Escolar Documentos
Profissional Documentos
Cultura Documentos
Curitiba
2023
Análise Comparativa dos Maiores PIBs Globais: Estados
Unidos, China e Japão
Este relató rio emprega a linguagem de programaçã o R para uma aná lise comparativa
dos Produtos Internos Brutos (PIBs) dos Estados Unidos, China e Japã o.
1. Base de Dados
As bases de dados essenciais para esta aná lise foram obtidas de fontes confiá veis.
Os links abaixo direcionam à s fontes específicas utilizadas para extrair as
informaçõ es referentes aos Produtos Internos Brutos (PIBs) dos Estados Unidos,
China e Japã o.
Maiores Economias - https://www.dadosmundiais.com/maiores-
economias.php#:~:text=Com%20um%20PIB%20de%2025,para%20o%20ano%20de
%202022.
Estados Unidos - https://www.dadosmundiais.com/america/usa/index.php
China -https://www.dadosmundiais.com/asia/china/index.php
Japã o -https://www.dadosmundiais.com/asia/japao/index.php
2. Criando os dados
Com esse có digo abaixo , você terá um dataframe chamado “dados” que contém
informaçõ es organizadas sobre os anos e os PIBs dos Estados Unidos, China e
Japã o, facilitando aná lises e visualizaçõ es desses dados usando as capacidades
do R.
install.packages("ggplot2")
library(ggplot2)
histograma <- ggplot(dados, aes(x = Ano)) +
geom_bar(aes(y = USA, fill = "USA"), stat = "identity", position =
"dodge", width = 0.7, color = "white") +
geom_bar(aes(y = China, fill = "China"), stat = "identity", position
= "dodge", width = 0.7, color = "white") +
geom_bar(aes(y = Japao, fill = "Japao"), stat = "identity", position
= "dodge", width = 0.7, color = "white") +
labs(title = "Comparação dos PIBs (Trilhões de dólares): USA,
China, Japão (2012-2021)",
x = "Ano",
y = "PIB",
fill = "Países") +
scale_fill_manual(values = c("USA" = "blue", "China" = "green",
"Japao" = "red")) +
theme_minimal()
print(histograma)
4. Cálculos
Os có digos apresentados abaixo têm como objetivo calcular diversas medidas
estatísticas, incluindo média, mediana,variâ ncia, desvio padrã o, quartis,
amplitude e decis, para os Produtos Internos Brutos (PIBs) dos Estados Unidos,
China e Japã o. Cabe ressaltar que a moda nã o foi calculada, uma vez que esta
medida requer a presença de nú meros repetidos, o que nã o se verifica nos dados
fornecidos
Calculando a variância
VariânciaUSA <- var(USA)
VariânciaChina <- var(China)
VariânciaJapão <- var(Japao)
Calculando a média
media_usa <- mean(USA)
media_china <- mean(China)
media_japao <- mean(Japao)
Calculando a mediana
mediana_usa <- median(USA)
mediana_china <- median(China)
mediana_japao <- median(Japao)
Estes có digos em R têm como objetivo realizar uma aná lise de frequência
acumulativa sobre os 30 primeiros valores dos Produtos Internos Brutos
(PIBs) dos Estados Unidos, China e Japã o. Vamos entender cada passo:
intervalos <- c(-Inf, 25, 20, 15, 10, 5) define os intervalos para a
aná lise de frequência acumulativa.
6. Intervalo de Confiança
Calcular médias
USA.mean <- mean(dados$USA)
China.mean <- mean(dados$China)
Japao.mean <- mean(dados$Japao)
Calcular desvios-padrão
USA.sd <- sd(dados$USA)
China.sd <- sd(dados$China)
Japao.sd <- sd(dados$Japao)
Calcular erros-padrão
sem_USA <- USA.sd / sqrt(10)
sem_China <- China.sd / sqrt(10)
sem_Japao <- Japao.sd / sqrt(10)
7. Teste Anova
Para realizar o teste ANOVA, adaptei a formataçã o dos dados criando uma
tabela com duas colunas. A primeira coluna contém os nomes dos países,
enquanto a segunda contém os respectivos valores dos Produtos Internos
Brutos (PIBs). Essa formataçã o foi pensada para garantir compatibilidade com
o software.
O có digo anova <- aov(Pib ~ Paises, data = dados) realiza o teste de aná lise de
variâ ncia (ANOVA) utilizando o dataframe "dados".
TukeyHSD(anova)
9. Teste de Normalidade
shapiro.test(resid(anova))
10. BoxPlot
dev.new()
boxplot(dados[, -1],
names = c("USA", "China", "Japã o"),
col = c("blue", "red", "green"),
main = "Boxplot do PIB por País",
xlab = "País",
ylab = "PIB")
11. Referências
2. https://www.youtube.com/watch?
v=RkuRtT5J90w&t=55s&pp=ygUfY29tbyBmYXplciBncmFmaWNvIGJveHBsb3Qgbm8gUg%3D%3D
3. https://www.youtube.com/watch?
v=yntCNgcDS5E&pp=ygUsY29tbyBmYXplciBncmFmaWNvIHRlc3RlIGRlIG5vcm1hbGlkYWRlIG5vIFI%3D
4. https://www.youtube.com/watch?v=72jYBvK-
PWY&pp=ygUsY29tbyBmYXplciBncmFmaWNvIHRlc3RlIGRlIG5vcm1hbGlkYWRlIG5vIFI%3D
5. https://www.youtube.com/watch?
v=logcKzEVR30&pp=ygUjY29tbyBmYXplciB0YWJlbGEgZGUgY29uZmlhbmNhIG5vIFI%3D
6. https://www.youtube.com/watch?
v=P90SA4SuReo&pp=ygUjY29tbyBmYXplciB0YWJlbGEgZGUgY29uZmlhbmNhIG5vIFI%3D
7. https://www.youtube.com/watch?v=vGoUy0uO2Bg&pp=ygUaY29tbyBmYXplciBoaXN0b2dyYW1hIG5vIFI%3D
8. https://www.youtube.com/watch?v=3lBisWimwr4&pp=ygUaY29tbyBmYXplciBoaXN0b2dyYW1hIG5vIFI%3D
9. https://www.youtube.com/watch?v=hWQMZVjVB7A&pp=ygUFQW5vdmE%3D
10. https://www.youtube.com/watch?
v=wAQs0J5eL4M&pp=ygUkY29tbyBpbnRlcnByZXRhciBkYWRvcyBlc3RhdMOtc3RpY29z
11. https://www.youtube.com/watch?v=2pZ-
02ALD0M&pp=ygUzY29tbyBhbmFsaXNhciBvcyByZXN1bHRhZG9zIGRvIHRlc3RlIGRlIG5vcm1hbGlkYWRl
12. https://www.youtube.com/watch?v=yBwXpsaJGNU&pp=ygULYm9wbG90IG5vIHI%3D
13. https://rpubs.com/GislaineDMQ/EPB_P1
14. https://statisticsglobe.com/cumsum-r-function-explained/
15. https://rpubs.com/davimat/boxplot_ggplot2
16. https://rpubs.com/diogoprov/IC95