relatÓÉÓrio tÉcnico cnico ––departamento … · uma apostila completa sobre a construção...

UNIVERSIDADE FEDERAL DE SÃO CARLOSUNIVERSIDADE FEDERAL DE SÃO CARLOS

ISSN 1414-0624

CENTRO DE CIÊNCIAS EXATAS E CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICASTECNOLÓGICAS

USO DE PARÂMETROS GRÁFICOS BÁSICOS DO SOFTWARE LIVRE R

Lucas Alves Dos Santos Armando Dias Caetano

Cecília Candolo

Ó ÉÓ É

Cecília Candolo

RELATÓRIO TÉCNICO RELATÓRIO TÉCNICO –– DEPARTAMENTO DEPARTAMENTO DE ESTATÍSTICADE ESTATÍSTICA

NOTAS DIDÁTICAS– SÉRIE CNOTAS DIDÁTICAS SÉRIE C

Maio/2013 nº 28

UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA

DEPARTAMENTO DE ESTATÍSTICA

USO DE PARÂMETROS GRÁFICOS BÁSICOS DO SOFTWARE LIVRE R

LUCAS ALVES DOS SANTOS ARMANDO DIAS CAETANO

CECILIA CANDOLO

São Carlos, maio de 2013

USO DE PARÂMETROS GRÁFICOS BÁSICOS DO SOFTWARE LIVRE R SANTOS, L. A.;CAETANO,A,D ; CANDOLO, C.

Apresentação

Este trabalho é resultado de um esforço conjunto entre alunos e professor do Bacharelado em Estatística. O corpo inicial foi resultado de um projeto de bolsa treinamento desenvolvido pelo primeiro autor e a professora em questão. O segundo autor terminou o trabalho, adicionando exemplos. A proposta é oferecer uma abordagem básica de uso de parâmetros gráficos no software R, numa linguagem acessível aos alunos do Bacharelado. Não se pretende compor um trabalho completo e detalhado sobre o assunto, mas sim um guia básico que auxilie os usuários quotidianos do R a produzirem gráficos mais personalizados. Não se pretende, também, ensinar o uso do R e nem o básico sobre construção de gráficos. Pressupõe-se que os leitores tenham pelo menos um conhecimento básico sobre o software. No endereço do software na internet (www.r-project.org ) encontram-se variadas referências bibliográficas para aprender a utilizar o software bem como para uso mais avançado. Além disso, recentemente, tem havido a publicação de inúmeros livros sobre o assunto, de forma que o leitor interessado possa aperfeiçoar suas habilidades. O enfoque aqui proposto é o de se concentrar em técnicas de personalização (customizing) de gráficos de forma básica e simples. Para isso, serão apresentadas as técnicas e depois as mesmas serão aplicadas em exemplos.

DEPARTAMENTO DE ESTATÍSTICA - UFSCar 1

http://www.r-project.org/

http://www.r-project.org/


Sumário 1. Introdução .................................................................................................................................... 3 2. Desenvolvimento ......................................................................................................................... 3

2.1 Aspectos básicos da construção de gráficos no R ................................................................. 3 2.2 Personalização da aparência do gráfico ................................................................................. 5

2.2.1 Cores ............................................................................................................................... 5 2.2.2 Preenchimento com padronagens ................................................................................... 6 2.2.3 Linhas ............................................................................................................................. 7 2.2.4 Textos ............................................................................................................................. 7 2.2.5 Símbolos ......................................................................................................................... 9 2.2.6 Eixos x,y ....................................................................................................................... 10 2.2.7 Legenda ........................................................................................................................ 12

2.3 Especificação da área do gráfico ......................................................................................... 13 2.3.1 Margem externa ............................................................................................................ 13 2.3.2 Margem da figura ......................................................................................................... 14 2.3.3 Mais de um gráfico por página ..................................................................................... 14 2.3.4 Abertura e controle de janelas gráficas. ........................................................................ 16

3- Resultados ................................................................................................................................. 16 3.1 Exemplos ............................................................................................................................. 16

3.1.1 Exemplo 1 – Histogramas ............................................................................................ 16 3.1.2 Exemplo 2- Box-plot .................................................................................................... 18 3.1.3 Exemplo 3 – Gráfico de Dispersão ............................................................................... 19 3.1.4 Exemplo 4 – Gráficos de Barras ................................................................................... 19 3.1.5 Exemplo 5 – Gráficos de Setores ................................................................................. 21 3.1.6 Exemplo 6 – Alteração da área da janela gráfica ......................................................... 22

Referências .................................................................................................................................... 23



1. Introdução A estatística é uma ciência que essencialmente trabalha com a análise de dados. Praticamente todos os problemas de análise de dados são resolvidos com o uso do computador e de softwares apropriados. Existe uma ampla gama de programas computacionais específicos para análise estatística, sendo que tem se destacado o software R, que é uma linguagem e ambiente para computação estatística e construção de gráficos, e está disponível como Software Livre sob os termos da Licença Pública Geral GNU da Free Software Foundation. O R fornece uma ampla variedade de técnicas estatísticas, desde as mais básicas até as mais avançadas, dispõe de excelentes ferramentas gráficas e é altamente extensível. Toda a documentação e arquivos para download e instalação estão disponíveis no site www.r-project.org.

Um dos requerimentos mais pertinentes na formação moderna do estatístico é a habilidade de construir gráficos de alta qualidade. A maioria dos softwares atuais oferece uma boa interface gráfica. Um dos pontos fortes de R é a facilidade com que gráficos bem desenhados e com qualidade para publicação podem ser produzidos, incluindo símbolos matemáticos e fórmulas, quando necessário.

O processo de construção de gráficos no R compreende a utilização de algumas funções genéricas e também alguns pacotes específicos. A utilização de funções genéricas se faz via a especificação de variáveis e dos parâmetros gráficos que irão definir a personalização do gráfico final. O uso destes parâmetros requer conhecimentos específicos e treinamento adequado, para que o processo se torne fácil e amigável.

Tendo em vista a importância do conhecimento da construção de gráficos no R para estudantes e profissionais de estatística, e, considerando a escassez de material bibliográfico em português para aquisição de tal conhecimento, este trabalho tem como objetivo apresentar, de forma introdutória, amigável e simples, a utilização dos parâmetros gráficos do R, desenvolvendo também alguns exemplos. Ressalta-se que o objetivo está na construção de gráficos através das funções gráficas básicas do R e não na utilização de pacotes para gráficos mais complexos. Ressalta-se também, que o objetivo está na utilização dos parâmetros gráficos, e, então, esta não é uma apostila completa sobre a construção de gráficos no R.

O texto foi produzido a partir da experiência dos autores e também, grande parte, foi baseado em Murrel (2006). Algumas convenções de notação foram usadas: comandos são colocados em letra tipo “typewriter” e funções do R, quando citadas no texto, estão em negrito. As técnicas estatísticas aqui apresentadas podem ser consultadas em Bussab e Morettin (2002).

A seção 2 apresenta uma introdução à construção de gráficos no R, às técnicas de personalização (customizing) de gráficos e mostra formatos de especificação da área do gráfico. A seção 3 apresenta exemplos de aplicações.

2. Desenvolvimento 2.1 Aspectos básicos da construção de gráficos no R

As funções gráficas do R são divididas em quatro partes: pacotes gráficos, sistemas gráficos, mecanismos gráficos e dispositivos de pacotes gráficos. Os pacotes gráficos oferecem



funções que constroem os gráficos em cima de duas estruturas. Essas estruturas são chamadas de sistemas gráficos, que são os gráficos tradicionais e os de grade (grid). O sistema tradicional corresponde às funções gráficas mais conhecidas, disponibilizadas no pacote base, e que serão as utilizadas neste trabalho. O sistema grid, oferece ferramentas gráficas mais poderosas, e, a maioria das funções relacionadas a esse sistema, estão contidas no pacote lattice, que implementa o sistema gráfico Trellis. Mais informações podem ser obtidas em Murrell (2006).

As funções utilizadas para a construção de gráficos podem ser divididas em três grupos principais:

• Funções de alto nível: que efetivamente constroem o gráfico. As principais são: plot, barplot, hist, boxplot, pie, pairs, contour, persp, entre outras.

• Funções de baixo nível: adicionam itens a um gráfico já existente. Por exemplo: points, lines, abline, text, legend, title.

• Funções interativas: que trabalham de forma interativa com o gráfico, muitas vezes com o uso do mouse. Por exemplo, as funções locator e identify.

Assim, o software R oferece uma ampla variedade de gráficos estatísticos, tais como histogramas, boxplots, gráficos de barra e de pizza, etc. A Figura 1 apresenta alguns exemplos básicos dos gráficos mais usados no R.

>hist(rnorm(100),main="Histograma de dados:N(0,1)" ,ylab="",xlab="") >plot(pressure, main= "Dispersão: temperatura vs. pressão",ylab= "pressão",xlab="temperatura") >text(150, 600,"Pressure (mm Hg)\n versus \n Temperature (Celsius)") >boxplot(rpois(100,2),main="Boxplot de dados: Poisson(λ=2)") >pie.sales<-c(0.12,0.3, 0.26, 0.16,0.04,0.12) >names(pie.sales)<-c("Blueberry", "Cherry", "Apple", "Boston Cream", "Other", "Vanilla Cream") >pie(pie.sales,main="Gráfico de pizza de sabores")

Figura 1: Exemplos de gráficos tradicionais do R

É claro que o gráfico não consiste apenas nos dados em si, mas em todos os aspectos

como cor, legendas, etc. E, para que os dados tenham uma melhor visualização e interpretação, acrescentamos tais elementos, utilizando os parâmetros gráficos disponíveis.



As funções gráficas constroem os gráficos com uma aparência “default”, ou seja, com os principais parâmetros gráficos fixados em padronagens simples. A próxima seção apresenta formas de personalização da aparência do gráfico quanto a cores, padronagens, linhas, textos, símbolos, eixos e legendas. 2.2 Personalização da aparência do gráfico

Basicamente, existem duas maneiras de se alterar as características do gráfico. Para exemplificar, seja o parâmetro col (abreviação de color, que define a cor usada no gráfico). A primeira maneira é via a função par():

> par(col="red")

Quando definida desta maneira, a cor escolhida será usada em todos os gráficos feitos subseqüentes a esse comando. Já quando é definida via função gráfica, somente será usada naquele gráfico específico:

> plot(dados, col="red")

Mas, deve-se tomar cuidado ao especificar a cor via função gráfica, pois o resultado pode variar. Na função plot(), a cor servirá para colorir os símbolos dos dados e as linhas, já na função barplot() será usada para preencher as colunas (as barras). 2.2.1 Cores

Os parâmetros básicos para definição da cor em um gráfico são: col (color), fg (foreground) e bg (background). O mais comum é o col, que é usado para especificar a cor de símbolos, linhas, textos, ou o que quer que seja que esteja sendo grafado pela função gráfica, na região do gráfico. O parâmetro col recebe uma string (com o nome em inglês da cor) ou um número inteiro correspondente a esta cor. O parâmetro fg é utilizado para especificar a cor de eixos e bordas dos gráficos, enquanto que o parâmetro bg especifica a cor do fundo da área do gráfico, mas depende se for usado na função par() ou na função gráfica.

Existem também parâmetros específicos para as cores de eixos, rótulos, títulos e subtítulos: col.axis, col.lab, col.main e col.sub. 2.2.1.1 Escolha da cor

A forma mais fácil de definir a cor no R é usando o nome (em inglês) da cor: por exemplo, ”red” que corresponde ao número 2. Podem ser escolhidas 657 cores. O comando colors() apresenta a lista completa dos 657 nomes das cores disponíveis.

A cor pode também ser definida por um número inteiro, por uma descrição de padrão espaço-cor (no R há a função rgb() para esta finalidade) ou ainda pelo padrão hexadecimal.

O número da cor é definido pela função pallete(). O comando pallete() mostra as cores “default” para os números de 1 a 8: “black”, “red”, “green3”, “blue”, “cyan”, ”magenta”, “yellow”, “gray”. Esta configuração pode ser alterada (para exemplos, ver o “help” da função).

A função rgb() permite que a cor seja especificada em termo das intensidades da tripla Red-Green-Blue (Vermelho-Verde-Azul). Por exemplo, com o uso desta função, a cor vermelha é



especificada por rgb(1, 0, 0), ou seja, tanto vermelho quanto possível, com nada de verde e azul. Para uma mistura vibrante de verde e azul poderia ser usada rgb(0,1,1) e uma mistura mais apagada rgb(0, 0.5, 0.5). 2.2.1.2 Conjuntos de cores

O R oferece algumas funções que geram conjuntos de cores, o que pode facilitar quando se necessita escolher várias cores para um mesmo gráfico. A Tabela 1 relaciona as funções disponíveis. Tabela 1: Funções que geram conjuntos de cores. Nome Descrição rainbow() Cores que variam do vermelho, através do laranja, amarelo,

verde, azul e índigo, até o violeta. heat.colors() Cores que variam do branco através do amarelo e laranja, até o

vermelho terrain.colors() Cores que variam do branco, através de marrons, até o verde topo.colors() Cores que variam do branco, através de marrons e verdes, até o

azul cm.colors() Cores que variam do azul claro, através do branco, até o

magenta claro grey() ou gray() Variações de tonalidades de cinza

O comando example(rainbow) fornece uma apresentação resumida destes conjuntos de cores, por exemplo. Mais exemplos de estilização serão vistos na seção 3. 2.2.2 Preenchimento com padronagens

Em algumas situações gráficas há a necessidade de se usar outras abordagens, que não a cor, para se distinguir entre elementos gráficos (por exemplo, quando a impressão é em preto e branco). Podem ser usadas diferentes tonalidades de cinza ou então algum tipo de padrão de preenchimento como as hachuras (linhas paralelas em ângulos diferentes). No R este padrão pode ser usado apenas em retângulos e polígonos, mudando-se os ângulos das linhas (parâmetro angle) e a densidade entre elas (parâmetro density). Estes parâmetros podem ser usados apenas nas funções gráficas (barplot(), rect(), polygon(), hist(), pie() e legend()) e não via par().

A Figura 2 apresenta um barplot com cores e padronagens diferentes. Vale observar que o R organiza internamente as cores em RGB. A aparência final pode variar dependendo do dispositivo que a expõe (tela, impressão, papel, projeção). Esta característica é geralmente chamada de “device dependency”.



>x<-rep(0:8, c(5,15,25, 20,17,12,10,8,4)) > table(x) > barplot(table(x),col=rainbow(9),angle=seq(10,90,10),density=seq(5,45,5))

0 1 2 3 4 5 6 7 8

05

1015

2025

Figura 2: Exemplos de mudança de cores e padronagens. 2.2.3 Linhas

Existem cinco parâmetros que controlam o aspecto da linha a ser usada. O primeiro é o lty (linetype), que indica qual o tipo de linha será desenhada. Outro parâmetro é o lwd (linewidth), que diz respeito à largura da linha. Os outros três parâmetros - ljoin, lend e lmitre – controlam o tipo de contorno.

O parâmetro lty pode ser especificado por nomes, já pré-definidos, ou por um número decimal que corresponde a um desses nomes, enquanto o lwd é indicado somente por um número inteiro, sendo que o default é o número 1: valores menores produzem linhas mais finas e valores maiores produzem linhas mais espessas. Os argumentos ljoin, lend e lmitre podem ser visto no help da função par. A Figura 3 mostra os tipos de linhas existentes no R.

2.2.4 Textos

Há uma vasta lista de parâmetros que controlam a aparência do texto em gráficos, porém existem três aspectos que são os mais importantes: tamanho da fonte, tipo de fonte e a justificação do texto. O tamanho da fonte é controlado pelos parâmetros ps e cex, que indicam um número absoluto da fonte e um “fator” multiplicativo, respectivamente. O tamanho final da fonte será o resultado da multiplicação desses dois valores.

Quando cex é indicado via par(), a maior parte do texto é alterada, no entanto, quando é especificado via função gráfica, somente irá alterar o tamanho dos símbolos dos dados, como mostram os gráficos na Figura 4.



Figura 3: Tipos de linhas, já pré-definidos pelo R, que se pode usar.

x=rbinom(100,10,0.5)) Gráfico 1: > par(cex=0.5) > plot(x) Gráfico 2: > par(cex=1) > plot(x) Gráfico 3: > plot(x, cex=0.5) Gráfico 4: > plot(x, cex=1.5)

Figura 4: Exemplos gráficos da diferença do uso do parâmetro cex na função par() e na função gráfica



Existem, porém, configurações mais específicas como, por exemplo, para o texto dos ‘rótulos’ dos eixos (cex.axis) e tamanho do título (cex.main), tamanho do sub-título (cex.sub), que só são usadas através da função gráfica e não na função par.

A justificação do texto é feita através do parâmetro adj, um valor entre 0 e 1, onde 0 significa justificado à esquerda, 1 significa justificado à direita e 0.5 indica que o texto é centralizado. Pode-se, também, indicar dois valores para esse parâmetro, onde o segundo valor indica a justificação vertical do texto.

Já a fonte a ser usada, é indicada através do parâmetro family, e, através do parâmetro font, se queremos negrito, itálico ou ambos. O parâmetro family é indicado por um conjunto de caracteres e font por um número inteiro entre 1 e 4. Assim como as cores, existem alguns parâmetros mais específicos para as fontes (font.axis, font.sub, font.lab, font.main), que também só são indicadas na função gráfica. Veja a Figura 5.

Figura 5: Exemplo das possíveis fontes.

2.2.5 Símbolos

O software R oferece 26 tipos de símbolos pré-definidos, que são escolhidos através do parâmetro pch. Este parâmetro deve receber um número inteiro entre 0 e 25 (o número “default” é o 1). Alguns desses símbolos (mais precisamente os que estão entre 21 e 25) permitem que se preencha com alguma cor seu interior, através do parâmetro bg.

Porém, os símbolos não se limitam apenas a esses 26 tipos. Há a possibilidade de escolher um caractere qualquer do teclado para ser usado como símbolo. A Figura 6 apresenta os símbolos e seus respectivos números.



Figura 6: Números dos respectivos símbolos a serem usados com o parâmetro pch

2.2.6 Eixos x,y

Por padrão, os eixos (as escalas) são feitos automaticamente, mas existem muitos parâmetros que podem personalizá-los. Através dos parâmetros xaxp e yaxp pode-se controlar o número de “marcas de sinalização”. Sua especificação é feita na forma de um vetor de três posições, onde os dois primeiros valores indicam o primeiro e o último valor, respectivamente, das escalas a serem desenhados e o terceiro valor indica o número de divisões que terá esse intervalo. Observe os eixos da Figura 7.

O parâmetro tcl controla o tamanho dessas “marcas de sinalização”. Ele é especificado através de um número inteiro, onde o número negativo indica que essa marca será desenhada fora da região do gráfico, o número positivo significa dentro da região do gráfico e o número 0 indica que não haverá essas marcas.

Os parâmetros xaxt e yaxt controlam se os eixos serão desenhados, o valor “n” indica que não e o valor “s” indica que serão desenhados.

Outro parâmetro importante é o bty, que controla o tipo de caixa que será desenhada em volta da região do gráfico. Ele é indicado através de um caractere e seus possíveis valores são esses: “o”, “l”, “7”, “c”, “u” e “]”. A Figura 8 mostra os tipos de caixas.



plot(main="Exemplo: Marcas de sinalização",x, ylab="", xlab="", yaxp=c(-2,2,10))

plot(main="Exemplo: Marcas de sinalização",x, ylab="", xlab="", xaxp=c(35,95,10))

Figura 7: Exemplos de marcas de sinalização.

Figura 8: Possíveis tipos de caixa, controlados pelo parâmetro bty.



A função axis() permite desenhar os eixos em qualquer lado do gráfico, e através do

argumento side, escolhemos o lado. E os argumentos at e labels, especificam a locação e o texto das marcas de sinalização, ao longo dos eixos, respectivamente.

O parâmetro lab também altera a forma dos eixos, ele é indicado da forma c(5, 5, 7) onde os dois primeiros valores representam a quantidade de “marcas de sinalização” nos eixos x e y, respectivamente, e o terceiro representa o tamanho dos “rótulos”.

E, por último, o parâmetro las, que é indicado por um número inteiro entre 0 e 3, onde 0 indica que o texto dos “rótulos” é paralelo ao eixo, 1 significa horizontal, 2 representa perpendicular ao eixo e 3 que é sempre vertical (observe os valores em vermelho da Figura 9).

Figura 9: As diferentes saídas do parâmetro las

2.2.7 Legenda

As legendas são adicionadas pela função legend() e geralmente é desenhada na região do gráfico. A função possui muitos parâmetros, o que a torna maleável para adequar-se as necessidades de cada pessoa.

Os principais parâmetros são as coordenadas x e y que indicarão a posição da legenda e um vetor ou expressão com as legendas. Existem outros parâmetros mais específicos para cor, tipo de borda da caixa da legenda, etc. Vale lembrar que o usuário é o responsável por fazer com



que a legenda corresponda ao gráfico, pois não há nenhuma verificação automática, feita pelo R, que faça a correspondência entre os dados e a legenda.

A posição da legenda no gráfico pode ser definida pelo uso das opções "bottomright", "bottom", "bottomleft", "left", "topleft", "top", "topright", "right" e "center", que são colocadas no lugar das coordenadas x e y. Ou, pode-se optar pelo uso de comandos interativos locator. Se usarmos locator(1) no lugar das coordenadas x, y, iremos escolher a posição do canto superior esquerdo da caixa da legenda, simplesmente apontando e clicando com o mouse na área gráfica. A Figura 10 representa um exemplo de legenda.

Figura 10: Exemplo de utilização da legenda 2.3 Especificação da área do gráfico

A tela onde são desenhados os gráficos é dividida em três partes ou em três principais regiões: a margem externa, a área da figura e a região do gráfico. Há também, uma área que é chamada de margem da figura, que corresponde a área externa da região do gráfico, mas a parte de dentro da área da figura. Pode-se controlar o tamanho dessas regiões via função par(), ou por funções mais específicas. A Figura 11, reproduzida de Murrell (2006), fornece uma ilustração.

2.3.1 Margem externa

A margem externa é indicada por quatro valores: um para o lado inferior, outro para a esquerda, outro para o superior e um para a margem direita, e é controlada através do parâmetro oma (outer margin).Os valores de oma são interpretados como número de linhas de texto. Por exemplo, de especificação gráfica. Tem-se, também, a possibilidade de usar o parâmetro omi (outer margin inches), para indicar o tamanho da margem em centímetros.



Área do Gráfico

Área da Figura

Margem Externa 1

Mar

gem

Ext

erna

2

Margem Externa 3

Mar

gem

Ext

erna

4

Figura 11: Divisão das áreas feitas pelo software R, reproduzida de Murrell (2006).

2.3.2 Margem da figura As margens da figura correspondem aos espaços entre as margens externas e a área do gráfico.

É controlada através do parâmetro mar. Com deste parâmetro, indica-se quatro valores, correspondentes aos quatro lados da margem (em baixo, esquerda, em cima, direita) e os valores correspondem a números de linhas. O default é c(5.1, 4.1, 4.1, 2.1) e o valor 1 fornece espaço para uma linha de texto na margem externa. Tem-se a possibilidade de indicar o tamanho em polegadas, via o parâmetro mai. 2.3.3 Mais de um gráfico por página

Existem várias maneiras de fazer diversos gráficos em uma mesma janela gráfica. A primeira é através da função par(), em que os parâmetros mfrow e mfcol são usados para indicar, o número de linhas e o número de colunas em que a janela será divida (sempre em tamanhos iguais). Se for via mfrow, então as regiões da figura são utilizadas na seguinte ordem: da esquerda para a direita e de cima para baixo, mas se for especificada pelo outro parâmetro, essa ordem é invertida (de cima para baixo, da esquerda para a direita).



Outra maneira é pela função layout(). Ela possui a mesma idéia descrita acima, só que com algumas diferenças, entre elas, permitir a criação das regiões com diferentes tamanhos. A função layout() solicita como argumento, uma matriz de valores inteiros, que indicarão qual linha e coluna cada figura ocupará. Para uma melhor visualização, existe a função layout.show() que cria uma figura indicando como foi feita a divisão da página. A ordem pode ser alterada, assim como o tamanho de cada divisão. Veja a Figura 12.

(a) (b)

1 2

3 4

5 6

1

2

3

4

5

6

(c) (d)

1

2 3

1

2

3

(e) (f)

1

2

1

2

Figura 12: Divisão da janela gráfica.



A divisão da janela gráfica como na figura (a) pode ser obtida com o comando

layout(matrix(c(1,2,3,4,5,6), 3, 2, byrow = TRUE)) ou par(mfrow=c(3,2)). O gráfico da figura (a), que mostra o resultado do uso do comando layout é obtido com o comando layout.show(6). Para a figura (b), similarmente temos layout(matrix(c(1,2,3, 4,5,6), 3, 2)) e layout.show(6). As figuras (c), (d), (e), (f) são obtidas com os comandos respectivamente, a seguir layout(matrix(c(1,1,2,3), 2, 2, byrow = TRUE)); layout(matrix(c(1,1,2,3), 2, 2)); layout(matrix(c(1, 2), ncol=1), 1, c(2,1)) #,heights = c(2, 1),respect=F); layout(matrix(c(1, 2), ncol=1), lcm(5), c(2,1)) #,heights = c(2, 1),respect=F). O comando layout()pode ser precedido pelo comando par para especificção das margens da figura (comandos mar ou mai).

A função split.screen() é outra alternativa interessante de se dividir a janela, e mais detalhes podem ser vistos em Murrel (2006).

2.3.4 Abertura e controle de janelas gráficas. O uso da função x11() abre uma nova janela gráfica. Para listar as janelas que estão abertas, pode-se usar a função dev.list(). Se quiser direcionar um gráfico para uma especifica janela, por exemplo, a janela 3 usa-se ante da construção do gráfico, a função dev.set(3).

3- Resultados 3.1 Exemplos

O banco de dados usado para construção dos exemplos foi “Dados do questionário estudantil (Tabela 1.1)", Magalhães e Lima (2001), que está disponível no site http://www.ime.usp.br/~noproest/. Serão abordados vários tipos de gráficos e de possibilidades de parâmetros gráficos para ilustrar diversas opções. 3.1.1 Exemplo 1 – Histogramas

São abordadas algumas mudanças gráficas possíveis no software R construção de histogramas, como: mudança de cor de todos os elementos (titulo, preenchimento, legendas e etc), inserção de legendas com fórmulas, criação de linhas marcando média e mediana, mudança do estilo dessas linhas e alteração de tamanho dos textos. As Figuras 13, 14 e 15 apresentam esses exemplos.


http://www.ime.usp.br/%7Enoproest/


Histogram of Alt

Alt

Freq

uenc

y

1.5 1.6 1.7 1.8

02

46

810

12

Histograma de Altura

Alt

Freq

uenc

y

1.5 1.6 1.7 1.8

02

46

810

12

Comandos: > hist(Alt) > hist(Alt,main="Histograma de Altura",col.main="blue",col.axis="red", col.lab="purple",border="yellow",col=rainbow(8))

Figura 13: Histograma de Altura

Histograma de Alturas do Sexo Masculino

Altura

Freq

uenc

ia

1.70

1.75

1.80

1.85

0

1

2

3

4

5

Histograma de Alturas do Sexo Feminino

Altura

Freq

uenc

ia

1.5

1.6

1.7

1.8

02

46

810

Comandos: > hist(Alt,main="Histograma de Alturas do Sexo Masculino",col=cm.colors(3),col.main="blue",ylab="Frequencia",xlab="Altura" ,las=2, col.lab="darkblue",col.axis="darkgreen") > hist(Alt,main="Histograma de Alturas do Sexo Feminino",col=terrain.colors(8),col.main="pink",ylab="Frequencia", xlab="Altura", col.axis="green",col.lab="lightpink",las=3)

Figura 14: Histograma de Alturas separados por sexo



Figura 15: Histograma dos pesos com media e mediana

Histograma dos Pesos

Peso

Freq

uenc

ia

40 50 60 70 80 90 100

0

5

10

15

20

Formulas

x = ∑i=1

50 xi

50

x̂ = median(xi, i = 1, 50)

Comandos: >hist(Peso,main="Histograma dos Pesos",col.main="3",col=topo.colors(6),las=1,col.axis="purple",ylab="Frequencia")>abline(v = mean(Peso), col=1, lty=4, lwd=2) >abline(v = median(Peso), col=2, lty=2, lwd=2) >ex12 <- expression(bar(x) == sum(over(x[i], 50), i==1, 50), hat(x) == median(x[i], i==1,50)) >legend("right", ex12,col=1:2 , lty=4:2, title="Formulas",cex=0.75)

3.1.2 Exemplo 2- Box-plot

Da mesma maneira, são apresentadas mudanças gráficas aplicadas ao box-plot, como: mudança de cor de todos os elementos (titulo, preenchimento, legendas e etc), mudança do tamanho dos outliers e o formato dos mesmos, como mostra a Figura 16.

box-plot de Peso

5060

7080

90

50

60

70

80

90

Comandos: > boxplot(Peso) >boxplot(Peso,main="box-plot de Peso",col="lightblue",cex=1.5,pch=5,las=1,



col.axis="green",col.main="darkred")

Figura 16: Box-plot de peso 3.1.3 Exemplo 3 – Gráfico de Dispersão

Neste exemplo são apresentadas mudanças gráficas para gráfico de dispersão, como a mudança de cor de todos os elementos (titulo, preenchimento, legendas e etc), separação dos pontos alterando sua cor, alteração do tamanho dos pontos e alteração do formato da caixa que envolve o gráfico. A Figura 17 mostra essas possibilidades.

18 20 22 24

1.5

1.7

Idade

Alt

18 20 22 241.51.61.71.8

Grafico de Dispersão Altura vs. Idade

Idade

Altu

ra

Comandos: > plot(Idade) > plot(Idade,Alt) > plot(Idade,Alt,main="Grafico de Dispersão Altura vs. Idade",ylab="Altura",xlab="Idade", pch=25,bty="u",las=1,cex=0.5, col.main="lightgray",col.axis="brown",col.lab="blue",cex.main=2,cex.axis=2,bg = c("red", "blue")[unclass(x$Sexo)])

Figura 17: Gráfico de dispersão: Altura vs Idade

3.1.4 Exemplo 4 – Gráficos de Barras

Nestes exemplos são apresentadas alterações para gráficos de barras, como a mudança de cor de todos os elementos (título, preenchimento, legendas, etc), inserção de legendas, alteração do preenchimento do gráfico (ângulo do tracejado e densidade) e alteração do posicionamento da legenda. As Figuras 18, 19 e 20 mostram essas possibilidades.




NAO SIM

010

2030

40

NAO SIM

Barplot de Fumantes

0

10

20

30

40

Comandos: > barplot(table(Fuma)) >barplot(table(Fuma),col=topo.colors(2),main="Barplot de Fumantes",c ol.main="green", las=1,col.axis="red")

Figura 18:Barplot de Fumantes

B M N R

010

2030

B M N R

BomMuito BomNormalRegular

Barplot de Opnião de TV

010

2030

Comandos: >barplot(table(OpTV)) >barplot(table(OpTV),main="Barplot de Opnião de TV",angle=60,density=10, col=rainbow(4), col.main="darkblue",legend.text = c("Bom","Muito Bom","Normal","Regular"), args.legend = list(x = "topleft"))

Figura 19: Barplot de Opnião de TV


I M P

05

1015

20

I M P

IndiferenteMuitoPouco

Barplot de Tolerancia de Cigarro

0

5

10

15

20

Comandos: >barplot(table(Toler)) >barplot(table(Toler),col=heat.colors(3),angle=25, density=40,main="Barplot de Tolerancia de Cigarro",col.main="lightblue",col.axis="green",las=1,legend.text = c("Indiferente","Muito", "Pouco"),args.legend = list(x = "topleft"))

Figura 20: Barplot de Tolerância de Cigarro 3.1.5 Exemplo 5 – Gráficos de Setores

Neste exemplo são apresentadas mudanças gráficas para gráficos de setores, como a

mudança de cor de todos os elementos (título, preenchimento, legendas e etc), inserção de legendas, alteração do gráfico para o formato 3D, espaçamento das fatias dos gráficos, e inserção de quantidade e porcentagem em cada fatia do gráfico. A Figura 21 mostra essas possibilidades.



NAO44

SIM6

Gráfico 1.1 - Pie Chart de Fumantes (com tamanho da amostra)

BM

N

R

Gráfico 1.2 - Pie Chart de OpTV

Gráfico 2.1 - Pie Chart de Sexo

Feminino

Masculino

Gráfico 2.2 - Pie Chart de Tolerancia ao Cigarro

IndiferenteMuito

PoucoComandos: > par(mfrow=c(2,2),mar=c(2,2,2,0.5), oma=c(1.5,2,1,1)) >mytable <- table(x$Fuma) >lbls <- paste(names(mytable), "\n", mytable, sep="") >pie(mytable, labels = lbls, main="Gráfico 1.1 - Pie Chart de Fumantes\n (com tamanho da amostra)",col.main="pink",col=topo.colors(2)) >lbls <- c("B","M","N","R") >pie(table(OpTV),labels=lbls,main="Gráfico 1.2 - Pie Chart de OpTV", col.main="green", explode=0.4) >lbls <- c("Feminino","Masculino") >pie3D(table(Sexo),labels=lbls,main="Gráfico 2.1 - Pie Chart de Sexo",col.main="green") >lbls <- c("Indiferente","Muito","Pouco") >pie3D(table(Toler),labels=lbls,main="Gráfico 2.2 - Pie Chart de Tolerancia ao Cigarro",explode=0.2,col.main="Yellow",col=terrain.colors(3))

Figura 21:Exemplos de Gráfico de Setor 3.1.6 Exemplo 6 – Alteração da área da janela gráfica

Neste exemplo foi gerada uma amostra de Poisson, com a intenção de mostrar as mudanças possíveis na área gráfica. A Figura 22 mostra essa possibilidade.



DEPARTAMENTO DE ESTATÍSTICA - UFSCar

Histogram of x

0 2 4 6 8

05

1015

200

24

68

0

12

3

4 5

678

Comandos: > x<-rpois(100,3) > par(mar=c(3,2,2,1)) > layout(matrix(c(1,1,2,3), 2, 2, byrow = TRUE)) > hist(x) > boxplot(x) > pie(table(x))

Figura 22: Mudanças na Área dos Gráficos

Referências - BUSSAB, W., O., MORETTIN, P. A. Estatística Básica, 5ª. edição, São Paulo: Editora

Saraiva, 2002.

- MAGALHÃES, M., N., LIMA, A. C. P. Noções de Probabilidade e Estatística, 3ª. edição,

São Paulo: IME USP, 2001.

- MURRELL, P. R Graphics, Boca Raton: Chapman & Hall/CRC, 2006.

23

PUBLICAÇÕES ANTERIORES . PAULA, V.A.; MASCARENHAS, M.R.; BARRETO, M.C.M. "Introdução ao Epi-Info".

Março/97, No 01. . CARVALHO, E. P.; DINIZ, C. A. R. "Introdução a Experimentos com Misturas". Abril/97, No

02. . MASCARENHAS, M.R; BARRETO, M.C.M.; ARAGÃO, F.J.O.S.; PAULA, V.A. "Estatística

Usando Excel". Agosto/97, No 03. . FERREIRA FILHO, P.; BERETA, E.M.P.; RIBEIRO, F.B.; “Tabela de Burt”. Maio/1998, N

o 04.

. DINIZ, C.A.R.; OISHI, J. “EVOP - Operação Evolutiva”, Junho/1998, N0 05.

. OLIVEIRA, L. A. “Introdução à Biometria - Epidemiologia”, Agosto/1998, No 06.

. BARRETO, M.C.M.; GOMES, A.Z.; VALÉRIO, E.M.; SILVA, F.C.; BATISTELA, J.A.; DRIUSSO, P.; CEMBRANELI, R.C. "Introdução ao Epi-Info 6". Abril/99, No 07.

. OLIVEIRA, L.A. “Probabilidade e Estatística para Engenherios: Idéias Iniciais de Planejamento de Experimento”. Novembro/99, Nº 08.

. LEITE, J.G. "Introdução à Inferência Bayesiana". Março/2000, Nº 09.

. MILAN, L.A. "Introdução à Linguagem S-plus". Maio/2000, Nº 10.

. OLIVEIRA, L.A. "Probabilidade e Estatística para Engenheiros: idéias iniciais de amostragem". Agosto/2000, Nº 11.

. LOUZADA-NETO, F.; DINIZ, C.A.R. "Uma Introdução ao Data Mining". Setembro/2000, Nº 12.

. OLIVEIRA, L.A. “Introdução à Demografia”. Agosto/2001, Nº 13.

. OLIVEIRA, L.A. “Introdução à Análise Estatística de Dados”. Agosto/2001, Nº 14.

. MARTINEZA, E.Z.; LOUZADA-NETO, F.; PEREIRA, B.B. “Análise de Testes Diagnósticos Via Curva ROC”. Março/2002, Nº 15.

. TORRES, C.A.D; CANDOLO, C. “Construção de Gráficos no SAS”. Agosto/2003, Nº 16.

. OLIVEIRA, L.A. “Introdução à Demografia: Análise por Período”. Outubro/2003. Nº 17.

. BARRETO, M.C.M. “Amostragem no Meio Ambiente: Amostragem por Transectos”. Março/2004. Nº 18.

. OLIVEIRA, L.A.; DESIDERÁ, L.C. “O Uso de Transformações na Análise Estatísttica de Dados – Uma Introdução”. Dezembro/2004. Nº 19.

. OLIVEIRA, L.A. “Introdução à Demografia: Análise de Mortalidade”. Janeiro/2005. Nº 20.

. OLIVEIRA, L.A. “Alisamento de Seqüências ou Séries por Filtros Resistentes”. Junho/2005. Nº 21.

. TORRES, C.A.D; CANDOLO, C. “Uso do Enterprise Miner Software do SAS”. Outrubro/2005, Nº 22.

. VITTE, D.C.C.; CANDOLO, C. “Acess para Estatística”. Novembro/2005, Nº 23.

. FRANCO, M. A. P.; MANTOVANI, A.; “Estudo por Simulação da Distribuição de Estimadores por Máxima Verossimilhança na Presença de Censura”. Janeiro/2006, N.º24.

. LOUZADA - NETO, F.; “Modelagem Temporal em Credit Scoring: Uma Nova Alternativa à Modelagem Tradicional via Análise de Sobrevivência”. Fevereiro/2006, Nº 25

. LOUZADA-NETO; F.; DINIZ; C. A. R.; “Aumentando a Capacidade Preditiva da Modelagem de Credit Scoring via combinação de Preditores – Uma Introdução”. Outubro/2007, Nº 26

. MARCELINO, J.L.S., TOMAZELLA, V. L. D. “Sequências de Passos para Análise de Dados Sisvar: Um Software Estatístico para Análises e Ensino de Estatística. Abril/2011, Nº 27

relatÓÉÓrio tÉcnico cnico ––departamento … · uma apostila completa sobre a construção...

Documents