• Nenhum resultado encontrado

Introdu¸c˜ao ao R

N/A
N/A
Protected

Academic year: 2022

Share "Introdu¸c˜ao ao R"

Copied!
26
0
0

Texto

(1)

Introdu¸c˜ ao ao R

An´alise de dados e Simula¸c˜ao arcia D’Elia Branco

Apoio: Andressa Cerqueira (Aluna do Programa PAE)

(2)

lnterface do R

(3)

Novo script

(4)
(5)

Editor RStudio

(6)
(7)
(8)

Ajuda

A Ajuda do R ´e ´util para entender a finalidade de alguma fun¸c˜ao e para conhecer seus parˆametros.

Exemplos:

Obter ajuda sobre o comando “mean” help(”mean”) ou?mean Mostrar exemplo do comando “mean” example(mean)

Obter ajuda sobre o pacote “cluster” help(package=cluster)

(9)

Tipos de dados

Num´ericos valor <- 2 Caracteres string <- "Ol´a"

L´ogicos 2 < 4, 2 <= 4 Atribui¸c˜ao de valores:

valor <- 2 valor = 2 assign("valor", 2)

(10)

Comandos ´ uteis

Opera¸c˜oes matem´aticas:

Adi¸c˜ao 1 + 2 Subtra¸c˜ao 3−1 Multiplica¸c˜ao 2?3 Divis˜ao 6/2 Potencia¸c˜ao 3∧2 Fun¸c˜oes matem´aticas:

abs(x) valor absoluto de x log(x,a) logaritmo de x na base a

log(x) logaritmo natural de x

exp(x) e elevado a x

factorial(x) fatorial de x

round(x,n) arredonda x com n casas decimais ceiling(x) retorna o menor inteiro maior que x

floor(x) retorna o maior inteiro menor que x

(11)

Tipos de Objetos

Os tipos de objetos que ser˜ao mais utilizados s˜ao:

I Vetores

I Matrizes e arrays

I Data-frames

I Listas

I Fun¸c˜oes

mode(x) mostra o tipo de objeto de x is.numeric(x)

verifica o tipo de objeto is.vector(x)

is.matrix(x)

x ou print(x) mostra o conte´udo do objeto x

(12)

Vetores

x <- c(2,4,6,8) criar um vetor com os valores dados x[3] exibe a terceita entrada do vetor x <- 7:11 ou

cria a sequˆencia de 7 a 11 seq(7,11,1)

x <- rep(2,6) vetor com 6 repeti¸c˜oes do n´umero 2 sum(x) soma as entradas do vetor length(x) retorna o n´umero de entradas do vetor

(13)

Listas

As listas permitem a combina¸c˜ao de diferentes tipos de objetos em um mesmo objeto.

I x <- list(turma="A",notas=c(7,8.5,9,10,4,3)) : criar uma lista

I is.list(x) : verifica se o objeto x ´e uma lista

I x$turma : acessa o objeto turma da lista x

I names(x): lista o nome dos objetos de x

(14)

Matrizes

(15)

Matrizes

(16)

Matrizes - Opera¸c˜ oes

A∗B produto elemento a elementro de A e B A%∗% B produto matricial

t(A) matriz transposta At solve(A) matrix inversaA−1

diag(A) retorna a diagonal de A

(17)

Fun¸c˜ oes

nome_da_funcao <- function(argumento1,argumento2){

comandos da fun¸c~ao }

Exemplo:

#Essa fun¸c~ao simula "n" jogadas de uma moeda (x) jogar.moeda <- function(x,n){

sample(x,n,replace=T) }

moeda <- c("CARA", "COROA") jogar.moeda(moeda,10)

(18)

Fun¸c˜ oes

I Condicionais

if (condi¸c~ao) express~ao_1 else express~ao_2

> x <- 4

> if(x<6 & x>3) print("Verdadeiro") else print("Falso") [1] "Verdadeiro"

I Ciclos

while(condi¸c~ao){

Comandos }

for(condi¸c~ao){

Comandos }

(19)

Fun¸c˜ oes

# Experimento: "n" jogadas de uma moeda

# Repetimos esse experimento 1000 vezes

# Contamos o n´umero de caras em cada repeti¸c~ao do

# experimento e constru´ımos o histograma do n. de caras

# obtido.

f.caras <- function(n){

n.caras <- vector() for(i in 1:100){

jogadas <- jogar.moeda(moeda,n)

n.caras[i] <- sum(1*(jogadas == "CARA")) }

}

n.caras <- f.caras(10) hist(n.caras,freq=FALSE)

(20)

Fun¸c˜ oes

(21)

Fun¸c˜ oes

Comparando diferentes jogadas (n) por experimento

n=10

n.caras

Density

2 4 6 8

0.000.050.100.150.20

n=20

n.caras

Density

4 6 8 10 12 14 16

0.000.050.100.15

n=50

n.caras

Density

15 20 25 30 35

0.000.020.040.060.080.10

(22)

Fun¸c˜ oes

Algumas fun¸c˜oes ´uteis para simular vari´aveis aleat´orias.

Simular “n” valores da

rbinom(n, k, p) distribui¸c˜ao Binomial(k,p) rpois(n, lambda) distribui¸c˜ao Poisson(lambda)

rgeom(n, p) distribui¸c˜ao Geom´etrica(p) runif(n, a, b) distribui¸c˜ao Uniforme(a,b) rexp(n, lambda) distribui¸c˜ao Exponencial(lambda) rnorm(n, mean, sd) distribui¸c˜ao Normal(mean,sd2)

(23)

Fun¸c˜ oes

Exemplo: Gerar uma amostra aleat´oria da seguinte vari´avel aleat´oria

x 2 4 6

P(X =x) 0.6 0.3 0.1

(24)

Fun¸c˜ oes

(25)

An´ alise de dados

I Leitura de dados a partir de um vetor

I Leitura de dados a partir de um arquivo

read.table("endere¸co completo do arquivo de dados",h=T)

# h=T indica que a primeira linha dos dados possui o nome

# das colunas. Caso contr´ario, use h=F

# para mais informa¸c~oes sobre os par^ametros deste comando

# utilize help(read.table)

(26)

An´ alise de dados

O pacote Rcmdr ´e muito ´util para an´alise de dados no R.

Detalhes da utiliza¸c˜ao desse pacote ser˜ao apresentados nas aulas de estat´ıstica descritiva.

Referências

Documentos relacionados

Esta distribui¸c˜ ao ocorre mais frequentemente como um limite da distribui¸c˜ ao binomial, quando o n´ umero de repeti¸c˜ oes independentes dos experimentos de Bernoulli ´e

A distribui¸c˜ ao dos comprimentos dos peixes recifais de determinada popula¸ c˜ ao n˜ ao segue uma distribui¸ c˜ ao normal. Por´ em as medidas de diˆ ametro n˜ ao tem

Neste diret´ orio est˜ ao, tamb´ em, localizados programas para manipula¸ c˜ ao de arquivos Postscript e L A TEX gerados pelo Scilab. • demos/ - onde est˜ ao localizados os

Para evitar isso, vocˆ e pode mover os dois comandos do preˆ ambulo para algum lugar ap´ os o comando \tableofcontents ou definitivamente n˜ ao us´ a-los, porque vocˆ e ver´ a que

Entretanto, nada garante que para n espec´ıfico (quer dizer, n da amostra que vocˆ e conseguiu), a distribui¸ c˜ ao amostral da frequencia relativa esteja pr´ oxima ` a

Ou seja, conseguimos saber a distribui¸ c˜ ao exata da m´ edia amostral quando as vari´ aveis envolvidas s˜ ao de Bernoulli... Distribui¸c˜ ao da m´ edia amostral para

Muitas distribui¸c˜ oes (a delta de Dirac ´e um exemplo, como veremos) podem ser obtidas como limite de distribui¸c˜ oes da forma T h n para certas sequˆencias de fun¸c˜ oes h n..

Mesmo n˜ ao sendo necess´ ario que as covari´ aveis x tenham distribui¸ c˜ ao normal, quando a distribui¸ c˜ ao ´ e muito assim´ etrica, uma rela¸ c˜ ao linear com y ser´