-
Notifications
You must be signed in to change notification settings - Fork 1
/
Matematica_Computacional_Aula_09.R
78 lines (64 loc) · 2.67 KB
/
Matematica_Computacional_Aula_09.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
#Este é um script feito por "Júlio Cézar P. Camargo", dedicado a aprender as
#linguagens em R, durante as aulas de "Matemática Computacional" do professor
#"Gleison Guardia" com o RStúdio para analisar e modelar a linguagem em R.
#AULA 09: "TEORIA DOS CONJUNTOS"
# -> Demais exemplos presentes no RPubs:
# https://rpubs.com/Gleison_Guardia/mc_09
# --------------------------------------------- #
#A Teoria dos Conjuntos é conceito muito importante para a construção do
#raciocínio de funções e principalmente análises estatísticas.
#Suas leis são a base de funcionamento dos Banco de Dados, e
#nenhum sistema funciona sem trabalhar com este conceito.
#Quando dois conjuntos são diferentes:
A <- c(0,1,2,3)
B <- 0:3
C <- 1:5
A == B
#No caso acima, o valor de cada membro do conjunto A é igual a um
#membro do Conjunto B. Nos casos abaixo, eles não são idênticos,
#logo os conjuntos não são iguais.
A == C
B == C
# --------------------------------------------- #
#Conjuntos Vazios, Unitários e Universo:
A[A>3] # <- Nenhuma valor presente no vetor A satisfaz a condição estabelecida.
# Assim dizemos que a resposta a essa solicitação será vazia.
A[A == 3] # <- Neste caso, a solicitação é classificada como unitária,
# ou seja, possui apenas um valor como retorno.
A[A < 10] # <- E neste caso, o retorno é satisfatório para todos os valores
# possíveis, com nossa resposta sendo igual o nosso conjunto universo de estudo.
# --------------------------------------------- #
#ATIVIDADE DA AULA 09:
#Em cada caso, usando o banco de dados da "Íris", faça uma consulta
#que possa retornar as seguintes informações:
{
dados <- iris
head(dados)
}
# a. Crie o Subconjunto dados_setosa, com todas as informações sobre esta especie.
{
dados_setosa <- dados[dados$Species == "setosa",]
head(dados_setosa)
}
# b. Crie o Subconjunto dados_versicolor, com todas as informações sobre esta especie.
{
dados_versicolor <- dados[dados$Species == "versicolor",]
head(dados_versicolor)
}
# c. Crie o Subconjunto dados_virginica, com todas as informações sobre esta especie.
{
dados_virginica <- dados[dados$Species == "virginica",]
head(dados_virginica)
}
# d. Verifique se em dados_virginica, exitem amostras com Petal.Length >= a 6.
{
head(dados_virginica)
#Resposta para Petal.Length >= 6:
#Sim, nas linhas Nº 101 e 106 da tabela de "Petal.Length", com 6.0 e 6.6.
}
# e. Verifique se em dados_setosa, exitem amostras com Petal.Width > 0.3
{
head(dados_setosa)
#Resposta para Petal.Width > 0.3:
#Sim, na linha Nº 6 da tabela de "Petal.Width", com 0.4.
}