########## Comandos em R ######################### ########## Aula Prática ############################# ########## SME0123 Estatística ##################### ########## Prof. Cibele Russo ####################### ########## Baixar R em www.r-project.org ############## ########## Problema performance #################### # Inclusão de pacotes library(stats) # Leitura de dados dados <- read.table("http://www.icmc.usp.br/~cibele/SME0123/Performance.txt", header=TRUE) attach(dados) # Reconhecimento dos dados dados names(dados) # Análise descritiva unidimensional barplot(table(Escolaridade)) boxplot(Experiência) boxplot(Performance) # Análise descritiva bidimensional boxplot(Performance ~ Treinamento, main="Performance", xlab="Treinamento") boxplot(Performance ~ Escolaridade, main="Performance", xlab="Escolaridade")) plot(Experiência, Performance, pch=16) Treinamento <- as.factor(Treinamento) Escolaridade <- as.factor(Escolaridade) # ANOVA anova(lm(Performance ~ Treinamento)) anova(lm(Performance ~ Escolaridade)) # Atribuição de variáveis Perf0 <- Performance[Treinamento==0] Perf1 <- Performance[Treinamento==1] Perf2 <- Performance[Treinamento==2] # Teste t para comparação de médias em duas populações independentes t.test(Perf0, Perf1) t.test(Perf1, Perf2) # Cálculo da correlação cor(Performance, Experiência) # Gráfico de dispersão plot(Experiência, Performance, pch=16) # Ajustar um modelo de regressão linear simples: modelo1 <- lm(Performance ~ Experiência) summary(modelo1) abline(modelo1, col=2) # Ajustar um modelo de regressão linear múltipla: modelo2 <- lm(Performance ~ Experiência + Treinamento) summary(modelo2)