha)
Min
6,600

1st Qu
7,600

Banheiro:
Comando: table(Banheiro)

rea

Freq
2,8
3,2
3,5
3,6
3,7
3,8
3,9
4
4,1
4,2
4,3
4,4
4,5
4,6
4,7

1
1
3
2
4
8
7
6
8
11
8
13
9
14
14

Median
8,000

Mean
7,903

3rd Qu
8,300

Max
9,500

4,8
4,9
5
5,1
5,2
5,3
5,4
5,5
5,6
5,8

14
10
5
3
3
3
2
1
1
1

Comando:
r <-hist(Banheiro, main= "Histograma da Banheiro", xlab="Metros quadrados")
text(r$mids, r$density, r$counts, adj=c(.5, -.5), col='blue3')

Comando:
boxplot(Banheiro,ylab = "Metros quadrados", main="Boxplot de Banheiro")
Comando: summary(Banheiro)
Min
2,800

1st Qu
4,100

Dormitrio
Comando: table(Dormitorio)
rea

Freq
10
10,1
10,7
10,8
10,9
11
11,1
11,2
11,3
11,4
11,5
11,6
11,8
11,9
12
12,1
12,2
12,3
12,4
12,5
12,6
12,7
12,8
12,9
13
13,1
13,2
13,3
13,4
13,5
13,6
13,7
13,8

1
1
3
1
1
2
2
1
3
3
1
4
1
4
3
5
5
5
4
6
2
5
3
15
3
9
6
6
3
2
5
2
6

Median
4,500

Mean
4,455

3rd Qu
4,800

Max
5,800

13,9
14
14,1
14,2
14,3
14,4
14,5
14,6
14,7
14,8
14,9
15,1
15,2
15,4
15,5
15,6
15,7
15,9

1
1
2
3
1
5
1
1
3
1
2
2
1
1
1
1
1
1

Comando:
r <-hist(Dormitorio, main= "Histograma da Dormitorio", xlab="Metros quadrados")
text(r$mids, r$density, r$counts, adj=c(.5, -.5), col='blue3')

Comando:
boxplot(Dormitorio,ylab = "Metros quadrados", main="Boxplot de Dormitorio")
Comando: sumary(Dormitorio)
Min
1st Qu
Merdian
10,00
12,20
12,90

Mean
12,94

3rd Qu
13,60

Max
15,90

Rachadura
Comando:
table(Rachadura)
No Sim
0
1
82
70

Comando: barplot(table(Rachadura), main="Rachaduras")


No foram realizados os clculos de medida resumo, pois a varivel em questo
qualitativa.

Infiltrao:
Comando: table(Infiltrao)
No
0
110

Sim
1
42

Comando: barplot(table(Infiltrao),main="Infiltraes")
No foram realizados os clculos de medida resumo, pois a varivel em questo
qualitativa.

Reclamaes:
Comando: table(Reclamaes)
Nmero de 0
reclamaes
Frequncia
11

41

30

45

14

Comando: barplot(table(Reclamaes),main="Reclamaes")
No foram realizados os clculos de medida resumo, pois a varivel em questo
qualitativa.

b)
Para a sala: Pelo Boxplot possvel perceber que a media esta prximo a 25m2. No
histograma percebemos um numero significativo de apartamentos com rea entre 22m 2 e
24m2; e um numero significativo de apartamentos com rea ente 27m2 e 29m2. Existem poucos
apartamentos com rea de sala de 25m2, mas a mdia do histograma realmente esta de
acordo com a mdia do boxplot. As linhas limites do boxplot vo alm dos limites de
metragem quadrada das salas, de modo que no exitem outliers. O boxplot est de acordo
com o primeiro e terceiro quartil.
Para a cozinha: A mdia observada no boxplot prxima de 8 m 2. O mesmo
observado no histograma, pois a maior parte dos apartamentos est com rea de cozinha
prxima desse valor. Existem dois apartamentos outliers, pois a rea da cozinha passa dos
limites do boxplot. Esses apartamentos possuem rea da cozinha maior do que 9,25m 2 (por
uma analise direta das visualizaes grficas). O boxplot est de acordo com o primeiro e
terceiro quartil.
Para o banheiro: Aqui a mdia do boxplot prxima 4,5m2. O mesmo possvel notar
no histograma, onde a maior parte dos apartamentos esto com rea de banheiro nessa faixa.
Existe um apartamento com banheiro menor que 3m2, que o outlier do boxplot. O boxplot
est de acordo com o primeiro e terceiro quartil.
Para o dormitrio: A mdia do boxplot prxima de 13m2. No histograma possvel
perceber essa mdia, pois a mior parte dos apartamentos esto com rea de dormitrio entre

12m2 e 14m2. Existem dois outliers, um com rea muito grande e um com rea muito pequena.
No possvel identificar tais apartamentos no histograma. O boxplot est de acordo com o
primeiro e terceiro quartil.
De maneira geral o histograma permite uma ideia mais abrangente de como a varivel
se comporta, enqunto o boxplot indica quem so os outliers.
c) Percentual de apartamentos com desconto.
O desconto apenas para os apartamentos cuja sala for menor do que 26m2. Podemos
analisar o histograma para saber essa porcentagem.

Comando:
r <-hist(Sala, main= "Histograma da Sala", xlab="Metros quadrados")
text(r$mids, r$density, r$counts, adj=c(.5, -.5), col='blue3')
Analisando as colunas do histograma, podemos contar o nmero de apartamentos
com sala menor que 26m2. Existem 79 apartamentos com sala nessas condies, que uma
porcentagem de aproximadamente 52% dos 152 apartamentos.

d) Rachaduras em cada bloco.


Digitando Bloco no R, obtemos:
[1] "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A"
[19] "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A"
[37] "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A"
[55] "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A" "A"
[73] "A" "A" "A" "A" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B"
[91] "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B"
[109] "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B"
[127] "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B" "B"

[145] "B" "B" "B" "B" "B" "B" "B" "B"


Digitando Rachadura, obtemos:
[1] 0 1 0 1 0 1 0 0 0 0 1 0 0 1 1 1 1 0 0 0 0 0 0 1 0 1 0 0 0 0 1 0 0 1 0 0 1
[38] 1 0 1 0 0 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 0 1 0 0 1 1 0 1 0 0 0 0 0 1 0 1
[75] 1 0 0 0 1 0 1 0 1 1 1 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 1 0 1 1 1 1 1 0 0 0 1
[112] 1 0 0 0 0 0 1 1 1 1 1 1 1 0 1 0 1 1 0 1 0 1 1 0 0 1 0 0 0 1 0 1 0 0 0 0 1
[149] 0 0 1 0
Aqui, os primeiros 76 valores representam as respostas a rachadura para os
apartamentos do Bloco A e os ltimos 76 valroes para o Bloco B. Assim, irei criar uma varivel
para rachaduras no Bloco A e no Bloco B.
Para o Bloco A selecionei os 76 primeiros valores da varivel qualitativa Rachadura
RachaduraBlocoA = c(0, 1, 0, 1, 0, 1, 0, 0, 0, 0, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0,
1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 0, 0, 1, 1, 0, 1, 0, 0, 0,
0, 0, 1, 0, 1, 1, 0)
Tabela de frequncia:
Comando: table(RachaduraBlocoA)
0
40

1
36

Comando: barplot(table(RachaduraBlocoA), main = "Rachaduras no Bloco A")


E para o Bloco B:
RachaduraBlocoB = c(0, 0, 1, 0, 1, 0, 1, 1, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 1, 1, 1,
1, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 0, 1, 0, 1, 1, 0, 0, 1, 0, 0, 0, 1, 0, 1, 0, 0,
0, 0, 1, 0, 0, 1, 0)
Tabela de frequncia:
Comando: table(RachaduraBlocoB)
0
42

1
34

Comando: barplot(table(RachaduraBlocoB), main = "Rachaduras no Bloco B")


No Bloco A 40 apartamentos no possuem rachaduras e 36 sim. No Bloco B 42
apartamentos no possuem rachaduras e 34 sim. Pode-se perceber que a quantidade de
apartamentos com rachaduras nos dois blocos so prximas.

e) Digitando Sala no R, obtemos:


27.8, 28.1, 26.9, 26.3, 27.7, 28.4, 27.6, 28.1, 26.8, 27.3, 27.4, 26.4, 29.1, 28.7, 29.4, 27.9, 26.2,
27.3, 29.4, 28.6, 26.9, 30.1, 31.0, 27.4, 26.7, 27.6, 27.9, 27.9, 27.1, 28.3, 28.2, 27.7, 26.7, 27.0,
28.5, 27.6, 28.1, 28.9, 28.2, 28.1, 27.1, 27.9, 27.7, 25.4, 30.6, 27.5, 29.4, 28.8, 28.9, 29.0, 29.7,
28.8, 29.8, 28.3, 27.8, 29.4, 29.4, 28.0, 28.8, 28.3, 26.0, 25.7, 30.0, 28.2, 28.8, 27.3, 27.6, 28.9,
28.7, 27.6, 29.4, 28.0, 27.8, 27.8, 29.2, 27.8, 23.0, 23.0, 22.7, 21.9, 24.0, 22.9, 22.4, 23.0, 24.6,
22.2, 25.2, 22.8, 23.9, 22.5, 21.6, 24.7, 24.0, 24.0, 22.3, 23.8, 23.2, 22.3, 23.5, 23.9, 21.7, 21.2,
22.9, 21.7, 23.0, 24.7, 24.2, 22.5, 24.2, 23.7, 23.3, 24.2, 23.8, 24.0, 24.2, 22.6, 21.6, 23.7, 23.4,
24.6, 23.2, 22.8, 23.9, 22.4, 22.5, 23.1, 23.3, 22.7, 23.0, 23.1, 23.1, 22.8, 21.9, 22.9, 23.5, 24.0,
23.2, 22.6, 23.6, 23.6, 22.3, 20.9, 22.5, 22.6, 22.3, 23.6, 22.9, 23.4, 24.1, 24.1, 22.9, 22.7.
Como j visto, Digitando Bloco no R percebemos que os primeiros 76 valores representam
parmetros do Bloco A e os 76 ltimos do Bloco B. Agora vou criar novas variveis no R para
separar as dos Blocos A e B.
SalaBlocoA = c(27.8, 28.1, 26.9, 26.3, 27.7, 28.4, 27.6, 28.1, 26.8, 27.3, 27.4, 26.4, 29.1, 28.7,
29.4, 27.9, 26.2, 27.3, 29.4, 28.6, 26.9, 30.1, 31.0, 27.4, 26.7, 27.6, 27.9, 27.9, 27.1, 28.3, 28.2,
27.7, 26.7, 27.0, 28.5, 27.6, 28.1, 28.9, 28.2, 28.1, 27.1, 27.9, 27.7, 25.4, 30.6, 27.5, 29.4, 28.8,
28.9, 29.0, 29.7, 28.8, 29.8, 28.3, 27.8, 29.4, 29.4, 28.0, 28.8, 28.3, 26.0, 25.7, 30.0, 28.2, 28.8,
27.3, 27.6, 28.9, 28.7, 27.6, 29.4, 28.0, 27.8, 27.8, 29.2, 27.8)
SalaBlocoB = c(23.0, 23.0, 22.7, 21.9, 24.0, 22.9, 22.4, 23.0, 24.6, 22.2, 25.2, 22.8, 23.9, 22.5,
21.6, 24.7, 24.0, 24.0, 22.3, 23.8, 23.2, 22.3, 23.5, 23.9, 21.7, 21.2, 22.9, 21.7, 23.0, 24.7, 24.2,
22.5, 24.2, 23.7, 23.3, 24.2, 23.8, 24.0, 24.2, 22.6, 21.6, 23.7, 23.4, 24.6, 23.2, 22.8, 23.9, 22.4,
22.5, 23.1, 23.3, 22.7, 23.0, 23.1, 23.1, 22.8, 21.9, 22.9, 23.5, 24.0, 23.2, 22.6, 23.6, 23.6, 22.3,
20.9, 22.5, 22.6, 22.3, 23.6, 22.9, 23.4, 24.1, 24.1, 22.9, 22.7)

Comando: summary(SalaBlocoA)
Median
28.00

Mean
28.09

3rd Qu
28.80

Max
31.00

Comando: summary(SalaBlocoB)
Min
1st Qu
Median
20.90
22.58
23.05

Mean
23.13

3rd Qu
23.83

Max
25.20

Min
25.40

1st Qu
27.48

Pode-se perceber que no Bloco A a rea das salas so maiores do que a rea das salas
do Bloco B. Tanto como a mdia e mediana, quanto os valores mximos e mnimos.
f)
Digitando Dados no R mostrada uma tabela com todos os dados do problema.
Agora preciso somar a rea da Sala, Cozinha, Banheiro e Dormitrio de cada apartamento e
comparar com o nmero de reclamaes de cada apartamento. Para somar colunas e linhas
em R existem os comandos colSums e rowSums.
Soma das reas dos apartamentos
(m2)
Ap
Reclamaes
52,3
1
2
53,3
2
3
53,3
3
0
50,4
4
3
52,1
5
0
55,3
6
6
52,3
7
0
54,7
8
1
52,1
9
2
51,5
10
2
52,7
11
5
51,5
12
1
55,8
13
1
53,3
14
3
50,7
15
3
52,1
16
3
51,9
17
5
49,3
18
2
56,9
19
2
53,8
20
2
54
21
2
55,2
22
1
56,2
23
1
51,9
24
3
52,6
25
2
53,4
26
3
54,7
27
1

53
52,5
54,4
53,1
52,8
52,7
53,7
52,1
52,7
51,5
56,3
51,8
52,4
53,6
51,9
52,8
48
57,6
53,3
52
54,8
54,2
54,1
58,4
53,7
55,7
53,7
54,2
52,8
54,3
56,8
56,1
55,4
52,2
51,2
54,7
53,2
53,3
52,3
52,8
55,7
55,3
53,6
54,2
55,3

28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72

1
2
0
5
1
1
3
0
2
4
3
2
3
2
1
4
4
4
2
3
3
4
3
4
3
1
3
4
3
3
4
1
3
1
0
3
3
1
3
2
1
1
1
2
4

52
51,4
54,1
51,5
50,9
48,7
47,8
47,1
48,5
47,4
45,9
45,7
49,8
44,2
50,9
48,9
51,3
49,6
47,1
50,6
48,5
51,3
47,1
47,9
50,7
45,5
49,7
50,7
47,9
45,7
47,9
46
50,7
48,4
49,2
47,1
49,4
49,2
49,2
48,7
50,4
48,6
48,7
48,5
47,1

73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117

1
3
3
2
1
1
5
2
4
2
3
5
3
1
0
1
5
1
3
1
1
1
1
2
1
1
3
1
3
1
7
3
3
6
4
0
1
2
3
3
1
2
2
2
1

48,5
48,8
49,8
46,7
47,5
51,1
46,4
47,4
49,8
49,6
49
49,6
46,9
49,1
49,2
45,6
48,4
50
50,4
47
46,8
50,2
49,7
48,1
45,3
48,5
46,3
46,9
49,2
46,9
47
50,1
47,5
47,1
50,4

118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152

3
3
3
3
3
3
3
1
4
2
3
3
0
4
1
4
3
1
2
5
2
1
1
3
2
3
0
2
2
1
3
1
0
5
2

Pode-se criar uma varivel AreaAp e uma varivel Reclames2 e plotar alguma
visualizao grfica para avaliar o resultado.
AreaAp=c(52.3, 53.3, 53.3, 50.4, 52.1, 55.3, 52.3, 54.7, 52.1, 51.5, 52.7, 51.5, 55.8, 53.3, 50.7,
52.1, 51.9, 49.3, 56.9, 53.8, 54.0, 55.2, 56.2, 51.9, 52.6, 53.4, 54.7, 53.0, 52.5, 54.4, 53.1, 52.8,
52.7, 53.7, 52.1, 52.7, 51.5, 56.3, 51.8, 52.4, 53.6, 51.9, 52.8, 48.0, 57.6, 53.3, 52.0, 54.8, 54.2,
54.1, 58.4, 53.7, 55.7, 53.7, 54.2, 52.8, 54.3, 56.8, 56.1, 55.4, 52.2, 51.2, 54.7, 53.2, 53.3, 52.3,
52.8, 55.7, 55.3, 53.6, 54.2, 55.3, 52.0, 51.4, 54.1, 51.5, 50.9, 48.7, 47.8, 47.1, 48.5, 47.4, 45.9,

45.7, 49.8, 44.2, 50.9, 48.9, 51.3, 49.6, 47.1, 50.6, 48.5, 51.3, 47.1, 47.9, 50.7, 45.5, 49.7, 50.7,
47.9, 45.7, 47.9, 46.0, 50.7, 48.4, 49.2, 47.1, 49.4, 49.2, 49.2, 48.7, 50.4, 48.6, 48.7, 48.5, 47.1,
48.5, 48.8, 49.8, 46.7, 47.5, 51.1, 46.4, 47.4, 49.8, 49.6, 49.0, 49.6, 46.9, 49.1, 49.2, 45.6, 48.4,
50.0, 50.4, 47.0, 46.8, 50.2, 49.7, 48.1, 45.3, 48.5, 46.3, 46.9, 49.2, 46.9, 47.0, 50.1, 47.5, 47.1,
50.4)
Reclames2 = c( 2, 3, 0, 3, 0, 6, 0, 1, 2, 2, 5, 1, 1, 3, 3, 3, 5, 2, 2, 2, 2, 1, 1, 3, 2, 3, 1, 1, 2, 0, 5, 1,
1, 3, 0, 2, 4, 3, 2, 3, 2, 1, 4, 4, 4, 2, 3, 3, 4, 3, 4, 3, 1, 3, 4, 3, 3, 4, 1, 3, 1, 0, 3, 3, 1, 3, 2, 1, 1, 1, 2,
4, 1, 3, 3, 2, 1, 1, 5, 2, 4, 2, 3, 5, 3, 1, 0, 1, 5, 1, 3, 1, 1, 1, 1, 2, 1, 1, 3, 1, 3, 1, 7, 3, 3, 6, 4, 0, 1, 2,
3, 3, 1, 2, 2, 2, 1, 3, 3, 3, 3, 3, 3, 1, 4, 2, 3, 3, 0, 4, 1, 4, 3, 1, 2, 5, 2, 1, 1, 3, 2, 3, 0, 2, 2, 1, 3, 1, 0,
5, 2)
Pode-se tambm criar um arquivo texto .txt e importar no R. No caso, o arquivo foi
salvo como area2.
Comando:
area2<-read.table("area2.txt", header=TRUE)
attach(area2)
plot(AreaAp, Reclamaes, xlab = "rea em metros quadrados", ylab = "Nmero de
reclamaes")
Onde AreaAp a rea de cada apartamento em metros quadrados e Reclamaes o
nmero de reclamaes por apartamento.

Tambm possvel obter o mesmo grfico fazendo:


AreaTotal=NULL
AreaTotal<-rep(NA,152)
for (i in 1:152){AreaTotal[i]<-Sala[i]+Dormitorio[i]+Banheiro[i]+Cozinha[i]}
plot(AreaTotal,Reclamaes)

possvel notar que os apartamentos com maior nmero de reclamaes so os


apartamentos com menor rea. Mas de maneira geral no h uma relao linear entre as duas
variveis.
O coeficiente de correlao pode ser calculado por: cor(AreaTotal,Reclamaes). E
encontra-se um valor de -0.002321739, que significa que realmente no h relao linear
entre as duas variveis.

Relatrio de dados estatsticos


R

Rodrigo Vidal Salles


RA: 387118
Professor: Patrcia Viana da Silva
Disciplina: Estatstica Tecnolgica

So Carlos
2012