Documente Academic
Documente Profesional
Documente Cultură
FERRAMENTA R
Curso EAD FERRAMENTA R
Apostila com os comandos das vdeoaulas e
exerccios de fixao
Informaes
CURSO:
DIREITOS:
R Teoria e Prtica
www.aprendavirtual.com
DATA CRIAO:
14/07/2014
REVISO:
3.0
VERSO:
1.8
05/09/2014
AUTOR
EMAIL:
grimaldo_lopes@hotmail.com
SOBRE O PROFESSOR
Conhea Grimaldo:
Blog: www.bicomvatapa.blogspot.com
Site: www.aprendavirtual.com - (Aulas EAD)
Facebook:www.facebook.com/groups/bicomvatapa/
Perfil:br.linkedin.com/in/grimaldo
Sumrio
INTRODUO .................................................................................................................................. 4
APRESENTAO ................................................................................................................................. 4
Sobre este documento........................................................................................................................................ 4
Recursos necessrios ......................................................................................................................................... 4
Atualizaes deste documento ........................................................................................................................... 5
1. OBJETIVO ...................................................................................................................................... 6
2. ENTENDENDO O R........................................................................................................................... 7
3. INSTALAO DO R-STUDIO E R ......................................................................................................... 8
4. PRIMEIROS PASSOS COM O R ......................................................................................................... 10
5. USO DO HELP ............................................................................................................................... 11
6. OBJETOS NO R ............................................................................................................................. 12
VETORES......... .............................................................................................................................. 14
MATRIZES....... .............................................................................................................................. 17
DATA FRAMES ............................................................................................................................... 20
LISTAS........................................................................................................................................... 21
FUNES....................................................................................................................................... 21
GRFICO DE BARRAS.................................................................................................................... 39
GRFICO DE PIZZA OU SETORES.................................................................................................. 40
MELHORIAS NOS GRFICOS ......................................................................................................... 40
Introduo
"A persistncia o caminho do xito."
Charlie Chaplin (1895-1976)
Apresentao
O curso de R, foi idealizado para permitir um rpido aprendizado prtico ao aluno,
atravs de uma interao com o professor a partir de vdeoaulas, que facilitam o
entendimento dos diversos comandos do R. Durante o curso, o aluno ter que assistir as
vdeoaulas e praticar diretamente no seu computador. Ser necessrio que o aluno tenha
em sua mquina uma verso da ferramenta R instalada. O aluno ter um prazo mximo
de curso de 3 meses para sua concluso, mas poder solicitar uma nica prorrogao
pelo tempo que desejar, entretanto o aluno ser avisado por e-mail sobre o trmino do
curso. Durante todo o curso, o aluno poder retirar dvidas com o professor e colegas,
atravs do frum de dvidas ou por e-mail.
Recursos necessrios
Para acesso ao curso necessrio que o aluno tenha uma internet de rpido acesso para
assistir aos vdeos, alm de um leitor pdf da apostila do curso*, devem ser utilizados os
navegadores de internet Firefox(Mozila) ou Google Chrome com s verses mais atuais
para acesso ao site de aulas EAD, alm do software R* instalado na mquina do aluno.
*Estes softwares no so fornecidos pelo Site Aprenda Virtual, o aluno responsvel
pela aquisio destes, caso os mesmos sejam pagos.
Pgina 4
Pgina 5
Aulas
Foi um grande conselho o que ouvi certa vez, dado a um jovem: Faa sempre o que tiver medo de fazer.
Ralph Emerson (1803-1882)
1. Objetivo
Pgina 6
2. Entendendo o R
O R possui uma janela com algumas poucas opes para voc trabalhar, note abaixo a
tela de entrada do programa. As anlises feitas no R so digitadas diretamente na linha
de comandos. Na "linha de comandos" voc ir digitar os comandos e funes que deseja
utilizar. Para que voc identifique aonde deve digitar um comando, basta que voc
encontre o sinal > (sinal de maior) indica o prompt e quer dizer que o R est pronto para
receber comandos. Em alguns casos um sinal de + aparecer no lugar do prompt, isso
indica que ficou faltando algo na linha de comandos anterior (isso acontece quando
houve um erro, ou quando a finalizao do comando s ocorrer nas prximas linhas).
Caso esteja errado pressione Esc para retornar ao prompt normal > e sumir com o sinal
de +.
Note o comeo de cada linha com os comandos do R h um sinal do prompt, >, e em
alguns casos um sinal de +, no digite estes sinais. Os comandos que voc digita
aparecem em azul e o output (sada dos mtodos, comandos) do R aparece entre [ ].
Sempre aps digitar os comandos tecle Enter para que eles sejam executados.
Para facilitar nossos trabalhos, vamos trabalhar com o R Studio, que um conjunto de
ferramentas integradas para facilitar a produtividade do uso do R, pois facilita o trabalho
com a ferramenta, permitindo um entendimento mais facilitado da execuo dos
mtodos e comandos em 4 janelas mltiplas contendo console, help de comandos e
mtodos, histrico de comandos, plot dos dados e rea contendo informaes sobre a
re de armazenamento de dados (workspace).
Pgina 7
3. Instalao do R-studio e R
A instalao sero duas etapas, iniciaremos atravs do R-studio e logo em seguida a
ferramenta R. Esta separao existe, pois o R-studio um programa receptor da
ferramenta para facilitar o manuseio com o R, pois caso contrrio teramos que digitar
todos os comandos, durante o curso voc entender estas facilidades.
Passos:
1- Download do R-studio no site.
http://www.rstudio.com/products/rstudio/
2- Inicie o R-studio na sua
mquina, primeira tela ser.
Instale como um programa
qualquer do Windows, siga as
instrues padro.
Pgina 8
Pgina 9
raiz quadrada
valor absoluto (positivo)
Pgina 10
funes trigonomtricas
funes trigonomtricas inversas
funes hiperblicas
funes hiperblicas inversas
exponencial e logartmo natural
logartmo base-10 e base-2
funo Gamma de Euler
fatorial (n!)
choose()
nmero de combinaes (
)
todas conjuntos gerados pela combinaes de certo
nmero de elementos
combn()
5. Uso do Help
Em diversas situaes voc desejar fazer uma determinada anlise cujo nome da funo
voc ainda no conhece. Nestes casos existem trs maneiras para descobrir uma funo
que faa aquilo que voc deseja.
A primeira pesquisar dentro do R usando palavras chave usando a funo help.search().
Por exemplo, vamos tentar descobrir como se calcula o seno no R.
> help.search("seno")
Com esse comando o R ir procurar, dentro dos arquivos de help, possveis funes para
calcular o seno. Uma janela ir se abrir contendo possveis funes. Voc tambm pode
substituir por apenas ?? (duas interrogaes)
> ??sin
6. Objetos no R
O R uma linguagem orientada objetos, ou seja, todos os dados que trabalharemos
sero armazenados : variveis, dados, matrizes, funes, etc. tudo ser armazenado na
memria do computador na forma de objetos. Veja abaixo como distinguir cada um
deles, claro que voc ir entendendo aos poucos, iremos trabalhando com os objetos e
voc naturalmente ir compreender:
Vetores:
quando um objeto armazena uma sequncia de valores podendo ser numricos ou de
caracteres (letras, palavras).
Matrizes:
caracterizado como uma coleo de vetores em linhas e colunas, como na matemtica,
onde no segundo grau se estuda o assunto matrizes. Todos os vetores dever ser do
mesmo tipo (numrico ou de caracteres).
Data Frame:
O exatamente o mesmo que uma matriz, podendo, entretanto aceitar vetores de tipos
diferentes (numrico e caracteres). Geralmente quando trabalhamos na ferramenta R ns
guardamos os dados em objetos do tipo data frame, pois sempre temos variveis
numricas e variveis categricas (por exemplo, peso de uma pessoa e seu nome).
Listas:
composto por um conjunto de vetores, data frames ou de matrizes. a forma que a
maioria das funes retorna os resultados.
Pgina 12
Funes:
As funes o tipo de objeto dos mais utilizados, pois seu uso caracterstico das
chamadas anlises estatsticas, podendo fazer diversos clculos.
Caractersticas dos Objetos:
Para que voc compreenda de forma fcil, como um determinado valor armazenado na
ferramenta R importante entender as atribuies dos objetos.
No exemplo abaixo, note que atribuiremos um valor em um objeto chamado de dados
usando o smbolo <- o valor do seno de (9.7979).
> dados<- sin(9.7979)
> dados
[1] -0.3645244
A sada de dados [1] -0.3645244 apresenta apenas 1 resultado, o que informa que este
objeto s tem armazenado 1 informao, caracterizando um vetor de apenas 1
informao.
Voc pode substituir o smbolo de <- pelo = sem nenhum problema.
> dados=sin(9.7979)
> dados
[1] -0.3645244
A operao acima dizemos que o objeto dados recebe o valor do seno(9,7979), isso
retirado de uma expresso muito conhecida no meio de computao o get (recebe).
Os objetos apresentam seus valores apenas quando digitados na linha de comando,
enquanto esto recebendo dados nada exibido.
> var1=656*767
> var2= sqrt(7687)
> var3=var2-var1
> var3
[1] -503064.3
Importante Saber!
- Todo objeto deve comear por um caracter alfabtico;
- O objeto no pode utilizar palavras reservadas da ferramenta R como:
break, else, for, function, IF, in, next, repeat, while,FALSE, Inf, NA, NaN, NULL,TRUE, etc.
Valores faltantes e especiais
Pgina 13
Toda vez que trabalharmos com objetos e por algum motivo algum dado esteja faltando
ou incorreto, possvel que voc se depare com os resultados abaixo:
- NA: Not Available, constitui dados faltantes.
- NaN: Not a Number, constitui um valor que no representvel por um nmero.
- Inf e Inf: mais ou menos infinito.
> c(99,0,-3)/0
[1] Inf NaN -Inf
Vetores
Para trabalhar com vetores, vamos utilizar a funo C que significa concatenar, facilitando
a construo de vetores.
Vamos trabalhar com algumas funes utilizando vetores.
Crie o objeto cidade, contendo cidades do nordeste do Brasil.
> cidade=c("salvador","recife","pernambuco","maceio","natal")
> length(cidade)
[1] 5
> populacao=c(15000,20000,30000,17000,23000)
> sum(populacao)
[1] 105000
> max(populacao)
[1] 30000
> min(populacao)
[1] 15000
> numero_elementos.cidade=length(cidade)
> numero_elementos.cidade
[1] 5
> media.cidade=sum(populacao)/numero_elementos.cidade
> media.cidade
[1] 21000
Acima, geramos a mdia da populao das cinco cidades, para isso criamos um vetor
populao hipottico, armazenando a quantidade de habitantes. Em seguida
utilizamos a funo sum para somar o total de habitantes, a funo max para saber a
cidade que tem a maior populao, a funo min para saber quem tem a menor
populao, criamos um novo objeto chamado numero_elementos (note que o
vetores cidade deve ser colocado para informar de qual vetor este se referencia) que
armazena o total de elementos que a funo length informa, criamos o objeto media
que guarda a mdia da populao das cinco cidades.
Pgina 14
Outros comandos
Repete o nmero 1 quarenta vezes.
> num1=(1:40)
> num1
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
23 24 25 26 27
[28] 28 29 30 31 32 33 34 35 36 37 38 39 40
35
40
45
50
55
60
65
70
75
80
85
90
Comando que exibe a informao de TRUE ou FALSE caso o valor contido no vetor
num3 seja maior que 40.
> num3=(num2>40)
> num3
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE
TRUE TRUE
[14] TRUE TRUE TRUE TRUE TRUE TRUE
TRUE
TRUE
TRUE
TRUE
Comando que exibe a informao dos valores maiores que quarenta, caso o valor
contido no vetor num2 seja maior que 40.
> num2[num2>40]
[1] 45 50 55
60
65
70
75
80
85
90
95 100
Pgina 15
Podemos mesclar um determinado dado caracter ao vetor, mesmo que este s tenha
dados numricos, mas este vetor passar de numrico para um vetor caracter.
> num_palavra=c("bahia",num5)
> num_palavra
[1] "bahia" "10"
"10"
"10"
"12"
"12"
[11] "12"
"12"
"10"
"12"
"12"
"12"
Exibe uma amostra extrada de uma distribuio normal de mdia 400 e desvio padro
30.
> amostra <- round(rnorm(10, m = 400, sd = 30))
> amostra
[1] 400 433 340 416 397 383 389 379 399 365
> rev(amostra)
[1] 365 399 379 389 383 397 416 340 433 400
Matrizes
Matrizes so objetos criados a partir da utilizao de elementos de um vetor em linhas e
colunas. A seleo de elementos, as chamadas submatrizes, so realizadas usando o
smbolo de [,]. Perceba uma diferena entre vetores e matrizes que consiste na separao
entre seus elementos em linhas e colunas utilizando a vrgula, antes da vrgula indica-se
a(s) linha(s) e depois a(s) coluna(s) a serem selecionadas. Cada um destes componentes
da matriz um vetor de nomes.
Vamos trabalhar com algumas funes utilizando matrizes.
Para criar uma matriz, que inicialmente carrega dados default, basta utilizar o
comando matrix. O primeiro argumento da funo matrix diz respeito quantidade
de dados, a segunda opo informar a quantidade de colunas em uma determinada
matriz, note que automaticamente estabelecida a quantidade de linhas, sempre
deve ser mltiplo a quantidade de dados/nmero de colunas.
> amostra2=matrix(1:10, ncol = 5)
Pgina 17
Caso deseje o contrrio,que a disposio dos elementos seja registrada nas colunas,
utilize o argumento byrow.
> amostra3=matrix(1:10, ncol = 5, byrow = T)
> amostra3
[,1] [,2] [,3] [,4] [,5]
[1,]
1
2
3
4
5
[2,]
6
7
8
9
10
Caso voc deseje acessar um determinado elemento, basta colocar entre [] o nmero
da linha e da coluna.
> amostra2[2,3]
[1] 6
Caso voc deseje acessar ao mesmo tempo linhas e colunas. Note que os valores so
reorganizados dinamicamente, mas a matriz amostra2 permanece de forma intacta.
> amostra2[1:2,2:4]
Pgina 18
[1,]
[2,]
Caso voc deseje alterar as nomenclaturas padro da matriz, isso pode ser realizado
atravs do comando dimnames.
> dimnames(amostra2) <- list(c("Linha1", "Linha2"), c("Coluna1",
"Coluna2", "Coluna3", "Coluna4","coluna5"))
> amostra2
Coluna1 Coluna2 Coluna3 Coluna4 coluna5
Linha1
1
3
5
7
9
Linha2
2
4
6
8
10
Caso voc deseje incluir determinados valores em uma matriz com duas colunas,
utilize o comando cbind. O nmero maior de elementos na entrada de argumentos
cbind(1 argumento, 2 argumento) definir a quantidade de elementos.
> amostra3 <- cbind(1:3, 10:15)
> amostra3
[,1] [,2]
[1,]
1
10
[2,]
2
11
[3,]
3
12
[4,]
1
13
[5,]
2
14
[6,]
3
15
Data Frames
A diferena bsica entre data frames e matrizes que utilizando o objeto matriz, voc s
pode ter colunas do mesmo tipo (numricas, caracteres), no caso de data frames, voc
pode ter um tipo diferente para cada coluna.
Vamos ver.
Criamos dois vetores, um numrico e outro caractere. A nica forma de juntar
atravs de data frame.
> d1=c(4,5,6,7,8,9)
> d2=c("a","b","c","d","e","f")
> data.frame(d1,d2)
d1 d2
1 4 a
2 5 b
3 6 c
4 7 d
5 8 e
6 9 f
Pgina 20
Listas
A lista caracterizada por ser genrica e pode armazenas diversos formatos diferentes de
dados em um nico objeto, um conjunto de objetos.
Vejamos:
Criamos uma lista com trs diferentes tipos.
> lista1 <- list(A = 1:5, B = "SALVADOR CAPITAL DA FELICIDADE", C =
matrix(1:4,ncol = 4))
> lista1
$A
[1] 1 2 3 4 5
$B
[1] "SALVADOR CAPITAL DA FELICIDADE"
$C
[1,]
Para listar um objeto que pertence a uma lista, basta colocar entre colchetes.
>
lista1[2]
$B
[1] "SALVADOR CAPITAL DA FELICIDADE"
Para listar os elementos que esto dentro de um determinado objeto que pertence a
uma lista, basta colocar entre duplos colchetes.
> lista1[[2]]
[1] "SALVADOR CAPITAL DA FELICIDADE"
Funes
o que mais comum utilizado na ferramenta R, o uso de funes atravs de seu
nome, basta digitar para saber seu contedo. um programa criado para resolver uma
determinada tarefa.
Ex: plot
> plot
function (x, y, ...)
{
if (is.function(x) && is.null(attr(x, "class"))) {
Pgina 21
Pronto, tudo que voc fez nesta sesso no ser mais perdido.
Quando quiser utilizar todos os objetos que foram salvos nesta sesso, basta utilizar o
comando Load ou atravs do menu, escolha a opo Load.
1) Utilizando a digitao do comando Load.
Pgina 22
8. Pacote do R
require(NOME_DO_PACOTE)
Note que a ferramenta tentou de vrias formas baixar o pacote bethel, caso aparea a
mensagem successfully unpacked and MD5 sums checked que tudo ocorreu
bem.
No R-studio verifique na aba Package se o pacote foi instalado, veja abaixo:
Pgina 24
Todo o pacote tem as chamadas citaes, para que voc possa colocar em seus projetos
de pesquisa, basta executar o comando citation().
> citation("bethel")
To cite package bethel in publications use:
Michele De Meo (2009). bethel: Bethel's algorithm.. R package version
0.2.
http://CRAN.R-project.org/package=bethel
A BibTeX entry for LaTeX users is
@Manual{,
title = {bethel: Bethel's algorithm.},
author = {Michele De Meo},
year = {2009},
note = {R package version 0.2},
url = {http://CRAN.R-project.org/package=bethel},
}
ATTENTION: This citation information has been auto-generated from the
package DESCRIPTION file and may need manual editing, see
help("citation")
Trabalharemos com uma das tarefas mais importante que existem na ferramenta R, a
importao, exportao, alterao de dados oriundos de arquivos externos. O mais
comum a utilizao e leitura de arquivos no formato texto (.txt), mas possvel ler
dados de quaisquer formatos, basta que se utilize e que existam funes dentro do R
para realizar esta tarefa. Os mais comuns so o uso das funes:
edit(data.frame()) Abre uma planilha de dados que permite que voc digite
informaes. Ao terminar de digitar, basta sair da planilha atravs do boto <QUIT>.
Caso deseje fazer correes ou alterar algum dado, utilize o comando fix().Tudo ser
gravado em um dsapata frame, ou seja, tipos diferentes de dados.
Pgina 25
> arq1
var1 var2
var3
1 sapato
140
30,50
2 camisa
30
20,40
3 short
20
10,50
4 anel
10
1,45
5 calca
40 130,70
no formato texto. Caso voc tenha o arquivo no formato Excel, pode solicitar que
seja salvo no formato texto. O comando scan() tambm pode ser utilizado para esta
tarefa, mas bastante primitivo e est em desuso.
1) Vamos abrir o arquivo Empresas-Arquivo1.xlsx e convert-lo para o formato texto
separado por tabulaes, gravando o arquivo Empresas-Arquivo1.txt.
2) Depois copie o seu arquivo para sua rea de trabalho do R (Working directory of
R), no meu computador : E:/Grimaldo/Aprenda Virtual/Curso EAD/Aula
R/Empresas-Arquivo1.txt
3) A maneira mais fcil de ler qualquer arquivo no R-Studio neste formato,
utilizando o menu import dataset, veja:
Pgina 26
tabulado
e
com
cabealho.
http://www.leg.ufpr.br/~paulojus/dados/gam01.txt
A maneira mais fcil de ler qualquer arquivo no R-Studio neste formato, utilizando o
menu import dataset, veja:
1) Basta
clicar
em
Import Dataset ->
From Web URL Digite
a URL onde est o
arquivo que ser
carregado.
Pgina 27
reconhecido
e
Solicitamos que seja
importado.
Voc pode ler diversos formatos, o pacote foreign tem todos os objetos necessrios a
leitura de dados, veja abaixo:
Digite: help(foreign)
read.arff
read.dbf
read.dta
read.epiinfo
read.mtp
read.octave
read.S
read.spss
read.ssd
read.systat
read.xport
Pgina 28
Pgina 29
Ler um arquivo
Sumarizar seus
dados
Interpretar
seus resultados
Recife Salvador
47
77
Para listar as primeiras linhas de um data frame, que acabou de ser carregado de um
arquivo.
> head(vendas)
1
2
3
4
5
6
Voc pode definir novas variveis dentro do data frame que voc acabou de criar.
Vamos criar a varivel desconto, que guardar 10% de todas as vendas realizadas.
Pgina 30
PRODUTO DESCONTO
Boneca
8
Boneca
8
patins
7
damas
0.0000000
0.0000000
1.5151515
patins
0.0000000
0.0000000
0.5050505
pipa
0.0000000
3.5353535
1.5151515
tremzinho
0.0000000
0.0000000
1.5151515
Existe uma funo chamada de tappy que facilita a aplicao de uma determinada
funo aplicando em todos os dados, de acordo com um grupo especfico, ser
tapply(dados, grupos, funo). Calcularemos a mdia e o somatrio de todos os pesos
em gramas por cada filial.
> tapply(vendas$PESOGRAMAS,vendas$FILIAL,mean)
Natal
Recife Salvador
205.1351 413.1915 294.9351
> tapply(vendas$PESOGRAMAS,vendas$FILIAL,sum)
Natal
Recife Salvador
15180
19420
22710
Pgina 31
Max.
840.0
Nome da Funo
mean
median
min
max
range
quantile
IQR
var
sd
mad
# Mdia
# Mediana
# Mnimo
# Mximo
# Mximo - Mnimo
# Quartis
# ndice Interquartil.(Q75%-Q25%)
# Varincia
# Desvio-Padro
# Desvio Absoluto Mediano
Pgina 32
Selecionando Dados
Agora na parte de manipulao de dados, vamos especificamente trabalhar com
conectores lgicos que nos ajudaro na seleo de determinados dados, muito
importante na manipulao de qualquer dado.
Vamos primeiro aprender quais so os conectores lgicos que facilitam a seleo de
dados:
CONECTOR
>
<
>=
<=
==
!=
&
|
SIGNIFICADO
Maior
Menor
Maior ou igual
Menor ou igual
Igualdade
Diferente
E
Ou
Agora para exibir o contedo em cada uma destas posies, utilize o [], lembre-se
estamos em um arquivo de dados ento o comando [] necessita que voc determine se a
seleo ser em linha ou coluna, no nosso caso so as linhas, ento deveremos
acrescentar a , para esta informao.
> vendas[which(vendas$FILIAL=="Salvador"),]
FILIAL PARCELAS MESCOMPRA PESOGRAMAS VALOR
1 Salvador
1
1
210
80
2 Salvador
1
1
170
80
PRODUTO
Boneca
Boneca
Pgina 33
Salvador
Salvador
Salvador
Salvador
1
1
1
1
1
1
1
1
720
200
750
320
70
80
170
80
patins
carrinho
carrinho
Boneca
....
Execute os comandos abaixo e veja o que acontece:
>
>
>
>
vendas[which(vendas$FILIAL!="Salvador"),]
vendas[which(vendas$FILIAL=="Salvador" & vendas$PRODUTO=="Boneca"),]
vendas[which(vendas$FILIAL=="Salvador" | vendas$PRODUTO=="Boneca"),]
vendas[which(vendas$PESOGRAMAS>=210 & vendas$PESOGRAMAS<=310),]
Vamos selecionar apenas uma coluna, com um determinado critrio e listaremos na tela,
mas precisaremos alterar a quantidade de linhas impressas, utilize o comando abaixo:
> options(max.print=5.5E5)
Agora execute:
> sort(head(vendas[which(vendas$PESOGRAMAS>=210 &
vendas$PESOGRAMAS<=250),]$PESOGRAMAS,n=1000L))
Para colocar todo o data frame em ordem, como exemplo pelo peso em gramas, faa o
seguinte:
> ordem.vendas=order(vendas$PESOGRAMAS)
> vendas[ordem.vendas,]
FILIAL PARCELAS MESCOMPRA PESOGRAMAS VALOR
129
Natal
4
5
30
50
127
Natal
4
3
40
50
128
Natal
4
4
60
50
134
Natal
4
10
60
50
PRODUTO
carrinho
carrinho
carrinho
carrinho
...
Para colocar em ordem decrescente o data frame para o atributo peso em gramas, faa o
seguinte:
> vendas[order(vendas$PESOGRAMAS,decreasing=TRUE),]
FILIAL PARCELAS MESCOMPRA PESOGRAMAS VALOR
PRODUTO
99
Recife
2
1
840
120
Boneca
82
Recife
2
1
810
120 carrinho
Outra forma de se trabalhar com dados atravs do comando ifelse que permite tomar
uma ao de acordo com uma condio especfica, IF significa SE e ELSE significa SENO.
Vamos a um exemplo:
> resultado=ifelse(vendas$VALOR>90,"acima das expectativas","abaixo das
expectativas"
> table(resultado)
resultado
abaixo das expectativas acima das expectativas
Pgina 34
80
11. Grficos
O R possui um ambiente de trabalho rico para gerao de grficos de diversos tipos,
podem gerar grficos de duas formas:
Grficos para anlise de dados: so grficos que permitam visualizar o mais claro
possvel os padres presentes nos dados. Esses grficos disponibilizados de forma
rpida no R e as formas de constru-los permitem inmeras interaes com os
elementos de informao nos grficos.
Histogramas
Um dos grficos mais utilizados em estatstica, facilita a exibio de qual funo de
densidade estamos analisando.
Gerao de grfico comum do histograma
Pgina 35
>hist(vendas$PESOGRAMAS,col="blue")
Ramo e Folha
um grfico de tipo texto muito utilizado na estatstica descritiva.
> stem(vendas$PESOGRAMAS)
The decimal point is 2 digit(s) to the right of the |
0
0
1
1
2
2
3
3
|
|
|
|
|
|
|
|
34
66788
012444
555555666666666666677777777788888889999999
000000000111111122222223333333334444444444
5555566677777777888899999
000000111111122222223333444444
555556788888999
Pgina 36
|
|
|
|
|
|
|
|
|
011223
55588
1112
8
001234
778
2
5
0114
Box-Plot
O grfico de box-plot oferece como sada estatsticas descritivas como mdia, mximo,
mnimo, quartis de forma a facilitar o estudo do comportamento das variveis, vejamos:
Grfico de Disperso
Sempre que desejar criar um grfico para entender a relao entre duas variveis, utilize
primeiro o grfico de disperso, veja como simples:
Pgina 37
VARIAES DO GRFICO
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "h", col =
"red")
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "l", col =
"red")
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "p", col =
"red")
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "b", col =
"red")
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "c", col =
"red")
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "s", col =
"red")
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "S", col =
"red")
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "n", col =
"red")
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "n", col =
"red",main="babab")
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "n", col =
"red",main="PLOTE DOS DADOS")
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "p", col =
"red",main="PLOTE DOS DADOS")
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "p", col =
"red",main="PLOTE DOS DADOS",lwd=10)
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "p", col =
"red",main="PLOTE DOS DADOS",lwd=50)
> scatter.smooth( vendas$PESOGRAMAS, vendas$VALOR,type = "p", col =
"red",main="PLOTE DOS DADOS",lwd=5)
Pgina 38
Quando voc desejar realizar o grfico de disperso com uma varivel categrica,
necessitamos utilizar a funo stripchart.
> par( mar=c(5,4,4,2) )
>stripchart(vendas$FILIAL~vendas
$VALOR,vertical=T)
OBS:PLOT(XAXIS,YAXIS)
Grfico de Barras
Grfico de barras um dos mais comuns utilizados nas apresentaes de universidades,
empresas e por profissionais. Todos os programas de planilhas eletrnicas possuem este
tipo de grfico, vejamos como cri-lo:
Pgina 39
Para que voc conhea as formas de qualquer tipo de grfico, basta digitar:
example(<nome_funo_grfica>
> example(barplot)
2)
Vamos
informaes
:
Quantidade.
colocar
duas
PRODUTO
e
>
text(locator(2),c("Produto","
Quantidade"))
Se voc deseja colocar dois grficos em uma nica janela, de forma que possam ser
comparados, utilize o comando par(mfrow=c(nl,nc)) # nl indica o nmero de linhas e nc o
nmero de colunas que a janela dever ter. Primeiro vamos dividir a janela em duas
colunas.
Como exemplo, vamos exibir dois grficos em uma nica janela:
Pgina 41
Para retornar a exibio para apenas 1 grfico, basta repetir a funo par(mflow=c(1,1)).
Para imprimir um grfico, na janela plot h uma opo para exportao em PNG e PDF.
Caso voc esteja fora do R-studio, voc poder dentro do R clicar com o boto direito do
Mouse sobre o grfico e depois em "save as metafile", os formatos so
PDF,JPEG,BMP,PNG.
12. Programao
Todos ns sabemos que a ferramenta R extremamente til para aqueles que desejam
fazer anlise de dados atravs dos pacotes disponveis na ferramenta. Entretanto ela
pode ser vista como uma linguagem de programao, onde o usurio pode criar as suas
prprias funes. Esta uma das maiores vantagens da ferramenta. Alm de ser um
programa para anlises estatsticas, o R acima de tudo uma linguagem de programao.
Voc tem duas opes para aprender a usar o R ou aprender a fazer programas bsicos
em R. Primeiro devemos entender como construmos uma funo ou function.
A sintaxe :
function(lista de argumentos)
{
corpo da funo
}
Pgina 42
Pgina 43
sample(x,n,replace=T)
}
3) Agora
que
voc
digitou a funo, no
nosso exemplo ser
criado um vetor com
algumas amostras de
dados atravs da
funo sample.
4) Digite o nome da
funo: ganho
5) O prprio R-studio
organizar e ficar da
seguinte forma:
6) Marque
toda
a
funo e clique em
RUN ALL.
7) Verifique na Aba
workspace
se
a
funo apareceu.
8) Pronto agora em
linha de comando
digite:
> informe=c("Brasil","Alemanha","inglaterra")
> ganho(informe,10)
Resultado pode ser:
[1] "Alemanha"
"Brasil"
"Brasil"
"inglaterra" "Brasil"
"Brasil"
[7] "Brasil"
"inglaterra" "Alemanha"
"Alemanha"
Agora voc percebe que foi criada uma funo onde so passados 2 parmetros, o vetor
contendo os dados que sero amostrados e a quantidade de amostras com reposio. Ao
contrrio de chamar a funo sample, voc utiliza a funo ganho criada por voc.
Pgina 44
Comando FOR
O comando FOR utilizando para criar loopings de execuo.
A sintaxe do comando : for (varivel in 1:n) {comandos}
Por exemplo, vamos utilizar o comando FOR para gerar a sequncia de Fibonnaci.
> fibonacci=numeric(0)
> fibonacci[c(1,2)]=1
> for (x in 3:12) {fibonacci[x]=fibonacci[x-2]+fibonacci[x-1]}
> fibonacci
[1]
1
1
2
3
5
8 13 21 34 55 89 144
Note que o vetor fibonacci guardou a soma dos valores que foram passados inicialmente
fibonacci[c(1,2)]=1, o comando FOR foi responsvel de circular a varivel x iniciando
em 3 e terminando em 12 um a um.
Outro Exemplo
>
+
+
+
+
+
+
>
[1,]
[2,]
[3,]
[4,]
[5,]
[6,]
[1,]
[2,]
[3,]
[4,]
[5,]
[6,]
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13] [,14] [,15]
10
50
41
30
44
35
49
57
14
21
17
49
32
45
19
30
27
18
31
9
55
3
58
19
46
44
1
15
26
31
49
32
54
24
51
3
51
28
1
43
42
21
21
10
23
20
18
30
40
21
53
2
49
27
36
28
43
28
39
27
25
12
53
17
15
56
44
12
59
58
40
28
48
4
40
58
51
3
32
55
19
14
33
31
53
41
48
8
30
60
[,16] [,17] [,18] [,19] [,20]
54
36
57
34
21
26
31
39
35
5
4
34
32
41
39
21
11
19
40
29
18
44
17
56
58
3
6
1
7
35
Pgina 45
qualitativas
o nominais
o ordinais
quantitativas
o discretas
o contnuas
Est.civil
1
2
3
4
5
6
Grau.Instrucao
1
2
1
1
1
2
regiao
1
3
4
3
3
2
1
2
1
3
3
1
Pgina 46
outro
capital
interior capital
capital outro
interior capital
capital outro
> cidadao
1
2
3
4
5
6
Para criar uma nova varivel utilize o comando transform(), vamos criar uma varivel que
guarde o aumento salarial de 20%.
> cidadao=transform(cidadao,aumento.sal=Salario*1.20)
Anlise univariada
A anlise univariada consiste basicamente em, para cada uma das variveis
individualmente:
Vamos trabalhar com a varivel qualitativa nominal Est.civil, podemos gerar uma tabela
de frequncia, um grfico de setores que o mais indicado para o tipo de varivel.
Frequncia Absoluta
> civil=table(cidadao$Est.civil)
> civil
Pgina 47
solteiro
11
casado
10
Frequncia Relativa
> prop.table(civil)
solteiro
casado
0.5238095 0.4761905
Grfico de Setores
> pie(prop.table(civil))
Moda
> names(civil)[which.max(civil)]
[1] "solteiro"
Grfico
Setores - pie(prop.table(civil))
Barras - barplot(instrucao)
Frequncia absoluta
> irmao.fa=table(cidadao$Irmao)
> plot(irmao.fa)
Frequncia relativa
> irmao.fr=prop.table(irmao.fa)
> Plot(irmo.fr)
Histograma
Box-plot
> boxplot(cidadao$Salario)
Pgina 48
Por curiosidade, para se obter uma frequncia relativa de uma varivle continua, teremos
que saber a amplitudade dos dados (mximo e mnImo), a quantidade de classes (
utilizaremos o critrio de sturges).
> range(cidadao$Salario)
[1] 4.00 11.06
> nclass.Sturges(cidadao$Salario)
[1] 6
> salario.fr <- table(cut(cidadao$Salario, seq(4.00, 11.06, l = 7)))
> salario.fr
(4,5.18] (5.18,6.35] (6.35,7.53] (7.53,8.71] (8.71,9.88] (9.88,11.1]
1
3
4
3
6
3
> prop.table(salario.fr)
(4,5.18] (5.18,6.35] (6.35,7.53] (7.53,8.71] (8.71,9.88] (9.88,11.1]
0.05
0.15
0.20
0.15
0.30
0.15
Anlise Bivariada
Na anlise bivariada basicamente procuramos identificar relaes entre duas variveis.
Assim como na anlise univariada estas relaes podem ser resumidas tambm por
grficos, tabelas e/ou medidas estatstica. Os estudos realizados nestas variveis vai
depender dos tipos das variveis envolvidas. Vamos considerar trs possibilidades:
qualitativa vs qualitativa
qualitativa vs quantitativa
quantitativa vs quantitativa
OBS:AS
RELAES ENTRE DUAS VARIVEIS DEVEM SER EXAMINADAS COM CUIDADO, POIS PODEM
SER OCULTADAS/MASCARADAS POR UMA OU MAIS VARIVEIS EXISTENTES NO CONSIDERADAS NA
ANLISE. ESTAS SO CHAMADAS VARIVEIS DE CONFUNDIMENTO.
1) Anlise Qualitativa x Qualitativa: Este tipo de anlise envolve duas variveis criando
a chamada tabela de cruzamento ou tabela de contingncia e pode ser apresentada de
vrias formas. A forma mais adequada de apresentao vai depender dos objetivos da
anlise e da interpretao desejada para os dados.
Pgina 49
1Grau 2Grau
4
7
8
2
Podemos saber o somatrio de cada linha ou coluna e suas frequncias relativas atravs
do comando addmargins()
> addmargins(tab.cr,margin=)
solteiro
casado
Sum
> addmargins(tab.cr,margin=1)
solteiro
casado
Sum
1Grau 2Grau
4
7
8
2
12
9
> addmargins(tab.cr,margin=2)
solteiro
casado
Civil
barras
Pgina 50
Uma medida estatstica para anlise de duas variveis qualitativas o teste Chi-quadrado,
atravs do comando summary() conhecido como medida de associao entre duas
variveis, podemos executar o teste e verificar se h associao entre estado civil e grau
de instruo.
> summary(tab.cr)
Number of cases in table: 21
Number of factors: 2
Test for independence of all factors:
Chisq = 4.073, df = 1, p-value = 0.04358
Chi-squared approximation may be incorrect
100%
> prop.table(tab.sl,margin=2)
salario.qt
[4,6.66] (6.66,8.12] (8.12,9.35] (9.35,11.1]
Pgina 51
0.4000000
0.6000000
0.2000000
0.8000000
0.8000000
0.2000000
Vamos ento obter um grfico dos salrios para cada nvel de instruo, ou seja, os
salrios(varivel resposta) sero explicados pelos graus de instruo(varivel explicativa):
> boxplot(cidadao$Salario~cidadao$Grau.Instrucao)
Podemos obter, outras estatsticas descritivas: Mdia e desvio padro. Tudo atravs do
comando tapply(), no nosso exemplo em relao a salrio e grau de instruo.
>
tapply(cidadao$Salario,cidadao$Grau.Instrucao, mean)
1Grau
2Grau
7.550000 8.423333
>
tapply(cidadao$Salario,cidadao$Grau.Instrucao, sd)
1Grau
2Grau
2.370462 1.423165
3) Anlise Quantitativa vs Quantitativa: Para este tipo de anlise podemos gerar tabelas
de classes para ambas as variveis, no exemplo possuimos salrio e idade, que so
variveis quantitativas. O grfico explorado ser o grfico de disperso, onde
perceberemos que uma varivel explicada por outra.
Vamos gerar as classes da varivel idade:
> idade.qt=cut(cidadao$Idade,quantile(cidadao$Idade),include.lowest = T)
0.2000000
0.0000000
0.6000000
Correlao Spearman:
> cor(cidadao$Idade,cidadao$Salario,method = "spearman")
[1] 0.07289313
Teste de Hipteses
Sero apresentados alguns testes de hipteses para ilustrao da ferramenta R,
importante que voc obtenha conhecimento terico antes de utilizar estas funes da
ferramenta R, o nosso curso no se prope ao aprendizado terico das anlises
estatsticas geradas aqui, cabe ao aluno o aprendizado prvio.
1) Mdia de uma distribuio normal com varincia desconhecida
Para realizar inferncia sobre a mdia de uma amostra considerando com uma
distribuio Normal, devemos verificar qual o seu intervalo de confiana.
Sabemos que o intervalo de confiana para mdia de uma distribuio normal com mdia
desconhecida dado por:
Pgina 53
No nosso caso vamos partir de um conjunto de dados para utilizar o teste t para calcular
o intervalo para esta mdia desconhecida e com um tamanho de amostra pequeno.
No nosso exemplo consideremos:
Sejam os dados abaixo representando o tempo (segundos) de um chute de penalidade
mxima, dos gols marcados pela seleo brasileira nas ltimas copas do mundo.
Considerado como tendo distribuio Normal e deseja-se fazer inferncia sobre a mdia
que desconhecida obtendo um intervalo de confiana. Trinta chutes foram sorteados
dentro 70 ltimos gols de pnalti marcados. Os dados foram os seguintes (em minutos):
3.7 1.6 4.2 3.3 3.2 4.1 6.1 2.5 3.1 4.3
3.2 4.2 3.1 4.2 5.2 3.2 4.7 2.1 2.3 2.1
3.1 4.6 2.1 1.5 1.8 2.7 3.1 4.7 2.5 3.4
>
chute=c(3.7,1.6,4.2,3.3,3.2,4.1,6.1,2.5,3.1,4.3,3.2,4.2,3.1,4.2,5.2,3.2,
4.7,2.1,2.3,2.1,3.1,4.6,2.1,1.5,1.8,2.7,3.1,4.7,2.5,3.4)
> t.test(chute)
One Sample t-test
data: chute
t = 16.1906, df = 29, p-value = 4.610e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
2.909347 3.750653
sample estimates:
mean of x
3.33
Pgina 54
Classe B
30
Classe C
50
Classe D
60
Classe E
80
Classe C
6
Classe D
7
Classe E
5
Classe B
4
Portanto como o p-valor menor que 0.05, a concluso que rejeita-se H0 ao nvel de
5%, ou seja, a hiptese que a populao pertence a amostra no confirmada, esta no
segue o padro de pesos da populao estudada.
3) Comparao de duas mdias
Sempre quando temos uma varivel qualitativa com dois nveis e outra quantitativa o
interesse em geral est em comparar as mdias da quantitativa para cada grupo da
qualitativa. Para isto podemos utilizar o testeT. H dois tipos de teste T: para amostras
independentes com varincias iguais ou desiguais, ou para amostras pareadas.
No nosso exemplo, vamos testar se um determinado tipo de chocolate que produzido
por duas empresas diferentes, realmente difere em relao a sua produo pelo seu teor
de cacau encontrado nos chocolates. Vamos comparar as mdias dos teores de cacau a
um nvel de 5% de significncia e considerando as varincias iguais, tiramos uma amostra
de tamanho=8:
S Cacau 0.21.23.42.14.52.35.24.2
Puro Sabor2.12.14.23.52.34.21.30.7
As hipteses so:
H0 :1 = 2
Ha :12
> sc=c(0.2,1.2,3.4,2.1,4.5,2.3,5.2,4.2)
> pc=c(2.1,2.1,4.2,3.5,2.3,4.2,1.3,0.7)
> t.test(sc, pc, var.eq = TRUE, conf = 0.95)
Two Sample t-test
data: sc and pc
t = 0.4412, df = 14, p-value = 0.6658
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-1.303165 1.978165
sample estimates:
mean of x mean of y
2.8875
2.5500
Pelo teste verificasse que as mdias so iguais, ou seja no rejeitamos a hiptese nula
(H0), note o p-valor(0.6658) maior que 0.05.
Pgina 56
Se a amostra for pareada, ou seja, so duas coletas para os mesmos indivduos, ento
basta acrescentar a informao: paired=TRUE
> t.test(sc, pc, var.eq = TRUE, conf = 0.95,paired=TRUE)
p adj
0.9239345
0.9666007
0.9999846
0.8440854
Pgina 57
-3.675
0.825
5.200
-0.975
0.800
4.375
-1.800
-0.025
-6.175
-4.400
1.775
-18.451842
-13.951842
-9.576842
-15.751842
-13.976842
-10.401842
-16.576842
-14.801842
-20.951842
-19.176842
-13.001842
11.101842
15.601842
19.976842
13.801842
15.576842
19.151842
12.976842
14.751842
8.601842
10.376842
16.551842
0.9656296
0.9999708
0.8675048
0.9999332
0.9999749
0.9303175
0.9986690
1.0000000
0.7663948
0.9287538
0.9987553
Para utilizar a funo de regresso linear simples, vamos chamar a funo lm() e a funo
summary() com suas variaes para linear models.
Primeiro vamos plotar os dados para verificar se existe uma relao linear entre as
variveis.
> plot(bovino$Quantidade_Racao,bovino$Percentual_proteina)
Pgina 58
Pelo grfico aparentemente parece que os pontos esto crescentes e formando uma reta.
Vamos aplicar a funo lm() para confirmar ou no.
> rls=lm(bovino$Percentual_proteina ~ bovino$Quantidade_Racao)
> summary.aov(rls)
Df Sum Sq Mean Sq F value
Pr(>F)
bovino$Quantidade_Racao 1 3371.6 3371.6 62.509 9.953e-07 ***
Residuals
15 809.1
53.9
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
> summary(rls)
Call:
lm(formula = bovino$Percentual_proteina ~ bovino$Quantidade_Racao)
Residuals:
Min
1Q
-13.0125 -3.7277
Median
-0.1322
3Q
6.7723
Max
9.6783
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept)
13.73520
4.86168
2.825
0.0128 *
bovino$Quantidade_Racao 0.09797
0.01239
7.906 9.95e-07 ***
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Residual standard error: 7.344 on 15 degrees of freedom
Multiple R-squared: 0.8065,
Adjusted R-squared: 0.7936
F-statistic: 62.51 on 1 and 15 DF, p-value: 9.953e-07
Note que o modelo de regresso linear simples pela anlise do p-valor informa que existe
uma relao linear entre as variveis, com a determinao do modelo pela funo:
Percentual_proteina = 13.73520 + 0.09797 * Quantidade_rao
Por exemplo, se desejarmos saber qual seria o valor estimado do Percentual de protena
de um boi, se este se alimentasse de 350 quilos de rao:
Percentual_Proteina = 13.73520 + 0.09797 * 350 48,0247
Pgina 59
Regresso Mltipla
A regresso mltipla se diferencia da regresso linear simples, por possuir mais de uma
preditora (X), ou seja, para uma varivel resposta(Y) podemos ter mais de uma varivel
explicativa(X).
Vamos utilizar o mesmo arquivo Bovinos-Arquivo5.csv e acrescentar a varivel
Percentual de carne magra no modelo.
Da mesma forma que trabalhamos na regresso linear simples, vamos chamar a funo
lm() e a funo summary() com suas variaes, para linear models.
> rlm=lm(bovino$Percentual_proteina ~ bovino$Quantidade_Racao +
bovino$Percentual_Carne_Magra)
> summary.aov(rlm)
Df Sum Sq Mean Sq F value
Pr(>F)
bovino$Quantidade_Racao
1 3371.6 3371.6 68.0330 9.579e-07 ***
bovino$Percentual_Carne_Magra 1 115.3
115.3 2.3256
0.1495
Residuals
14 693.8
49.6
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
> summary(rlm)
Call:
lm(formula = bovino$Percentual_proteina ~ bovino$Quantidade_Racao +
bovino$Percentual_Carne_Magra)
Residuals:
Min
1Q
-14.0887 -2.2565
Median
-0.2885
3Q
4.6368
Max
10.7687
Coefficients:
Pgina 60
Note que o modelo de regresso mltipla informa um p-valor abaixo de 0.05, foi
significante apenas para a quantidade de rao, no apresentando relevncia para os
demais atributos, portanto no poderemos utilizar todos os atributos na definio do
modelo mltiplo:
Pgina 61
Pgina 62
Idade
Menor que 50
50 a 70
Maior que 70
Casado
Homem
Mulher
30
16
14
32
27
23
Solteiro
Homem
34
23
44
Mulher
13
17
32
141
138
142
135
137
129
Lab. B
148
132
136
141
139
128
........
A funo deve receber o salrio e o valor de percentual de aumento.
Ex: > calculator(5000,30) # quer dizer que o salrio de 5000 mil e o aumento de
30%.
Pgina 65
Consideraes Importantes
A alegria que se tem em pensar e aprender faz-nos pensar e aprender ainda mais
Aristteles (Incio dos tempos)
Importante que voc saiba que voc pode retirar dvidas com o professor no
momento que desejar, para isso entre em contato via e-mail, o mesmo est na
folha de rosto da apostila ou atravs do frum dos alunos;
Lembre-se que uma internet de banda larga ajudar na visualizao dos vdeos,
quando temos lentido no acesso da internet isso influenciar na aprendizagem
rpida do curso;
Lembre-se o curso tem um custo baixo, para permitir que mais colegas possam
realizar o curso e retire dvidas com os professores e colegas, no compartilhe
seu usurio e senha, pois prejudica uma cadeia de profissionais que trabalharam
no curso.
Pgina 66
Apndice
Glossrio de Siglas e Termos
Mesmo desacreditado e ignorado por todos, no posso desistir, pois para mim, vencer nunca desistir..
Albert Einstein (1879-1955)
-A
ALUNO o indivduo que recebe formao e
instruo de um ou vrios professores ou
mestres para adquirir ou ampliar seus
conhecimentos.
-E
EAD uma modalidade de educao mediada
por tecnologias em que alunos e professores
esto separados espacial e/ou temporalmente,
ou seja, no esto fisicamente presentes em um
ambiente presencial de ensino-aprendizagem.
-P
PROFESSOR - uma pessoa que ensina uma
cincia, arte, tcnica ou outro conhecimento.
PROGRAMAO - um mtodo padronizado
para
comunicar
instrues
para
um
computador. um conjunto de regras sintticas
e semnticas usadas para definir um programa
de computador.
-R
FERRAMENTA R uma linguagem criada
para a criao de clculos estatsticos e grficos.
Foi criada originalmente por Ross Ihaka e por
Robert Gentleman
Pgina 67