Exercícios

Os cinco veículos mais vendidos em 2003 (nos Estados Unidos) foram a picape Chevrolet Silverado, a picape Dodge Ram, a picape Ford F-Series, o Honda Accord e o Toyota Camry. Dados de uma amostra de 50 compras de veículos se encontra no link https://lec.pro.br/download/R/dados/autodata.txt. Sintetize os dados em uma tabela de distribuição de frequências e faça uma apresentação gráfica. Resposta

library(fdth)
dad1 <- read.table('https://lec.pro.br/download/R/dados/autodata.txt',h=T)
dad1$veiculo <- factor(dad1$veiculo)
tab <- fdt_cat(dad1)

Categorias	Freq. absoluta	Freq. relativa	Freq. (%)	Freq. acumulada	Freq. acumulada (%)
F-Series	14	0.28	28	14	28
Silverado	13	0.26	26	27	54
Ram	10	0.20	20	37	74
Camry	7	0.14	14	44	88
Accord	6	0.12	12	50	100

plot(tab,
     ylab='Frequência absoluta',
     xlab='Os cinco veículos mais vendidos em 2003',
     v = T,
     main = 'Gráfico de barras')

plot of chunk unnamed-chunk-1

plot(tab,
     type = 'fd',
     xlab='Frequência absoluta',
     v = T,
     main = 'Gráfico de pontos')

plot of chunk unnamed-chunk-1

A pelican Stores é uma rede de lojas de vestuário feminino que opera nos Estados Unidos. A rede realizou recentemente uma promoção na qual cupons de desconto eram enviados a clientelas das lojas do ramo. Os dados coletados de uma amostra de 100 transações com cartões de crédito feitas na loja durante um dia em novembro de 2002 está disponível no link https://lec.pro.br/download/R/dados/Pelican.txt. Faça as mesmas análises do exercício anterior para as variáveis qualitativas. Resposta

dad2 <- read.table('https://lec.pro.br/download/R/dados/Pelican.txt',h=T,stringsAsFactors=TRUE)
tab2 <- fdt_cat(dad2)

Categorias	Freq. absoluta	Freq. relativa	Freq. (%)	Freq. acumulada	Freq. acumulada (%)
Proprietary_Card	70	0.70	70	70	70
Mastercard	14	0.14	14	84	84
Visa	10	0.10	10	94	94
Discover	4	0.04	4	98	98
American_Express	2	0.02	2	100	100

Categorias	Freq. absoluta	Freq. relativa	Freq. (%)	Freq. acumulada	Freq. acumulada (%)
Feminino	93	0.93	93	93	93
Masculino	7	0.07	7	100	100

Categorias	Freq. absoluta	Freq. relativa	Freq. (%)	Freq. acumulada	Freq. acumulada (%)
Casado	84	0.84	84	84	84
Solteiro	16	0.16	16	100	100

plot(tab2,
     type='rfb',
     ylab='Frequência relativa',
     xlab='',
     xlas=2,
     v = T,
     main = 'Gráfico de barras')

plot of chunk unnamed-chunk-2

plot(tab2,
     type = 'rfpd',
     xlab='Frequência relativa',
     v = T,
     main = 'Gráfico de pontos')

plot of chunk unnamed-chunk-2

Os dados que estão disponíveis no link https://lec.pro.br/download/R/dados/petrie_ex2.5.txt se refere a ventilação pulmonar em repouso (l/min) de 26 carneiros adultos. Faça uma tabela de distribuição de frequências e um histograma. Julgue quanto a simetria/assimetria dos dados. Resposta

dad3 <- read.table('https://lec.pro.br/download/R/dados/petrie_ex2.5.txt',h=T,dec=',')
tab3 <- fdt(dad3[,2])

Classes	Freq. absoluta	Freq. relativa	Freq. (%)	Freq. acumulada	Freq. acumulada (%)
[4.752,5.9632)	2	0.08	8	2	8
[5.9632,7.1743)	5	0.20	20	7	28
[7.1743,8.3855)	9	0.36	36	16	64
[8.3855,9.5967)	3	0.12	12	19	76
[9.5967,10.808)	5	0.20	20	24	96
[10.808,12.019)	1	0.04	4	25	100

plot(tab3,
     ylab='Frequência absoluta',
     xlab='Intervalos de classes',
     main = 'Histograma')

plot of chunk unnamed-chunk-3
Podemos dizer que os dados são simétricos.

O conjunto de dados a seguir consiste em observações da taxa de vazão de chuveiros (L/min) de uma amostra de n=129 residências em Perth, Austrália ("An application of bayes methodology to the analysis of diary records in a water use study", J. Amer. Stat. Assoc., 1987:705-711). Faça uma tabela de distribuição de frequências e um histograma. Julgue quanto a simetria/assimetria dos dados. Os dados estão disponíveis no seguinte link https://lec.pro.br/download/R/dados/devore_ex14.txt. Resposta

dad4 <- read.table('https://lec.pro.br/download/R/dados/devore_ex14.txt',h=T,dec=',')
tab4 <- fdt(dad4[,2])

Classes	Freq. absoluta	Freq. relativa	Freq. (%)	Freq. acumulada	Freq. acumulada (%)
[1.287,3.265)	4	0.0310078	3.1007752	4	3.100775
[3.265,5.243)	25	0.1937984	19.3798450	29	22.480620
[5.243,7.221)	41	0.3178295	31.7829457	70	54.263566
[7.221,9.199)	21	0.1627907	16.2790698	91	70.542636
[9.199,11.177)	23	0.1782946	17.8294574	114	88.372093
[11.177,13.155)	8	0.0620155	6.2015504	122	94.573643
[13.155,15.133)	4	0.0310078	3.1007752	126	97.674419
[15.133,17.111)	2	0.0155039	1.5503876	128	99.224806
[17.111,19.089)	1	0.0077519	0.7751938	129	100.000000

plot(tab4,
     ylab='Frequência absoluta',
     xlab='Intervalos de classes',
     main = 'Histograma')

plot of chunk unnamed-chunk-4
Podemos dizer que os dados são assimétricos à direita.

O artigo ``Study on the life distribution of microdrills'' informou as observações a seguir, relacionadas em ordem crescente, da vida útil das brocas (número de furos que uma broca faz antes de quebrar),quando os furos são feitos em determinada liga de bronze.

11	36	59	71	81	93	105	136	161	263
14	39	61	74	84	96	105	139	168	289
20	44	65	76	85	99	112	141	184	322
23	47	67	78	89	101	118	148	206	388
31	50	68	79	91	104	123	158	248	513

Faça uma tabela de distribuição de frequência e os gráficos.

Resposta

dad5 <- c(11,36,59,71,81,93,105,136,161,263,14,39,61,74,84,96,105,139,168,289,20,44,65,76,85,99,112,141,184,322,23,47,67,78,89,101,118,148,206,388,31,50,68,79,91,104,123,158,248,513)
tab5 <- fdt(dad5)

Classes	Freq. absoluta	Freq. relativa	Freq. (%)	Freq. acumulada	Freq. acumulada (%)
[10.89,83.3529)	21	0.42	42	21	42
[83.3529,155.816)	18	0.36	36	39	78
[155.816,228.279)	5	0.10	10	44	88
[228.279,300.741)	3	0.06	6	47	94
[300.741,373.204)	1	0.02	2	48	96
[373.204,445.667)	1	0.02	2	49	98
[445.667,518.13)	1	0.02	2	50	100

plot(tab5,
     ylab='Frequência absoluta',
     xlab='Intervalos de classes',
     main = 'Histograma')

plot of chunk unnamed-chunk-5
Podemos dizer que os dados são assimétricos à direita.

Vamos considerar dados a respeito de um estudo feito para investigar a o motivo da insatisfação de clientes de um determinado restaurante. Os problemas relatados foram: sabor, tamanho da porção, apresentação do alimento, qualidade do serviço, rapidez, acessibilidade, limpeza e ambiente da loja. Considerando os dados já tabulados em uma tabela de distribuição de frequências, utilize o gráfico de pareto para apontar quais os problemas o gerente deve se concentrar.

Category	f	rf	rf(%)	cf	cf(%)
apr.alimento	25	0.25	25	25	25
qual.serviço	24	0.24	24	49	49
limpeza	15	0.15	15	64	64
sabor	12	0.12	12	76	76
amb.loja	8	0.08	8	84	84
acessi.	6	0.06	6	90	90
tam.porção	5	0.05	5	95	95
rapidez	5	0.05	5	100	100

Resposta

library(fdth)
frequencia = c(12, 5, 25, 24, 5, 6, 15, 8)
names(frequencia) = c('sabor','tam.porção', 'apr.alimento','qual.serviço','rapidez','acessi.','limpeza','amb.loja')
tabela_cat5 = make.fdt_cat(frequencia)
plot(tabela_cat5,
     type='pa',
     ylab='Frequência percentual',
     y2lab='Frequência acumulada (%)',
     xlab='Classes',
     xlas=2,
     v=TRUE,
     main = 'Gráfico de Pareto')

plot of chunk unnamed-chunk-7
As categorias apr.alimento, qual.serviço, limpeza e sabor (50% das categorias), são responsáveis por 76% das reclamações. Logo, o gerente deve se concentrar nestes problemas.

Sintetizando dados qualitativos e quantitativos

Ivan Bezerra Allaman

Exercícios

11	36	59	71	81	93	105	136	161	263
14	39	61	74	84	96	105	139	168	289
20	44	65	76	85	99	112	141	184	322
23	47	67	78	89	101	118	148	206	388
31	50	68	79	91	104	123	158	248	513

11	36	59	71	81	93	105	136	161	263
14	39	61	74	84	96	105	139	168	289
20	44	65	76	85	99	112	141	184	322
23	47	67	78	89	101	118	148	206	388
31	50	68	79	91	104	123	158	248	513

11	36	59	71	81	93	105	136	161	263
14	39	61	74	84	96	105	139	168	289
20	44	65	76	85	99	112	141	184	322
23	47	67	78	89	101	118	148	206	388
31	50	68	79	91	104	123	158	248	513