scripts e apresentacoes aulas

README.md

@@ -25,13 +25,17 @@ Fora do horário de aula ou monitoria:
 
 ## Slides
 
-| Slide |
-|:------|
+| Slide                                                                                              |
+|:---------------------------------------------------------------------------------------------------|
+| [introducao.html](https://curso-r.github.io/202408-intro-estatistica/slides/introducao.html)       |
+| [probabilidade.html](https://curso-r.github.io/202408-intro-estatistica/slides/probabilidade.html) |
 
 ## Scripts utilizados em aula
 
-| Exemplo |
-|:--------|
+| Exemplo                                                                                                      |
+|:-------------------------------------------------------------------------------------------------------------|
+| [contagens.R](https://curso-r.github.io/202408-intro-estatistica/exemplos_de_aula/contagens.R)               |
+| [simulacoes_dados.R](https://curso-r.github.io/202408-intro-estatistica/exemplos_de_aula/simulacoes_dados.R) |
 
 ## Práticas
 

exemplos_de_aula/contagens.R

@@ -0,0 +1,151 @@
+
+# Dados -------------------------------------------------------------------
+
+dados_rolagens <- readRDS("dados/experimento_dado.rds")
+
+
+# Fazendo contagens -------------------------------------------------------
+
+X <- dados_rolagens$resultado
+
+table(X)
+# é o jeito de contar do R básico
+
+contagens <- dados_rolagens |>
+  count(resultado)
+# esse é o jeito do tidyverse
+
+# Fazer o gráfico ---------------------------------------------------------
+
+# Jeito 1
+contagens |>
+  ggplot(aes(x = resultado, y = n)) +
+  geom_col(fill = "royalblue") +
+  theme_bw() +
+  labs(x = "Resultado do dado", y = "Frequência do resultado")
+# esse é o jeito com ggplot que é bom porque é flexível
+
+# Jeito 2
+dados_rolagens |>
+  ggplot(aes(x = resultado)) +
+  geom_bar(fill = "royalblue") +
+  theme_bw() +
+  labs(x = "Resultado do dado", y = "Frequência do resultado")
+
+# dados de temperatura ----------------------------------------------------
+
+dados_temperatura <- readRDS("dados/chuvas_A701.rds")
+
+dados_temperatura |>
+  ggplot(aes(x = `Tair_mean (c)`)) +
+  geom_bar() +
+  theme_bw()
+
+dados_temperatura |>
+  count(`Tair_mean (c)`)
+
+
+# Como fazer histogramas em R ---------------------------------------------
+
+# Jeito 1: ggplot2
+
+min(dados_temperatura$`Tair_mean (c)`)
+max(dados_temperatura$`Tair_mean (c)`)
+
+(25.15-16.75833)/5
+
+dados_temperatura |>
+  ggplot(aes(x = `Tair_mean (c)`)) +
+  geom_histogram(
+     bins = 5
+  )
+# quebra as faixas uniformemente entre o minimo e maximo
+
+dados_temperatura |>
+  ggplot(aes(x = `Tair_mean (c)`)) +
+  geom_histogram(
+    fill = "royalblue",
+    color = "white",
+    binwidth = 1,
+    center = 0.5
+  ) +
+  scale_x_continuous(
+    breaks = seq(16, 26),
+    minor_breaks = 1) +
+  theme_bw()
+# quebra as faixas de acordo com a interpretação da faixa
+
+# Jeito 2: R básico
+
+hist(dados_temperatura$`Tair_mean (c)`, breaks = "Sturges")
+
+# o R básico mistura uma fórmula pro numero de quebras
+# com um número "bonitinho"
+nclass.Sturges
+
+ceiling(log2(31)+1)
+
+### existem outros jeitos de criar faixas?
+
+hist(dados_temperatura$`Tair_mean (c)`, breaks = "FD")
+
+# Comparação com histogramas ----------------------------------------------
+
+dados_peso <- readRDS("dados/dados_pesos.rds")
+
+hist(dados_peso$wt)
+
+dados_peso |>
+  ggplot(aes(x = wt)) +
+  geom_histogram()
+# começou feio
+
+dados_peso |>
+  ggplot(aes(x = wt)) +
+  geom_histogram(
+    binwidth = 5, center = 2.5, fill = 'royalblue', color = 'white'
+  )
+
+dados_peso |>
+  ggplot(aes(x = wt, fill = genero)) +
+  geom_histogram(
+    binwidth = 5, center = 2.5, color = 'white'
+  )
+
+dados_peso |> count(genero)
+
+dados_peso |>
+  ggplot(aes(x = wt, fill = genero)) +
+  geom_histogram(
+    binwidth = 5, center = 2.5, color = 'white', position = 'dodge'
+  )
+
+# criando nosso proprio grafico de contagens para histograma --------------
+
+dados_peso |>
+  mutate(
+    faixa_peso = cut(wt, seq(0, 100, 5))
+  ) |>
+  count(genero, faixa_peso) |>
+  group_by(genero) |>
+  mutate(
+    p = n/sum(n)
+  ) |>
+  ggplot(aes(x = faixa_peso, y = p, fill = genero)) +
+  geom_col(position = 'dodge') +
+  scale_y_continuous(labels = scales::percent) +
+  theme_minimal()
+# fazendo na mão
+
+
+# Histogramas de variaveis qualitativas? ----------------------------------
+
+dados_peso |>
+  mutate(
+    genero = factor(genero, c("Mulher", "Homem"))
+  ) |>
+  ggplot(aes(x = genero)) +
+  geom_bar()
+
+# sim! mas o R precisa ou receber ou criar uma ordem
+# entre os valores para conseguir plotar no X

exemplos_de_aula/simulacoes_dados.R

@@ -0,0 +1,137 @@
+# Dados -------------------------------------------------------------------
+
+dados_rolagens <- readRDS("dados/experimento_dado.rds")
+
+# Fazendo contagens -------------------------------------------------------
+
+X <- dados_rolagens$resultado
+
+table(X)
+# é o jeito de contar do R básico
+
+contagens <- dados_rolagens |>
+  count(resultado)
+
+# histograma
+dados_rolagens |>
+  ggplot(aes(x = resultado)) +
+  geom_bar()
+
+# média
+mean(dados_rolagens$resultado)
+
+#amplitude
+max(dados_rolagens$resultado)-min(dados_rolagens$resultado)
+
+#desvio absoluto medio
+mean(abs(dados_rolagens$resultado-3.51))
+
+# simulacoes --------------------------------------------------------------
+
+NN <- 100
+
+infinitos_dados <- sample(
+  1:6,
+  size = NN,
+  replace = TRUE,
+  prob = c(1/6, 1/6, 1/6, 1/6, 1/6, 1/6))
+
+hist(infinitos_dados)
+
+mean(infinitos_dados)
+
+max(infinitos_dados)-min(infinitos_dados)
+
+mean(abs(infinitos_dados - mean(infinitos_dados)))
+
+# dois dados --------------------------------------------------------------
+
+BB <- 100000
+
+dado1 <- sample(
+  1:6,
+  size = BB,
+  replace = TRUE,
+  prob = c(1/6, 1/6, 1/6, 1/6, 1/6, 1/6))
+
+dado2 <- sample(
+  1:6,
+  size = BB,
+  replace = TRUE,
+  prob = c(1/6, 1/6, 1/6, 1/6, 1/6, 1/6))
+
+infinitas_somas <- dado1+dado2
+
+hist(infinitas_somas)
+
+mean(infinitas_somas)
+
+max(infinitas_somas)-min(infinitas_somas)
+
+mean(abs(infinitas_somas - mean(infinitas_somas)))
+
+
+# dados forjados ----------------------------------------------------------
+
+BB <- 10000000
+
+dado1_forjado <- sample(
+  1:6,
+  size = BB,
+  replace = TRUE,
+  prob = c(1/6, 1/6, 1/6, 1/6, 1/6-1/7, 1/6+1/7))
+
+dado2_forjado <- sample(
+  1:6,
+  size = BB,
+  replace = TRUE,
+  prob = c(1/6, 1/6, 1/6, 1/6, 1/6-1/10, 1/6+1/10))
+
+infinitas_somas_forjada <- dado1_forjado+dado2_forjado
+
+hist(infinitas_somas_forjada)
+
+# distribuicao normal -----------------------------------------------------
+
+dados_temperatura <- readRDS("dados/chuvas_A701.rds")
+
+dados_temperatura |>
+  ggplot(aes(x = `Tair_mean (c)`)) +
+  geom_histogram(
+    bins = 7,
+    fill = "royalblue",
+    color = "white"
+  )
+
+media_temperatura <- mean(dados_temperatura$`Tair_mean (c)`)
+desv_pad_temperatura <- sd(dados_temperatura$`Tair_mean (c)`)
+
+media_temperatura
+desv_pad_temperatura
+
+# o que é esperado de um histograma de variavel quantitativa conti --------
+
+NN <- 8000000
+
+amostra_infinita_de_temperatura <- rnorm(
+  NN,
+  media_temperatura,
+  desv_pad_temperatura)
+
+hist(amostra_infinita_de_temperatura, breaks = "FD")
+
+mean(amostra_infinita_de_temperatura)
+sd(amostra_infinita_de_temperatura)
+
+# comparando o observado com uma normal teorica razoavel ------------------
+
+hist(dados_temperatura$`Tair_mean (c)`, freq = FALSE)
+
+dados_ordenados <- sort(dados_temperatura$`Tair_mean (c)`)
+
+# codigo que vai plotar a normal:
+lines(
+  dados_ordenados,
+  dnorm(dados_ordenados, media_temperatura, desv_pad_temperatura),
+  col = 'red')
+