victorkurauchi

# Backup
docker exec CONTAINER /usr/bin/mysqldump -u root --password=root DATABASE > backup.sql

# Restore
cat backup.sql | docker exec -i CONTAINER /usr/bin/mysql -u root --password=root DATABASE

victorkurauchi

// Place this with the other middleware inclusion in routes/index.js

keystone.pre('admin', middleware.enforcePermissions);

victorkurauchi

// removing footer cause is generated by phantomjs
let readyHtml = ''
const initFooter = readyHtml.indexOf('<footer')
const endFooter = readyHtml.indexOf('</footer>')
const tagFooterIndex = initFooter - 1
const tagEndIndex = endFooter + 9
const tagfooter = readyHtml.substring(tagFooterIndex, tagEndIndex)

readyHtml = readyHtml.replace(tagfooter, '')

victorkurauchi

summary(Valor)
#Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
#50000   95000  120000  144600  182500  362400 


#Mínimo = 50000   
#Maximo = 362400
#Q1 = 95000  
#Q2 = 120000  
#Q3 = 182500  

victorkurauchi

# Prova Linguagem Estatistica
# Rodrigo Luis RM32065
# Victor Moriyuki Kurauchi RM37028

# 1) Tire uma tabela de frequência usando a função table na variável Sexo. Quantos
# homens e quantas mulheres têm no arquivo?

attach(Cadastral)
table(Cadastral$Sexo)

victorkurauchi

attach(Bank)
# regressao linear com salarioi inicial e anos de escolaridade
regressao <- lm(salbeg ~ edlevel)
regressao
anova(regressao)
predito <- fitted(regressao)
predito
Bank$predito <- c(predito)
Bank

victorkurauchi

#lista 3 

#Crie um Data.Frame com as variáveis nome, sobrenome, cpf, idade. Ao menos com 5 linhas.
#Cria uma variável digito_verificador extraindo o nono digito do cpf
#crie uma variávelnome_completo concatenando nome e sobrenome e inclua no data.frame essas duas variáveis.

nomes <- c('victor', 'moriyuki', 'kurauchi', 'joao', 'joana')
sobrenomes <- c('mcgregore', 'oconnel', 'bond', 'junior', 'neto')
cpf <- c(43088711822, 43088711821, 43088711810, 43088711890, 43088711818)
idades <- c(18, 19, 20, 21, 22)

victorkurauchi

# lista 2
attach(Bank)

#1
barplot(prop.table(table(Bank$sex)) * 100, col=c('pink', 'blue'))
barplot(prop.table(table(Bank$jobcat)) * 100)
barplot(prop.table(table(Bank$sexrace)) * 100, col=c('pink', 'blue', 'green', 'yellow'))

table(Bank$sex)
table(Bank$jobcat)

victorkurauchi

attach(Banco_1)

selecao <- Banco_1 [,c('id', 'Situacao')]
selecao

selecao <- Banco_1 [10:20, c('id', 'Situacao')]
selecao

selecao <- Banco_1 [Banco_1$sexo == 'masculino',]
selecao

victorkurauchi

nomes <- c('victor', 'moriyuki', 'kurauchi')
salarios <- c(100, 200, 300)
idades <- c(18, 19, 20)

cadastro <- data.frame(nomes, salarios, idades)
cadastro

filhos <- c(0, 2, 4)

cadastro$filhos <-c(filhos)