library(readxl)
Questionario_Estresse <- read_excel("C:\\Users\\06179351732\\Desktop\\Base_de_dados-master\\Questionario_Estresse.xls")
View(Questionario_Estresse)
Nessa parte escolhi a variável Namorado_a para analisar,e pude perceber que
Questionario_Estresse$Namorado_a=ifelse(Questionario_Estresse$Namorado_a==1,"Namora","Não Namora")
tabela_namora = table(Questionario_Estresse$Namorado_a)
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
library(flextable)
tabela_namora2 = tabela_namora %>% data.frame()
tabela_namora2 = tabela_namora2 %>% rename(Tipo=Var1,Quantidade=Freq)
tabela_namora2 %>% flextable() %>% theme_vader()
Tipo | Quantidade |
|---|---|
Namora | 47 |
Não Namora | 48 |
round(prop.table(tabela_namora)*100,1)
##
## Namora Não Namora
## 49.5 50.5
partes= c("Namora"=49,"Não Namora"=51)
library (waffle)
## Carregando pacotes exigidos: ggplot2
waffle(partes, colors = c("#f20ac0","purple"))
De modo bem amplo, podemos entender com esse gráfico e com as tabelas de valores absolutos que a proporção de divisão da turma em pessoas que namoram e não namoram é de 47 pessoas que namoram e 48 pessoas que não namora, e para chegar a esse valor foi necessário multiplicar esse valor no próprio R por 100 pra consegir chegar a esse total. Isso nos faz entender que em prorporções essa turma está praticamente divivida em termos de namora e não namora, totalizando 49% a 50%.