Distribuição Normal em R com base de dados "pacientes.csv".

Altor: Mateus Amorim Marques; MARQUES, M. A.

carregando pacotes:

library(dplyr)

library(readr)

library(ggplot2)

Importação de banco de dados:

df <- readr::read_csv("pacientes.csv")

Plotando gráfico de densidade de processos por idade de segurado:

hist(df$`Idade do Segurado`,

col = "lightblue",

freq = F,

main = "Frequência de Processos por Idade",

xlab = "Idade",

ylab = "Frequência",

breaks = 20)

curve(dnorm(x, mean = mean(df$`Idade do Segurado`), sd = sd(df$`Idade do Segurado`)), add = T)

Comentários

Postagens mais visitadas deste blog

Machine Learning com "Azure ML Studio", Redes Neurais e Regressão Linear

Altor: Mateus Amorim Marques; MARQUES, M. A. Machine Learning com “Azure Machine Learning Studio” Inserindo a base de dados “ student-mat.csv ” e criação dos modelos treinados, com Redes Neurais e Regressão Linear: A base de dados avalia o desempenho de alunos de determinada região. A coluna que iremos prever será a G3. Modelo de Redes Neurais: Modelo de Regressão Linear: Publicação do modelo treinado, para solicitação do usuário: Prevendo média e desvio padrão da coluna G3, com base nos dados preenchidos pelo usuário: Desempenho dos modelos: - Redes Neurais: - Regressão Linear: O modelo que apresentou o melhor desempenho foi o de Regressão Linear: Erro Absoluto Médio: 1.416767 Coeficiente de Determinação: 0.752131 Modelo de Redes Neurais: Erro Absoluto Médio: 1.700481 Coeficiente de Determinação: 0.711061

Criação e manipulação de banco de dados em Sql Server.

Autor: Mateus Amorim Marques; MARQUES, M. A. Instituição: Universidade Cruzeiro do Sul Curso: Ciência de Dados --CRIAÇÃO DE BASE DE DADOS --CREATE DATABASE F1; --CRIAÇÃO DE TABELAS --2018 create table TB_EQUIPE ( ID_EQUIPE INT PRIMARY KEY NOT NULL, NM_EQUIPE VARCHAR(100) NOT NULL, ID_PAIS INT NOT NULL ); CREATE TABLE TB_PILOTO ( ID_PILOTO INT PRIMARY KEY NOT NULL, NM_PILOTO VARCHAR(100) NOT NULL, DT_NASCIMENTO DATE NOT NULL, ID_PAIS INT NOT NULL, ID_EQUIPE INT NOT NULL ); CREATE TABLE TB_PAIS ( ID_PAIS INT PRIMARY KEY NOT NULL, NM_PAIS VARCHAR(100) NOT NULL, NR_POPULACAO INT NOT NULL ); CREATE TABLE TB_CIRCUITO ( ID_CIRCUITO INT PRIMARY KEY NOT NULL, NM_CIRCUITO VARCHAR(100) NOT NULL, NR_EXTENSAO VARCHAR(100) NOT NULL, ID_PAIS INT NOT NULL ); CREATE TABLE TB_PROVA ( ID_PROVA INT PRIMARY KEY NOT NULL, DT_PROVA DATETIME NOT NULL, NM_SITUACAO VARCHAR(100), ID_CIRCUITO INT NOT NULL ); CREATE TABLE TB_RESULTADO ( ID_PROVA INT NOT NULL, ID_PILOTO INT NOT NULL, NR...

Análise da cotação do dólar com Python.

Autor: Mateus Amorim Marques; MARQUES, M. A. Instituição: Universidade Cruzeiro do Sul Curso: Ciência de Dados Link do Dataset utilizado: https://br.investing.com/currencies/usd-brl-historical-data Link do meu vídeo de apresentação: https://www.youtube.com/watch?v=qgM5SHOXnHQ Plot1: Com esse gráfico de linha do mês de maio e início de junho, podemos observar que a cotação do dólar vem com uma tendência de queda, apesar de lenta, apresenta seu ponto mais alto em 12/05/2022 onde chega a mais de R$5,00 e a maior queda em 30/05/2022, abaixo de R$4,80. Código fonte: plt.figure ( figsize= ( 30 , 10 )) plt.plot ( x , y ) plt.title ( 'Cotação do Dólar (Maio e Junho de 2022)' ) plt.xlabel ( "Data" ) plt.ylabel ( "USD-BRL" ) plt.show () Plot2: Com esse gráfico de barras, podemos observar que a cotação do dólar vem caindo devagar, apresenta seu ponto mais alto em 12/05/2022 onde chega a mais de R$5,00 e a...

Pesquisar este blog