> n = 1000

> z = rnorm(n)
> hist(z, probability=T)
> lines(density(z), col=“red”)

> y = rexp(n, rate=1/25) # Dist. exponencial
> hist(y, probability=T)
> lines(density(y), col=“red”)

> w = rweibull(n, shape=5.7, scale=30)
> hist(w, probability=T)
> lines(density(w), col=“red”)

> x = rpois(n, 10)
> tab = table(x)
> plot(tab/sum(tab))
> lines(density(x), col=“red”)

50 observações da dist. Gaussiana padronizada (x e y)

x = rnorm(50)
y = rnorm(x)

Gráfico de dispersão e coeficiente de correlação

plot(x,y)
cor(x,y)

Quais são os objetos que temos no workspace? Removendo “x” e “y”

ls()
rm(x,y)

Vetor sequencial e conjunto de dados (dataframe)

x = 1:30
meus.dados = data.frame(x=x, y=5.4 + 0.75 * x + rnorm(x, sd=2.5))

Regressão linear simples, gráficos diagnósticos da regressão e sumário da regressão

regline = lm( y ~ x, data=meus.dados )
plot(regline)
summary(regline)

Gráfico de dispersão e a lina de regressão ao gráfico

plot( y ~ x, data=meus.dados )
abline(coef(regline), col=“red”)

Vetor sequencial, conjunto de dados (dataframe), e regressão linear simples

> x = 1:30
> meus.dados2 = data.frame(x=x, y= 3 + 1.5*x + rnorm(x, mean=0, sd=0.5*x^0.8) )
> regline2 = lm( y ~ x, meus.dados2)

Gráfico de dispersão (com linha de tendência) e linha de regressão adicionada ao gráfico

> scatter.smooth( meus.dados2$x, meus.dados2$y )
> abline( coef(regline2), col=“orange”, lty=2 )

Limpeza geral!

> rm(x, meus.dados, meus.dados2, regline, regline2)

Criando duas variáveis (x e y) e uma matrix (z)

> x = seq(-pi, pi, len=50)
> y = x
> z = outer(x, y, function(x,y) cos(y)/(1+x^2))

Preparando a janela gráfica

> oldpar = par(no.readonly=TRUE)
> par(pty=“s”)

Gráfico de perspectiva

> persp(x,y,z, theta=30, phi=20)
persp(x,y,z, theta=30, phi=20, col=“orange”)

Gráfico de contorno (iso-linhas)

> contour(x,y,z, col=“red”)

Gráfico de imagens

> image(x,y,z)

Gráfico de imagens com iso-linhas

> image(x,y,z)
> contour(x,y,z, add=TRUE)

HOME: Uso do R no Processamento de Dados