Universidade Federal do Paraná
Curso de Estatística
CE 083 -
Estatística Computacional I - 2014/2
Prof. Dr. Walmes Marques Zeviani
Tabela de conteúdo
O objeto precip é um vetor com a média de precipitação para cidades
dos USA. a) Quantas cidades estão representas? b) Qual a de maior
precipitação? c) Qual a precipitação média da amostra?
## Estrutura.
str(precip)
## a)
length(precip)
## b) com duas opções.
sort(precip, decreasing=TRUE)[1]
precip[which.max(precip)]
## c)
mean(precip)
## Named num [1:70] 67 54.7 7 48.5 14 17.2 20.7 13 43.4 40.2 ...
## - attr(*, "names")= chr [1:70] "Mobile" "Juneau" "Phoenix" "Little Rock" ...
## [1] 70
## Mobile
## 67
## Mobile
## 67
## [1] 34.89
O objeto rivers contém o comprimento dos maiores rios da
América do Norte. a) Quantos rios estão representados? b) Quantos tem
comprimento superior à 800? c) Qual o comprimento mediano da amostra?
## Estrutura.
str(rivers)
## a)
length(rivers)
## b)
sum(rivers>800)
## c)
median(rivers)
## num [1:141] 735 320 325 392 524 ...
## [1] 141
## [1] 25
## [1] 425
O objeto islands contém a áera em 1000 milhas quadradas das porcões
contínuas de terra do planeta que excedem 10 mil milhas quadradas. a)
Quantos registros há no objeto? b) Quantos tem área maior que a de
Cuba? c) Quantos tem áera maior que Cuba e menor que e a
Europe?
## Estrutura.
str(islands)
## a)
length(islands)
## b)
sum(islands>islands["Cuba"])
## c)
sum(islands>islands["Cuba"] & islands<islands["Europe"])
## Named num [1:48] 11506 5500 16988 2968 16 ...
## - attr(*, "names")= chr [1:48] "Africa" "Antarctica" "Asia" "Australia" ...
## [1] 48
## [1] 21
## [1] 15
O objeto HairEyeColor contém o número de estudantes de uma amostra
classificados de acordo com a cor do cabelo, dos olhos e o sexo. a)
Qual o total de elementos (estudantes) na amostra? b) Qual o total de homens? c)
Qual o total de mulheres com olhos verdes?
## Estrutura.
str(HairEyeColor)
## a)
sum(HairEyeColor)
## b) duas opções.
sum(HairEyeColor[,,1])
apply(HairEyeColor, MARGIN=3, sum)["Male"]
## c) duas opções.
sum(HairEyeColor[,"Green","Female"])
apply(HairEyeColor, MARGIN=c(2,3), sum)["Green","Female"]
## table [1:4, 1:4, 1:2] 32 53 10 3 11 50 10 30 10 25 ...
## - attr(*, "dimnames")=List of 3
## ..$ Hair: chr [1:4] "Black" "Brown" "Red" "Blond"
## ..$ Eye : chr [1:4] "Brown" "Blue" "Hazel" "Green"
## ..$ Sex : chr [1:2] "Male" "Female"
## [1] 592
## [1] 279
## Male
## 279
## [1] 31
## [1] 31
O objeto Titanic contém o número de pessoas a bordo do Titatic, que
naufragou em 1912, classificadas pela classe, sexo, idade e
sobrevivente. a) Quantas pessoas haviam a bordo? b) Quantas eram
crianças? c) Quantas pessoas sobreviveram ao naufrágio?
## Estrutura.
str(Titanic)
## a)
sum(Titanic)
## b) duas opções.
apply(Titanic, MARGIN=3, sum)["Child"]
sum(Titanic[,,"Child",])
## c) duas opções.
sum(Titanic[,,,"Yes"])
apply(Titanic, MARGIN=4, sum)["Yes"]
## table [1:4, 1:2, 1:2, 1:2] 0 0 35 0 0 0 17 0 118 154 ...
## - attr(*, "dimnames")=List of 4
## ..$ Class : chr [1:4] "1st" "2nd" "3rd" "Crew"
## ..$ Sex : chr [1:2] "Male" "Female"
## ..$ Age : chr [1:2] "Child" "Adult"
## ..$ Survived: chr [1:2] "No" "Yes"
## [1] 2201
## Child
## 109
## [1] 109
## [1] 711
## Yes
## 711
O objeto airquality contém o registros referentes à qualidade do ar
na cidade de New York entre Maio e Setembro de 1973. a) Qual foi o
valor médio de velocidade do vento (Wind) em todo o período? b)
Qual a média de temperatura (Temp) para o mês de Maio? c) Qual o
mês com maior temperatura média?
## Estrutura.
str(airquality)
## a) duas opções.
mean(airquality$Wind)
mean(airquality[,"Wind"])
## b) duas opções.
with(airquality, mean(Temp[Month==5]))
mean(airquality$Temp[airquality$Month==5])
## c) Na primeira opção era só olhar. Se fossem muitos meses poderia
## fazer com a segunda opção.
with(airquality, tapply(Temp, Month, mean))
sort(with(airquality, tapply(Temp, Month, mean)), decr=TRUE)[1]
## 'data.frame': 153 obs. of 6 variables:
## $ Ozone : int 41 36 12 18 NA 28 23 19 8 NA ...
## $ Solar.R: int 190 118 149 313 NA NA 299 99 19 194 ...
## $ Wind : num 7.4 8 12.6 11.5 14.3 14.9 8.6 13.8 20.1 8.6 ...
## $ Temp : int 67 72 74 62 56 66 65 59 61 69 ...
## $ Month : int 5 5 5 5 5 5 5 5 5 5 ...
## $ Day : int 1 2 3 4 5 6 7 8 9 10 ...
## [1] 9.958
## [1] 9.958
## [1] 65.55
## [1] 65.55
## 5 6 7 8 9
## 65.55 79.10 83.90 83.97 76.90
## 8
## 83.97
O objeto mtcars contém o registros referentes à características de
carros esportivos. a) Quantos carros tem 4 marchas (gear)? b)
Quantos carros tem 6 ou 8 cilindros (cyl)? c) Quantos carros com 6
cilindros tem potência inferior à 150 hp (hp)?
## Estrutura.
str(mtcars)
## a)
sum(mtcars$gear==4)
## b) duas opções.
with(mtcars, sum(cyl==6 | cyl==8))
sum(mtcars$cyl%in%c(6,8))
## c) duas opções.
sum(mtcars$cyl==6 & mtcars$hp<150)
with(mtcars, sum(cyl==6 & hp<150))
## 'data.frame': 32 obs. of 11 variables:
## $ mpg : num 21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
## $ cyl : num 6 6 4 6 8 6 8 4 4 6 ...
## $ disp: num 160 160 108 258 360 ...
## $ hp : num 110 110 93 110 175 105 245 62 95 123 ...
## $ drat: num 3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
## $ wt : num 2.62 2.88 2.32 3.21 3.44 ...
## $ qsec: num 16.5 17 18.6 19.4 17 ...
## $ vs : num 0 0 1 1 0 1 0 1 1 1 ...
## $ am : num 1 1 1 0 0 0 0 0 0 0 ...
## $ gear: num 4 4 4 3 3 3 3 4 4 4 ...
## $ carb: num 4 4 1 1 2 1 4 2 2 4 ...
## [1] 12
## [1] 21
## [1] 21
## [1] 6
## [1] 6
O objeto women contém o registros referentes à peso e
altura de uma amostra de mulheres. Crie uma nova coluna na tabela
para representar o índice de massa corporal calculado por
\( \text{imc} = \text{peso (kg)}/\text{altura (m)}^2 \). Os dados estão
em unidades britânicas para as quais um inche equivale à 0.0254
metros e um pound corresponde à 0.453592 kg. a) Qual o imc médio das
mulheres? b) Quantas tem imc superior à 23? c) Qual o desvio-padrão
da amostra para imc?
## Estrutura.
str(women)
## Cálculo do imc.
women$imc <- with(women, (weight*0.453592)/(height*0.0254)^2)
## a)
mean(women$imc)
## b)
sum(women$imc>23)
## c)
sd(women$imc)
## 'data.frame': 15 obs. of 2 variables:
## $ height: num 58 59 60 61 62 63 64 65 66 67 ...
## $ weight: num 115 117 120 123 126 129 132 135 139 142 ...
## [1] 22.73
## [1] 5
## [1] 0.6183