Atividade IV

1ª ETAPA: IMPORTAÇÃO DE UM BANDO DE DADOS

library(readxl)
Bussab <- read_excel("C:/Users/rioch/Desktop/Base_de_dados-master/Bussab.xlsx")
View(Bussab)

ESTUDO ALFA

2ª ETAPA: DEFINIÇÃO DA HIPÓTESE DE *** Estudo Alfa***: O número de filhos tem relação com o estado civil dos pesquisados?

ifelse(Bussab$Casado==0,"Não","Sim")

##  [1] "Não" "Sim" "Sim" "Não" "Não" "Sim" "Não" "Não" "Sim" "Não" "Sim" "Não"
## [13] "Não" "Sim" "Sim" "Não" "Sim" "Sim" "Não" "Não" "Sim" "Não" "Não" "Sim"
## [25] "Sim" "Sim" "Não" "Sim" "Sim" "Sim" "Não" "Sim" "Sim" "Não" "Sim" "Sim"

3ª ETAPA: ANÁLISE DOS DADOS

Usando o comando tabela, relaciona-se as variáveis “Casados”(estado civil) e “Filhos” Foram usados os comandos de arredondamento (“round”), formação de tabela (“table”), proporcionalidade (“prop”) nas linhas e colunas.

tabela_1_estadocivilxfilhos = table(Bussab$Casado,Bussab$Filhos)
tabela_1_estadocivilxfilhos

##    
##     0 1 2 3 5
##   0 0 0 0 0 0
##   1 4 5 7 3 1

round(prop.table(tabela_1_estadocivilxfilhos,1)* 100,2)

##    
##       0   1   2   3   5
##   0                    
##   1  20  25  35  15   5

round(prop.table(tabela_1_estadocivilxfilhos,2)* 100,2)

##    
##       0   1   2   3   5
##   0   0   0   0   0   0
##   1 100 100 100 100 100

Nessa etapa, utilizou-se o comando (“pipe”)

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)

Tabela2 = Bussab %>% select(Casado,Filhos)%>%
  table ()%>% prop.table(1)*100 

Tabela2%>%data.frame() %>% flextable()

Casado	Filhos	Freq
0	0
1	0	20
0	1
1	1	25
0	2
1	2	35
0	3
1	3	15
0	5
1	5	5

Agora serão gerados os gráficos requeridos nesta atividade com os respectivos comandos.

barplot(Tabela2)

barplot(Tabela2,beside = TRUE)

barplot(Tabela2,beside = TRUE, col = c("pink","yellow"))

barplot(Tabela2,beside = TRUE, col = c("pink","yellow"),
        legend.text = rownames(Tabela2),
        args.legend = list(x = "top"),
        main="Proporção de Quantidade de Filhos em 
        Relação ao Estado Civil dos Entrevistados (%)",
        ylim=c(0,100))

Os dados foram resumidos, com posterior geração da média aritmética e desvio padrão das variáveis.

Bussab %>% select (Casado, Filhos) %>%
  group_by(Casado)%>% summarise(nota_media = mean(Filhos),desvio_padrao=sd(Filhos)) %>% flextable()%>% theme_tron()

Casado	nota_media	desvio_padrao
0
1	1.65	1.268028

ESTUDO BRAVO

1ª ETAPA: DEFINIÇÃO DA HIPÓTESE DO Estudo Bravo: O número de filhos tem relação com a renda dos pesquisados?

TRANSFORMAÇÃO DE VARIÁVEL QUANTITATIVA EM VARIÁVEL QUALITATIVA.

ifelse(Bussab$Casado==0,"Não","Sim")

##  [1] "Não" "Sim" "Sim" "Não" "Não" "Sim" "Não" "Não" "Sim" "Não" "Sim" "Não"
## [13] "Não" "Sim" "Sim" "Não" "Sim" "Sim" "Não" "Não" "Sim" "Não" "Não" "Sim"
## [25] "Sim" "Sim" "Não" "Sim" "Sim" "Sim" "Não" "Sim" "Sim" "Não" "Sim" "Sim"

2ª ETAPA: ANÁLISE DOS DADOS

Usando o comando tabela, relaciona-se as variáveis “Casados”(estado civil) e “Filhos”

Foram usados os comandos de arredondamento (“round”), formação de tabela (“table”), proporcionalidade (“prop”) nas linhas e colunas.

tabela_2_rendaxfilhos = table(Bussab$Casado,Bussab$Filhos)
tabela_2_rendaxfilhos

##    
##     0 1 2 3 5
##   0 0 0 0 0 0
##   1 4 5 7 3 1

round(prop.table(tabela_2_rendaxfilhos,1)* 100,2)

##    
##       0   1   2   3   5
##   0                    
##   1  20  25  35  15   5

round(prop.table(tabela_2_rendaxfilhos,2)* 100,2)

##    
##       0   1   2   3   5
##   0   0   0   0   0   0
##   1 100 100 100 100 100

Nessa etapa, utilizou-se o comando (“pipe”).

library(dplyr)
library(flextable)

Tabela3 = Bussab %>% select(Renda,Filhos)%>%
  table ()%>% prop.table(1)*100 

Tabela3%>%data.frame() %>% flextable()

Renda	Filhos	Freq
4	0
4.56	0	0
5.25	0	0
5.73	0
6.26	0
6.66	0	100
6.86	0
7.39	0
7.44	0
7.59	0	0
8.12	0	0
8.46	0
8.74	0
8.95	0	0
9.13	0	100
9.35	0
9.77	0	0
9.8	0	0
10.53	0
10.76	0
11.06	0	0
11.59	0
12	0
12.79	0	100
13.23	0	0
13.6	0	0
13.85	0
14.69	0	100
14.71	0	0
15.99	0	0
16.22	0
16.61	0	0
17.26	0	0
18.75	0
19.4	0	0
23.3	0	0
4	1
4.56	1	100
5.25	1	0
5.73	1
6.26	1
6.66	1	0
6.86	1
7.39	1
7.44	1
7.59	1	100
8.12	1	0
8.46	1
8.74	1
8.95	1	0
9.13	1	0
9.35	1
9.77	1	100
9.8	1	0
10.53	1
10.76	1
11.06	1	100
11.59	1
12	1
12.79	1	0
13.23	1	0
13.6	1	0
13.85	1
14.69	1	0
14.71	1	0
15.99	1	0
16.22	1
16.61	1	100
17.26	1	0
18.75	1
19.4	1	0
23.3	1	0
4	2
4.56	2	0
5.25	2	100
5.73	2
6.26	2
6.66	2	0
6.86	2
7.39	2
7.44	2
7.59	2	0
8.12	2	100
8.46	2
8.74	2
8.95	2	0
9.13	2	0
9.35	2
9.77	2	0
9.8	2	100
10.53	2
10.76	2
11.06	2	0
11.59	2
12	2
12.79	2	0
13.23	2	100
13.6	2	100
13.85	2
14.69	2	0
14.71	2	0
15.99	2	100
16.22	2
16.61	2	0
17.26	2	0
18.75	2
19.4	2	100
23.3	2	0
4	3
4.56	3	0
5.25	3	0
5.73	3
6.26	3
6.66	3	0
6.86	3
7.39	3
7.44	3
7.59	3	0
8.12	3	0
8.46	3
8.74	3
8.95	3	100
9.13	3	0
9.35	3
9.77	3	0
9.8	3	0
10.53	3
10.76	3
11.06	3	0
11.59	3
12	3
12.79	3	0
13.23	3	0
13.6	3	0
13.85	3
14.69	3	0
14.71	3	0
15.99	3	0
16.22	3
16.61	3	0
17.26	3	100
18.75	3
19.4	3	0
23.3	3	100
4	5
4.56	5	0
5.25	5	0
5.73	5
6.26	5
6.66	5	0
6.86	5
7.39	5
7.44	5
7.59	5	0
8.12	5	0
8.46	5
8.74	5
8.95	5	0
9.13	5	0
9.35	5
9.77	5	0
9.8	5	0
10.53	5
10.76	5
11.06	5	0
11.59	5
12	5
12.79	5	0
13.23	5	0
13.6	5	0
13.85	5
14.69	5	0
14.71	5	100
15.99	5	0
16.22	5
16.61	5	0
17.26	5	0
18.75	5
19.4	5	0
23.3	5	0

Agora serão gerados os gráficos requeridos neste atividade com os respectivos comandos.

barplot(Tabela3)

barplot(Tabela3,beside = TRUE)

barplot(Tabela3,beside = TRUE, col = c("grey","green"))

barplot(Tabela2,beside = TRUE, col = c("grey","green"),
        legend.text = rownames(Tabela3),
        args.legend = list(x = "top"),
        main="Proporção de Quantidade de Filhos em 
        Relação à Renda dos Entrevistados (%)",
        ylim=c(0,100))

Os dados foram resumidos, com posterior geração da média aritmética e desvio padrão das variáveis.

Bussab %>% select (Renda, Filhos) %>%
  group_by(Renda)%>% summarise(nota_media = mean(Filhos),desvio_padrao=sd(Filhos)) %>% flextable()%>% theme_vader()

Renda	nota_media	desvio_padrao
4.00
4.56	1
5.25	2
5.73
6.26
6.66	0
6.86
7.39
7.44
7.59	1
8.12	2
8.46
8.74
8.95	3
9.13	0
9.35
9.77	1
9.80	2
10.53
10.76
11.06	1
11.59
12.00
12.79	0
13.23	2
13.60	2
13.85
14.69	0
14.71	5
15.99	2
16.22
16.61	1
17.26	3
18.75
19.40	2
23.30	3

CONCLUSÃO

É POSSÍVEL CONCLUIR APÓS TRATAMENTO E ANÁLISE DOS DADOS OBTIDOS QUE O NÚMERO DE FILHOS POR ENTREVISTADO ESTÁ DIRETAMENTE PROPORCIAL AO ESTADO CIVIL, MAS NÃO EM RELAÇÃO A REMUNERAÇÃO DOS MESMOS.