Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Os melhores documentos à venda: Trabalhos de alunos formados
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Comunidade
Peça ajuda à comunidade e tire suas dúvidas relacionadas ao estudo
Descubra as melhores universidades em seu país de acordo com os usuários da Docsity
Guias grátis
Baixe gratuitamente nossos guias de estudo, métodos para diminuir a ansiedade, dicas de TCC preparadas pelos professores da Docsity
Esta ficha de exercício ela dispôs de 4 exer
Tipologia: Provas
1 / 9
Esta página não é visível na pré-visualização
Não perca as partes importantes!
Faculdade de Ciências Agrárias Curso de Licenciatura em Engenharia Zootécnica 3ª Ano, 1ª Semestre Disciplina: análise de dados Exame Normal Discente: Sérgio Sabonete Docente: Professor: Belo Afonso Muetanene Wannangu 14.06.
c) Médias de “len” por “supp” com gráfico de colunas: Resposta: Calculo das médias medias <- aggregate(len ~ supp, data = ToothGrowth, FUN = mean) posicoes <- barplot(medias$len, names.arg = medias$supp, col = ifelse(medias$len == max(medias$len), "orange", "grey"), main = "Média do comprimento por tipo de suplemento", ylab = "Média de len", ylim = c(0, max(medias$len) + 5))
d) ANOVA comparando médias de “len” por “supp”: Resposta: anova_result <- aov(len ~ supp, data = ToothGrowth) summary(anova_result)
3. Base “StudentsPerformance.csv” (requer importação) a) Frequência da variável “gender”: Resposta: freq_gender <- table(StudentsPerformance$gender) print(freq_gender) mais_frequente <- names(freq_gender)[which.max(freq_gender)] cat("O género mais frequente é:", mais_frequente) O género mais frequente é: female b) Frequência da variável “lunch” Resposta: freq_lunch <- table(StudentsPerformance$lunch) print(freq_lunch) c) Cruzar frequências de “gender” e “parental level of education” + interpretação Resposta: tabela_cruzada <- table(StudentsPerformance$gender, StudentsPerformance$parental level of education)
e) Boxplot de “writing score” por “gender” Resposta: boxplot(writing score ~ gender, data = StudentsPerformance, main = "Boxplot da nota de escrita por género", col = c("lightcoral", "lightseagreen"), ylab = "Pontuação de escrita") Comentário: este boxplot permite comparar a performance em escrita entre homens e mulheres, destacando medianas, dispersão e possíveis outliers.
4. Base “acidez” (solo) a) Média da variável “alC” por “trat”: Resposta:
b) Boxplot Resposta: boxplot(alC ~ trat, data = acidez, main = "Boxplot de alC por tratamento", col = "lightgreen") Comentário: o gráfico mostra a variação do componente alC por tipo de tratamento do solo. Observa-se a concentração dos valores e a presença de tratamentos mais eficazes na redução ou elevação do alC. c) Análise em blocos (DBC): modelo <- aov(alC ~ trat + rep, data = acidez) summary(modelo)
