-
Notifications
You must be signed in to change notification settings - Fork 0
/
slides_beamer.Rmd
158 lines (110 loc) · 3.49 KB
/
slides_beamer.Rmd
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
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
---
title: "Título do meu relatório (html_pdf_document)"
author: "Cristian Villegas ([email protected])"
university: "Universidade de São Paulo"
date: "`r format(Sys.time(), '%d/%b/%Y')`"
email: "[email protected]"
header-includes:
- \usepackage[portuguese]{babel}
output:
beamer_presentation:
fig_caption: yes
fig_height: 4
fig_width: 8
fonttheme: serif
highlight: espresso
keep_tex: yes
theme: CambridgeUS
toc: yes
fontsize: 10pt
linestretch: 1.0
bibliography: [referencias.bib]
---
```{r, include=FALSE}
knitr::opts_chunk$set(eval=TRUE,
echo=TRUE,
cache = TRUE,
comment = "#",
error=TRUE,
message = FALSE,
warning = FALSE)
```
# Resumo
## Resumo
Os documentos R Markdown são totalmente reproduzíveis e usa várias linguagens, incluindo R, Python e SQL. R Markdown oferece suporte a dezenas de formatos de saída estáticos e dinâmicos, incluindo HTML, PDF, Word, Beamer, slides HTML5, apostilas no estilo Tufte, livros, painéis, aplicativos shiny, artigos científicos, sites e muito mais.
Neste minicurso de duas horas, apresentamos as principais ferramentas para criar um relatório dinâmico dentro do Rstudio com exemplos na área da estatística.
# Links
## Alguns links {\label{links}}
- https://www.rstudio.com/speakers/yihui-xie/
- https://www.rstudio.com/resources/cheatsheets/
- https://bookdown.org/
- https://bookdown.org/yihui/rmarkdown-cookbook/
- https://bookdown.org/yihui/bookdown/
- https://yihui.org/knitr/
```{r echo=FALSE, out.width='50%',fig.align = 'center',fig.cap="Knitr logo"}
knitr::include_graphics('knit_logo.png')
```
## Fórmulas
Veja $f(x)=x^2$
## Código R
```{r}
options(width = 60)
names(airquality)
summary(airquality)
```
## Código R
```{r, fig.cap="Gráfico de dispersão qualidade do ar"}
pairs(airquality,col="blue", pch=20,
panel = panel.smooth, lwd=3, lower.panel = NULL)
```
## A seguir uma lista de opções do `chunk`
```{r}
options(width = 60)
names(knitr::opts_chunk$get())
```
## A seguir uma lista de opções do `chunk`
```{r}
options(width = 60)
knitr::knit_theme$get()
```
## A seguir um gráfico de dispersão dos nossos dados...(Veja Figura \ref{scatterplot})
```{r,fig.cap= "\\label{scatterplot}Titulo do meu gráfico"}
plot(Ozone~Wind, data=airquality, pch=20,
col="darkorange", lwd=3)
```
## A seguir o ajuste do modelo usando o \textcolor{red}{software R}
```{r}
ajuste<- lm(Ozone~Wind, data=airquality)
teta<- round(coef(ajuste),3)
betaS<- round(coef(summary(ajuste)),3)
knitr::kable(betaS, caption = "\\label{tabelajuste}
Ajuste de um ML para os dados airquality")
```
## O modelo ajustado foi...
$\widehat{\text{Ozone}}_i=$ `r teta[1]` `r teta[2]` $\text{Wind}_i$ (Veja Tabela \ref{tabelajuste})
\textcolor{red}{Alternativa}
```{r}
cat(sprintf("$Ozone=%.3f %.3f Wind$",teta[1], teta[2]))
```
## Citando livros, artigos, etc
Veja mais detalhes na seção \ref{links}
\tiny
```{r}
citation("ggplot2")
```
## Equação com numero
\begin{equation}
y_i=\beta_0 + \beta_1 x_i + \epsilon_i \label{Eq0}
\end{equation}
## Veja equação (\ref{Eq0}). Podemos usar @ggplot2 ou [@ggplot2].
```{r echo=FALSE, out.width='50%',fig.align = 'center',fig.cap="Cachorro"}
knitr::include_graphics('cachorro.jpg')
```
```{=latex}
\begin{equation}
y_i=\beta_0 + \beta_1 x_i + \epsilon_i,\label{Eq1}
\end{equation}
```
Veja equação (\ref{Eq1}).
# Referências
## Referências