UNIVERSIDADE DA REGIÃO DE JOINVILLE - UNIVILLE

Bacharelado em Engenharia de Software (BES)

Estatística para computação

Professora Priscila Ferraz Franczak

Engenheira Ambiental - UNIVILLE
Mestre em Ciência e Engenharia de Materiais - UDESC
Doutora em Ciência e Engenharia de Materiais - UDESC

[Link]@[Link]
1
 Plano de Aula

1. Criando gráficos com o R

2. Uso do comando plot( )
3. Histogramas
4. Exercícios

2
1. Criando gráficos com o R

• Na estatística, em especial, o R possibilita

a criação de histogramas, ogivas, boxplots,
curvas de distribuições, regressões e muito
mais.
Conceitos básicos
Os comandos gráficos do R podem ser divididos em
três categorias:

• Comandos de alto nível, que criam gráficos

completos.

• Comandos de baixo nível, que adicionam

informações à algum gráfico já existente.

• Comandos interativos, que permitem que o

usuário interaja com a janela gráfica.
2. Uso do comando plot( )

Um gráfico simples

• O plot( ) é o comando mais simples

para a criação de gráfico no R.

• É possível criar desde simples gráficos de

dispersão até aqueles com imagens de
satélites.
• Em sua forma mais simples, o comando recebe
valores de coordenadas para plotar nas abcissas e
ordenadas:
• O comando plot( ) tem inúmeros
argumentos que permitem personalizar o
gráfico de acordo com a necessidade.

• O argumento type, por exemplo, é usado

para definir como os pontos de
coordenadas descritas pelos valores no
eixo das abcissas e no eixo das
ordenadas (x e y no nosso exemplo) são
desenhados.
 Type pode assumir diferentes caracteres,
dentre eles:

• “l” – segmentos de reta são usados para ligar

os pontos;
• “b” – tanto segmentos de retas quanto pontos
são desenhados;
• “o” – o mesmo que o anterior, mas as retas
tocam os pontos;
• “c” – como “b” mas sem os pontos;
• “n” – cria um gráfico vazio, omitindo pontos e
segmentos de reta.
Alterando o padrão dos pontos

• Além do type, outro argumento bastante

utilizado no comando plot( ) é o pch,
que pode ser usado para mudar o padrão
dos pontos.
Exemplo:
 Observe o comando e a figura que ele gera:
 O padrão dos pontos, representados por
números no argumento pch, são:

 Números de 0 a 6 mostram os padrões

básicos;
 De 7 a 14 são composições de padrões
obtidos por sobreposição dos padrões
básicos;
 E de 15 a 17 são versões sólidas dos
padrões de 0 a 2.
 Além dos padrões definidos por números
(desde pch=0 até pch=20), ainda há a
possibilidade de utilizar um caractere
qualquer como padrão dos pontos.
Exemplo:
> plot(x,y,pch="M")
Vários gráficos na mesma janela gráfica

 É possível fazer com que o R mostre

diversos gráficos em uma mesma janela
gráfica ao invés de um gráfico em cada
janela.

 Para isso, use o comando par( ),

juntamente com o argumento mfrow.
• O primeiro número dentro do c( ) no
argumento mfrow informa o número de divisões
horizontais e o segundo número indica o número
de divisões verticais na janela gráfica.
• Para apresentar várias curvas num único
gráfico, cada uma originada de uma coluna de
uma matriz, use o comando matplot( ).

• Legendas podem ser adicionadas aos gráficos

utilizando o comando legend( ).
Personalizando gráficos

 Exemplos:

Vamos criar dois conjuntos de 10 números cada um.

 1º gráfico:
 2º gráfico:
3. Histogramas

 A ideia deste gráfico é categorizar uma

variável quantitativa, dividindo-a em
intervalos ou classes.

 Contar quantos valores se encaixam em

cada intervalo e construir um gráfico de
colunas com o resultado.
 Ao se interpretar um histograma, deve-se
tentar responder às seguintes questões:

 Qual é a forma da distribuição dos dados?

 Existe um ponto central bem definido?
 Como é a amplitude de variação dos dados?
 Existe apenas um pico isolado?
 A distribuição é simétrica?
Tipos de histogramas

 Histograma simétrico: A frequência de dados é mais

alta no centro e decresce gradualmente à esquerda e à
direita de forma aproximadamente simétrica, em forma
de sino.
 Histograma fortemente assimétrico: A
frequência dos dados decresce rapidamente
num dos lados e muito lentamente no outro,
provocando uma assimetria na distribuição
dos valores.
 A distribuição dos salários numa empresa é um exemplo
comum de histograma assimétrico: muitas pessoas
ganham pouco e poucas pessoas ganham muito (A). A
situação (B), apesar de mais rara, também pode
acontecer.

A B
 Histograma tipo despenhadeiro: O
histograma termina abruptamente em um ou
nos dois lados, dando a impressão de que
faltam dados.

 Possivelmente os dados muito pequenos

e/ou muito grandes foram eliminados da
amostra.
 Histograma com dois picos: Ocorrem
picos na distribuição e a frequência é baixa
entre os picos.

 Possivelmente, os dados se referem a uma

mistura de valores de diferentes populações,
devendo ser avaliados com cuidado.

 Se houve mistura dos dados, é melhor

separá-los.
 Histograma tipo platô: As classes de valores
centrais apresentam aproximadamente a
mesma frequência.

 Essa situação também sugere mistura de

valores de diferentes populações.
 Histograma com uma pequena ilha isolada:
Alguns valores isolados têm frequência elevada,
formando uma espécie de ilha.

 Também pode ter ocorrido uma mistura de dados.

 Histograma tipo serrote: As frequências de
valores se alternam formando vários dentes.

 Pode indicar algum problema na obtenção (leitura)

dos dados.
 O comando hist( ) produz um histograma dos
dados informados em seu argumento:
 Para auxiliar na interpretação do histograma, pode-se
usar:

 Observe que a coluna de 2 a 3 do histograma indica que

há oito elementos nessa classe.

 Vale frisar, entretanto, que o padrão do comando hist( )

considera intervalos de classes fechados a direita
(right=TRUE), ou seja, o 3 também está incluído na
primeira classe do histograma acima, sendo o intervalo
(2,3].
 Então, por que o 2 foi contabilizado se o
intervalo é aberto em 2?

 Isso acontece por causa do argumento

[Link], que, por default, é definido como
TRUE.

 Isso inclui o primeiro valor do vetor na primeira

classe, quando os intervalos de classes são
fechados a direita e o último quando fechados a
esquerda.
 Outro argumento importante é o breaks,
que define os intervalos a serem usados
no eixo das abscissas do histograma.
Personalizando histogramas

 O comando que gera histogramas pode ser

manipulado de forma que, ao combinarmos os
argumentos right, [Link] e breaks, entre
outros, podemos gerar histogramas da maneira
que quisermos.
Exemplo:

 Suponha um conjunto de dados, coletados por um

professor, que se refere ao tempo gasto (em
minutos) pelos alunos para a resolução de um
problema de álgebra.

25 27 18 16 21 22 21 20 18 23 27 21 19 20 21 16

 Construa um histograma do conjunto de dados com

intervalos fechados à esquerda.
25 27 18 16 21 22 21 20 18 23 27 21 19 20 21 16

Dados agrupados sem intervalo de classe

Tempo Frequência
(em minutos)
16 2
18 2
19 1
20 2
21 4
22 1
23 1
25 1
27 2
Como agrupar dados com intervalo
de classe?
 Na coluna da esquerda serão representadas as
variáveis em intervalos de classe. Os extremos de uma
classe são denominados limites da classe e são
representador por:

li se for limite inferior da classe i e Li é o limite superior

da classe i. No extrato da tabela abaixo podemos verificar
um exemplo de classe em que o limite inferior é li = 2 e o
limite superior é Li = 6 com frequência de classe fi = 3

xi fi
li ├ Li
2├ 6 (intervalo de classe) 3

46
 xi fi
li ├ Li
2├ 6 (intervalo de classe) 3

Fonte: CARELLI, 2017

Fonte: CARELLI, 2017

47
 O número "i", de classes
Tempo Frequência
ideal para esse problema (em minutos)
em geral o pesquisador 16 2
decide. Em geral, os 18 2
autores aconselham usar 19 1
o número de classes 20 2
entre 5 e 15. Uma regra 21 4

bastante usada e a regra 22 1

23 1
de STURGES dada por:
25 1
27 2
i = 1 + 3,3log(n)
i = 1 + 3,3log(16) n = número de amostras
i = 4,97
i = 5 classes
48
A amplitude da amostra é dada
pela diferença entre o maior e o Tempo Frequência
menor valor das variáveis da (em minutos)
amostra. 16 2
18 2
Ht = (maior xi) – (menor xi)
19 1
Ht = (27) – (16)
Ht = 11 20 2
21 4
Para saber o intervalo de classe 22 1
hi dividimos a amplitude total da 23 1
distribuição Ht pelo número i de 25 1
classes.
𝐻 27 2
ℎ𝑖 = 𝑡
𝑖
11
ℎ𝑖 = Onde hi = Li - li
5
ℎ𝑖 = 2,2
ℎ𝑖 = 2
 Tempo Frequência ℎ𝑖 = 2
(em minutos)
16 2
Tempo Frequência
18 2 (em minutos)
19 1 16 ├ 18 2
20 2 18 ├ 20 3
21 4 20 ├ 22 6
22 1 22 ├ 24 2

23 1 24 ├ 26 1
26 ├ 28 2
25 1
Soma 16
27 2
Soma 16

𝑁𝑎 𝑣𝑒𝑟𝑑𝑎𝑑𝑒 𝑡𝑒𝑛ℎ𝑜 6 𝑐𝑙𝑎𝑠𝑠𝑒𝑠, 𝑒𝑛𝑡ã𝑜 𝑡𝑒𝑟𝑒𝑖 6 𝑐𝑜𝑙𝑢𝑛𝑎𝑠 𝑛𝑜 ℎ𝑖𝑠𝑡𝑜𝑔𝑟𝑎𝑚𝑎

Voltando ao Exemplo:

 Suponha um conjunto de dados, coletados por um

professor, que se refere ao tempo gasto (em minutos)
pelos alunos para a resolução de um problema de
álgebra.

25 27 18 16 21 22 21 20 18 23 27 21 19 20 21 16

 Construa um histograma do conjunto de dados com

intervalos fechados à esquerda.
 Tempo Frequência
(em minutos)
16 ├ 18 2
18 ├ 20 3
20 ├ 22 6
22 ├ 24 2
24 ├ 26 1
26 ├ 28 2
Soma 16
Caso você não informe o número de
colunas, ele distribui as colunas de
acordo com os dados.
Para alterar os limites dos eixos é só
determinar os valores através dos
comandos:
ylim = c(0,10)
xlim = c(130,170)
Para ver nomes de cores possíveis, digite
colors( ) no prompt do Rstudio e veja as
possibilidades.
4. Exercícios