Aula 7 - PPE

UPE – UNIVERSIDADE DE PERNAMBUCO PROF. Dr. ROBERTA A. de A.
FAGUNDES
Probabilidade e Processo Estocástico
Prof. Dr. Roberta A. de A. Fagundes

roberta.fagundes@upe.br
Homepage
robertafagundes.wix.com/raaf
1 AULA 2 - EC 24/07/23
UPE – UNIVERSIDADE DE PERNAMBUCO PROF. Dr. ROBERTA A. de A. FAGUNDES
O que veremos na aula
 Ambiente e Linguagem R
 Comandos Básicos
 Gráfico
 Estatística Descritiva
2 AULA 2 - EC 24/07/23
Ambiente R
3 AULA 2 - EC 24/07/23
Linguagem R
■ Linguagem de programação especializada

em computação de dados;
● É um software gratuito;
● Multiplataforma (Win, Linux, Mac...);
● Grande quantidade de bibliotecas (pacotes);
4 AULA 2 - EC 24/07/23
Softwares Estatísticos
Linguagem R
■ Foi criado por Ross Ihaka e
Robert Gentleman;
■ Departamento de Estatística da
universidade de Auckland,
Nova Zelândia;
■ O nome foi inspirado nas
iniciais dos autores;
■ Foi baseado na linguagem S.
5 AULA 2 - EC 24/07/23
Linguagem R
■ Vantagens
● Grande variedade de pacotes disponíveis
gratuitamente;
● Controle total sobre o processo de análise;
● Possibilidade de integração com outras linguagens;
● Grade comunidade de desenvolvedores;
● Muita documentação grátis;
● Excelente para a simulação, programação, análises
intensivas de computado.
6 AULA 2 - EC 24/07/23
Linguagem R
■ Desvantagens
● Não há suporte comercial;
● Trabalhando com grandes conjuntos de
dados é limitada pela RAM
● Fácil cometer erros se não conhecer bem a
linguagem;
● Preparação e limpeza de dados pode ser
mais confusa e mais propenso erro em R.
7 AULA 2 - EC 24/07/23
Linguagem R
■ Grande quantidade de pacotes:
● sqldf - pacote que permite realizar queries SQL em dataframes
no R;
● lm- regressão linear
● plyr - dividir uma estrutura de dados em grupos;
● stringr - manipulação de strings;
● database drivers - RMongo, RODBC, RMySQL;
● ggplot2 - visualização de dados
● caret - pacote para Machine Learning;
✔ .... quase 9.000 pacotes (https://cran.r-project.org)
8 AULA 2 - EC 24/07/23
Instalação do R
■ Linguagem e ambiente
■ Software livre
■ Multiplataforma
● http://www.r-project.org/
■ RStudio
● https://www.rstudio.com/products/rstudio/
download/
9 AULA 2 - EC 24/07/23
Instalação do R
10 AULA 2 - EC 24/07/23
Instalação do R
11 AULA 2 - EC 24/07/23
Instalação do R
12 AULA 2 - EC 24/07/23
Instalação do R
13 AULA 2 - EC 24/07/23
Conhecendo o Ambiente R
■ Para solicitar uma tarefa do R podemos digitar
uma linha de comando ou, se a tarefa é complexa,
digitar várias linhas de comando, respeitando-se a
sintaxe do R.
■ Esta sucessão de comandos é chamada um
programa ou código ou função. Tal programa ou
função, pode conter apenas uma linha com uma
única tarefa a ser executada como conter várias
páginas com comandos a serem executados.
14 AULA 2 - EC 24/07/23
■ Os programas em R, bem como os dados a
serem explorados, podem ser armazenados
em arquivos de texto (extensão .txt);
■ Os dados também podem ser armazenados
em uma planilha de cálculo e depois, salvos
como arquivo texto para que possam ser
lidos no R.
15 AULA 2 - EC 24/07/23
■ Todas as funções do R devem ser digitadas em letras
minúsculas pois o R é sensível a letras maiúsculas e
minúsculas. Todas as palavras-chaves do R estão em
letras minúsculas;
■ O R não reconhecerá,por exemplo, o comando
MEAN(x), pedindo para calcular a média de uma base
de dados x. O correto será digitar mean(x), que
retornará a média de uma base de dados x.
16 AULA 2 - EC 24/07/23
■ Console básico do R;
● O console pode ser improdutivo;
● Não fornece funcionalidades para codificação;
17 AULA 2 - EC 24/07/23
Comandos
Básicos
18 AULA 2 - EC 24/07/23
Ambiente R
■ IDE – RStudio;
● Disponível
gratuitamente;
● Função
autocomplete;
■ Quatro áreas básicas:
● Codificação (1);
● Console (2);
● Status(3);
● Output(4).
19 AULA 2 - EC 24/07/23
Linguagem R
Tipos de dados e objetos
• Tipos de Dados
nome = "EU”
✔Numérico; nome
letra = 'A’
✔Character;
letra
✔Logic; x=1
✔Vetor. y=2
z = x>y
z
20 AULA 2 - EC 24/07/23
Linguagem R
Operações com Vetores
Função Descrição Examplos
c combina valores c(1,3,2,6)
(qualquer tipo) c("sim", “não")
rep repete valores rep(c(1,2), 3)
(qualquer tipo) x<-rep('a',5)
: sequências numéricas 1:5
1:-1
seq sequências numéricas x<-seq(-1,1,0.4)
x<-seq(1, by=2, length=10)
⮚ help("seq")
⮚ ? seq()
21 AULA 2 - EC 24/07/23
Linguagem R
■ Exemplo vetores:
■ x = c(10.4, 5.6, 3.1, 6.4, 21.7)
■ fruta = c(”banana”,”laranja”,”uva”)
■ length(x),length(y)
■ mode(x), mode(y)
■ Listar objetos: ls()
■ Eliminar os objetos x e y: rm(x,y)
■ Eliminar todos os objetos: rm(list=ls())
22 AULA 2 - EC 24/07/23
Linguagem R
■ Vetores numéricos e lógicos
■ Operações elemento a elemento, caso tenham a mesma
dimensão.
> peso = c(62, 70, 52, 98, 90, 70)
> altura = c(1.70, 1.82, 1.75, 1.94, 1.84, 1.61)
■ Calcular IMC para essas pessoas:
■ i.m.c = peso/altura^2
■ i.m.c
23 AULA 2 - EC 24/07/23
Linguagem R
▪ Os principais tipos de objetos no R
são:
✔Vetores: sequência de valores
numéricos ou caracteres;
✔Matrizes: coleção de vetores em
linhas e colunas;
✔Listas: conjuntos de vetores,
matrizes e data frames;
✔Dataframe: mesmo que matriz mas
aceita vetores com tipos de dados
diferentes;
24 AULA 2 - EC 24/07/23
Linguagem R
• Matrizes COLUMNbind e ROWbind
x = 1:12 cbind e rbind
xmat = matrix(x,ncol=3) x = matrix(10:1,ncol=2)
ymat = matrix(x,nrow =2) y = cbind(x,1:5)
dim(xmat) y = rbind(y,c(99,99,99))
summary(xmat) z = cbind(y,rep(88,6),y)
z = cbind(y,88,y)
25 AULA 2 - EC 24/07/23
Linguagem R
• Matrizes
xc = round(runif(10), 2)
yc = round(runif(10), 2)
xy = cbind(xc, yc)
rownames(xy)
colnames(xy) = c(”A”,”B”)
rownames(xy)=1:10
xy[2,] e xy[,”B”]
26 AULA 2 - EC 24/07/23
Linguagem R
• Array • Data Frames
a = array(1:12,dim=c(3,4))
vetor = c(1:12) View(iris)
length(vetor) dim(iris)
dim(a) mode(iris)
mode(a)
27 AULA 2 - EC 24/07/23
Linguagem R
• Listas
É um objeto constituído por uma coleção ordenada de
objetos.
dados = list(pai="Jose", esposa="Maria",
n.filhos=3,idade.filhos=c(4, 7, 9))
dados
dados[[4]][2]
28 AULA 2 - EC 24/07/23
Linguagem R
• Data Frames
tabela = data.frame (Nome =
c("Pedro","Paulo","Marcos"),Idade =c(20,30,40))
Acessar cada campo
tabela$Nome
tabela$Idade
29 AULA 2 - EC 24/07/23
Linguagem R
# Criando vetores
pais = c("EUA", "Dinamarca", "Holanda", "Espanha", "Brasil")
nome = c("Mauricio", "Pedro", "Aline", "Beatriz", "Marta")
altura = c(1.78, 1.72, 1.63, 1.59, 1.63)
codigo = c(5001, 2183, 4702, 7965, 8890)
# Criando um dataframe de diversos vetores
pesquisa = data.frame(pais, nome, altura, codigo)
# Adicionando um novo vetor a um dataframe existente
olhos = c("verde", "azul", "azul", "castanho", "castanho")
pesq = cbind(pesquisa, olhos)
30 AULA 2 - EC 24/07/23
Linguagem R
# Informacoes sobre o dataframe
dim(pesq)
# Obtendo um vetor de um dataframe
pesq$pais
pesq$nome
# Extraindo um único valor
pesq[1,1]
pesq[3,2]
# Numero de Linhas e Colunas
nrow(pesq)
ncol(pesq)
31 AULA 2 - EC 24/07/23
Linguagem R
• Exercício
# Filtro para um subset de dados que atendem a um criterio
pesq[altura < 1.60,]
pesq[altura < 1.60, c('codigo', 'olhos')]
# Dataframes Nomeados
names(pesq) <- c("País", "Nome", "Altura", "Codigo", "Olhos")
colnames(pesq) <- c("Var 1", "Var 2", "Var 3", "Var 4", "Var 5")
rownames(pesq) <- c("Obs 1", "Obs 2", "Obs 3", "Obs 4", "Obs
5")
32 AULA 2 - EC 24/07/23
Linguagem R
Estrutura de Controle
• Estão presentes em todas as
linguagens de programação;
• Permite fazer validações nos dados

e variáveis;
• Em Data Science é muito importante

no pré- processamento dos dados.
33 AULA 2 - EC 24/07/23
Linguagem R
• Estrutura condicional - If e Else
34 AULA 2 - EC 24/07/23
Linguagem R
• Estrutura condicional aninhada
35 AULA 2 - EC 24/07/23
Linguagem R
• Estruturas de Loop
36 AULA 2 - EC 24/07/23
Importação de dados
• Saber importar dados para a ferramenta de análise é um dos
passos mais importantes;
• Dificilmente você fará todo o trabalho de análise

em uma só ferramenta;
• Os dados podem estar armazenados em diversos sistemas e

em diversos formatos.
37 AULA 2 - EC 24/07/23
Linguagem R
■ Dicas !!!
38 AULA 2 - EC 24/07/23
• Importando arquivos TXT
setwd("//Users//robertafagundes//Documents//")
setwd(”c:/Users/robertafagundes/Documents/")
setwd(”c:\\Users\\robertafagundes\\Documents\\")
# Importando arquivos
temp=read.table("temperaturas.txt")
dim(temp)
head(temp)
str(temp)
39 AULA 2 - EC 24/07/23
• Importando arquivos TXT
getwd()
setwd("//Users//robertafagundes//Documents//")
# Importando arquivos
temp=read.table("temperaturas.txt")
dim(temp)
head(temp)
str(temp)
40 AULA 2 - EC 24/07/23
■ Importação de Dados CSV
● getwd() – diretório corrente
● setwd() - configurar o diretório corrente
■ setwd
("//Users//robertafagundes//Documents//AulasUPE2019.1//PosG
raduacao//Estatistica Computacional//Scripts - aula 2 ")
● dados = read.csv2("dados.csv",header=TRUE)
41 AULA 2 - EC 24/07/23
Gráficos
42 AULA 2 - EC 24/07/23
Representação Gráfica
■ na sala dos professores da escola, há um
cartaz com a frase "Em 2007, eram 734
estudantes matriculados; em 2008, 753; em
2009, 777; em 2010, 794; e, em 2011, 819”.
43 AULA 2 - EC 24/07/23
Estatística Descritiva – Rep. Gráfica
44 AULA 2 - EC 24/07/23

■ É cada vez mais importante no cenário de Big Data;
■ Faz parte de todo o processo de análise de dados,
desde o entendimento dos dados até a fase de
apresentação dos resultados;
■ É utilizado nas seguintes fases:
■ Visualização da qualidade dos dados brutos;
■ Identificação de distribuições das variáveis;
■ Apresentar relações e correlações entre variáveis;
■ Representar e verificar a consistência de modelos;
45 AULA 2 - EC 24/07/23

■ Gráfico Barra/Colunas
■ Compara grandezas, por meio de retângulos de
igual largura, porém de alturas proporcionais às
grandezas;
■ Cada coluna (ou Barra) representa a intensidade
uma modalidade do atributo.
46 AULA 2 - EC 24/07/23

?barplot
#Exemplo 1
sexo<-table(dados$Sexo)
barplot(sexo)
#Exemplo 2
escolaridade<-table(dados$Escolaridade)
barplot(escolaridade)
47 AULA 2 - EC 24/07/23

■ Gráfico Setores/ Pizza
■ Forma de representar dados qualitativos;
■ É possível representar percentuais;
■ É de fácil compreensão por leigos;
attach(iris)
Values = table(Species)
labels =paste(names(Values))
pie(Values, labels = labels, main = "Especies Distribuidas")
48 AULA 2 - EC 24/07/23

■ Gráfico Histograma
■ A freqüência é mais alta no centro e decresce gradualmente para
as caudas de maneira simétrica (forma de sino). A média e a
mediana são aproximadamente iguais e localizam-se no centro do
histograma (ponto de pico).
dados= rnorm(100, mean=2, sd = 0.001)
hist(dados)
?cars
dadosCarro = cars$speed
hist(dadosCarro)
hist(dadosCarro, breaks = 10)
hist(dadosCarro, labels = T,
breaks=c(0,5,10,20,30))
49 AULA 2 - EC 24/07/23

■ Gráfico Box-Plot
■ O Box-Plot é um gráfico no formato de caixa, cujos limites são
o 1º quartil e o 3º quartil, que representam 25% e 75% dos
dados respectivamente;
■ Esta caixa é dividida por uma linha, a mediana, que significa
50% dos dados.
boxplot(cars, main="Base
de Dados Carro")
Maximo era 1.5*(BOX-3

quartil) -
https://help.ezbiocloud.net/box-plot/
50 AULA 2 - EC 24/07/23

■ Gráfico Box-Plot
■ Existem também dois eixos,ligados à caixa estendendo-se
aos extremos, isto é ao menor e ao maior valor dos dados,
excluindo os valores discrepantes (outliers). De um
extremo ao outro, temos o espalhamento dos dados.
• Quando a mediana
divide exatamente no
meio(simetria) a caixa.
boxplot(temp$V4,
main="Temperatura",xlab="DIA",ylab="TEMP")
51 AULA 2 - EC 24/07/23

■ Gráfico Dispersão
■ É representado pela intersecção entre duas variáveis;
■ É ideal para visualizar a relação entre o comportamento
de duas variáveis quantitativas;
■ É muito utilizado em análises de correlação e regressão.
altura <- c(145, 167, 176, 123, 150)
largura <- c(51, 63, 64, 40, 55)
plot(altura, largura)
# Demo
demo("graphics")
52 AULA 2 - EC 24/07/23
Estatística
Descritiva
53 AULA 2 - EC 24/07/23
Linguagem R
Sumarização Descritiva
■É importante sempre
aplicar medidas
descritivas antes de
qualquer análise:
■ Medidas de tendência
central;
■ Medidas de dispersão;
54 AULA 2 - EC 24/07/23
Natureza das Variáveis

Medidas de Posição
• Tendência Central: Média, Moda e Mediana
• Mínimo, Máximo
• Percentis, Quartis e Decis
Medidas de Dispersão
• Amplitude;
• Variância, Desvio Padrão;
• Coeficiente de Variação.
55 AULA 2 - EC 24/07/23
Linguagem R
■ Funções
■ max(peso) = 98
■ min(peso)= 52
■ range(peso) = 52 98
■ mean(peso) = 73.66667 sum(peso)/length(peso)
73.66667
■ median(peso) = 70
■ var(peso) = 298.2667 sum((peso-mean(peso))^2)/(length(peso)-1)
298.2667
■ sd(peso) = 17.2704
56 AULA 2 - EC 24/07/23
Linguagem R
■ Quantis
● q = c(48,49,51,50,49)
● quantile(q)
■ Percentis
● percentis = seq(.01,.99,.01)
● quantile(q, percentis)
■ Dercis
● d = c(48,49,51,50,49)
● quantile(d,seq(0.10,0.9,0.1))
57 AULA 2 - EC 24/07/23
Linguagem R
■ v
= c(10,11,9,10,10,9,11)
■CV = 100*(sd(v)/mean(v))
■
CV
■
[1] 8.164966 #em torno de 8%
■ sqrt(64) =8
■ abs(-2) = 2
■ z = c(5,2,6,9,10,13,15)
● summary(z)
58 AULA 2 - EC 24/07/23
Exercício
■ Um artigo no Journal of Structural Engineering (Vol. 115, 1989)
descreve um experimento para testar a resistência resultante em
tubos circulares com calotas soldadas nas extremidades. Os
primeiros resultados são: 96; 96; 102; 102; 102;104; 104; 108;
126; 126; 128; 128; 140; 156; 160; 160; 164 e 170. Pede-se:
■ a) Calcule a média e mediana da amostra e dê uma interpretação.
■ b) Calcule os percentis 9%, 25%, 5% e 69%.
■ c) Calcule o segundo quartil ou mediana.
■ d) Calcule a amplitude da amostra.
■ e) Calcule a variância e o desvio padrão da amostra.
■ f) Qual a fonte de maior variabilidade deste experimento.
59 AULA 2 - EC 24/07/23
Exercício_Resposta
 vetor=c(96,96,102,102,102,104,104,108,126,126,128,128,140,156
,160,160,164,170)
 med = mean(vetor)
 medi = median(vetor)
 ampl=range(vetor)
 percentis = c(.09,.25,.05,.69)
 perc = quantile(q, percentis)
 print(med)
 print(medi)
 print(ampl)
 print(perc)
 sd(vetor)
 var(vetor)
60 AULA 2 - EC 24/07/23
Exercício_Resposta
■ A) Com este valor podemos concluir que a resistência da solda das
calotas circulares se concentra, na maioria dos testes, em torno do
valor médio. Isto é, se pegarmos aleatoriamente uma calota soldada
é de se esperar que a resistência da solda se concentre em torno (e
próximo) da média.
■ F) Como a estatística se preocupa com a variabilidade dos dados
amostrais, devemos apontar suas causas. Neste exemplo, podemos
apontar como possíveis causas de variabilidade os erros de
medição da resistência da solda, soldagem feita por soldadores
diferentes (caso não seja automatizado), etc. Enfim, devemos
reduzir a variabilidade para termos garantias de qualidade e, num
cenário ideal, eliminá-la.
61 AULA 2 - EC 24/07/23
Exercícios
 Considere os faturamentos mensais das seguintes
filiais de uma grande empresa (em milhares de
Reais)
 Filial A: 20 22 25 30 24 22 40 32 24 21 24 190
 Filial B: 35 39 37 38 42 40 45 41 33 37 40 47
Calcule: a média, mediana, moda, primeiro quartil e terceiro

quartil, o desvio padrão e o coeficiente de variação.
Responda qual medida de posição é mais apropriada para
comparar o desempenho das filiais.
moda = subset (table (vetor), table (vetor) == max (table (vetor)))
62 AULA 2 - EC 24/07/23
Dúvidas
63 AULA 2 - EC 24/07/23

Aula 7 - PPE

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 7 - PPE

Enviado por

Direitos autorais:

Formatos disponíveis

UPE – UNIVERSIDADE DE PERNAMBUCO PROF. Dr. ROBERTA A. de A.

Probabilidade e Processo Estocástico

Prof. Dr. Roberta A. de A. Fagundes

O que veremos na aula

■ Linguagem de programação especializada

• Permite fazer validações nos dados

• Em Data Science é muito importante

• Dificilmente você fará todo o trabalho de análise

• Os dados podem estar armazenados em diversos sistemas e

Estatística Descritiva – Rep. Gráfica

Estatística Descritiva – Rep. Gráfica

Estatística Descritiva – Rep. Gráfica

Estatística Descritiva – Rep. Gráfica

Estatística Descritiva – Rep. Gráfica

Estatística Descritiva – Rep. Gráfica

Estatística Descritiva – Rep. Gráfica

Maximo era 1.5*(BOX-3

Estatística Descritiva – Rep. Gráfica

Estatística Descritiva – Rep. Gráfica

Natureza das Variáveis

Calcule: a média, mediana, moda, primeiro quartil e terceiro

moda = subset (table (vetor), table (vetor) == max (table (vetor)))

Você também pode gostar