fpcc2-lab1-felis-cc
Felisberto Cláudio dos Santos
2023-05-15
FPCC2 - Laboratório 1
Com base no arquivo de dados (no diretório data) responda as questões abaixo, gerando um relatório final com as respostas. Cada resposta deve gerar tabelas e/ou gráficos para apresentar os resultados obtidos, além de uma justificativa para a escolha de métricas, estatísticas e visualizações. Vocês podem se basear no arquivo R Markdown gerado em sala (no diretório reports). O relatório final deve ser adicionado ao repositório do seu lab (por exemplo, um arquivo PDF)
Questão 1
Qual a diferença entre as mensalidades médias e medianas dos cursos de Ciência da Computação do Nordeste e Sudeste? Na sua opnião, essa diferença é estatisticamente significativa? Justifique.
ufs_nordeste <- c("CE", "RN", "PB", "PE", "BA", "SE", "AL", "PI", "MA")
ufs_sudeste <- c("ES", "MG", "RJ", "SP")
cc <- dff %>% filter(curso_busca == "Ciência da Computação")
cursos_nordeste <- cc %>%
inner_join(estados, by = c("uf_busca" = "subdivision")) %>%
filter(region == "NE") %>%
summarise(id = "Nordeste",
media = mean(mensalidade),
mediana = median(mensalidade))
cursos_sudeste <- cc %>%
inner_join(estados, by = c("uf_busca" = "subdivision")) %>%
filter(region == "SE") %>%
summarise(id = "Sudeste",
media = mean(mensalidade),
mediana = median(mensalidade))
compara_nordeste_sudeste <- rbind(cursos_nordeste, cursos_sudeste)
compara_nordeste_sudeste## # A tibble: 2 × 3
## id media mediana
## <chr> <dbl> <dbl>
## 1 Nordeste 713. 743.
## 2 Sudeste 899. 779Na minha opinião essa diferença em relação a média muito significativa, porque existe uma margem maior, já na mediana não é tão acentuada, embora seja minimamente significativa.
Para melhorar a visualização vou expôr a diferença em cada gráfico de barras, um para média e mediana.
compara_nordeste_sudeste %>%
ggplot(aes(x = id, y = media, fill = id)) +
geom_bar(stat = "identity", position = "dodge") +
geom_text(aes(label = round(media, 2)), vjust = -0.5, size = 4) +
labs(title = "Média das Mensalidades - Ciência da Computação",
x = "Região", y = "Média das Mensalidades") +
theme_minimal()
compara_nordeste_sudeste %>%
ggplot(aes(x = id, y = mediana, fill = id)) +
geom_bar(stat = "identity", position = "dodge") +
geom_text(aes(label = round(mediana, 2)), vjust = -0.5, size = 4) +
labs(title = "Mediana das Mensalidades - Ciência da Computação",
x = "Região", y = "Mediana das Mensalidades") +
scale_fill_manual(values = c("Nordeste" = "blue", "Sudeste" = "red")) +
theme_minimal()
Questão 2
Quais são os top 10 cursos com maior valor de mensalidade pelo total de bolsas (diferentes tipos)? Existe uma relação entre o valor total de mensalidade e o total de bolsas por curso? Justifique.
top_10_cursos <- dff %>%
group_by(curso_busca) %>%
summarise(total_mensalidade = sum(mensalidade, na.rm = TRUE),
total_bolsas = sum(bolsa_integral_cotas, na.rm = TRUE) +
sum(bolsa_integral_ampla, na.rm = TRUE) +
sum(bolsa_parcial_cotas, na.rm = TRUE) +
sum(bolsa_parcial_ampla, na.rm = TRUE)) %>%
top_n(10, total_mensalidade)
top_10_cursos <- top_10_cursos %>%
arrange(desc(total_mensalidade))
top_10_cursos## # A tibble: 10 × 3
## curso_busca total_mensalidade total_bolsas
## <chr> <dbl> <dbl>
## 1 Administração 1495415. 20761
## 2 Direito 1234376. 14678
## 3 Engenharia Civil 1028389. 9442
## 4 Ciências Contábeis 1014847. 13145
## 5 Educação Física 963784. 10914
## 6 Pedagogia 945726. 19448
## 7 Enfermagem 904352. 10302
## 8 Medicina 888874. 1177
## 9 Psicologia 732045. 6779
## 10 Engenharia de Produção 727006. 5946Estamos listando os top 10 cursos com maior valor de mensalidade, considerando o total de bolsas pelos diferentes tipos. Então pensamos em ordená-los de forma decrescente com base no valor total de mensalidades.
Para melhor determinarmos se há uma relação entre o valor total de mensalidade e o total de bolsas por curso, pensamos em realizar uma análise visual utilizando um gráfico de dispersão. Desse jeito nos ajudará a identificar os possíveis padrões ou tendências entre essas variáveis.
ggplot(top_10_cursos, aes(x = total_bolsas, y = total_mensalidade)) +
geom_point() +
geom_text(aes(label = curso_busca), hjust = 1, vjust = 1) +
labs(title = "Relação entre Valor Total de Mensalidade e Total de Bolsas por Curso",
x = "Total de Bolsas",
y = "Valor Total de Mensalidade") +
theme_minimal()
Podemos observar que a dispersão dos pontos no gráfico estão dispersos sem seguir um padrão definido, e isto nos aporta que a relação é menos significativa.
Questão 3
Quais são os cursos tecnológicos da Paraíba que oferecem mais bolsas de estudo e quantas bolsas de cada tipo estes cursos oferecem?
cursos_paraiba <- dff %>%
filter(grau == "Tecnológico" & uf_busca == "PB") %>%
group_by(curso_busca) %>%
summarise(bolsa_integral_cotas = sum(bolsa_integral_cotas, na.rm = TRUE),
bolsa_integral_ampla = sum(bolsa_integral_ampla, na.rm = TRUE),
bolsa_parcial_cotas = sum(bolsa_parcial_cotas, na.rm = TRUE),
bolsa_parcial_ampla = sum(bolsa_parcial_ampla, na.rm = TRUE))
cursos_paraiba <- cursos_paraiba %>%
mutate(total_bolsas = bolsa_integral_cotas + bolsa_integral_ampla +
bolsa_parcial_cotas + bolsa_parcial_ampla) %>%
arrange(desc(total_bolsas))
cursos_paraiba## # A tibble: 34 × 6
## curso_busca bolsa_integral_cotas bolsa_integral_ampla bolsa_parcial_cotas
## <chr> <dbl> <dbl> <dbl>
## 1 Gestão de Recu… 31 20 3
## 2 Segurança no T… 11 7 1
## 3 Redes de Compu… 16 10 0
## 4 Gestão da Tecn… 12 6 1
## 5 Negócios Imobi… 6 4 0
## 6 Logística 9 3 1
## 7 Design de Inte… 13 10 0
## 8 Radiologia 12 30 1
## 9 Gestão Comerci… 14 5 5
## 10 Marketing 15 8 4
## # ℹ 24 more rows
## # ℹ 2 more variables: bolsa_parcial_ampla <dbl>, total_bolsas <dbl>Nesta tabela temos os cursos tecnológicos da Paraíba que oferecem mais bolsas de estudo, especificando a quantidade de bolsas de cada tipo (integral e parcial, cotas e ampla concorrência) que esses cursos oferecem. Ordenamos os cursos em ordem decrescente com base no total de bolsas.
Esta nossa tabela mostrará o nome do curso, seguido pelo número de bolsas integrais por cotas, bolsas integrais por ampla concorrência, bolsas parciais por cotas e bolsas parciais por ampla concorrência. Para terminar exibirmos o total de bolsas oferecidas por cada curso.
cursos_paraiba %>%
ggplot(aes(x = curso_busca, y = total_bolsas)) +
geom_bar(stat = "identity", fill = "steelblue") +
labs(title = "Total de Bolsas de Estudo por Curso Tecnológico - Paraíba",
x = "Curso", y = "Total de Bolsas") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 90, hjust = 1))
Escolhemos gerar um gráfico de barras para mostrar o total de bolsas de estudo por curso tecnológico na Paraíba, os cursos serão exibidos no eixo x, e a altura das barras representará o total de bolsas oferecidas. Desse jeito porque temos muitos curso de outra maneira seria menos eficiente a visualização.
Questão 4
Considerando os cursos de Ciência da Computação, Engenharia da Computação e Sistemas de Informação, qual o percentual de bolsas ofertadas para cada modalidade (a distância, integral, noturno, etc.) por cada um dos cursos? Existe uma modalidade que é predominante?
Vimos a necessidade de uma tabela com os cursos de Ciência da Computação, Engenharia da Computação e Sistemas de Informação, juntamente com as respectivas modalidades e o percentual de bolsas ofertadas em cada modalidade.
Para podermos determinar se existe uma modalidade predominante, podemos observar o maior percentual de bolsas em cada curso e verificar se alguma modalidade possui uma proporção significativamente maior em relação às outras, isso pode ser avaliado visualmente em um gráfico de barras ou por meio de cálculos de diferenças percentuais.
cursos_interesse <- c("Ciência da Computação", "Engenharia da Computação", "Sistemas de Informação")
cursos_modalidades <- dff %>%
filter(curso_busca %in% cursos_interesse) %>%
group_by(curso_busca, turno) %>%
summarise(total_bolsas = sum(bolsa_integral_cotas, na.rm = TRUE) +
sum(bolsa_integral_ampla, na.rm = TRUE) +
sum(bolsa_parcial_cotas, na.rm = TRUE) +
sum(bolsa_parcial_ampla, na.rm = TRUE)) %>%
mutate(percentual = (total_bolsas / sum(total_bolsas)) * 100)## `summarise()` has grouped output by 'curso_busca'. You can override using the
## `.groups` argument.cursos_modalidades## # A tibble: 11 × 4
## # Groups: curso_busca [3]
## curso_busca turno total_bolsas percentual
## <chr> <chr> <dbl> <dbl>
## 1 Ciência da Computação Integral 20 1.26
## 2 Ciência da Computação Matutino 384 24.2
## 3 Ciência da Computação Noturno 1169 73.5
## 4 Ciência da Computação Vespertino 17 1.07
## 5 Engenharia da Computação Integral 22 18.2
## 6 Engenharia da Computação Matutino 19 15.7
## 7 Engenharia da Computação Noturno 80 66.1
## 8 Sistemas de Informação Curso a Distância 95 4.94
## 9 Sistemas de Informação Matutino 260 13.5
## 10 Sistemas de Informação Noturno 1514 78.6
## 11 Sistemas de Informação Vespertino 56 2.91Para melhor exibição desses dados, decidimos criar o gráfico de barras empilhadas que mostra o percentual de bolsas ofertadas por modalidade em cada um dos cursos de Ciência da Computação, Engenharia da Computação e Sistemas de Informação. Cada barra representa um curso, e as diferentes cores representam as modalidades.
cursos_modalidades %>%
ggplot(aes(x = curso_busca, y = percentual, fill = turno)) +
geom_bar(stat = "identity") +
labs(title = "Percentual de Bolsas Ofertadas por Modalidade - Cursos de TI",
x = "Curso", y = "Percentual de Bolsas") +
theme_minimal() +
scale_fill_brewer(palette = "Set3") +
theme(axis.text.x = element_text(angle = 90, hjust = 1),
legend.position = "right")