---
title: "Modelo documento"
author: "Marcelo"
format: pdf
editor: visual
execute: 
  message: false
  warning: false
lang: pt
bibliography: references.bib
toc: true
---

## Demanda

-   Descobrir se existem características nos veículos que consigam explicar e prever o consumo de combustível e determinar as milhas por galão.

-   Identificar de quais veículos as pessoas gostam mais.

![Etiqueta de consumo de combustível](fuel_economy.png){fig-align="center"}

## Fluxo

Para facilitar o entendimento dos envolvidos no projeto, optamos por apresentar o seguinte fluxo de trabalho.

```{mermaid}
%%|fig-width: 6.5

flowchart LR
A[Dados]-->B{Quantidade \n suficiente?}
B-->C[Análise exploratória]
B-->D[Coletar mais dados]
D-->C
C-->E[Causa raíz]
E-->F[Propor soluções]

```

## Fórmulas

Calculo de amostra variável nominal ou ordinal de população finita.

$n=\frac{z^2.p.q.N}{e^2.(N-1).p.q}$

$$
n=\frac{z^2.p.q.N}{e^2.(N-1).p.q}
$$

$n$: tamanho da amostra

$z^2$: intervalo de confiança (e.g 95% = 1.96)

## Tabelas

| Renda | Marca    | Modelo  |
|-------|----------|---------|
| 65K   | Toyota   | Camry   |
| 50k   | Toyota   | Corolla |
| 40k   | Infiniti | FX50    |

: Preferência por veículos

## Análise exploratória

```{r}

library(tidyverse)

mtcars %>% cor() %>% corrplot::corrplot(type = "upper")



```

## Modelo estatístico

Vamos aplicar um modelo de regressão linear para este problema.

```{r}

mdl_fit_lm_mtcars <- 
  lm(mpg~wt, data = mtcars) %>% 
  broom::tidy()
```

O peso é uma variável importante e pode ser usado para prever a quantidade de milhas por galão que cada veículo faz.

O valor de P para o peso é `r scales::pvalue(mdl_fit_lm_mtcars$p.value[[2]])` a mediana de milhas por galão dos veiculos da amostra é `r median(mtcars$mpg)`.

Neste caso para cada unidade adicionada de **`r mdl_fit_lm_mtcars$term[[2]]`** os veículos fazem `r mdl_fit_lm_mtcars$estimate[[2]]` milhas por galão.

**Usando o pacote gtsummary**

```{r}
library(gtsummary)

mdl_fit_log_reg_mtcars <- 
  glm(vs~mpg + wt, 
      data = mtcars, 
      family = binomial(link= "logit"))


tbl_fit_log_reg_mtcars <- 
  tbl_regression(mdl_fit_log_reg_mtcars, 
                 exponentiate = TRUE)


```

`r inline_text(tbl_fit_log_reg_mtcars, variable = mpg)`

`r inline_text(tbl_fit_log_reg_mtcars, variable = mpg, pattern = "(OR {estimate};95%IC {conf.low},{conf.high};{p.value})")`

Citação @Naoum2021 sdfsd

Citação 2 @Etges2022

## Referências