Lista de Exercícios 2

Funções no R

Exercício 1

seqrep = function(n){
  return( rep(1:n, times=1:n) )
}

length(seqrep(50))

## [1] 1275

Exercício 2

maior.xbarra = function(x){
  return( x[x>mean(x)] )
}

Exercício 3

maior.xbarra(seqrep(10))

##  [1]  8  8  8  8  8  8  8  8  9  9  9  9  9  9  9  9  9 10 10 10 10 10 10 10 10
## [26] 10 10

Exercício 4

i = 10:20
sum( i^2 + 4/i )

## [1] 2588.075

Exercício 5

s = NULL
for(i in 1:10){
  for(j in 1:10){
    s = sum(s, i^2/(5 + i*j) )
#    cat("i: ",i,"j: ",j," soma: ",s,"\n")
  }
}
s

## [1] 117.4334

Exercício 6

a = c(-0.2, 0.2, 0.49, 0.5, 0.51, .99, 1.2)
trunc(a)

## [1] 0 0 0 0 0 0 1

floor(a)

## [1] -1  0  0  0  0  0  1

ceiling(a)

## [1] 0 1 1 1 1 1 2

round(a)

## [1] 0 0 0 0 1 1 1

A função trunc(a) pega a parte inteira dos números de a. A função floor(a) retorna o maior número inteiro menor do que os números de a, já a função ceiling(a) retorna o menor número inteiro maior do que os números de a. Por último, a função round(a) arredonda os números de a com o número de digitos especificados, no caso, zero.

Exercício 7

set.seed(1)
x = runif(20,-1,1)
ifelse(x>0, log(x), NA)

## Warning in log(x): NaNs produzidos

##  [1]          NA          NA -1.92615940 -0.20283176          NA -0.22717746
##  [7] -0.11726382 -1.13446047 -1.35391202          NA          NA          NA
## [13] -0.98337731          NA -0.61677365          NA -0.83186453 -0.01632026
## [19]          NA -0.58898459

Exercício 8

paste0("Seg",1:100)

##   [1] "Seg1"   "Seg2"   "Seg3"   "Seg4"   "Seg5"   "Seg6"   "Seg7"   "Seg8"  
##   [9] "Seg9"   "Seg10"  "Seg11"  "Seg12"  "Seg13"  "Seg14"  "Seg15"  "Seg16" 
##  [17] "Seg17"  "Seg18"  "Seg19"  "Seg20"  "Seg21"  "Seg22"  "Seg23"  "Seg24" 
##  [25] "Seg25"  "Seg26"  "Seg27"  "Seg28"  "Seg29"  "Seg30"  "Seg31"  "Seg32" 
##  [33] "Seg33"  "Seg34"  "Seg35"  "Seg36"  "Seg37"  "Seg38"  "Seg39"  "Seg40" 
##  [41] "Seg41"  "Seg42"  "Seg43"  "Seg44"  "Seg45"  "Seg46"  "Seg47"  "Seg48" 
##  [49] "Seg49"  "Seg50"  "Seg51"  "Seg52"  "Seg53"  "Seg54"  "Seg55"  "Seg56" 
##  [57] "Seg57"  "Seg58"  "Seg59"  "Seg60"  "Seg61"  "Seg62"  "Seg63"  "Seg64" 
##  [65] "Seg65"  "Seg66"  "Seg67"  "Seg68"  "Seg69"  "Seg70"  "Seg71"  "Seg72" 
##  [73] "Seg73"  "Seg74"  "Seg75"  "Seg76"  "Seg77"  "Seg78"  "Seg79"  "Seg80" 
##  [81] "Seg81"  "Seg82"  "Seg83"  "Seg84"  "Seg85"  "Seg86"  "Seg87"  "Seg88" 
##  [89] "Seg89"  "Seg90"  "Seg91"  "Seg92"  "Seg93"  "Seg94"  "Seg95"  "Seg96" 
##  [97] "Seg97"  "Seg98"  "Seg99"  "Seg100"

Base de Dados

Exercício 9

require(hmmm)
data("accident")

nrow(accident)

## [1] 72

sum(accident$Freq)

## [1] 1052

O banco de dados possui 72 linhas. Como as covariáveis são todas categóricas, cada linha representa uma categoria de tipo de acidente (uncertain, avoidable, not-avoidable), tempo em dias que o empregado ficou afastado (0-7, 7-21, 21-60, >60), faixa etária do empregado (<=25, 26-45, >45), e o período do dia em que o acidente ocorreu (morning, afternoon). Para cada combinação entre as covariáveis, foi registrado o número de acidentes com aquelas características na coluna Freq. Assim, o número total de acidentes é 1052.

Exercício 10

attach(accident)
mean(Freq[Type=="uncertain"])

## [1] 24.08333

O número médio de acidentes do tipo uncertain por categoria das demais covariáveis é de 24.0833333.

A combinação de variáveis com o maior número de acidentes do tipo avoidable é dada por:

accident[ which( Freq == max(Freq[Type=="avoidable"]) ), ]

##         Type    Time      Age    Hour Freq
## 14 avoidable 0 |-- 7 26 -- 45 morning   51

ou seja, o maior número de acidentes evitáveis foi registrado para acidentes que ocorreram na manhã, com empregados com idade entre 26 e 45 anos, e que ficaram afastados por menos de uma semana.