Estatística Descritiva no R

Cristiano de Carvalho Santos

DEST-UFMG

Transformação no banco de dados

Algumas vezes temos a necessidade de realizar alguma tranformação em uma ou mais variáveis do banco de dados.

Isto pode ser feito de diversas formas, uma delas é utilizando a função transform.

Veja alguns exemplos:

# Manipulacao de banco de dados
milsa <- read.table("http://www.leg.ufpr.br/~paulojus/dados/milsa.dat", head = T) 

# Podemos visualizar o banco de dados com View(milsa)

# Podemo ver algumas caracteristicas do banco de dados com:
mode(milsa)

## [1] "list"

str(milsa)

## 'data.frame':    36 obs. of  8 variables:
##  $ funcionario: int  1 2 3 4 5 6 7 8 9 10 ...
##  $ civil      : int  1 2 2 1 1 2 1 1 2 1 ...
##  $ instrucao  : int  1 1 1 2 1 1 1 1 2 2 ...
##  $ filhos     : int  NA 1 2 NA NA 0 NA NA 1 NA ...
##  $ salario    : num  4 4.56 5.25 5.73 6.26 6.66 6.86 7.39 7.59 7.44 ...
##  $ ano        : int  26 32 36 20 40 28 41 43 34 23 ...
##  $ mes        : int  3 10 5 10 7 0 0 4 10 6 ...
##  $ regiao     : int  1 2 2 3 3 1 1 2 2 3 ...

names(milsa)

## [1] "funcionario" "civil"       "instrucao"   "filhos"      "salario"    
## [6] "ano"         "mes"         "regiao"

# veja o help da função digitando: ?transform

## Transformando um banco de dados
milsa <- transform(milsa, civil = factor(civil, label = c("solteiro", "casado"), levels = 1:2), 
                   instrucao = factor(instrucao, label = c("1oGrau",   "2oGrau", "Superior"), 
                                      lev = 1:3, ord = T), 
                   regiao = factor(regiao, label = c("capital", "interior", "outro"), lev = c(2, 1, 3))) 

milsa <- transform(milsa, idade = ano + mes/12) 


milsa

##    funcionario    civil instrucao filhos salario ano mes   regiao    idade
## 1            1 solteiro    1oGrau     NA    4.00  26   3 interior 26.25000
## 2            2   casado    1oGrau      1    4.56  32  10  capital 32.83333
## 3            3   casado    1oGrau      2    5.25  36   5  capital 36.41667
## 4            4 solteiro    2oGrau     NA    5.73  20  10    outro 20.83333
## 5            5 solteiro    1oGrau     NA    6.26  40   7    outro 40.58333
## 6            6   casado    1oGrau      0    6.66  28   0 interior 28.00000
## 7            7 solteiro    1oGrau     NA    6.86  41   0 interior 41.00000
## 8            8 solteiro    1oGrau     NA    7.39  43   4  capital 43.33333
## 9            9   casado    2oGrau      1    7.59  34  10  capital 34.83333
## 10          10 solteiro    2oGrau     NA    7.44  23   6    outro 23.50000
## 11          11   casado    2oGrau      2    8.12  33   6 interior 33.50000
## 12          12 solteiro    1oGrau     NA    8.46  27  11  capital 27.91667
## 13          13 solteiro    2oGrau     NA    8.74  37   5    outro 37.41667
## 14          14   casado    1oGrau      3    8.95  44   2    outro 44.16667
## 15          15   casado    2oGrau      0    9.13  30   5 interior 30.41667
## 16          16 solteiro    2oGrau     NA    9.35  38   8    outro 38.66667
## 17          17   casado    2oGrau      1    9.77  31   7  capital 31.58333
## 18          18   casado    1oGrau      2    9.80  39   7    outro 39.58333
## 19          19 solteiro  Superior     NA   10.53  25   8 interior 25.66667
## 20          20 solteiro    2oGrau     NA   10.76  37   4 interior 37.33333
## 21          21   casado    2oGrau      1   11.06  30   9    outro 30.75000
## 22          22 solteiro    2oGrau     NA   11.59  34   2  capital 34.16667
## 23          23 solteiro    1oGrau     NA   12.00  41   0    outro 41.00000
## 24          24   casado  Superior      0   12.79  26   1    outro 26.08333
## 25          25   casado    2oGrau      2   13.23  32   5 interior 32.41667
## 26          26   casado    2oGrau      2   13.60  35   0    outro 35.00000
## 27          27 solteiro    1oGrau     NA   13.85  46   7    outro 46.58333
## 28          28   casado    2oGrau      0   14.69  29   8 interior 29.66667
## 29          29   casado    2oGrau      5   14.71  40   6 interior 40.50000
## 30          30   casado    2oGrau      2   15.99  35  10  capital 35.83333
## 31          31 solteiro  Superior     NA   16.22  31   5    outro 31.41667
## 32          32   casado    2oGrau      1   16.61  36   4 interior 36.33333
## 33          33   casado  Superior      3   17.26  43   7  capital 43.58333
## 34          34 solteiro  Superior     NA   18.75  33   7  capital 33.58333
## 35          35   casado    2oGrau      2   19.40  48  11  capital 48.91667
## 36          36   casado  Superior      3   23.30  42   2 interior 42.16667

Função attach

A função attach é utilizada para fixar o data.frame a ser utilizado;
Podemos fazer referência à variável apenas pelo seu nome, sem necessidade de usar o símbolo $.
Após terminar de trabalhar com o data.frame fixado utilize o comando detach (nome do dataset) para desabilitar o comando attach.

attach(milsa)
civil

##  [1] solteiro casado   casado   solteiro solteiro casado   solteiro solteiro
##  [9] casado   solteiro casado   solteiro solteiro casado   casado   solteiro
## [17] casado   casado   solteiro solteiro casado   solteiro solteiro casado  
## [25] casado   casado   solteiro casado   casado   casado   solteiro casado  
## [33] casado   solteiro casado   casado  
## Levels: solteiro casado

detach(milsa)

Quais ferramentas utilizamos na análise descritiva de um banco de dados?

Tabelas de frequências
Gráficos
Medidas resumo

Análise descritiva - variáveis qualitativas

Utilizamos os mesmos tipos de gráficos para variáveis qualitativas e quantitativas? NÃO!!!

$~$

Construção de tabelas de frequências:

As funções table e ftable podem ser usadas para construir tabelas de frequências;
prop.table pode ser usada para calcular frequências relativas;
round pode ser usada para determinar o número de casas decimais na exibição dos números;
margin.table é utilizada para calcular as somas marginais em tabelas de frequências com mais de uma variável.

attach(milsa)
t1 <- table(civil) 
t1

## civil
## solteiro   casado 
##       16       20

prop.table(t1)

## civil
##  solteiro    casado 
## 0.4444444 0.5555556

round(prop.table(t1), 2)

## civil
## solteiro   casado 
##     0.44     0.56

detach(milsa)

Algumas vezes não desejamos utilizar a função attach

## Tabelas de contingencia - sem usar o attach
t2 <- table(milsa[,c(2, 3)]) 
t2

##           instrucao
## civil      1oGrau 2oGrau Superior
##   solteiro      7      6        3
##   casado        5     12        3

## 
t2f <- ftable(milsa[c(2, 3)]) 
t2f

##          instrucao 1oGrau 2oGrau Superior
## civil                                    
## solteiro                7      6        3
## casado                  5     12        3

sapply(list(t2, t2f), class)

## [1] "table"  "ftable"

sapply(list(t2, t2f), is.matrix)

## [1] TRUE TRUE

sapply(list(t2, t2f), is.array)

## [1] TRUE TRUE

dimnames(t2)

## $civil
## [1] "solteiro" "casado"  
## 
## $instrucao
## [1] "1oGrau"   "2oGrau"   "Superior"

t2 <- table(milsa[c(2, 3)], dnn = c("Estado Civil", "Nivel de Instrucao"))
dimnames(t2)

## $`Estado Civil`
## [1] "solteiro" "casado"  
## 
## $`Nivel de Instrucao`
## [1] "1oGrau"   "2oGrau"   "Superior"

t2

##             Nivel de Instrucao
## Estado Civil 1oGrau 2oGrau Superior
##     solteiro      7      6        3
##     casado        5     12        3

## Tabelas para 3 variaveis e uso do with 
t3 <- with(milsa, table(civil, instrucao, regiao)) 
t3

## , , regiao = capital
## 
##           instrucao
## civil      1oGrau 2oGrau Superior
##   solteiro      2      1        1
##   casado        2      4        1
## 
## , , regiao = interior
## 
##           instrucao
## civil      1oGrau 2oGrau Superior
##   solteiro      2      1        1
##   casado        1      6        1
## 
## , , regiao = outro
## 
##           instrucao
## civil      1oGrau 2oGrau Superior
##   solteiro      3      4        1
##   casado        2      2        1

t3f <- with(milsa, ftable(civil, instrucao, regiao)) 
t3f

##                    regiao capital interior outro
## civil    instrucao                              
## solteiro 1oGrau                 2        2     3
##          2oGrau                 1        1     4
##          Superior               1        1     1
## casado   1oGrau                 2        1     2
##          2oGrau                 4        6     2
##          Superior               1        1     1

# Matriz ou array?
sapply(list(t3, t3f), is.matrix)

## [1] FALSE  TRUE

sapply(list(t3, t3f), is.array)

## [1] TRUE TRUE

sapply(list(t3, t3f), dim)

## [[1]]
## [1] 2 3 3
## 
## [[2]]
## [1] 6 3

# Eh possivel mudar a visualizacao da tabela com o col.vars
with(milsa, ftable(civil, instrucao, regiao, dnn = c("Estado Civil:", 
                 "Nivel de Instrucao", "Procedencia:"), col.vars = c(1,3)))

##                    Estado Civil: solteiro                 casado               
##                    Procedencia:   capital interior outro capital interior outro
## Nivel de Instrucao                                                             
## 1oGrau                                  2        2     3       2        1     2
## 2oGrau                                  1        1     4       4        6     2
## Superior                                1        1     1       1        1     1

## Frequencias relativas
prop.table(t3)

## , , regiao = capital
## 
##           instrucao
## civil          1oGrau     2oGrau   Superior
##   solteiro 0.05555556 0.02777778 0.02777778
##   casado   0.05555556 0.11111111 0.02777778
## 
## , , regiao = interior
## 
##           instrucao
## civil          1oGrau     2oGrau   Superior
##   solteiro 0.05555556 0.02777778 0.02777778
##   casado   0.02777778 0.16666667 0.02777778
## 
## , , regiao = outro
## 
##           instrucao
## civil          1oGrau     2oGrau   Superior
##   solteiro 0.08333333 0.11111111 0.02777778
##   casado   0.05555556 0.05555556 0.02777778

prop.table(t3f)

##                    regiao    capital   interior      outro
## civil    instrucao                                        
## solteiro 1oGrau           0.05555556 0.05555556 0.08333333
##          2oGrau           0.02777778 0.02777778 0.11111111
##          Superior         0.02777778 0.02777778 0.02777778
## casado   1oGrau           0.05555556 0.02777778 0.05555556
##          2oGrau           0.11111111 0.16666667 0.05555556
##          Superior         0.02777778 0.02777778 0.02777778

prop.table(t3, margin = 1)

## , , regiao = capital
## 
##           instrucao
## civil      1oGrau 2oGrau Superior
##   solteiro 0.1250 0.0625   0.0625
##   casado   0.1000 0.2000   0.0500
## 
## , , regiao = interior
## 
##           instrucao
## civil      1oGrau 2oGrau Superior
##   solteiro 0.1250 0.0625   0.0625
##   casado   0.0500 0.3000   0.0500
## 
## , , regiao = outro
## 
##           instrucao
## civil      1oGrau 2oGrau Superior
##   solteiro 0.1875 0.2500   0.0625
##   casado   0.1000 0.1000   0.0500

prop.table(t3f, margin = 1)

##                    regiao   capital  interior     outro
## civil    instrucao                                     
## solteiro 1oGrau           0.2857143 0.2857143 0.4285714
##          2oGrau           0.1666667 0.1666667 0.6666667
##          Superior         0.3333333 0.3333333 0.3333333
## casado   1oGrau           0.4000000 0.2000000 0.4000000
##          2oGrau           0.3333333 0.5000000 0.1666667
##          Superior         0.3333333 0.3333333 0.3333333

# Distribuicao marginal
margin.table(t3, mar = 1)

## civil
## solteiro   casado 
##       16       20

margin.table(t3, mar = 2)

## instrucao
##   1oGrau   2oGrau Superior 
##       12       18        6

addmargins(t3, mar=1)

## , , regiao = capital
## 
##           instrucao
## civil      1oGrau 2oGrau Superior
##   solteiro      2      1        1
##   casado        2      4        1
##   Sum           4      5        2
## 
## , , regiao = interior
## 
##           instrucao
## civil      1oGrau 2oGrau Superior
##   solteiro      2      1        1
##   casado        1      6        1
##   Sum           3      7        2
## 
## , , regiao = outro
## 
##           instrucao
## civil      1oGrau 2oGrau Superior
##   solteiro      3      4        1
##   casado        2      2        1
##   Sum           5      6        2

## com o ftable nao funciona a funcao de calcular margens

Construção de gráficos de frequências:

barplot: função para gráfico de barras;
pie: função para gráfico de pizza.

# Grafico de barras e pizza - construa uma tabela de frequencias primeiro!
barplot(t1)

pie(t1)

# Tem como melhorar este grafico?
# x11() ## Ou win.graph()
barplot(t1, main="Distribuicao segundo Estado civil", ylab= "Frequencia", xlab="Estado civil",col ="blue")

# x11()
pie(t1, labels = paste(c("casado - ","solteiro - "), round(prop.table(t1)*100,2), "%", sep=""),
    main="Distribuicao segundo estado civil", col = c("blue","red"))

# ?barplot

Note que a função plot retorna diferentes resultados dependendo do tipo do objeto.

attach(milsa)
plot(civil)

plot(ano)

plot(factor(ano))

Podemos plotar dos dois gráficos na mesma janela gráfica?

# x11()
par(mfrow = c(1,2), oma = (4:1))
barplot(t1, main="Estado civil", ylab= "Frequencia", xlab="Estado civil",col ="red",col.axis="blue") 
pie(t1, labels = paste(c("casado - ","solteiro - "), round(prop.table(t1)*100,2), "%", sep=""),
    main="Estado civil", col = c("blue","red"))

# Graficao de barras para duas variaveis
barplot(t2, beside = T, legend = T) ## Com t1f fica sem nomes dos eixo!!!
barplot(t2, beside = F, legend = T) ## Outra variacao

Principais parâmetros gráficos do R

Função $par$ define vários parâmetros da janela gráfica atual. Por exemplo, $par(mfrow=c(1,2))$ permite colocar dois gráficos lado a lado.

Cada tipo de gráfico permite configurar inúmeros parâmetros. Alguns deles são:
main: Título do gráfico;
sub: Subtítulo do gráfico;
xlab e ylab: nomes dos eixos;
col: relacionado a cor do gráfico;
cex.axis, cex.lab, cex.main, cex.sub: relativo ao tamanho da letra;
cex: relacionado a tamanho de pontos;
xlim e ylim: referente a escala que aparece nos eixos $x$ e $y$;

# Quais parametros graficos podemos mudar
# ?par

# Quais cores podemos usar
colours()

##   [1] "white"                "aliceblue"            "antiquewhite"        
##   [4] "antiquewhite1"        "antiquewhite2"        "antiquewhite3"       
##   [7] "antiquewhite4"        "aquamarine"           "aquamarine1"         
##  [10] "aquamarine2"          "aquamarine3"          "aquamarine4"         
##  [13] "azure"                "azure1"               "azure2"              
##  [16] "azure3"               "azure4"               "beige"               
##  [19] "bisque"               "bisque1"              "bisque2"             
##  [22] "bisque3"              "bisque4"              "black"               
##  [25] "blanchedalmond"       "blue"                 "blue1"               
##  [28] "blue2"                "blue3"                "blue4"               
##  [31] "blueviolet"           "brown"                "brown1"              
##  [34] "brown2"               "brown3"               "brown4"              
##  [37] "burlywood"            "burlywood1"           "burlywood2"          
##  [40] "burlywood3"           "burlywood4"           "cadetblue"           
##  [43] "cadetblue1"           "cadetblue2"           "cadetblue3"          
##  [46] "cadetblue4"           "chartreuse"           "chartreuse1"         
##  [49] "chartreuse2"          "chartreuse3"          "chartreuse4"         
##  [52] "chocolate"            "chocolate1"           "chocolate2"          
##  [55] "chocolate3"           "chocolate4"           "coral"               
##  [58] "coral1"               "coral2"               "coral3"              
##  [61] "coral4"               "cornflowerblue"       "cornsilk"            
##  [64] "cornsilk1"            "cornsilk2"            "cornsilk3"           
##  [67] "cornsilk4"            "cyan"                 "cyan1"               
##  [70] "cyan2"                "cyan3"                "cyan4"               
##  [73] "darkblue"             "darkcyan"             "darkgoldenrod"       
##  [76] "darkgoldenrod1"       "darkgoldenrod2"       "darkgoldenrod3"      
##  [79] "darkgoldenrod4"       "darkgray"             "darkgreen"           
##  [82] "darkgrey"             "darkkhaki"            "darkmagenta"         
##  [85] "darkolivegreen"       "darkolivegreen1"      "darkolivegreen2"     
##  [88] "darkolivegreen3"      "darkolivegreen4"      "darkorange"          
##  [91] "darkorange1"          "darkorange2"          "darkorange3"         
##  [94] "darkorange4"          "darkorchid"           "darkorchid1"         
##  [97] "darkorchid2"          "darkorchid3"          "darkorchid4"         
## [100] "darkred"              "darksalmon"           "darkseagreen"        
## [103] "darkseagreen1"        "darkseagreen2"        "darkseagreen3"       
## [106] "darkseagreen4"        "darkslateblue"        "darkslategray"       
## [109] "darkslategray1"       "darkslategray2"       "darkslategray3"      
## [112] "darkslategray4"       "darkslategrey"        "darkturquoise"       
## [115] "darkviolet"           "deeppink"             "deeppink1"           
## [118] "deeppink2"            "deeppink3"            "deeppink4"           
## [121] "deepskyblue"          "deepskyblue1"         "deepskyblue2"        
## [124] "deepskyblue3"         "deepskyblue4"         "dimgray"             
## [127] "dimgrey"              "dodgerblue"           "dodgerblue1"         
## [130] "dodgerblue2"          "dodgerblue3"          "dodgerblue4"         
## [133] "firebrick"            "firebrick1"           "firebrick2"          
## [136] "firebrick3"           "firebrick4"           "floralwhite"         
## [139] "forestgreen"          "gainsboro"            "ghostwhite"          
## [142] "gold"                 "gold1"                "gold2"               
## [145] "gold3"                "gold4"                "goldenrod"           
## [148] "goldenrod1"           "goldenrod2"           "goldenrod3"          
## [151] "goldenrod4"           "gray"                 "gray0"               
## [154] "gray1"                "gray2"                "gray3"               
## [157] "gray4"                "gray5"                "gray6"               
## [160] "gray7"                "gray8"                "gray9"               
## [163] "gray10"               "gray11"               "gray12"              
## [166] "gray13"               "gray14"               "gray15"              
## [169] "gray16"               "gray17"               "gray18"              
## [172] "gray19"               "gray20"               "gray21"              
## [175] "gray22"               "gray23"               "gray24"              
## [178] "gray25"               "gray26"               "gray27"              
## [181] "gray28"               "gray29"               "gray30"              
## [184] "gray31"               "gray32"               "gray33"              
## [187] "gray34"               "gray35"               "gray36"              
## [190] "gray37"               "gray38"               "gray39"              
## [193] "gray40"               "gray41"               "gray42"              
## [196] "gray43"               "gray44"               "gray45"              
## [199] "gray46"               "gray47"               "gray48"              
## [202] "gray49"               "gray50"               "gray51"              
## [205] "gray52"               "gray53"               "gray54"              
## [208] "gray55"               "gray56"               "gray57"              
## [211] "gray58"               "gray59"               "gray60"              
## [214] "gray61"               "gray62"               "gray63"              
## [217] "gray64"               "gray65"               "gray66"              
## [220] "gray67"               "gray68"               "gray69"              
## [223] "gray70"               "gray71"               "gray72"              
## [226] "gray73"               "gray74"               "gray75"              
## [229] "gray76"               "gray77"               "gray78"              
## [232] "gray79"               "gray80"               "gray81"              
## [235] "gray82"               "gray83"               "gray84"              
## [238] "gray85"               "gray86"               "gray87"              
## [241] "gray88"               "gray89"               "gray90"              
## [244] "gray91"               "gray92"               "gray93"              
## [247] "gray94"               "gray95"               "gray96"              
## [250] "gray97"               "gray98"               "gray99"              
## [253] "gray100"              "green"                "green1"              
## [256] "green2"               "green3"               "green4"              
## [259] "greenyellow"          "grey"                 "grey0"               
## [262] "grey1"                "grey2"                "grey3"               
## [265] "grey4"                "grey5"                "grey6"               
## [268] "grey7"                "grey8"                "grey9"               
## [271] "grey10"               "grey11"               "grey12"              
## [274] "grey13"               "grey14"               "grey15"              
## [277] "grey16"               "grey17"               "grey18"              
## [280] "grey19"               "grey20"               "grey21"              
## [283] "grey22"               "grey23"               "grey24"              
## [286] "grey25"               "grey26"               "grey27"              
## [289] "grey28"               "grey29"               "grey30"              
## [292] "grey31"               "grey32"               "grey33"              
## [295] "grey34"               "grey35"               "grey36"              
## [298] "grey37"               "grey38"               "grey39"              
## [301] "grey40"               "grey41"               "grey42"              
## [304] "grey43"               "grey44"               "grey45"              
## [307] "grey46"               "grey47"               "grey48"              
## [310] "grey49"               "grey50"               "grey51"              
## [313] "grey52"               "grey53"               "grey54"              
## [316] "grey55"               "grey56"               "grey57"              
## [319] "grey58"               "grey59"               "grey60"              
## [322] "grey61"               "grey62"               "grey63"              
## [325] "grey64"               "grey65"               "grey66"              
## [328] "grey67"               "grey68"               "grey69"              
## [331] "grey70"               "grey71"               "grey72"              
## [334] "grey73"               "grey74"               "grey75"              
## [337] "grey76"               "grey77"               "grey78"              
## [340] "grey79"               "grey80"               "grey81"              
## [343] "grey82"               "grey83"               "grey84"              
## [346] "grey85"               "grey86"               "grey87"              
## [349] "grey88"               "grey89"               "grey90"              
## [352] "grey91"               "grey92"               "grey93"              
## [355] "grey94"               "grey95"               "grey96"              
## [358] "grey97"               "grey98"               "grey99"              
## [361] "grey100"              "honeydew"             "honeydew1"           
## [364] "honeydew2"            "honeydew3"            "honeydew4"           
## [367] "hotpink"              "hotpink1"             "hotpink2"            
## [370] "hotpink3"             "hotpink4"             "indianred"           
## [373] "indianred1"           "indianred2"           "indianred3"          
## [376] "indianred4"           "ivory"                "ivory1"              
## [379] "ivory2"               "ivory3"               "ivory4"              
## [382] "khaki"                "khaki1"               "khaki2"              
## [385] "khaki3"               "khaki4"               "lavender"            
## [388] "lavenderblush"        "lavenderblush1"       "lavenderblush2"      
## [391] "lavenderblush3"       "lavenderblush4"       "lawngreen"           
## [394] "lemonchiffon"         "lemonchiffon1"        "lemonchiffon2"       
## [397] "lemonchiffon3"        "lemonchiffon4"        "lightblue"           
## [400] "lightblue1"           "lightblue2"           "lightblue3"          
## [403] "lightblue4"           "lightcoral"           "lightcyan"           
## [406] "lightcyan1"           "lightcyan2"           "lightcyan3"          
## [409] "lightcyan4"           "lightgoldenrod"       "lightgoldenrod1"     
## [412] "lightgoldenrod2"      "lightgoldenrod3"      "lightgoldenrod4"     
## [415] "lightgoldenrodyellow" "lightgray"            "lightgreen"          
## [418] "lightgrey"            "lightpink"            "lightpink1"          
## [421] "lightpink2"           "lightpink3"           "lightpink4"          
## [424] "lightsalmon"          "lightsalmon1"         "lightsalmon2"        
## [427] "lightsalmon3"         "lightsalmon4"         "lightseagreen"       
## [430] "lightskyblue"         "lightskyblue1"        "lightskyblue2"       
## [433] "lightskyblue3"        "lightskyblue4"        "lightslateblue"      
## [436] "lightslategray"       "lightslategrey"       "lightsteelblue"      
## [439] "lightsteelblue1"      "lightsteelblue2"      "lightsteelblue3"     
## [442] "lightsteelblue4"      "lightyellow"          "lightyellow1"        
## [445] "lightyellow2"         "lightyellow3"         "lightyellow4"        
## [448] "limegreen"            "linen"                "magenta"             
## [451] "magenta1"             "magenta2"             "magenta3"            
## [454] "magenta4"             "maroon"               "maroon1"             
## [457] "maroon2"              "maroon3"              "maroon4"             
## [460] "mediumaquamarine"     "mediumblue"           "mediumorchid"        
## [463] "mediumorchid1"        "mediumorchid2"        "mediumorchid3"       
## [466] "mediumorchid4"        "mediumpurple"         "mediumpurple1"       
## [469] "mediumpurple2"        "mediumpurple3"        "mediumpurple4"       
## [472] "mediumseagreen"       "mediumslateblue"      "mediumspringgreen"   
## [475] "mediumturquoise"      "mediumvioletred"      "midnightblue"        
## [478] "mintcream"            "mistyrose"            "mistyrose1"          
## [481] "mistyrose2"           "mistyrose3"           "mistyrose4"          
## [484] "moccasin"             "navajowhite"          "navajowhite1"        
## [487] "navajowhite2"         "navajowhite3"         "navajowhite4"        
## [490] "navy"                 "navyblue"             "oldlace"             
## [493] "olivedrab"            "olivedrab1"           "olivedrab2"          
## [496] "olivedrab3"           "olivedrab4"           "orange"              
## [499] "orange1"              "orange2"              "orange3"             
## [502] "orange4"              "orangered"            "orangered1"          
## [505] "orangered2"           "orangered3"           "orangered4"          
## [508] "orchid"               "orchid1"              "orchid2"             
## [511] "orchid3"              "orchid4"              "palegoldenrod"       
## [514] "palegreen"            "palegreen1"           "palegreen2"          
## [517] "palegreen3"           "palegreen4"           "paleturquoise"       
## [520] "paleturquoise1"       "paleturquoise2"       "paleturquoise3"      
## [523] "paleturquoise4"       "palevioletred"        "palevioletred1"      
## [526] "palevioletred2"       "palevioletred3"       "palevioletred4"      
## [529] "papayawhip"           "peachpuff"            "peachpuff1"          
## [532] "peachpuff2"           "peachpuff3"           "peachpuff4"          
## [535] "peru"                 "pink"                 "pink1"               
## [538] "pink2"                "pink3"                "pink4"               
## [541] "plum"                 "plum1"                "plum2"               
## [544] "plum3"                "plum4"                "powderblue"          
## [547] "purple"               "purple1"              "purple2"             
## [550] "purple3"              "purple4"              "red"                 
## [553] "red1"                 "red2"                 "red3"                
## [556] "red4"                 "rosybrown"            "rosybrown1"          
## [559] "rosybrown2"           "rosybrown3"           "rosybrown4"          
## [562] "royalblue"            "royalblue1"           "royalblue2"          
## [565] "royalblue3"           "royalblue4"           "saddlebrown"         
## [568] "salmon"               "salmon1"              "salmon2"             
## [571] "salmon3"              "salmon4"              "sandybrown"          
## [574] "seagreen"             "seagreen1"            "seagreen2"           
## [577] "seagreen3"            "seagreen4"            "seashell"            
## [580] "seashell1"            "seashell2"            "seashell3"           
## [583] "seashell4"            "sienna"               "sienna1"             
## [586] "sienna2"              "sienna3"              "sienna4"             
## [589] "skyblue"              "skyblue1"             "skyblue2"            
## [592] "skyblue3"             "skyblue4"             "slateblue"           
## [595] "slateblue1"           "slateblue2"           "slateblue3"          
## [598] "slateblue4"           "slategray"            "slategray1"          
## [601] "slategray2"           "slategray3"           "slategray4"          
## [604] "slategrey"            "snow"                 "snow1"               
## [607] "snow2"                "snow3"                "snow4"               
## [610] "springgreen"          "springgreen1"         "springgreen2"        
## [613] "springgreen3"         "springgreen4"         "steelblue"           
## [616] "steelblue1"           "steelblue2"           "steelblue3"          
## [619] "steelblue4"           "tan"                  "tan1"                
## [622] "tan2"                 "tan3"                 "tan4"                
## [625] "thistle"              "thistle1"             "thistle2"            
## [628] "thistle3"             "thistle4"             "tomato"              
## [631] "tomato1"              "tomato2"              "tomato3"             
## [634] "tomato4"              "turquoise"            "turquoise1"          
## [637] "turquoise2"           "turquoise3"           "turquoise4"          
## [640] "violet"               "violetred"            "violetred1"          
## [643] "violetred2"           "violetred3"           "violetred4"          
## [646] "wheat"                "wheat1"               "wheat2"              
## [649] "wheat3"               "wheat4"               "whitesmoke"          
## [652] "yellow"               "yellow1"              "yellow2"             
## [655] "yellow3"              "yellow4"              "yellowgreen"

pie(rep(1, 12), col = rainbow(12))

pie(rep(1, 12), col = heat.colors(12))

# pesquise: ?palette  e    ?rainbow


# Como salvar um grafico? Clicando em salvar ou usando o comando abaixo
# savePlot(filename = "NOME",type =  "pdf")

Análise descritiva e exploratória de dados - variáveis quantitativas

Algumas funções usadas para a calcular medidas resumo de variáveis quantitativas são:

mean, median, summary, quantile;
sum, max, min;
var, sd;

data(iris)   # entre parenteses informamos o nome do conjunto de dados 
iris          # exibe o conjunto de dados

##     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     setosa
## 3            4.7         3.2          1.3         0.2     setosa
## 4            4.6         3.1          1.5         0.2     setosa
## 5            5.0         3.6          1.4         0.2     setosa
## 6            5.4         3.9          1.7         0.4     setosa
## 7            4.6         3.4          1.4         0.3     setosa
## 8            5.0         3.4          1.5         0.2     setosa
## 9            4.4         2.9          1.4         0.2     setosa
## 10           4.9         3.1          1.5         0.1     setosa
## 11           5.4         3.7          1.5         0.2     setosa
## 12           4.8         3.4          1.6         0.2     setosa
## 13           4.8         3.0          1.4         0.1     setosa
## 14           4.3         3.0          1.1         0.1     setosa
## 15           5.8         4.0          1.2         0.2     setosa
## 16           5.7         4.4          1.5         0.4     setosa
## 17           5.4         3.9          1.3         0.4     setosa
## 18           5.1         3.5          1.4         0.3     setosa
## 19           5.7         3.8          1.7         0.3     setosa
## 20           5.1         3.8          1.5         0.3     setosa
## 21           5.4         3.4          1.7         0.2     setosa
## 22           5.1         3.7          1.5         0.4     setosa
## 23           4.6         3.6          1.0         0.2     setosa
## 24           5.1         3.3          1.7         0.5     setosa
## 25           4.8         3.4          1.9         0.2     setosa
## 26           5.0         3.0          1.6         0.2     setosa
## 27           5.0         3.4          1.6         0.4     setosa
## 28           5.2         3.5          1.5         0.2     setosa
## 29           5.2         3.4          1.4         0.2     setosa
## 30           4.7         3.2          1.6         0.2     setosa
## 31           4.8         3.1          1.6         0.2     setosa
## 32           5.4         3.4          1.5         0.4     setosa
## 33           5.2         4.1          1.5         0.1     setosa
## 34           5.5         4.2          1.4         0.2     setosa
## 35           4.9         3.1          1.5         0.2     setosa
## 36           5.0         3.2          1.2         0.2     setosa
## 37           5.5         3.5          1.3         0.2     setosa
## 38           4.9         3.6          1.4         0.1     setosa
## 39           4.4         3.0          1.3         0.2     setosa
## 40           5.1         3.4          1.5         0.2     setosa
## 41           5.0         3.5          1.3         0.3     setosa
## 42           4.5         2.3          1.3         0.3     setosa
## 43           4.4         3.2          1.3         0.2     setosa
## 44           5.0         3.5          1.6         0.6     setosa
## 45           5.1         3.8          1.9         0.4     setosa
## 46           4.8         3.0          1.4         0.3     setosa
## 47           5.1         3.8          1.6         0.2     setosa
## 48           4.6         3.2          1.4         0.2     setosa
## 49           5.3         3.7          1.5         0.2     setosa
## 50           5.0         3.3          1.4         0.2     setosa
## 51           7.0         3.2          4.7         1.4 versicolor
## 52           6.4         3.2          4.5         1.5 versicolor
## 53           6.9         3.1          4.9         1.5 versicolor
## 54           5.5         2.3          4.0         1.3 versicolor
## 55           6.5         2.8          4.6         1.5 versicolor
## 56           5.7         2.8          4.5         1.3 versicolor
## 57           6.3         3.3          4.7         1.6 versicolor
## 58           4.9         2.4          3.3         1.0 versicolor
## 59           6.6         2.9          4.6         1.3 versicolor
## 60           5.2         2.7          3.9         1.4 versicolor
## 61           5.0         2.0          3.5         1.0 versicolor
## 62           5.9         3.0          4.2         1.5 versicolor
## 63           6.0         2.2          4.0         1.0 versicolor
## 64           6.1         2.9          4.7         1.4 versicolor
## 65           5.6         2.9          3.6         1.3 versicolor
## 66           6.7         3.1          4.4         1.4 versicolor
## 67           5.6         3.0          4.5         1.5 versicolor
## 68           5.8         2.7          4.1         1.0 versicolor
## 69           6.2         2.2          4.5         1.5 versicolor
## 70           5.6         2.5          3.9         1.1 versicolor
## 71           5.9         3.2          4.8         1.8 versicolor
## 72           6.1         2.8          4.0         1.3 versicolor
## 73           6.3         2.5          4.9         1.5 versicolor
## 74           6.1         2.8          4.7         1.2 versicolor
## 75           6.4         2.9          4.3         1.3 versicolor
## 76           6.6         3.0          4.4         1.4 versicolor
## 77           6.8         2.8          4.8         1.4 versicolor
## 78           6.7         3.0          5.0         1.7 versicolor
## 79           6.0         2.9          4.5         1.5 versicolor
## 80           5.7         2.6          3.5         1.0 versicolor
## 81           5.5         2.4          3.8         1.1 versicolor
## 82           5.5         2.4          3.7         1.0 versicolor
## 83           5.8         2.7          3.9         1.2 versicolor
## 84           6.0         2.7          5.1         1.6 versicolor
## 85           5.4         3.0          4.5         1.5 versicolor
## 86           6.0         3.4          4.5         1.6 versicolor
## 87           6.7         3.1          4.7         1.5 versicolor
## 88           6.3         2.3          4.4         1.3 versicolor
## 89           5.6         3.0          4.1         1.3 versicolor
## 90           5.5         2.5          4.0         1.3 versicolor
## 91           5.5         2.6          4.4         1.2 versicolor
## 92           6.1         3.0          4.6         1.4 versicolor
## 93           5.8         2.6          4.0         1.2 versicolor
## 94           5.0         2.3          3.3         1.0 versicolor
## 95           5.6         2.7          4.2         1.3 versicolor
## 96           5.7         3.0          4.2         1.2 versicolor
## 97           5.7         2.9          4.2         1.3 versicolor
## 98           6.2         2.9          4.3         1.3 versicolor
## 99           5.1         2.5          3.0         1.1 versicolor
## 100          5.7         2.8          4.1         1.3 versicolor
## 101          6.3         3.3          6.0         2.5  virginica
## 102          5.8         2.7          5.1         1.9  virginica
## 103          7.1         3.0          5.9         2.1  virginica
## 104          6.3         2.9          5.6         1.8  virginica
## 105          6.5         3.0          5.8         2.2  virginica
## 106          7.6         3.0          6.6         2.1  virginica
## 107          4.9         2.5          4.5         1.7  virginica
## 108          7.3         2.9          6.3         1.8  virginica
## 109          6.7         2.5          5.8         1.8  virginica
## 110          7.2         3.6          6.1         2.5  virginica
## 111          6.5         3.2          5.1         2.0  virginica
## 112          6.4         2.7          5.3         1.9  virginica
## 113          6.8         3.0          5.5         2.1  virginica
## 114          5.7         2.5          5.0         2.0  virginica
## 115          5.8         2.8          5.1         2.4  virginica
## 116          6.4         3.2          5.3         2.3  virginica
## 117          6.5         3.0          5.5         1.8  virginica
## 118          7.7         3.8          6.7         2.2  virginica
## 119          7.7         2.6          6.9         2.3  virginica
## 120          6.0         2.2          5.0         1.5  virginica
## 121          6.9         3.2          5.7         2.3  virginica
## 122          5.6         2.8          4.9         2.0  virginica
## 123          7.7         2.8          6.7         2.0  virginica
## 124          6.3         2.7          4.9         1.8  virginica
## 125          6.7         3.3          5.7         2.1  virginica
## 126          7.2         3.2          6.0         1.8  virginica
## 127          6.2         2.8          4.8         1.8  virginica
## 128          6.1         3.0          4.9         1.8  virginica
## 129          6.4         2.8          5.6         2.1  virginica
## 130          7.2         3.0          5.8         1.6  virginica
## 131          7.4         2.8          6.1         1.9  virginica
## 132          7.9         3.8          6.4         2.0  virginica
## 133          6.4         2.8          5.6         2.2  virginica
## 134          6.3         2.8          5.1         1.5  virginica
## 135          6.1         2.6          5.6         1.4  virginica
## 136          7.7         3.0          6.1         2.3  virginica
## 137          6.3         3.4          5.6         2.4  virginica
## 138          6.4         3.1          5.5         1.8  virginica
## 139          6.0         3.0          4.8         1.8  virginica
## 140          6.9         3.1          5.4         2.1  virginica
## 141          6.7         3.1          5.6         2.4  virginica
## 142          6.9         3.1          5.1         2.3  virginica
## 143          5.8         2.7          5.1         1.9  virginica
## 144          6.8         3.2          5.9         2.3  virginica
## 145          6.7         3.3          5.7         2.5  virginica
## 146          6.7         3.0          5.2         2.3  virginica
## 147          6.3         2.5          5.0         1.9  virginica
## 148          6.5         3.0          5.2         2.0  virginica
## 149          6.2         3.4          5.4         2.3  virginica
## 150          5.9         3.0          5.1         1.8  virginica

head(iris)

##   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  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

str(iris) ## Da detalhes sobre o banco de dados

## 'data.frame':    150 obs. of  5 variables:
##  $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
##  $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
##  $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
##  $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
##  $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...

attach(iris) 


## Medidas resumo
# Medidas de posicao - mean, median, min, max, quantile

summary(Sepal.Length) # Para uma variavel apenas

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   4.300   5.100   5.800   5.843   6.400   7.900

summary(iris) # para todas as variaveis

##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        Species  
##  setosa    :50  
##  versicolor:50  
##  virginica :50  
##                 
##                 
##

# Podemos extratificar pela variavel categorica - 3 alternativas
summary(Sepal.Length[Species=="setosa"])

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   4.300   4.800   5.000   5.006   5.200   5.800

summary(Sepal.Length[Species=="versicolor"])

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   4.900   5.600   5.900   5.936   6.300   7.000

summary(Sepal.Length[Species=="virginica"])

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   4.900   6.225   6.500   6.588   6.900   7.900

by(iris[,-5],Species,summary)

## Species: setosa
##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.300   Min.   :1.000   Min.   :0.100  
##  1st Qu.:4.800   1st Qu.:3.200   1st Qu.:1.400   1st Qu.:0.200  
##  Median :5.000   Median :3.400   Median :1.500   Median :0.200  
##  Mean   :5.006   Mean   :3.428   Mean   :1.462   Mean   :0.246  
##  3rd Qu.:5.200   3rd Qu.:3.675   3rd Qu.:1.575   3rd Qu.:0.300  
##  Max.   :5.800   Max.   :4.400   Max.   :1.900   Max.   :0.600  
## ------------------------------------------------------------ 
## Species: versicolor
##   Sepal.Length    Sepal.Width     Petal.Length   Petal.Width   
##  Min.   :4.900   Min.   :2.000   Min.   :3.00   Min.   :1.000  
##  1st Qu.:5.600   1st Qu.:2.525   1st Qu.:4.00   1st Qu.:1.200  
##  Median :5.900   Median :2.800   Median :4.35   Median :1.300  
##  Mean   :5.936   Mean   :2.770   Mean   :4.26   Mean   :1.326  
##  3rd Qu.:6.300   3rd Qu.:3.000   3rd Qu.:4.60   3rd Qu.:1.500  
##  Max.   :7.000   Max.   :3.400   Max.   :5.10   Max.   :1.800  
## ------------------------------------------------------------ 
## Species: virginica
##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.900   Min.   :2.200   Min.   :4.500   Min.   :1.400  
##  1st Qu.:6.225   1st Qu.:2.800   1st Qu.:5.100   1st Qu.:1.800  
##  Median :6.500   Median :3.000   Median :5.550   Median :2.000  
##  Mean   :6.588   Mean   :2.974   Mean   :5.552   Mean   :2.026  
##  3rd Qu.:6.900   3rd Qu.:3.175   3rd Qu.:5.875   3rd Qu.:2.300  
##  Max.   :7.900   Max.   :3.800   Max.   :6.900   Max.   :2.500

tapply(Sepal.Length,Species,summary)

## $setosa
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   4.300   4.800   5.000   5.006   5.200   5.800 
## 
## $versicolor
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   4.900   5.600   5.900   5.936   6.300   7.000 
## 
## $virginica
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   4.900   6.225   6.500   6.588   6.900   7.900

# Medidas de variabilidade - 
var(Sepal.Length)  # variancia

## [1] 0.6856935

sd(Sepal.Length)   # desvio padrao

## [1] 0.8280661

var(iris[,1:4]) ## matrix de covariancias

##              Sepal.Length Sepal.Width Petal.Length Petal.Width
## Sepal.Length    0.6856935  -0.0424340    1.2743154   0.5162707
## Sepal.Width    -0.0424340   0.1899794   -0.3296564  -0.1216394
## Petal.Length    1.2743154  -0.3296564    3.1162779   1.2956094
## Petal.Width     0.5162707  -0.1216394    1.2956094   0.5810063

# sd(iris[,1:4]) ## Nao aceita data.frame

cv<- sd(Sepal.Length)/mean(Sepal.Length) # coeficiente de variacao

tapply(Sepal.Length,Species,sd)

##     setosa versicolor  virginica 
##  0.3524897  0.5161711  0.6358796

# Quantis
quantile(Sepal.Length,probs=c(0.10,0.25,0.50,0.75,0.90))

## 10% 25% 50% 75% 90% 
## 4.8 5.1 5.8 6.4 6.9

sapply(iris[,1:4],quantile,probs=c(0.10,0.25,0.50,0.75,0.90))

##     Sepal.Length Sepal.Width Petal.Length Petal.Width
## 10%          4.8        2.50         1.40         0.2
## 25%          5.1        2.80         1.60         0.3
## 50%          5.8        3.00         4.35         1.3
## 75%          6.4        3.30         5.10         1.8
## 90%          6.9        3.61         5.80         2.2

Separando por Especie

plot(Sepal.Length[Species=="setosa"],Petal.Length[Species=="setosa"],cex=0.8,pch=8,xlim=range(Sepal.Length),ylim=range(Petal.Length),
     xlab="Comprimento da sepala",ylab="Comprimento da Petala",cex.lab=1.2)
points(Sepal.Length[Species=="versicolor"],Petal.Length[Species=="versicolor"],cex=0.8,pch=2,col="blue")
points(Sepal.Length[Species=="virginica"],Petal.Length[Species=="virginica"],cex=0.8,pch=4,col="red")

# Fazendo uma lengenda
legend("left",c("setosa","versicolor","virginica"),pch=c(8,2,4),col=c("black","blue","red"),cex=0.8, bty="n")

# Se quisermos algum texto dentro do grafico
text(Sepal.Length,Petal.Length, labels=round(Petal.Width, 2), pos=1, offset=0.5,cex=0.5)

text(5,6,"texto")

## O que acontece se plotamos um fator versus uma variavel continua?
plot(Species, Petal.Width)

Mais sobre a função plot

## 
x = seq(1,10,by=1) 
x2 = x^2
par(mfrow=c(2,4))
plot(x, x2)
plot(x, x2, type= "l")
plot(x, x2, type= "b")
plot(x, x2, type= "h")
plot(x, x2, type= "c")
plot(x, x2, type= "s")
plot(x, x2, type= "S")
plot(x, x2, type= "o")

Mais Gráficos

# Histograma
hist(Sepal.Length)

hist(Sepal.Length, main="Histograma para o comprimento da sepala de flores de iris",
     xlab="comprimento da sepala", ylab="frequencia")

hist(Sepal.Length, freq=F, main="Histograma para o comprimento da sepala 
     de flores de iris", xlab="comprimento da sepala", ylab="densidade de frequencia")

# Diagrama de ramo e folhas
stem(Sepal.Length)

## 
##   The decimal point is 1 digit(s) to the left of the |
## 
##   42 | 0
##   44 | 0000
##   46 | 000000
##   48 | 00000000000
##   50 | 0000000000000000000
##   52 | 00000
##   54 | 0000000000000
##   56 | 00000000000000
##   58 | 0000000000
##   60 | 000000000000
##   62 | 0000000000000
##   64 | 000000000000
##   66 | 0000000000
##   68 | 0000000
##   70 | 00
##   72 | 0000
##   74 | 0
##   76 | 00000
##   78 | 0

# Diagrama de pontos
stripchart(Sepal.Length,method="stack", xlab= "comprimento da sepala")

stripchart(Sepal.Length~Species,method="stack",xlab="comprimento da sepala")

# Boxplot
boxplot(Sepal.Length,ylab="comprimento da sepala(cm)", main="Boxplot 
        para comprimento da sepala de flores de iris")

boxplot(Sepal.Length~Species, ylab = "comprimento  da sepala",main = 
          "Boxplot do comprimento da  sepala segundo especie")

Para histogramas separados por espécie

par(mfrow=c(3,1))   # mfrow=c(3,1) especifica que a janela e dividida 
hist(Sepal.Length[Species=="setosa"],freq=F,main="Histograma de comprimento da sepala para flores de iris setosa",
     xlab="comprimento da sepala(cm)",ylab="densidade de frequencia") 

hist(Sepal.Length[Species=="versicolor"],freq=F,main="Histograma de comprimento da sepala \n para flores de iris versicolor",
     xlab="comprimento da sepala(cm)",ylab="densidade de frequencia") 

hist(Sepal.Length[Species=="virginica"],freq=F,main="Histograma de comprimento da sepala 
para flores de iris virginica", xlab="comprimento da sepala(cm)", ylab="densidade de frequencia")

#------------------------------------------
# Para facilitar a comparacao podemos especificar as mesmas classes para os 3 histogramas como o 
# argumento breaks (limites de classe). 


par(mfrow=c(3,1), mar= c(5,5,5,4)) ## alterando as margens da janela grafica 
hist(Sepal.Length[Species=="setosa"],freq=F,breaks=seq(4,8,0.5),main = "Histograma de comprimento da sepala para flores de iris setosa",
     xlab="comprimento da sepala(cm)",ylab="Densidade") 

hist(Sepal.Length[Species=="versicolor"],freq=F,breaks=seq(4,8,0.5), 
     main="Histograma de comprimento da sepala para flores de iris versicolor",
     xlab="comprimento da sepala(cm)", ylab="Densidade",  col=2, angle = 70, density = 40) 

hist(Sepal.Length[Species=="virginica"],freq=F, breaks=seq(4,8,0.5), 
     main="Histograma de comprimento da sepala para flores de iris virginica",
     xlab="comprimento da sepala(cm)", ylab = "Densidade",
     border = 4, col = "gray", density = 30, angle=180, cex.lab=2)

## Repare que diversos argumentos podem ser alterados para darem outra cara aos graficos

Mais sobre plot, lines, etc

n <- 50
x <- seq(-1,1,length=n)
op <- par(mfrow=c(2,2), lwd=2, cex.axis=1.5, cex.lab=1.5)
plot(x, type="l")
plot(x, x^2, type="l")
plot(x, 1/x, type="l")
plot(x, x^3, type="l")

# um outro exemplo
op <- par(mfcol=c(2,3), lwd=2, cex.axis=1.5, cex.lab=1.5, mar=c(5,5,5,5))
plot(x, type="l", main="(a)")
plot(x, x^2, type="l", main="(b)",ylab=expression(x^2))
plot(x, 1/x, type="l", main="(c)")
plot(x, x^3, type="l", main="(d)")
plot(x,1-x^2, type="l", main="(e)")
plot(x, 1-1/x, type="l", main="(f)")

## Ilustrando o par(new=TRUE)
op <- par(mfrow=c(1,1), lwd=2, cex.axis=1.5, cex.lab=1.5)
n <- 20
x <- seq(-2,2,length=n)
y1 <- x
y2 <- x^2
y3 <- x^3
plot(x,y1, xlab="x", ylab="f(x)", type="l", lwd=2)
par(new=TRUE)
plot(x,y2, xlab="x", ylab="f(x)", type="l", lwd=2, lty=2)
par(new=TRUE)
plot(x,y3, xlab="x", ylab="f(x)", type="l", lwd=2, lty=3)

# acertando os eixos:

plot(x,y1, xlab="x", ylab="f(x)", type="l", lwd=2, xlim=range(x),
     ylim=range(y1,y2,y3))
par(new=TRUE)
plot(x,y2, xlab="x", ylab="f(x)", type="l", lwd=2, lty=2,
     ylim=range(y1,y2,y3))
par(new=TRUE)
plot(x,y3, xlab="x", ylab="f(x)", type="l", lwd=2, lty=3,
     ylim=range(y1,y2,y3))

line e abline

n <- 50
x <- seq(-2*pi,2*pi, length=n)
y <- sin(x)

# aplicando a funcoes lines
plot(x,y, xlab="x", ylab="seno(x)", main="Exemplo: lines()")
lines(x,y)
lines(x, rep(0,n), lty=2)

# aplicando simultaneamente as funcoes lines e abline:

plot(x,y, xlab="x", ylab="seno(x)", main="Exemplo: lines() e abline()")
lines(x,y)
x.axis <- seq(-6,6,by=2)
y.axis <- seq(-1,1,by=0.25)
abline(v=x.axis, h=y.axis, lty=2, col="gray")

Legendas com expressões matemáticas:

# legendas com expressoes matematicas:
n <- 20
x <- seq(-1,1,length=n)
y1 <- x
y2 <- x^2
y3 <- x^3
op <- par(lwd=2, cex.axis=1.5, cex.lab=1.5)
plot(x,y1, xlim=range(x), ylim=range(y1,y2,y3), xlab="x", ylab="f(x)", type="l")
par(new=TRUE)
plot(x,y2, xlim=range(x), ylim=range(y1,y2,y3), xlab="x", ylab="f(x)", type="l",
     lty=2)
par(new=TRUE)
plot(x,y3, xlim=range(x), ylim=range(y1,y2,y3), xlab="x", ylab="f(x)", type="l",
     lty=3)
legend("bottomright", lty=1:3, c(expression(f(x)==x), expression(f(x)==x^2),
                                 expression(f(x)==x^3)), lwd=2, bty="n", cex=1.5)

Ilustrando o uso das funções segments e arrows:

 x = sample(1:10, 6)
 y = sample(1:10, 6)

 par(lwd=2)
 plot(1:10, 1:10, axes=FALSE)
 axis(1,1:10)
 axis(2,1:10)
 axis(3,1:10)
 axis(4,1:10)
 abline(h=y, v=x, col="gray", lty=3)
 segments(x[1], y[1], x[2], y[2], col = 2)
 segments(x[2], y[2], x[3], y[3], col = 2)
 arrows(x[4], y[4], x[5], y[5], col = 4)
 arrows(x[5], y[5], x[6], y[6], col = 4)

Pacote tables

Pacote para fazer tabelas automaticamente
Fornece código em latex para as tabelas e que também funciona no RMarkdown quando geramos arquivo em pdf

A criação das tabelas é dada por meio de fórmulas:

formula = (Heading(Marchas)* as.factor(gear) + Heading(Total) 1) ~ (n = 1) + (hp + wt) (mean + sd)

tabular(formula, data = mtcars)

Operadores

$e_1$~$e_2$: Antes do ~ estão as linhas e depois as colunas
$e_1+e_2$: o sinal de + tem o significado de concatenação
$e_1*e_2$: cada elemento de $e_2$ será aplicado em cada elemento de $e_1$
Heading(): atribui título a variável

tabular(Species ~ (n=1) + Format(digits=2)* (Sepal.Length +
          Sepal.Width)*(mean + sd), data=iris)

##                                                  
##                Sepal.Length      Sepal.Width     
##  Species    n  mean         sd   mean        sd  
##  setosa     50 5.01         0.35 3.43        0.38
##  versicolor 50 5.94         0.52 2.77        0.31
##  virginica  50 6.59         0.64 2.97        0.32

print(latex(tabular(Species ~ (n=1) + 
    Format(digits=2)* (Sepal.Length +Sepal.Width)*(mean + sd), data=iris)))

## \begin{tabular}{lccccc}
## \hline
##  &  & \multicolumn{2}{c}{Sepal.Length} & \multicolumn{2}{c}{Sepal.Width} \\ 
## Species  & n & mean & sd & mean & \multicolumn{1}{c}{sd} \\ 
## \hline
## setosa  & $50$ & $5.01$ & $0.35$ & $3.43$ & $0.38$ \\
## versicolor  & $50$ & $5.94$ & $0.52$ & $2.77$ & $0.31$ \\
## virginica  & $50$ & $6.59$ & $0.64$ & $2.97$ & $0.32$ \\
## \hline 
## \end{tabular}