posccis / projeto-est-exp Goto Github PK

---
title: "Projeto de Estatística Exploratória"
output: html_document
date: "2023-01-12"
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE, warning = FALSE, message = FALSE)
library("readxl")
library(dplyr)
library(ggplot2)

meus_dados <- readxl::read_excel("C:/Users/victo/OneDrive/Área de Trabalho/MAIN/projeto_est_exp/sp_beaches.xlsx", sheet=1) %>% 
dplyr::filter(City == "SÃO VICENTE") %>% mutate(Enterococcus = as.numeric(Enterococcus)) %>% group_by(Beach) %>% 
  add_count(across(Beach))
praias <- unique(meus_dados$Beach)

```

# Análise estatistica da qualidade da agua das praias de SP

Este é um projeto da cadeira de Estatistica Exploratória I da UFRPE. O objetivo deste trabalho é a analise estatistica da base de dados "sp_beaches" que contem dados sobre a qualidade da agua das prias de São Paulo, mais especificamente da praia de SÃO VICENTE.


## Questões
O fluxo desse trabalho se concentrará em responder as 5 questões solicitadas pelo professor que são:

- Encontre média, desvio-padrão, mediana, Q1, Q3, mínimo e máximo dos enterococos de cada praia (summarise)

- Faça um gráfico de barras com a variável Beach, ordenando da praia com maior quantidades de amostras para a menor. Colorir gráfico com base na praia. Anotar as porcentagens no topo das barras (ggplot2).

- Repita a questão 2, fazendo desta vez um gráfico de pizza (ggplot2).

- Fazer um histograma com todos os dados de enterococos das praias da sua cidade (ggplot2).

- Fazer box-plots de todas as praias da sua cidade num único gráfico (ggplot2).

### Definições
#### Média
A média representa o valor médio da soma de todos os valores da quantidade de Enterococos de uma determinada praia.

#### Desvio padrão
O desvio padrão representa o quão disperso está um conjunto de valores. Em resumo, quanto mais distante da média mais disperso é o conjunto e vice-versa.

#### Mediana
A mediana representa o valor do meio do conjunto das quantidades de Enterococus.

#### Primeiro e terceiro quartil
O primeiro quartil representa a mediana da metade inferior dos dados enquanto o terceiro quartil representa a mediana da metade superior.

#### Valor máximo e valor minimo
É o maior e o menor valor do conjunto.

### Encontre média, desvio-padrão, mediana, Q1, Q3, mínimo e máximo dos enterococos de cada praia
```{r , results='asis', echo=FALSE}
retorna_parametros <- function(i = 1){
  if(i <= length(praias)){
    praia <- meus_dados %>% filter(Beach == praias[i])
    enterococus <- (praia$Enterococcus)
    cat("\n### ", praias[i], "\n") %>% 
      cat("\nOs valores da quantidade de bactérias encontradas foram:\n")
      cat("\n - Média:... ", mean(enterococus), "\n" ) %>% 
      cat("\n - Desvio padrão:...", sd(enterococus), "\n") %>% 
      cat("\n - Mediana:...", median(enterococus), "\n") %>%
      cat("\n - Primeiro Quartil:...", quantile(enterococus, probs = 0.25), "\n") %>%
      cat("\n - Terceiro Quartil:...", quantile(enterococus, probs = 0.75), "\n") %>%
      cat("\n - Valor máximo:...", max(enterococus), "\n") %>%
      cat("\n - Valor minimo:...", min(enterococus), "\n")
    retorna_parametros(i = i+1)
  }
  

}
retorna_parametros()
```

### Faça um gráfico de barras com a variável Beach, ordenando da praia com maior quantidades de amostras para a menor. Colorir gráfico com base na praia. Anotar as porcentagens no topo das barras.

```{r, echo=FALSE}

bar_plot <- ggplot(meus_dados,aes(y=Beach, label = scales::percent(prop.table(stat(count))))) + 
  geom_text(stat = 'count', vjust=-3, color="black",
            position = position_dodge(0.9), size=3.5)+
  geom_bar(aes( fill= Beach), width=0.4)+
  xlim(c(0, 500))+
  theme_minimal()
bar_plot
``` 

É possivel observar que enquanto todas as outras praias apresentam uma quantidade igual de registros, a "PRAINHA(AV. SANTINO BRITO)" possui uma quantidade menor, representando 18.6% dos registros.

### Repita a questão 2, fazendo desta vez um gráfico de pizza.

```{r, echo=FALSE}
pizza_plot <- ggplot(meus_dados,aes(x="", y=n,fill=Beach)) + 
  geom_bar( width=1, stat="identity")+
  coord_polar("y", start=0)
pizza_plot
```

O mesmo resultado do grafico anterior poderia ser visto com a mesma clareza aqui, porém a proximidade entre os valores e a quantidade de grupos acaba inutilizando o grafico de tipo pizza.

### Fazer um histograma com todos os dados de enterococos das praias da sua cidade.

```{r, echo=FALSE}
histogram <- ggplot(meus_dados, aes( x=Enterococcus)) +
  geom_histogram(binwidth=100, bins=3000, aes(fill=Beach)) +
  xlim(c(0, 3000)) +
  ylim(c(0, 100)) +
  scale_x_continuous(limits = c(0, 3000), n.breaks = 15) 
histogram
```

É possivel observar uma grande quantidade de registros com pouco menos de 250 e 500 da bacteria em comparação com a quantidade de registros com mais de 1000.


### Fazer box-plots de todas as praias da sua cidade num único gráfico.

```{r, echo=FALSE}
box_plot <- ggplot(meus_dados, aes(x=Enterococcus, y=Beach)) +
  geom_boxplot(notch=TRUE) +
  scale_x_continuous(limits = c(0, 5000), n.breaks = 15)
box_plot
```

É possivel observar uma grande quantidade de outliers oque significa que esse conjunto de dados está muito disperso, além disso é possivel observar que a "PRAINHA(AV. SANTINO BRITO)" é a unica com um registro de Enterococcus de 5000.