1 Análise Exploratória de Dados (EDA)

Note

Mini Roteiro: AED

Um Mini Roteiro para Realizar uma Análise Exploratória de Dados usando a Linguagem de Programação $R_{4.3}$ com auxílio da IDE RStudio.

Em estatística, a análise exploratória de dados (AED) é uma abordagem à análise de conjuntos de dados de modo a resumir suas características principais, frequentemente com métodos visuais. Um modelo estatístico pode ou não ser usado, mas primariamente a AED tem como objetivo observar o que os dados podem nos dizer além da modelagem formal ou do processo de teste de hipóteses.

A análise exploratória de dados foi promovida pelo estatístico norte-americano John Tukey, que incentivava os estatísticos a explorar os dados e possivelmente formular hipóteses que poderiam levar a novas coletas de dados e experimentos.

1.1 Instação de Pacotes no R

Existem três principais maneiras de instalar pacotes. Em ordem de frequência, são:

1.1.1 Via CRAN (Comprehensive R Archive Network)

Instale pacotes que não estão na sua biblioteca usando a função install.packages(“nome_do_pacote”).

Por exemplo:

install.packages(“magrittr”)

1.1.2 Via Github

Pessoas desenvolvedoras costumam disponibilizar a última versão de seus pacotes no Github, e alguns deles sequer estão no CRAN. Mesmo assim ainda é possível utilizá-los instalando diretamente pelo github. O comando é igualmente simples:

devtools::install_github(“rstudio/shiny”)

1.1.3 Via arquivo .zip/.tar.gz:

Se você precisar instalar um pacote que está zipado no seu computador (ou em algum servidor), utilize o seguinte comando:

install.packages(“C:/caminho/para/o/arquivo/zipado/nome-do-pacote.zip”, repos = NULL)

É semelhante a instalar pacotes via CRAN, com a diferença que agora o nome do pacote é o caminho inteiro até o arquivo. O parâmetro repos = NULL informa que estamos instalando a partir da máquina local.

1.2 Pacotes Base no R

Até aqui utilizamos o que chamamos de Base R, ou seja, sintaxe e funções básicas do R usando apenas os pacotes padrões e pré-carregados. Ao digitar ?sum()no console, por exemplo, podemos ver que se trata de uma função do pacote base.

1. statts
1. graphics
1. grDevices
1. utils
1. dataset
1. methods

Para ver os pacotes carregados por padrão no R, use o comando seguinte:

Code

# Pacotes Base no R

getOption("defaultPackages")

[1] "datasets"  "utils"     "grDevices" "graphics"  "stats"     "methods"

1.3 Diretório de Trabalho no R

Primeiro Passo é definir o diretório de trabalho no R

Code

# setwd: set working directory
# Definir o Diretório de Trabalho (caminho)

setwd('C:/Users/usuario/Documents/SEMEST_UFPA_2024')

# Mostrar o Caminho Fixado
getwd()

[1] "C:/Users/usuario/Documents/SEMEST_UFPA_2024"

1.4 Carregar Dataset

Um dos primeiros passos de um projeto é importar dados externos para o software R. Os dados são frequentemente armazenados em formatos tabulados como arquivos .csv ou planilhas do tipo .xls.

Pacote readr	Pacote readxl

1.4.1 Pacote readr

O pacote readr faz parte de um ecosisytema de pacotes tidyverse,e é utilizado para importar arquivos de texto, como .txt ou .csv, para o R. Para carregá-lo, rode o código:

Code

library(readr)

O pacote readr transforma arquivos de textos em tibbles usando as funções:

read_csv(): para arquivos separados por vírgula.
read_csv2(): para arquivos separados por ponto e vírgula.
read_tsv(): para arquivos separados por tabulação.
read_delim(): para arquivos separados por um delimitador genérico. O argumento delim= indica qual caractere separa cada coluna no arquivo de texto.
read_table(): para arquivos de texto tabular com colunas separadas por espaço.
read_fwf(): para arquivos compactos que devem ter a largura de cada coluna especificada.
read_log(): para arquivos padrões de log.

Segue como exemplor a leitura de base de dados via url

Code

library(readr)

# Dados Separados por Ponto e Vírgula (;)
Vendas_A = read.csv2("http://raw.githubusercontent.com/Lucianea/Alta/master/vendas.csv")

# Dados separados por Vírgula (,)
Vendas_B = read.csv("http://raw.githubusercontent.com/Lucianea/Alta/master/vendas1.csv")

1.4.2 Pacote readxl

Segundo Passo é carregar a base de dados, chamada de mercado. Para isso é necessário instalar o pacote para leitura de arquivo com extensão do tipo .xlsx por meio do comando install.packages(“readxl”).

Posteriormente, ativar o pacote no R com o comando library(readxl). Tendo um detalhe fundamental, que se instala somente um vez o pacote, e se ativa toda vez que for usar.

Code

library(readxl)
setwd('C:/Users/usuario/Documents/SEMEST_UFPA_2024')

mercado <- read_excel('mercado.xlsx')
mercado2 <- read_excel('mercado2.xlsx')

1.5 Manipulação de Dados no R

1.5.1 Pacote dplyr

O dplyr é o pacote mais útil para realizar transformação de dados, aliando simplicidade e eficiência de uma forma elegante. Os scripts em R que fazem uso inteligente dos verbos dplyr e as facilidades do operador pipe tendem a ficar mais legíveis e organizados, sem perder velocidade de execução.

Pacote dplyr

As principais funções do dplyr são:

1. select() : extrai colunas de uma tabela na forma de tabela
1. pull() : extrai uma coluna de uma tabela na forma de vetor
1. filter() : filtra linhas
1. distinct() : remove as linhas com valores repetidos
1. arrange() : reordena ou combina linhas
1. mutate() : cria/modifica novas colunas no banco original
1. summarize() : sumariza valores
1. group_by() : operações por grupos
1. add_column() : adiciona novas colunas
1. add_row() : adiciona novas linhas
1. rename() : renomeia uma coluna

As principais vantagens de se usar o dplyr em detrimento das funções do R base são:

Manipular dados se torna uma tarefa muito mais simples.
O código fica mais intuitivo de ser escrito e mais simples de ser lido.
O pacote dplyr utiliza C e C++ por trás da maioria das funções, o que geralmente torna o código mais rápido.
É possível trabalhar com diferentes fontes de dados, como bases relacionais (SQL)

1.5.1.1 Função select()

Para selecionar colunas, utilizamos a função select(). O primeiro argumento da função é a base de dados e os demais argumentos são os nomes das colunas que você gostaria de selecionar. Repare que você não precisa colocar o nome da coluna entre aspas.

Code

library(dplyr)

Vendas_A %>%
  dplyr:: select(filial, quinzena, valor_compra)

   filial quinzena valor_compra
1       A        1       100.22
2       A        1        80.89
3       A        1        75.44
4       A        2       305.33
5       A        2       120.99
6       A        2        27.89
7       B        2        30.50
8       B        2       500.80
9       B        2       247.67
10      B        1        70.00
11      B        1        97.50
12      B        2       856.00
13      B        1        93.20
14      B        2       271.26
15      B        1       500.00
16      B        1        61.69
17      B        1        99.00
18      B        2       220.00
19      C        1        12.25
20      C        2       188.00
21      C        2       117.60
22      C        2       354.00
23      C        1       732.00

Code

Vendas_B %>%
  dplyr:: select(quinzena, filial, n_itens)

   quinzena filial n_itens
1         1      A       5
2         1      A      20
3         1      A       7
4         2      A       3
5         2      A       1
6         2      A       1
7         2      B      20
8         2      B      30
9         2      B      17
10        1      B      14
11        1      B      13
12        2      B      20
13        1      B      40
14        2      B      22
15        1      B       2
16        1      B      31
17        1      B       1
18        2      B     100
19        1      C       1
20        2      C      45
21        2      C       8
22        2      C     100
23        1      C      60

1.5.1.2 Função filter()

Para filtrar valores de uma coluna da base, utilizamos a função filter().

Code

library(dplyr)

Vendas_A %>%
  dplyr:: filter(filial == "A") %>%
  head()

  cupom filial valor_compra n_itens desconto_perc quinzena
1   101      A       100.22       5             2        1
2   102      A        80.89      20             0        1
3   103      A        75.44       7             0        1
4   104      A       305.33       3            10        2
5   105      A       120.99       1             2        2
6   106      A        27.89       1             0        2

Code

Vendas_A %>%
  dplyr:: filter(filial == "B" & quinzena == 2) %>%
  head()

  cupom filial valor_compra n_itens desconto_perc quinzena
1   201      B        30.50      20             0        2
2   202      B       500.80      30            12        2
3   203      B       247.67      17            10        2
4   206      B       856.00      20            15        2
5   208      B       271.26      22            10        2
6   212      B       220.00     100             2        2

1.5.1.3 Função arrange()

Para ordenar linhas, utilizamos a função arrange(). O primeiro argumento é a base de dados. Os demais argumentos são as colunas pelas quais queremos ordenar as linhas. No exemplo a seguir, ordenamos as linhas da base por ordem crescente de orçamento.

Code

library(dplyr)

# Crescente
Vendas_A %>%
  dplyr:: arrange(n_itens)%>%
  head()

  cupom filial valor_compra n_itens desconto_perc quinzena
1   105      A       120.99       1             2        2
2   106      A        27.89       1             0        2
3   211      B        99.00       1             0        1
4   301      C        12.25       1             0        1
5   209      B       500.00       2            12        1
6   104      A       305.33       3            10        2

Code

## Decrescente
Vendas_A %>%
  dplyr:: arrange(desc(n_itens))%>%
  head()

  cupom filial valor_compra n_itens desconto_perc quinzena
1   212      B       220.00     100             2        2
2   304      C       354.00     100            10        2
3   305      C       732.00      60            12        1
4   302      C       188.00      45             2        2
5   207      B        93.20      40             0        1
6   210      B        61.69      31             0        1

Code

## Decrescente de n_itens E ordema alfabetica de filial
Vendas_A %>%
  dplyr:: arrange(-n_itens) %>%
  dplyr:: arrange(filial)%>%
  head()

  cupom filial valor_compra n_itens desconto_perc quinzena
1   102      A        80.89      20             0        1
2   103      A        75.44       7             0        1
3   101      A       100.22       5             2        1
4   104      A       305.33       3            10        2
5   105      A       120.99       1             2        2
6   106      A        27.89       1             0        2

1.5.1.4 Função mutate()

Para modificar uma coluna existente ou criar uma nova coluna, utilizamos a função mutate()

Code

library(dplyr)

## Calcular o valor médio (VM)

Vendas_A %>%
  dplyr:: mutate(VM = valor_compra/n_itens) %>%
  dplyr:: select(VM, valor_compra, n_itens) %>%
  dplyr:: arrange(VM)%>%
  head()

      VM valor_compra n_itens
1 1.5250        30.50      20
2 1.9900        61.69      31
3 2.2000       220.00     100
4 2.3300        93.20      40
5 3.5400       354.00     100
6 4.0445        80.89      20

O mutate acrescenta novas colunas aos dados originais, ja o transmute cria novas colunas apartir dos dados

1.5.1.5 Função summarize()

Sumarização é a técnica de se resumir um conjunto de dados utilizando alguma métrica de interesse. A média, a mediana, a variância, a frequência, a proporção, por exemplo, são tipos de sumarização que trazem diferentes informações sobre uma variável.

Para sumarizar uma coluna da base, utilizamos a função summarize(). O código abaixo resume a coluna orçamento pela sua média.

Code

library(dplyr)

#numero de observacoes da base de dados 
Vendas_A %>%
  dplyr:: summarise(contagem=n())

  contagem
1       23

Code

# numero de filiais distintas
Vendas_A %>%
  dplyr:: select(filial) %>%
  dplyr:: summarise(filial_distintas = n_distinct(filial))

  filial_distintas
1                3

Code

# numero de cupons distinto da filial B
Vendas_A %>%
  dplyr:: select(filial, cupom) %>%
  dplyr:: filter(filial == "B") %>%
  dplyr:: summarise(cupons_distintos = n_distinct(cupom))

  cupons_distintos
1               12

1.5.1.6 Função grupo_by()

Muitas vezes queremos sumarizar uma coluna agrupada pelas categorias de uma segunda coluna. Para isso, além do summarize, utilizamos também a função group_by().

Code

library(dplyr)

#numero de cupons distintos p/ filial 
Vendas_A %>%
group_by(filial) %>%
  summarise(cupons_distintos = n_distinct(cupom))

# A tibble: 3 × 2
  filial cupons_distintos
  <chr>             <int>
1 A                     6
2 B                    12
3 C                     5

Code

# total de compras p/ filial
Vendas_A %>%
  group_by(filial) %>%
  summarise(compra_total = sum(valor_compra))

# A tibble: 3 × 2
  filial compra_total
  <chr>         <dbl>
1 A              711.
2 B             3048.
3 C             1404.

Code

# total de itens p/ filial
Vendas_A %>%
  group_by(filial) %>%
  summarize(item_total = sum(n_itens))

# A tibble: 3 × 2
  filial item_total
  <chr>       <int>
1 A              37
2 B             310
3 C             214

Code

# sumarizar informações em + de um grupo em + colunas
Vendas_A %>%
  group_by(filial) %>%
  summarize(
    cupons_distintos = n_distinct(cupom),
    item_total = sum(n_itens),
    compra_total = sum(valor_compra))

# A tibble: 3 × 4
  filial cupons_distintos item_total compra_total
  <chr>             <int>      <int>        <dbl>
1 A                     6         37         711.
2 B                    12        310        3048.
3 C                     5        214        1404.

Code

# Media, Desvio-padrao, Minimo e Maximo
Vendas_A %>%
  group_by(filial) %>%
  summarize(Media = mean(valor_compra) %>%
            round(2),
            Desvio = sd(valor_compra) %>%
            round(2), 
            Minimo = min(valor_compra) %>%
            round(2),
            Maximo = max(valor_compra) %>%
            round(2))

# A tibble: 3 × 5
  filial Media Desvio Minimo Maximo
  <chr>  <dbl>  <dbl>  <dbl>  <dbl>
1 A       118.   96.7   27.9   305.
2 B       254.  249.    30.5   856 
3 C       281.  281.    12.2   732

1.5.2 Exercício Prático I

Utilizar o banco Vendas_A

1. ordenar os dados pelo n_itens e valor_compra
1. filtrar valor_compra maior q 150
1. exibe a selecao com filial no inicio
1. cria a variavel valor Medio VM: valor_compra/n_itens)
1. arrendamanento pra uma casa decimal de VM
1. selecionar filial, n_itens, valor_compra e VM no final
1. agrupar por filial
1. calcular media, mediana, desvio, minimo e maximo

Code

Vendas_A %>%
  dplyr:: arrange(n_itens, valor_compra) %>%
  dplyr:: filter(valor_compra > 150) %>%
  dplyr:: select(filial, n_itens,valor_compra) %>%
  dplyr:: mutate(VM = valor_compra/n_itens) %>%
  dplyr:: mutate(VM = round(valor_compra/n_itens, 1)) %>%
  dplyr:: select(filial, n_itens, valor_compra, VM)

   filial n_itens valor_compra    VM
1       B       2       500.00 250.0
2       A       3       305.33 101.8
3       B      17       247.67  14.6
4       B      20       856.00  42.8
5       B      22       271.26  12.3
6       B      30       500.80  16.7
7       C      45       188.00   4.2
8       C      60       732.00  12.2
9       B     100       220.00   2.2
10      C     100       354.00   3.5

Code

Vendas_A %>%
  dplyr:: group_by(filial) %>%
  dplyr:: summarize(Media = mean(valor_compra) %>%
              round(2),
            Mediana = median(valor_compra) %>%
              round(2),
            Desvio = sd(valor_compra) %>%
              round(2), 
            Minimo = min(valor_compra) %>%
              round(2),
            Maximo = max(valor_compra) %>%
              round(2))

# A tibble: 3 × 6
  filial Media Mediana Desvio Minimo Maximo
  <chr>  <dbl>   <dbl>  <dbl>  <dbl>  <dbl>
1 A       118.    90.6   96.7   27.9   305.
2 B       254.   160.   249.    30.5   856 
3 C       281.   188    281.    12.2   732

1.6 Pacote DT

A importância da apresentação dos dados é fundamental no início da faxina dos dados.

Para a apresentação dos dataset contamos com alguns pacotes na linguagem R que possibilitam a apresentação de tabelas de maneira bastante satisfatória (de forma elegante e até interativa).

Pacote DT: datatable

O pacote DT é uma excelente opção quando se trata de uma apresentação rápida, geral e dinâmica sobre a base de dados.

O pacote DT fornece uma interface R para a biblioteca JavaScript DataTables. Objetos de dados R (matrizes ou quadros de dados) podem ser exibidos como tabelas em páginas HTML, e DataTables fornece filtragem, paginação, classificação e muitos outros recursos nas tabelas.

Segue a base de dados (n=80) referentes as características dos Funcionários que trabalham no Supermercado Formosa, na cidade de Belém, Estado do Pará, em 2023.

Code

library(DT)

datatable(mercado,
          class = 'cell-border stripe',
          editable = 'cell',
          caption = 'Tabela 01: Banco de Dados sobre Funcionários do Supermercado Formosa, Belém - Pará, 2023.')

1.7 Identificar os Tipos de Variáveis

Utilizamos a função diagnose(), do paocte dlookr na linguagem R, para identificar os tipos de variáveis para análise.

Pacote dlookr

A função diagnose() da biblioteca dlookr que retorna por variável qual o tipo dela, contagem de valores faltantes, frequência de faltantes em relação à base toda.

Code

library(dlookr)

mercado %>% dlookr::diagnose()

# A tibble: 6 × 6
  variables types     missing_count missing_percent unique_count unique_rate
  <chr>     <chr>             <int>           <dbl>        <int>       <dbl>
1 EDUCAÇÃO  character             0               0            2       0.025
2 CARGO     character             0               0            4       0.05 
3 LOCAL     character             0               0            2       0.025
4 IDADE     numeric               0               0           36       0.45 
5 TEMPOCASA numeric               0               0           21       0.262
6 SALARIO   numeric               0               0           60       0.75

1.8 Variáveis Qualitativas

1.8.1 Tabelas de Frequência: Simples

Code

table(mercado2$CARGO)


AUXILIAR  DIRETOR  GERENTE 
      37       12       30

Code

table(mercado2$EDUCAÇÃO)


SECUNDÁRIO   SUPERIOR 
        15         64

Code

table(mercado2$LOCAL)


 CAPITAL INTERIOR 
      44       35

1.8.2 Tabelas de Frequência: Proporção

Code

prop.table(table(mercado2$CARGO))*100


AUXILIAR  DIRETOR  GERENTE 
46.83544 15.18987 37.97468

Code

prop.table(table(mercado2$EDUCAÇÃO))*100


SECUNDÁRIO   SUPERIOR 
  18.98734   81.01266

Code

prop.table(table(mercado2$LOCAL))*100


 CAPITAL INTERIOR 
 55.6962  44.3038

1.8.3 Tabelas de Contigência

O pacote gtsummary fornece uma maneira elegante e flexível de criar tabelas analíticas e de resumo prontas para publicação usando a linguagem de programação R.

Pacote gtsummary

A função tbl_summary() calcula estatísticas descritivas para variáveis contínuas, categóricas e dicotômicas em R e apresenta os resultados em uma tabela de resumo bonita e personalizável, pronta para publicação.

Code

library(dplyr)
library(gtsummary)

mercado %>% 
  select( 
    LOCAL,
    CARGO,
    IDADE,
    TEMPOCASA,
    EDUCAÇÃO,
    SALARIO) %>% 
  tbl_summary(by = LOCAL,
              statistic = list(all_continuous() ~ "{mean} ({sd})")) %>%
  modify_header(label = "**VARIAVEIS**") %>%
  modify_caption("Tabela 01. Característica Salariais Formosa") %>%
  add_n() %>%
  add_difference() %>%
  bold_p(t = 0.05) %>%
  bold_labels() %>%
  italicize_levels()

Tabela 01. Característica Salariais Formosa
VARIAVEIS	N	CAPITAL N = 45¹	INTERIOR N = 35¹	Difference²	95% CI^2,3	p-value²
CARGO	80			0.91	0.44, 1.4
AUXILIAR		17 (38%)	20 (57%)
DIRETOR		12 (27%)	0 (0%)
GERENTE		15 (33%)	15 (43%)
PRESIDENTE		1 (2.2%)	0 (0%)
IDADE	80	53 (9)	46 (9)	6.7	2.7, 11	0.001
TEMPOCASA	80	13 (7)	8 (6)	5.7	2.7, 8.7	<0.001
EDUCAÇÃO	80			0.19	-0.26, 0.63
SECUNDÁRIO		7 (16%)	8 (23%)
SUPERIOR		38 (84%)	27 (77%)
SALARIO	80	6,096 (1,300)	5,369 (718)	727	271, 1,183	0.002
¹ n (%); Mean (SD)
² Standardized Mean Difference; Welch Two Sample t-test
³ CI = Confidence Interval

1.9 Variáveis Quantitativas

1.9.1 Medidas Resumo Geral

A função mais famosa para a estatística descritiva no R, é a chamada de summary(), que dá a amplitude dos dados.

A função summary() do pacote basic, retorna boa parte da estatística descritiva como os quartis, média, mediana, mínimo, máximo e as espécies que há na tabela. É importante saber que de ante-mão, quanto mais próxima a mediana estiver da média, maior a probablidade de a destribuição dos dados ser gaussiana. Esta forma de descrição é mais utilizada para uma obtenção rápida dos parâmetros dos dados.

Code

summary(mercado2$IDADE)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  30.00   43.50   49.00   49.62   55.50   72.00

Code

summary(mercado2$TEMPOCASA)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
    0.0     3.5    12.0    10.8    16.5    25.0

Code

summary(mercado2$SALARIO)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   4187    4894    5660    5693    6270    7481

1.9.2 Interpretação p/ Salário

o 1º quartil(1 st Qu.) indica que 25% dos funcionários têm renda salarial menor ou igual a R$ 4.894 e o 3º quartil(3 rd Qu.) indica que 75% têm renda menor ou igual a R$ 6.306.
Estes dois valores indicam que 50% dos funcionários tem renda nesse intervalo, o que já nos dá uma idéia de variabilidade da Renda.
Quanto maior a diferença entre o 3º e o 1º quartil, maior a dispersão da variável.

1.9.3 Análise Geral

O pacote skimr é um função que nos fornece medidas resumo de variáveis de uma base de dados de interesse. Ele pode ser visto como uma alternativa mais completa para a função summary() do R Base para gerar uma tabela geral sobre a base de dados, fornecendo um primeiro olhar sobre o fenômeno estudado.

Pacote skimr

Code

library(skimr)

mercado |> skim()

Data summary
Name	mercado
Number of rows	80
Number of columns	6
_______________________
Column type frequency:
character	3
numeric	3
________________________
Group variables	None

Variable type: character

skim_variable	complete_rate	min	max	n_unique
EDUCAÇÃO	1	8	10	2
CARGO	1	7	10	4
LOCAL	1	7	8	2

Variable type: numeric

skim_variable	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
IDADE	1	49.75	9.59	30.0	43.75	49.00	56.0	72.0	▃▇▇▃▃
TEMPOCASA	1	10.89	7.40	0.0	3.75	12.50	17.0	25.0	▇▃▅▆▃
SALARIO	1	5777.62	1138.19	4186.6	4894.30	5673.45	6306.3	12465.8	▇▇▁▁▁

Veja que a saída da função skim mostra uma visão geral da base de dados, nos dando informações como número de linhas, número de colunas, e os tipos das colunas

Ela fornece também informações individuais sobre cada coluna da base, separando as colunas por tipo: cada tipo nos dá um conjunto diferente de estatísticas, que façam sentido para aquele tipo de dado.

1.9.4 Relação Gráfica: Variáveis Quantitativas

1.9.4.1 Histograma com Boxplot

Conhecer como as variáveis se relacionam também é um passo muito importante antes da elaboração de um modelo quantitativo.

Code

library(magrittr)
library(dplyr)

nf = layout(mat = matrix(c(1,2),2,1, byrow = TRUE), height = c(1,2))

par(mar = c(4.1, 3.1, 1.1, 2.1))

boxplot(mercado$SALARIO,
        col = "Red",
        border = "Black",
        horizontal = TRUE,
        notch = TRUE)
hist(mercado$SALARIO, 
     col = "blue",
     freq = TRUE,
     main = "Histograma com BoxPlot",
     xlab = "R$ Salário",
     ylab = "Frequência")

Code

library(magrittr)
library(dplyr)

nf = layout(mat = matrix(c(1,2),2,1, byrow = TRUE),height = c(1,2))

par(mar = c(4.1, 3.1, 1.1, 2.1))

boxplot(mercado$IDADE,
        col = "Red",
        border = "Black",
        horizontal = TRUE,
        notch = TRUE)
hist(mercado$IDADE, 
     col = "blue",
     freq = TRUE,
     main = "Histograma com BoxPlot",
     xlab = "Idade (anos)",
     ylab = "Frequência")

1.9.4.2 Diagrama de Ramos-e-folhas

Vamos investigar como está o comportamento das variáveis através de uma ferramenta chama diagrama de ramos e folhas. Para isso vamos usar o comando abaixo:

Code

stem(mercado2$IDADE)


  The decimal point is 1 digit(s) to the right of the |

  3 | 0234
  3 | 67778899
  4 | 0000233344
  4 | 5555556666677778899
  5 | 00000111222234
  5 | 5555667889
  6 | 000234
  6 | 555579
  7 | 02

Code

stem(mercado2$SALARIO)


  The decimal point is 3 digit(s) to the right of the |

  4 | 234
  4 | 5666777778889999999
  5 | 1111111333334
  5 | 5566777899999
  6 | 01111122223344
  6 | 66666667899
  7 | 133
  7 | 555

1.9.4.3 Diagrama de Dispersão

A função pairs.panels() do pacote psych no R gera um figura com os gráficos de dispersão 2 a 2, os histogramas de cada variável e as correlações das variaveis 2 a 2.

Code

library(psych)
pairs.panels(mercado,
             method = "pearson",
             density = TRUE,  
             ellipses = TRUE,
             smoother = TRUE)