Análise Estatística em Epidemiologia Utilizando o Ambiente R - I
|
|
|
- Marcos Borba Mendes
- 5 Há anos
- Visualizações:
Transcrição
1 Análise Estatística em Epidemiologia Utilizando o Ambiente R - I Análise exploratória de dados Ministrantes: Prof a Maria do Rosário D. O. Latorre Dr. Gabriel Z. Laporta Monitor: Alessandra C. G. Pellini Programa de Pós-graduação em Saúde Pública HEP (FSP-USP) Aula 2 29 Maio / 40
2 Sumário 1 Conceito básicos 2 Análise exploratória de dados 3 Produção de gráficos HEP (FSP-USP) Aula 2 29 Maio / 40
3 Noções de programação indexação 1 "$": utilizada para selecionar subconjuntos de um conjunto. P. ex. nome da base de dados$nome da coluna indexação 2 "[]": utilizada para selecionar subconjuntos de um conjunto. P. ex. nome da base de dados[linha, coluna] substituição com "$"ou "[]": utilizar a regra da indexação para substituir valores nas bases de dados. P. ex. nome da base de dados$nome da coluna <- outro conjunto de dados; nome da base de dados[linha, coluna] <- outro conjunto de dados HEP (FSP-USP) Aula 2 29 Maio / 40
4 Exemplo 1: infert A primeira base de dados que vamos utilizar são os dados de um estudo caso-controle, em que os casos foram mulheres com infertilidade e os controles, mulheres sem infertilidade. Os principais fatores de risco a serem analisados são os abortos naturais e induzidos. As variáveis idade, escolaridade e paridade são consideradas de controle. HEP (FSP-USP) Aula 2 29 Maio / 40
5 Importar base de dados Base de dados de exemplo >library(help=datasets) Importar dados >data(infert) HEP (FSP-USP) Aula 2 29 Maio / 40
6 Ver estrutura da base de dados >str(infert) data.frame : 248 obs. of 8 variables: $ education : w/ 3 levels "0-5yrs","6-11yrs",..: $ age : num $ parity : num $ induced : num $ case : num $ spontaneous : num $ stratum : int $ pooled.stratum : num HEP (FSP-USP) Aula 2 29 Maio / 40
7 Visualizar a base de dados >infert[1:10, 1:6] education age parity induced case spontaneous 1 0-5yrs yrs yrs yrs yrs yrs yrs yrs yrs yrs HEP (FSP-USP) Aula 2 29 Maio / 40
8 Distribuição de frequência das variáveis em infert >summary(infert) education age parity induced 0-5yrs : 12 Min. :21.00 Min. :1.000 Min. : yrs:120 1st Qu.: st Qu.: st Qu.: yrs:116 Median :31.00 Median :2.000 Median : Mean :31.50 Mean :2.093 Mean : rd Qu.: rd Qu.: rd Qu.: Max. :44.00 Max. :6.000 Max. : case spontaneous Min. : Min. : st Qu.: st Qu.: Median : Median : Mean : Mean : rd Qu.: rd Qu.: Max. : Max. : HEP (FSP-USP) Aula 2 29 Maio / 40
9 Distribuição de frequência: variáveis qualitativas Tabela : Exercício 1 Variável categoria N % case spontaneous induced HEP (FSP-USP) Aula 2 29 Maio / 40
10 Distribuição de frequência: variável quantitativa discreta Tabela : Exercício 2 Variável categoria N % parity HEP (FSP-USP) Aula 2 29 Maio / 40
11 Distribuição de frequência: variável quantitativa contínua Tabela : Exercício 3 Variável média (dp) mediana min-max distribuição normal 1 age 31.5 (5.25) não parity 1 Teste de Shapiro-Wilk e gráfico Quantil-Quantil HEP (FSP-USP) Aula 2 29 Maio / 40
12 Distribuição de frequência para variáveis quantitativas contínuas: comandos Ou: >summary(infert$age) >sd(infert$age) Ou: >mean(infert$age) >sd(infert$age) >median(infert$age) >min(infert$age) >max(infert$age) HEP (FSP-USP) Aula 2 29 Maio / 40
13 Identificar distribuição normal >qqnorm(infert$age) >qqline(infert$age) Normal Q Q Plot Theoretical Quantiles Sample Quantiles >shapiro.test(infert$age) Shapiro-Wilk normality test data: infert$age W = , p-value = HEP (FSP-USP) Aula 2 29 Maio / 40
14 Produção de gráficos Analistas de dados precisam produzir gráficos para, primeiramente, visualizar seus próprios dados e, posteriormente, utilizá-los em situações mais formais. Agora, nós vamos elaborar gráficos básicos e aprender a customizá-los apropriadamente para dissertação / tese ou relatório. HEP (FSP-USP) Aula 2 29 Maio / 40
15 Histograma Qual é a distribuição de frequência em histograma da variável idade? >hist(infert$age) Histogram of infert$age Frequency infert$age HEP (FSP-USP) Aula 2 29 Maio / 40
16 Modificar layout do histograma >hist(infert$age, ylim = c(0, 50), xlim = c(20,45), main= Histograma de idade, xlab = Idade (anos), ylab = Número de indivíduos, col= red ) HEP (FSP-USP) Aula 2 29 Maio / 40
17 Modificar layout do histograma Histograma de idade Número de indivíduos Idade (anos) HEP (FSP-USP) Aula 2 29 Maio / 40
18 Exercício 1: histograma Vamos utilizar agora a base de dados islands. Essa contém as áreas dos maiores continentes e das maiores ilhas oceânicas do mundo (em mi 2 ). Primeiro, vocês importem e visualizem a base de dados. Depois, façam um histograma de visualização e outro de apresentação. Vejam o exemplo a seguir. HEP (FSP-USP) Aula 2 29 Maio / 40
19 Exercício 1: histograma Histogram of islands Histograma de áreas de terra sobre o mar Frequency Número de continentes/ilhas oceânicas islands Áreas (1000 metros quadrados) HEP (FSP-USP) Aula 2 29 Maio / 40
20 Exercício 1: histograma Histograma de áreas de terra sobre o mar Número de continentes/ilhas oceânicas Log na base 10 de áreas (1000 metros quadrados) HEP (FSP-USP) Aula 2 29 Maio / 40
21 Gráficos de barras Vamos trabalhar com outra base de dados (VADeaths). Essa representa um estudo ecológico com os coeficientes de mortalidade geral segundo idade, sexo e grupo populacional. HEP (FSP-USP) Aula 2 29 Maio / 40
22 Gráficos de barras >data(vadeaths) Rural Male Rural Female Urban Male Urban Female HEP (FSP-USP) Aula 2 29 Maio / 40
23 Gráficos de barras >data(vadeaths) Rural Male Rural Female Urban Male Urban Female HEP (FSP-USP) Aula 2 29 Maio / 40
24 Gráficos de barras >barplot(vadeaths) Rural Male Rural Female Urban Male Urban Female HEP (FSP-USP) Aula 2 29 Maio / 40
25 Gráficos de barras >barplot(vadeaths, ylab = "Mortes por 1000", main = "Taxa de mortalidade em Virgínia", legend = TRUE) Taxa de mortalidade em Virgínia Mortes por Rural Male Rural Female Urban Male Urban Female HEP (FSP-USP) Aula 2 29 Maio / 40
26 Gráfico de barras >barplot(vadeaths, beside=true, legend=true, ylim=c(0,80), ylab="mortes por 1000", main="taxa de mortalidade em Virginia") Taxa de mortalidade em Virginia Mortes por Rural Male Rural Female Urban Male Urban Female HEP (FSP-USP) Aula 2 29 Maio / 40
27 Gráfico de barras >colnames(vadeaths)<-c("homem rural","mulher rural","homem urbano","mulher urbana") >barplot(vadeaths, beside=true, legend=true, ylim=c(0,80), ylab="mortes por 1000", main="taxa de mortalidade em Virginia", col = c("black", "brown", "orange", "yellow", "red")) Taxa de mortalidade em Virgínia Mortes por Homem rural Mulher rural Homem urbano Mulher urbana HEP (FSP-USP) Aula 2 29 Maio / 40
28 Exercício 2: gráfico de barras Vamos considerar a base de dados WorldPhones para fazer este exercício. Nessa base de dados há o número de telefones por continente na década de (em milhares). Você deve importar e visualizar essa base. Depois, faça o gráfico de barras como o exemplo a seguir. HEP (FSP-USP) Aula 2 29 Maio / 40
29 Exercício 2: gráfico de barras Número de linhas telefônicas no mundo Número de telefones Am. do Norte Europa Ásia Am. do Sul Oceania África Am. Central HEP (FSP-USP) Aula 2 29 Maio / 40
30 Boxplot A base de dados iris é um conjunto de dados estudados por Fisher. Consiste de 50 amostras de cada uma das três espécies de flores (Iris setosa, Iris virginica e Íris versicolor). Foram medidas em cada amostra, o comprimento e largura das sépalas e pétalas (em cm). Fisher desenvolveu um modelo discriminante linear para distinguir as espécies entre si. HEP (FSP-USP) Aula 2 29 Maio / 40
31 Boxplot >data(iris) >iris[1:6, 2:5] Sepal.Length Sepal.Width Petal.Length Petal.Width Species setosa setosa setosa setosa setosa setosa HEP (FSP-USP) Aula 2 29 Maio / 40
32 Boxplot >boxplot(iris$petal.length iris$species) setosa versicolor virginica HEP (FSP-USP) Aula 2 29 Maio / 40
33 Boxplot >iris$species<-factor(as.numeric(iris$species), labels=c("iris setosa", "Iris versicolor", "Iris virginica")) >boxplot(iris$petal.length iris$species, ylab = "Comprimento de pétala (cm)", boxwex = 0.5) >text(2, 5.25, labels="99.5") >text(2, 3.2, labels="0.5") Comprimento de pétala (cm) Iris setosa Iris versicolor Iris virginica HEP (FSP-USP) Aula 2 29 Maio / 40
34 Exercício 3: boxplot Para fazer o exercício, vamos considerar outra base de dados (PlantGrowth). Essa base de dados representa resultados de um experimento para comparar o peso seco de plantas entre dois tipos de tratamentos e o controle. Assim, como nos exercícios anteriores, você deve importar e visualizar essa base. Em seguida faça o boxplot como o exemplo a seguir. HEP (FSP-USP) Aula 2 29 Maio / 40
35 Exercício 3: boxplot Comparação de peso entre diferentes tratamentos 99.5 Peso seco (gramas) Controle Tratamento 1 Tratamento 2 HEP (FSP-USP) Aula 2 29 Maio / 40
36 Scatterplot A base de dados cars é um estudo de velocidade dos carros e as distâncias que precisariam ser utilizadas para frear o veículo. Observe que os dados foram registrados em HEP (FSP-USP) Aula 2 29 Maio / 40
37 Scatterplot >data(cars) >cars[1:10,] speed dist HEP (FSP-USP) Aula 2 29 Maio / 40
38 Scatterplot >plot(cars$speed, cars$dist) cars$speed cars$dist HEP (FSP-USP) Aula 2 29 Maio / 40
39 Scatterplot >plot(cars$speed, cars$dist, xlab = "velocidade (milhas / hora)", ylab = "distância (metros)") velocidade (milhas / hora) distância (metros) HEP (FSP-USP) Aula 2 29 Maio / 40
40 Exercício: Scatterplot O exercício para aprender a trabalhar com scatterplot será realizado com outra base de dados (swiss). Vocês irão trabalhar com essa base de dados na próxima aula que será de modelos de regressão linear. HEP (FSP-USP) Aula 2 29 Maio / 40
41 References I Braun WJ, Murdoch DJ. A first course in statistical programming with R. Cambridge: Cambridge University Press; HEP (FSP-USP) Aula 2 29 Maio / 40
Função discriminante linear de Fisher
Função discriminante linear de Fisher ## Biblioteca com a função discriminante linear de Fisher library(mass) ## Dados (?iris apresenta informações sobre o conjunto de dados) dados
Análise Estatística em Epidemiologia Utilizando o Ambiente R - I
Análise Estatística em Epidemiologia Utilizando o Ambiente R - I Extensão do programa com pacotes aplicados à epidemiologia Ministrantes: Prof a Maria do Rosário D. O. Latorre Dr. Gabriel Z. Laporta Monitor:
Técnicas Multivariadas em Saúde. Representação de Dados Multivariados. Métodos Multivariados em Saúde Roteiro. Análise Exploratória de Dados
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Módulo VII: Estatística elementar
Módulo VII: Estatística elementar 166 Revisão 167 Palavras-chave em estatística A estatística é composta por um conjunto de métodos destinados à coleta, à apresentação, à análise e à interpretação de dados,
Exercicio 01 Gabarito Roseli Aparecida Leandro 10 de março de 2019
Execicio 01 Gabaito Roseli Apaecida Leando 10 de maço de 2019 Conjunto de dados Iis flowe head(iis) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2
RECURSOS GRÁFICOS TIAGO M. MAGALHÃES. São Paulo, 10 de janeiro de 2013
XLII PROGRAMA DE VERÃO Uma Introdução à Análise Exploratória de Dados e Métodos Estatísticos RECURSOS GRÁFICOS TIAGO M. MAGALHÃES INSTITUTO DE MATEMÁTICA E ESTATÍSTICA - USP São Paulo, 10 de janeiro de
Aula 4. Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro
Aula 4 Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro 2012 (UFRJ) Análise Exploratória de Dados 2012 1 / 27 Objetivos da aula Trabalhar com transformações
RECURSOS GRÁFICOS TIAGO M. MAGALHÃES. São Paulo, 13 de janeiro de 2014
XLIII PROGRAMA DE VERÃO Uma Introdução à Análise Exploratória de Dados e Métodos Estatísticos RECURSOS GRÁFICOS TIAGO M. MAGALHÃES INSTITUTO DE MATEMÁTICA E ESTATÍSTICA - USP São Paulo, 13 de janeiro de
## Distribuição exata de U m Estatística-2018/2. Turma: Geografia
Estatística-2018/2 Turma: Geografia Objetivos da aula Mostrar como o usar o R para: calcular medidas de posição e dispersão de um conjunto de dados; construir um boxplot. Determinação dos quantis de uma
Attribute Information:
Universidade Tecnológica Federal do Paraná (UTFPR) 2010/03 Mineração de Dados Jean Avila Rangel PPGCA 1801317 Trabalho para o dia 18 do professor Heitor. Análise na ferramenta Rstudio de arquivos da base
Importância prática do desvio padrão. Obs. Para uma distribuição normal.
Importância prática do desvio padrão Obs. Para uma distribuição normal. 1 Organização e representação dos dados Outra forma de organizar e resumir a informação contida em dados observados é por meio de
Algoritmos Indutores de Árvores de. Fabrício J. Barth
Algoritmos Indutores de Árvores de Decisão Fabrício J. Barth Maio de 2018 Problema: Diagnóstico para uso de lentes de contato 2 Diagnóstico para o uso de lentes de contato O setor de oftalmologia de um
Pacotes Lattice e tables. Cristiano de Carvalho
Pacotes Lattice e tables Cristiano de Carvalho Pacote lattice Pacote lattice O pacote lattice do R é uma ferramenta bastante útil para preparar painéis com gráficos de forma automatizada e gráficos que
1 AULA 5 - REGRESSÃO LOGÍSTICA BINOMIAL
1 AULA 5 - REGRESSÃO LOGÍSTICA BINOMIAL 1.1 Tabela de contingência A base de dados que vamos utilizar são os dados do estudo caso-controle em que os casos foram mulheres com infertilidade e os controles,
Estatística Básica. PhD. Wagner Hugo Bonat 1/2017. Universidade Federal do Paraná. Bonat, W. H. (LEG/UFPR) 1/ / 18
Estatística Básica PhD. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação-LEG Universidade Federal do Paraná 1/2017 Bonat, W. H. (LEG/UFPR) 1/2017 1 / 18 Informações gerais Referência bibliográfica
UNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA "LUIZ DE QUEIROZ" DEPARTAMENTO DE CIÊNCIAS EXATAS RELATÓRIO DE ATIVIDADE PRÁTICA Relatório da aula prática nº 1, da disciplina LCE602 - Estatística
## Distribuição exata de U m Fundamentos de Inteligência Artificial [5COP099]
![Fundamentos de Inteligência Artificial [5COP099]](/thumbs/78/78286919.jpg "Fundamentos de Inteligência Artificial [5COP099]")
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre Assunto Aula 8 Análise de Dados 2 de 23 Sumário Introdução Caracterização de Dados
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 010 Estatística Descritiva e Análise Exploratória Etapas iniciais. Utilizadas para descrever e resumir os dados. A disponibilidade de uma grande quantidade
8. Medidas de associação Parte 2
8. Medidas de associação Parte 01 8.. Variáveis qualitativas x { x 1,...,x k } e y { y 1,...,y m }, 1 < k n e 1 < m n. f ij : frequencia absoluta do par (x i, y j ), i = 1,...,k e j = 1,...,m. Tabela de
Estatística-2017/2 aula de 14/08 TURMA: IGA
Estatística-2017/2 aula de 14/08 TURMA: IGA Objetivos da aula Usando o R, 1) construir um histograma; 2) construir um ramo-e-folhas; 3) calcular a média aritmética de um conjunto de valores; 4) definir
1 AULA 3 - MODELO DE REGRESSÃO LINEAR
1 AULA 3 - MODELO DE REGRESSÃO LINEAR 1.1 Análise exploratória Fazer um modelo de regressão linear envolve modelar uma variável de desfecho contínua em função de uma ou mais variáveis explanatórias. Como
Função prcomp. 1. Introdução
Função prcomp 1. Introdução Apresentamos alguns exemplos de utilização da função prcomp do pacote stats em R. Esta função permite realizar uma análise de componentes principais a partir de uma matriz de
Tópicos Especiais: INTELIGÊNCIA DE NEGÓCIOS II. Análise de Dados. Sylvio Barbon Junior 29 de julho de 2016 DC-UEL Sylvio Barbon Jr 1
Tópicos Especiais: INTELIGÊNCIA DE NEGÓCIOS II Análise de Dados Sylvio Barbon Junior barbon@uel.br 29 de julho de 2016 DC-UEL Sylvio Barbon Jr 1 Sumário Introdução Caracterização de Dados Exploração de
Importação e Exportação de dados
Importação e Exportação de dados Cristiano de Carvalho Santos Departamento de Estatística, Universidade Federal de Minas Gerais (UFMG) Importação de dados Muitas vezes os dados que iremos utilizar já foram
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
Análise Exploratória Unidimensional
Análise Exploratória Unidimensional Análise de Dados e Simulação Márcia D Elia Branco http://www.ime.usp.br/~mbranco APOIO COMPUTACIONAL Software: R Vantagem: software livre Download: http://www.r-project.org/
Estatística Descritiva II
Estatística Descritiva II Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Estatística Descritiva II 1 o Semestre 2014 1 / 44 Objetivos da Aula Sumário 1 Objetivos da Aula 2
Introdução ao. Susana Barbosa. Mestrado em Ciências Geofísicas
Introdução ao Susana Barbosa Mestrado em Ciências Geofísicas 2012-2013 O que é o R? O R é software livre (FOSS - Free Open Source Software) projecto GNU, distribuído sob licença GPL corre em diversas plataformas
Resumo para iniciar a trabalhar no R Lisbeth Cordani R instalar o R Rcmdr R Commander
Resumo para iniciar a trabalhar no R Lisbeth Cordani 2012 R instalar o R 2.15.0 http://www.r-project.org/ Rcmdr R Commander No R trabalha-se diretamente com comandos para todas as ações, mas é possível
MLaaS com Azure: Que tipo de flor de íris é essa?
MLaaS com Azure: Que tipo de flor de íris é essa? Douglas Lima Dantas Bacharel em Engenharia de Computação pela UEA (2013-2017) Trainee Samsung Ocean (2015-2017) Mestrando em Engenharia Elétrica pela Poli-USP
Introdução à análise exploratória de dados
Introdução à análise exploratória de dados Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação LEG/DEST/UFPR
Métodos Quantitativos. PROF. DR. Renato Vicente
Métodos Quantitativos PROF. DR. Renato Vicente Kit Básico de Estatística Descritiva 1. Procure sempre representar seus dados graficamente através de um histograma ou gráfico de dispersão; 2. Procure por
Cap. 6 Medidas descritivas
Estatística Aplicada às Ciências Sociais Sexta Edição Pedro Alberto Barbetta Florianópolis: Editora da UFSC, 2006 Cap. 6 Medidas descritivas Análise descritiva e exploratória de variáveis quantitativas
Análise exploratória de dados
Análise exploratória de dados Susana Barbosa Mestrado em Ciências Geofísicas 2012-2013 Estatística origem ~1770, do Alemão Statistik ciência que lida com dados sobre a condição de um estado ou comunidade
Princípios de Bioestatística Estatística Descritiva/Exploratória
1/31 Princípios de Bioestatística Estatística Descritiva/Exploratória Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/31 Descrição de Dados Variável: característica
Algoritmos de Agrupamento - Aprendizado Não Supervisionado
Algoritmos de Agrupamento - Aprendizado Não Supervisionado Fabrício Jailson Barth fabricio.barth@gmail.com Agosto de 2016 Sumário Introdução e Definições Aplicações Algoritmos de Agrupamento Agrupamento
CE-001: Bioestatística, turma A
CE-001: Bioestatística, turma A 1 a Prova - 2 o semestre 2004 01 de outubro de 2004 Prova 1 1. (2,0 pontos) Os dados a seguir correspondem a teores de um elemento coletados em amostras de sangue de dois
SS714 - Bioestatística
SS714 - Bioestatística Silvia Shimakura silvia.shimakura@ufpr.br Página da disciplina: http://www.leg.ufpr.br/doku.php/disciplinas:ss714 ESTATÍSTICA DESCRITIVA Organização Descrição Quantificação de variabilidade
Técnicas Computacionais em Probabilidade e Estatística I. Aula I
Técnicas Computacionais em Probabilidade e Estatística I Aula I Chang Chiann MAE 5704- IME/USP 1º Sem/2008 1 Análise de Um conjunto de dados objetivo: tratamento de um conjunto de dados. uma amostra de
BIE5782. Unidade 3: OBJETOS DE DADOS E SUA MANIPULAÇÃO
BIE5782 Unidade 3: OBJETOS DE DADOS E SUA MANIPULAÇÃO DESAFIOS 1. Importar os dados 2. Manipular os dados Salvar como texto Arquivo.txt ou.csv Padrão dos dados no wikisite read.table Leitura de Arquivos-texto
Redes Perceptron e Multilayer Perceptron aplicadas a base de dados IRIS
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Redes Perceptron e Multilayer Perceptron aplicadas a base de dados IRIS Aluno: Fabricio Aparecido Breve Prof.: Dr. André Ponce
Introdução à análise exploratória de dados
Introdução à análise exploratória de dados Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 23/02/2018
Função prcomp em R. 1. Introdução
Função prcomp em R 1. Introdução Apresentamos alguns exemplos de utilização da função prcomp do pacote stats em R. Esta função permite realizar uma análise de componentes principais a partir de uma matriz
Estatística Descritiva/Exploratória
1/28 Introdução à Bioestatística Estatística Descritiva/Exploratória Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/28 Descrição de Dados Variável: característica
RELATÓRIO DA ANÁLISE DE REGRESSÃO (Ex1 - Reg. Linear Simples) ****************************** PASSO 1 *******************************
RELATÓRIO DA ANÁLISE DE REGRESSÃO (Ex1 - Reg. Linear Simples) ****************************** PASSO 1 ******************************* O grau do polinomio é 1 (Linear) Tem um outlier *TESTE DA HOMOCEDASTICIDADE
Bioestatística Aula 2
Bioestatística Aula 2 Anderson Castro Soares de Oliveira Anderson Bioestatística 1 / 60 Estatística Descritiva Um dos objetivos da Estatística é sintetizar os valores que uma ou mais variáveis podem assumir
BIOESTATÍSTICA AULA 2. Anderson Castro Soares de Oliveira Jose Nilton da Cruz. Departamento de Estatística/ICET/UFMT
BIOESTATÍSTICA AULA 2 Anderson Castro Soares de Oliveira Jose Nilton da Cruz Departamento de Estatística/ICET/UFMT Estatística Descritiva ESTATÍSTICA DESCRITIVA Um dos objetivos da Estatística é sintetizar
Eng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Eng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Revisão de Estatística Coleta de dados Análise de dados
INTRODUÇÃO À ESTATÍSTICA
INTRODUÇÃO À ESTATÍSTICA A Estatística refere-se às técnicas pelas quais os dados são "coletados", "organizados","apresentados" "apresentados" e"analisados" "analisados". Pode-se dividir a ciência Estatística
Bob Cuspe. Title goes here 1. Reconhecimento de Padrões. Análise de Discrimantes. Objetivos da Análise de Discriminantes. Análise de Discriminantes
Reconhecimento de Padrões Análise de Discriminantes Prof. Dr. rer.nat. Aldo von Wangenheim Análise de Discrimantes A análise de funções discriminantes é utilizada para determinar quais variáveis discriminam
Atividade 1 - Análise estatística
Atividade 1 - Análise estatística Carregando os arquivos do Yahoo! Finance Vamos carregar as séries de preços de fechamento ajustados de ambas as séries em uma única estrutura de dados de séries temporais
Avaliação do conteúdo de potássio em grãos de soja em função dos níveis de água a potássio aplicados
Avaliação do conteúdo de potássio em grãos de soja em função dos níveis de água a potássio aplicados Walmes Marques Zeviani 1 Material e métodos O experimento foi instalado em casa de vegetação no Campus
Modelos de Regressão para Dados de Contagem
UNIVERSIDADE FEDERAL DO PARANÁ Departamento de Estatística Modelos de Regressão para Dados de Contagem CE225 - Modelos Lineares Generalizados Professor Cesar Taconelli Andrea A Alves, GRR: 20096668 NathanM
Análise de dados em Geociências
Análise de dados em Geociências Análise exploratória de dados Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Análise exploratória de dados Princípios e objectivos da estatística Introdução
Curso R. Teste de Hipóteses. Alexandre Adalardo de Oliveira. Ecologia- IBUSP maio 2017
Curso R Teste de Hipóteses Alexandre Adalardo de Oliveira Ecologia- IBUSP maio 2017 1 Uso da Linguagem R : Teste de Hipóteses 2. 1 Uso da Linguagem R : Teste de Hipóteses 1. a lógica do teste 2. o significado
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO Resoluções dos Exercícios Introdutórios
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO 2018-19 Resoluções dos Exercícios Introdutórios 1. Os comandos do R necessários para a resolução são os seguintes: (a) > precip
HEP Bioestatística
HEP 578 Bioestatística DATA Aula CONTEÚDO PROGRAMÁTICO 5/3 Terça 1 Níveis de mensuração, variáveis, organização de dados, apresentação tabular 7/3 Quinta 2 Apresentação tabular e gráfica 12/3 Terça 3 Apresentação
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 2019 Estatística Descritiva e Análise Exploratória Etapas iniciais. Utilizadas para descrever e resumir os dados. A disponibilidade de uma grande quantidade
CEFET/RJ Bacharelado em Ciência da Computação Inferência Estatística - Trabalho 01
CEFET/RJ Bacharelado em Ciência da Computação Inferência Estatística - Trabalho 01 Prof. Eduardo Bezerra (ebezerra@cefet-rj.br) setembro/2017 Conteúdo 1 Estimativas de probabilidades 3 2 Distribuição Normal
Análise de agrupamentos por métodos hierárquicos aglomerativos
Análise de agrupamentos por métodos hierárquicos aglomerativos ## Exemplo 1 (p = 2) dados
Algoritmos de Agrupamento - Aprendizado Não Supervisionado. Fabrício Jailson Barth
Algoritmos de Agrupamento - Aprendizado Não Supervisionado Fabrício Jailson Barth Abril de 2013 Sumário Introdução e Definições Aplicações Algoritmos de Agrupamento Agrupamento Plano Agrupamento Hierárquico
Estatística para Cursos de Engenharia e Informática
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 3 Análise exploratória de dados APOIO: Fundação de Apoio
APONTAMENTOS DE SPSS
Instituto de Ciências Biomédicas de Abel Salazar APONTAMENTOS DE SPSS Rui Magalhães 2010-1 - - 2 - Menu DATA Opção SPLIT FILE Permite dividir, de uma forma virtual, o ficheiro em diferentes ficheiros com
Teste de hipóteses. Testes de Hipóteses. Valor de p ou P-valor. Lógica dos testes de hipótese. Valor de p 31/08/2016 VPS126
3/8/26 Teste de hipóteses Testes de Hipóteses VPS26 Ferramenta estatística para auxiliar no acúmulo de evidências sobre uma questão Média de glicemia de um grupo de animais é diferente do esperado? Qual
Importação e Exportação de dados
Importação e Exportação de dados Cristiano de Carvalho Santos professor.pacotes.estatisticos@gmail.com Grupo Google: PacotesEstatisticos2016 Departamento de Estatística, Universidade Federal de Minas Gerais
Redes Neurais no WEKA
Redes Neurais WEKA http://www.cs.waikato.ac.nz/ml/weka/ Redes Neurais no WEKA Introdução ao WEKA Base Benchmark Estudo de Casos Análise de Crédito Bancário 1 Redes Neurais no Weka WEKA (Waikaito Environment
Introdução à Probabilidade e Estatística I
Introdução à Probabilidade e Estatística I População e Amostra Medidas resumo Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Passos iniciais O primeiro
Modelos Lineares Generalizados para Dados de Contagem Ananda Bordignon, Brendha Lima, Giovanna Lazzarin 28 de novembro de 2018
Modelos Lineares Generalizados para Dados de Contagem Ananda Bordignon, Brendha Lima, Giovanna Lazzarin 28 de novembro de 2018 1. Introdução O objetivo deste trabalho é apresentar uma análise estatística,
Estatística para Geografia. Rio, 13/09/2017
Estatística para Geografia Rio, 13/09/2017 Objetivos Como usar o R para calcular o R 2, medida de associação entre uma variável qualitativa e uma variável quantitativa? Como construir os boxplots simultâneos
Estatística Descritiva II
Estatística Descritiva II Bacharelado em Economia - FEA - Noturno 1 o Semestre 2017 Profs. Gilberto A. Paula e Vanderlei C. Bueno MAE0219 (Economia-FEA-Noturno) 1 o Semestre 2017 1 / 50 Sumário 1 Objetivos
Aula 2: Tipos de variáveis
Aula 2: Tipos de variáveis Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro 2012 (UFRJ) Análise Exploratória de Dados 2012 1 / 34 Exemplo 2.1 Um pesquisador
Apostila de estatística básica R Commander Organizador: Daniel Magalhães Lima. Autores:
Apostila de estatística básica R Commander Organizador: Daniel Magalhães Lima Autores: Sumário Importando dados... 3 Explorando dados Tendência central, dispersão e gráficos... 3 Teste de normalidade...
Support Vector Machines
Universidade Federal do Paraná Laboratório de Estatística e Geoinformação - LEG Support Vector Machines Eduardo Vargas Ferreira Definição Support Vector Machines são baseados no conceito de planos de decisão
O USO DO SOFTWARE R COMO FERRAMENTA DE APOIO À PROBABILIDADE, ESTATÍSTICA E PESQUISA OPERACIONAL EM ENGENHARIA DE PRODUÇÃO
O USO DO SOFTWARE R COMO FERRAMENTA DE APOIO À PROBABILIDADE, ESTATÍSTICA E PESQUISA OPERACIONAL EM ENGENHARIA DE PRODUÇÃO Aluno: André Provenzano Naveiro Orientador: Fernando Luiz Cyrino Oliveira Co-orientadora:
Segundo passo: > set.seed(16) > amostra <- sample(clientes, 10, replace = FALSE) > amostra [1]
![Segundo passo: > set.seed(16) > amostra <- sample(clientes, 10, replace = FALSE) > amostra [1]](/thumbs/80/82532376.jpg "Segundo passo: > set.seed(16) > amostra <- sample(clientes, 10, replace = FALSE) > amostra [1]")
Resolução dos exemplos da apostila Capitulo 1 - Conceitos Básicos e Técnicas de Estatística Descritiva Nesta seção abordaremos sobre os alguns aspectos básicos da estatística descritiva. Verificaremos
est171 - Aprendizado de Máquina Departamento de Estatística Universidade Federal de Minas Gerais Lista 2 Outubro de 2016 Sumário Exercício I 2
est171 - Aprendizado de Máquina Departamento de Estatística Universidade Federal de Minas Gerais Lista 2 Henrique Aparecido Laureano Matheus Henrique Sales Outubro de 2016 Sumário Exercício I 2 1 Exercício
ANÁLISE DESCRITIVA. ICB Airlane P. Alencar
ANÁLISE DESCRITIVA ICB Airlane P. Alencar Banco de dados http://biostat.mc.vanderbilt.edu/wiki/main/datasets Diabetes These data are courtesy of Dr John Schorling, Department of Medicine, University of
Planejamento de Experimentos Suposições do Modelo e Comparações Múltiplas
1 / 30 Planejamento de Experimentos Suposições do Modelo e Comparações Múltiplas Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 30 Exemplo típico: Resistência de uma nova fibra sintética
Medidas Descritivas de Posição, Tendência Central e Variabilidade
Medidas Descritivas de Posição, Tendência Central e Variabilidade Prof. Gilberto Rodrigues Liska UNIPAMPA 29 de Agosto de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores
Nov/2016. José Roberto Motta Garcia
José Roberto Motta Garcia garcia.cptec@gmail.com Fases da análise de dados Tratamento de dados Resumo estatístico dos dados - comandos Resumo estatístico dos dados - resultados Agrupamento pela soma (via
Estatística descritiva
Estatística descritiva Para que serve a estatística? Qual o seu principal objectivo? obter conclusões sobre a população usando uma amostra? População Amostragem Amostra Uma ou mais variáveis (X) são observadas
Estatística Descritiva (II)
Estatística Descritiva (II) Exemplo 1: Dados CEA06P16, do projeto Perfil Evolutivo da fluência da fala de falantes do português brasileiro Estudo realizado pela Faculdade de Medicina USP e Faculdade de
MÉTODOS QUANTITATIVOS APLICADOS. Prof. Danilo Monte-Mor
MÉTODOS QUANTITATIVOS APLICADOS Prof. Danilo Monte-Mor Métodos Quantitativos Aulas 1 e 2 Análise Exploratória de Dados 2 Danilo Soares Monte Mor Currículum Vitae Prof. Dr. e especialista em Métodos Quantitativos
PARTE 1. Profa. Dra. Alessandra de Ávila Montini
PARTE 1 Programa de Pós-graduação do Departamento de Administração PPGA Agenda 2 14:00 15:30 Fundamentação Teórica 15:30 15:45 Coffee break 15:45 17:00 Fundamentação Teórica 17:00 18:00 Exercícios de Fixação
Estatística Descritiva (II)
Estatística Descritiva (II) Exemplo: Um experimento feito por alunos. Cada um deles registrou sua altura, peso, sexo, hábito de fumar e nível de atividade física. Depois, todos eles jogaram moedas e aqueles
Vamos conversar sobre BRUNI
Vamos conversar sobre Aviso importante!!! Estes slides apresentam o conteúdo do livro Estatística Aplicada à Gestão Empresarial, de Adriano Leal Bruni, publicado pela Editora Atlas Capítulo 2 Gráficos
9. Representação de dados multidimensionais
9. Representação de dados multidimensionais 2011 Dados: x i, i = 1,...,n, vetores p 1 (p 2) cujos componentes podem ser p variáveis qualitativas, p variáveis quantitativas ou de ambos os tipos. Problema
Aula prática 4 Parte I - Correlação e regressão linear simples
Aula prática 4 Parte I - Correlação e regressão linear simples Para esta aula prática vamos trabalhar com dados de um estudo cujo objetivo foi verificar a associação entre atividade física, aptidão cardiorrespiratória
A Figura 28 mostra a representação gráfica dos dados presentes na base de dados fcmdata do Matlab de dimensão 140x2 dividida em 2 grupos.
84 5 Estudos de Caso A seguir serão apresentados três estudos de caso. Os dois primeiros estudos de caso têm por objetivo demonstrar a facilidade de uso do aplicativo, e o último estudo de caso é focado
ANÁLISE DE CONGLOMERADOS E OS INDICADORES DE GOVERANÇA MUNDIAL
PUC - SP ANÁLISE DE CONGLOMERADOS E OS INDICADORES DE GOVERANÇA MUNDIAL José Renato Lamberti Stella Milanez MESTRADO EM ADMINISTRAÇÃO DE EMPRESAS MÉTODOS QUANTITATIVOS PROF. DR. ARNOLDO HOYOS SÃO PAULO
Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Cronograma parcial DPS1037 Data Aula Conteúdo 10/ago 1 Introdução à Engenharia da
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 01 Estatística Descritiva e Análise Exploratória Etapas iniciais. Utilizadas para descrever e resumir os dados. A disponibilidade de uma grande quantidade
A UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE:
A UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE: ESELAW 09 MARCOS ANTÔNIO P. & GUILHERME H. TRAVASSOS) 1 Aluna: Luana Peixoto Annibal
TEMPERATURA E MORTALIDADE POR CAUSAS RESPIRATÓRIAS EM IDOSOS. Samuel Osorio Helena Ribeiro Fredi Diaz DE SÃO PAULO
TEMPERATURA E MORTALIDADE POR CAUSAS RESPIRATÓRIAS EM IDOSOS Samuel Osorio Helena Ribeiro Fredi Diaz DE SÃO PAULO 2003-2013 1. INTRODUÇÃO: MUNICÍPIO DE SÃO PAULO 21 49' Sur 49 12' Oeste Altitude: 760 m
Física Geral - Laboratório (2013/1) Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório (2013/1) Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Lembrando: Bibliografia Estimativas e Erros em Experimentos de Física (EdUERJ) 2 Resumo:
Descrevendo Distribuições com Números TADI
Descrevendo Distribuições com Números TADI 1 Quanto ganha quem tem curso superior? Entrevistamos 15 pessoas que responderam (em milhares de R$/mês): 11 2,5 5 5 5,5 3 3,5 3 0,4 3,2 5 3 3,2 7,4 6 Salário