slides_beamer.Rmd

---
title: "Título do meu relatório (html_pdf_document)"
author: "Cristian Villegas (clobos@usp.br)"
university: "Universidade de São Paulo"
date: "`r format(Sys.time(), '%d/%b/%Y')`"
email: "clobos@usp.br"
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