exercícios
DESCRIPTION
Exercícios. Vectores, Matrizes e Data Frames. Guardar em 2 vectores os preços e quantidades de 5 produtos: Batata: 0.65 €/kg; 30kg Cenoura: 0.55 €/kg; 20kg Repolho: 0.72 €/kg; 17kg Arroz: 0.47 €/kg; 50kg Laranja:0.78 €/kg; 20kg. prTRANSCRIPT
1
Exercícios
Vectores, Matrizes e Data Frames
2
Guardar em 2 vectores os preços e quantidades de 5 produtos:
Batata: 0.65 €/kg; 30kgCenoura: 0.55 €/kg; 20kgRepolho: 0.72 €/kg; 17kgArroz: 0.47 €/kg; 50kgLaranja: 0.78 €/kg; 20kg
3
pr<- c(0.65, 0.55, 0.72, 0.47, 0.78)
qt<- c(30, 20, 17, 50, 20)
names(pr)<- c(Batata, Cenoura, Repolho, Arroz, Laranja)
names(qt)<- c(Batata, Cenoura, Repolho, Arroz, Laranja)
4
A) Como calcular o preço médio?B) Como contar os produtos?C) Como obter o preço máximo?D) Como calcular quanto custou cada
produto?E) Como calcular a despesa total?F) Como aumentar os preços em
3.5%?G) Coloque num vector a informação
referente ao 3º produto
5
A) mean(pr)
B) length(pr)
C) max(pr)
D) Custo<-pr*qt
E) pr<-pr*1.035
F) p3<- c(pr[3],qt[3])
6
Como visualizar os preços
• Maiores que 0.60€/kg?
• >0.50€/kg e <0.70€/kg?
• Dos produtos cuja quantidade é maior que 20kg?
• Dos produtos cuja despesa é menor que 15€?
• A quantidade do produto com maior preço?
7
• pr[pr>0.60]
• pr[pr>0.50 & pr<0.70]
• pr[qt>20]
• pr[(pr*qt)>15]
• qt[wich.max(pr)]
8
Temos informação sobre três fabricasM.O. P.I. Equip.
Porto 345 1234 234Gaia 246 1176 189Feira 127 637 98Preços dos factores
M.O. P.I. Equip.1990 12.1 €/u; 4.5 €/u; 17.0€/u2007 15.3 €/u; 4.7 €/u; 16.5€/u
9
fact<-matrix(c(345, 1234, 234, 246, 1176, 189, 127, 637, 98), 3, 3, byrow=T)
rownames(fact)<-c(‘Porto’,’Gaia’,’Feira’)
colnames(fact)<-c(‘M.O.’,’F.I.’,’Equip.’)
10
p.fact<-matrix(12.1, 4.5, 17.0, 15.3, 4.7, 16.5), 2,3,byrow=T)
rownames(p.fact)<-c(‘Porto’,’Gaia’,’Feira’)
colnames(fact)<-c(‘1990’,’2007’)
11
• Determine quais os custos de cada estabelecimento no ano de 1990.
• Determine qual a percentagem de aumento anual dos custos de cada estabelecimento.
12
• fact*p.fact[‘1990’,]
• custo<-fact*t(p.fact)
(custo[1]/custo[2])^(1/17)-1
(fact*p.fact[‘2007’,])/(fact*p.fact[‘1990’,])^(1/17)-1
13
Coloque a informação sobre desemprego (milhares de pessoas) num data frame
2001 2002
2º T 3º T 4º T 1º T 2º T 3º T
População total 10 294.7 10 316.0 10 333.2 10 346.9 10 368.4 10 391.9
Homens 4 970.7 4 982.0 4 991.2 4 998.7 5 009.5 5 021.2
Mulheres 5 324.0 5 334.0 5 342.0 5 348.2 5 358.9 5 370.7
Desempregados 206.6 213.2 221.8 238.4 243.0 276.1
Homens 86.0 97.6 99.0 109.3 112.0 122.4
Mulheres 120.6 115.6 122.8 129.0 131.0 153.6
14
Obtenha a evolução
Do rácio homens/mulheres da população total ao longo do tempo
Da taxa de desemprego para os trimestres em questão.
A variação homologa da taxa de desemprego para o 2 e 3º trimestres
15
• Dados <- data.frame(Ptotal=c(10294.7, 10316.0, 10333.2, 10346.9, 10368.4, 10391.9), Homens=c(4970.7, 4982.0, 4991.2, 4 998.7, 5009.5,5 021.2), Mulheres = c(5324.0,5334.0, 5342.0, 5348.2, 5358.9, 5370.7), Pdes = c(206.6, 213.2, 221.8, 238.4, 243.0, 276.1), Hdes<-c(86.0, 97.6, 99.0, 109.3,112.0, 122.4), Mdes<- c(120.6, 115.6, 122.8, 129.0, 131.0, 153.6))
16
Dados$Homens/ Dados$Mulheres
Td<-Dados$Pdes/ Dados$Ptotal
c(Td[5]-Td[1], Td[6]-Td[2])
ou
Td[5:6]-Td[1:2]