Criando Relatórios no R

📌 Objetivo: Esse guia ajudará você a criar relatórios no R, interpretar dados para tomar decisões e melhorar sua performance na análise estatística.

🔹 1. Introdução

• Objetivo da área do aluno

• Como utilizar este guia

🔹 2. Criando Relatórios no R

• Introdução ao RMarkdown

• Como estruturar um relatório

• Inserindo tabelas e gráficos

• Exportação para PDF/HTML

🔹 3. Gerenciando Decisões com Dados

• Coleta e organização de dados

• Principais métricas e indicadores

• Como interpretar resultados

• Ferramentas para suporte à decisão

🔹 4. Buscando a Melhor Performance

• Boas práticas na análise de dados

• Como otimizar scripts no R

• Erros comuns e como evitá-los

📌 Objetivo: Esse guia ajudará você a criar relatórios no R, interpretar dados para tomar decisões e melhorar sua performance na análise estatística.

✅ Exemplo: Criando um Relatório no RMarkdown

1️⃣ Instale o pacote, caso não tenha:

install.packages(“rmarkdown”)

2️⃣ No RStudio, vá em File > New File > R Markdown…
3️⃣ Edite o template com seu conteúdo. Exemplo de um relatório básico:

title: “Análise de Dados”
author: “Nome do Aluno”
date: “r Sys.Date()“

output: html_document

Introdução

Esse relatório apresenta uma análise dos dados coletados.

Carregando os dados

“`{r}
library(ggplot2)
data(mtcars)
head(mtcars)

Gráfico de Dispersão

ggplot(mtcars, aes(x=mpg, y=hp)) +
  geom_point() +
  theme_minimal()
4️⃣ Salve e clique em **Knit** para gerar o relatório em HTML/PDF.  

---

### 🔹 **3. Gerenciando Decisões com Dados**  

✅ **Exemplo: Escolhendo um Jogador Baseado em Dados**  

Se você precisar decidir entre dois jogadores para um time, pode comparar suas estatísticas.  
```{r}
# Dados fictícios de dois jogadores
jogadores <- data.frame(
  Nome = c("Jogador A", "Jogador B"),
  Gols = c(10, 15),
  Assistências = c(5, 3),
  xG = c(8.5, 12.3)
)
```
# Escolher o melhor com base em gols e xG
jogadores
🎯 Interpretação: O Jogador B fez mais gols e tem um xG maior, o que indica que ele finaliza bem.
🔹 4. Buscando a Melhor Performance
✅ Exemplo: Otimizando um Código Lento

Se você tiver um loop que demora, pode usar apply() ao invés de for().
```{r}

# Código lento:
valores <- 1:100000
resultado <- c()
for (i in valores) {
  resultado[i] <- sqrt(i)
}
```
```{r}

# Código otimizado:
resultado <- sqrt(valores)  # Muito mais rápido!
```
🚀 Pacotes Úteis:

tidyverse – Manipulação e visualização de dados
data.table – Trabalhar com grandes bases de dados
shiny – Criar dashboards interativos