PRIMEIRA LISTA DE EXERCÍCIOS (L1)
ALUNO: PABLO LUIGI DAMASCENO - DRE 118023453
1) O número de eventos sísmicos ao longo de 20 dias é 665, 659, 611, 671, 641, 642, 674, 651, 677, 574, 661, 660, 521, 666, 669, 634, 670, 672, 644, 651. Qual o padrão que o histograma destes valores segue? Justifique, utilizando o programa R para obter o histograma.
a) simétrico
b) assimétrico à esquerda (cauda esquerda mais longa)
c) assimétrico à direita (cauda direita mais longa)
d) uniforme
e) forma de sino
Como pode ser visto no gráfico abaixo, gerado no R, a opção correspondente é a assimétrica à esquerda (letra b).
código:
path="C:/Users/pablo/Downloads/Geoestatística/"
lista=read.table(paste(path,"Lista1_Ex1.txt",sep=""))
x.norm<-lista[,1]
h<-hist(x.norm,breaks=10)
xhist<-c(min(h$breaks),h$breaks)
yhist<-c(0,h$density,0)
xfit<-seq(521,677,by=1.0)
yfit<-dnorm(xfit,mean=mean(x.norm),sd=sd(x.norm))
plot(xhist,yhist,type="s",ylim=c(0,max(yhist,yfit)),main="EVENTOS SÍSMICOS DURANTE 20 DIAS",xlab="Quantidade de eventos sísmicos",ylab="Densidade")
lines(xfit,yfit,col="green")
2) Conhecida uma amostra com as notas de 50 alunos, utilize o programa R para resolver os itens abaixo:
85 75 58 66 64 69 70 81 40 95
32 80 40 79 67 53 90 51 57 49
46 64 52 95 38 72 54 64 34 68
69 56 77 44 88 60 34 84 54 99
72 84 72 65 43 76 89 61 75 55
a) Construa o histograma de frequências relativas (use a notação porcentual). Destaque o intervalo modal.
código:
path="C:/users/pablo/downloads/geoestatística/"
prg=read.table(paste(path,"Lista1_Ex2.txt",sep=""))
x.norm<-prg[,1]
h<-hist(x.norm,breaks=10,density=30, col="green",border="black",main="HISTOGRAMA DE NOTAS",xlab="Classes",ylab="Frequência (%)")
xhist<-c(min(h$breaks),h$breaks)
yhist<-c(0,h$counts,0)*2
xfit<-seq(30,100,by=1.0)
yfit<-dnorm(xfit,mean=mean(x.norm),sd=sd(x.norm))
plot(xhist,yhist,type="s",ylim=c(0,max(yhist,yfit)),main="HISTOGRAMA DE NOTAS",xlab="Classes",ylab="Frequência (%)", col="red", col.main="red")
lines(xfit,yfit, col="red")
b) Faça o box-plot relativo ao conjunto de dados.
código:
path="C:/users/pablo/downloads/geoestatística/"
prg=read.table(paste(path,"Lista1_Ex2.txt",sep=""))
dados<-prg[,1]
boxplot(dados,col=c("yellow"),main="BOXPLOT COM NOTAS DE 50 ALUNOS",col.main="blue",ylab="Notas",boxwex=0.25, border="black")
c) Determine o desvio-padrão e o coeficiente de variação da amostra.
Desvio-padrão: 17,37257
Coeficiente de variação da amostra: 26,76821%
código:
path="C:/users/pablo/downloads/geoestatística/"
prg=read.table(paste(path,"Lista1_Ex2.txt",sep=""))
list<-prg[,1]
as.numeric(list)
sd(list)
cv<-100*sd(list)/mean(list)
cv
d) Determine o coeficiente de assimetria e a curtose.
Coeficiente de assimetria: -0,0462246
Curtose: 2,218386
código (após instalação do pacote moments):
path="C:/users/pablo/downloads/geoestatística/"
prg=read.table(paste(path,"Lista1_Ex2.txt",sep=""))
list<-prg[,1]
as.numeric(list)
kurtosis(list)
skewness(list)
3) Se a produção de gás aumenta 100% em um ano e 130% disso no próximo ano, qual é o aumento médio anual?
Para exemplificar, vamos utilizar os dados fictícios da tabela abaixo, onde a produção de gás em 2016 teve um aumento de 100% em relação ao ano anterior (2015) e a produção em 2017 teve um aumento de 130% em relação ao ano anterior (2016).
Ano
2015
2016
2017
Produção de gás (m3)
100
200
460
Ano
|
2015
|
2016
|
2017
|
Produção de gás (m3)
|
100
|
200
|
460
|
Utilizando a fórmula de juros, temos que o tempo t = 2 anos , C = 100 e M = 460, temos:
O crescimento médio anual foi de 114,48%.
4) A distância entre dois poços A e B é de 40 km. Se um operário vai de bicicleta de A para B a 10 km por hora e depois volta de B para A a 30 km por hora, qual a velocidade média em todo o percurso?
A velocidade média de um percurso é dada pela fórmula
, onde Δt é, para o trecho de ida (1) e volta (2)
Substituindo na fórmula da velocidade média, temos Vm1 = 10 km/h, Vm2 = 30 km/h e Δs = 40 km.
A velocidade média encontrada foi de 15 km/h.
5) Calcule a permeabilidade média para o bloco representado na figura, considerando-se um fluxo Q horizontal. No gráfico, Q1 representa o fluxo horizontal em cada seção, k1 representa a permeabilidade, W a largura da seção, h1 a altura da seção, L a profundidade e P1 a pressão na entrada e na saída do bloco, respectivamente, k1=10 mD, k2=12 mD, k3=15 mD, h1= 15 cm, h2=25 cm, h3=35 cm e W=40 cm, L=60 cm.
Para o cálculo da permeabilidade, utilizamos a equação modificada de Darcy abaixo
onde A é a área, calculada a partir da altura e da largura da seção:
A permeabilidade total é dada pela equação abaixo.
Substituindo os valores,
a permeabilidade total encontrada foi de 13 mD.
6) Obtenha a moda, o mínimo e o máximo a partir do histograma (cada bloco corresponde a 10% das observações).
O mínimo é o menor valor, que é 21; o máximo é o maior valor, que é 28.
A moda bruta é o valor que mais se repete, que está no intervalo de 22 a 23 - pode-se indicar a moda como a média do intervalo modal, ou seja, 22,5.
A moda também pode ser calculada a partir do método do histograma, que consiste em agrupar os dados em classes e interpolar linearmente a frequência da classe modal e de suas vizinhas através da fórmula abaixo, em que
é o limite inferior da classe modal,
é a amplitude da classe modal,
é a frequência da classe modal,
é a frequência da classe à esquerda da modal,
é a frequência da classe à direita da modal.
Este método retorna a moda 22,33.
7) Determine o semivariograma experimental para os conjuntos de dados seguintes:
a)
Xi
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
|
10
|
11
|
Z(Xi)
|
2
|
3
|
4
|
5
|
6
|
7
|
6
|
5
|
4
|
3
|
2
|
código (após instalação do pacote gstat):
path="C:/users/pablo/downloads/geoestatística/"
prg=read.table(paste(path,"Lista1_Ex7a.txt",sep=""))
prg
g<-gstat(id="V3",formula=V3~1,locations=~V1+V2,data=prg)
graf<-variogram(g,width=1,cutoff=12)
plot(graf,main="Semivariograma Experimental do conjunto A",xlab="Distância",ylab="Semivariância")
Xi
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
|
10
|
11
|
Z(Xi)
|
2
|
5
|
4
|
7
|
2
|
6
|
5
|
4
|
3
|
6
|
3
|
código (após instalação do pacote gstat):
path="C:/users/pablo/downloads/geoestatística/"
prg=read.table(paste(path,"Lista1_Ex7b.txt",sep=""))
prg
g<-gstat(id="V3",formula=V3~1,locations=~V1+V2,data=prg)
graf<-variogram(g,width=1,cutoff=12)
plot(graf,main="Semivariograma Experimental do conjunto B",xlab="Distância",ylab="Semivariância")
8) Para um atributo de algum dataset cuja primeira letra coincida com a primeira letra do seu nome, usando os programas indicados na introdução, calcular:
a) Estatísticas básicas.
O dataset escolhido foi PCB, atributo PCB138. O comando nos retorna as seguintes estatísticas:
Min: 0.2
1º Quartil: 1.200
Mediana: 2.850
Média: 4.199
3º Quartil: 6.600
Max: 21.100
código (após instalação do pacote gstat):
data(pcb)
pcb138<-pcb[,6]
summary(pcb138)
b) Histograma, distribuição empírica (ecdf).
código (após instalação do pacote gstat):
data(pcb)
pcb138<-pcb[,6]
h<-hist(pcb138,breaks=10)
xhist<-c(min(h$breaks),h$breaks)
yhist<-c(0,h$density,0)
xfit<-seq(0.2,21.1,by=1.0)
yfit<-dnorm(xfit,mean=mean(pcb138),sd=sd(pcb138))
plot(xhist,yhist,type="s",ylim=c(0,max(yhist,yfit)),main="Histograma de densidade PCB",xlab="PCB138",ylab="Densidade")
lines(xfit,yfit,col="green")
código (após instalação do pacote gstat):
data(pcb)
pcb138<-pcb[,6]
plot(ecdf(pcb138), main="Distribuição empírica PCB", xlab="PCB138",ylab="Frequência acumulada",col="green")
c) Coeficiente de assimetria.
Para o coeficiente de assimetria, foi retornado o valor 1,47622.
código (após instalação do pacote moments):
data(pcb)
pcb138<-pcb[,6]
skewness(pcb138)
d) Caso a assimetria seja muito grande, gerar um novo atributo calculando o logaritmo.
Segundo o índice de assimetria de Pearson, a distribuição é considerada fortemente assimétrica, pois, está acima de 1,0.
Calculando a assimetria após a aplicação do logaritmo dos dados, é retornado -0,3953069 - valor considerado moderadamente assimétrico.
código (após instalação do pacote moments):
data(pcb)
pcb138<-pcb[,6]
skewness(log(pcb138))
e) Mapa base
código (após instalação do pacote gstat):
data(pcb)
plot(pcb[,2],pcb[,3],xlab="UTM X (m)",ylab="UTM Y(m)",main="Mapa base do dataset PCB",col="blue")
f) Semivariograma omnidirecional experimental.
código (após instalação do pacote gstat):
data(pcb)
g<-gstat(id="PCB138",formula=PCB138~1,locations=~x+y,data=pcb)
graf<-variogram(g)
plot(graf,main="Semivariograma Omnidirecional Experimental do PCB138 - dataset PCB",xlab="Distância",ylab="Semivariância",col="red")
g) Semivariogramas direcionais.
código (após instalação do pacote gstat):
data(pcb)
g<-gstat(id="PCB138",formula=PCB138~1,locations=~x+y,data=pcb)
v<-variogram(g,alpha=0,tol.hor=30)
p1<-plot(v,xlab="lag",ylab="Semivariância",main="Direcional 0", col="pink")
v<-variogram(g,alpha=30,tol.hor=30)
p2<-plot(v,xlab="lag",ylab="Semivariância",main="Direcional 30", col="red")
v<-variogram(g,alpha=60,tol.hor=30)
p3<-plot(v,xlab="lag",ylab="Semivariância",main="Direcional 60", col="green")
v<-variogram(g,alpha=90,tol.hor=30)
p4<-plot(v,xlab="lag",ylab="Semivariância",main="Direcional 90", col="blue")
X11()
print(p1,split=c(1,1,2,2),more=TRUE)
print(p2,split=c(2,1,2,2),more=TRUE)
print(p3,split=c(1,2,2,2),more=TRUE)
print(p4,split=c(2,2,2,2))
h) Mapa de semivariograma.
data(pcb)
g<-gstat(id="PCB138",formula=PCB138~1,locations=~x+y,data=pcb)
plot(variogram(g,cutoff=20000,width=500,map=TRUE),main="Mapa de semivariograma-PCB138")
























