#Qualitativa X Quantitativa #Quantitativa X Qualitativa #Quantitativa X Qualitativa

#H0: Assume que não há associação entre duas variaveis #H1: Assume que existe associação entre duas variaveis

tabela para o teste

tabela <- as.table(rbind(c(117, 54), c(950, 338)))
tabela
##     A   B
## A 117  54
## B 950 338

rotulos para tabela

dimnames(tabela) <- list(sexo = c("vivos","mortos"),
                         partindo = c("não fumantes","fumantes"))

tabela
##         partindo
## sexo     não fumantes fumantes
##   vivos           117       54
##   mortos          950      338

#H0: Assume que não há associação entre duas variaveis #H1: Assume que existe associação entre duas variaveis #alpha: 0,05 #se p-valor <= 0,05 (alpha) REJ H0 #se p-valor > 0,05 (alpha) NÃO REJ H0

TQQ = chisq.test(tabela)

TQQ$expected
##         partindo
## sexo     não fumantes fumantes
##   vivos      125.0562  45.9438
##   mortos     941.9438 346.0562
dimnames(tabela) <- list(sexo = c("vivos","mortos"),
                         habito_fumar = c("não fumantes","fumantes"))

tabela
##         habito_fumar
## sexo     não fumantes fumantes
##   vivos           117       54
##   mortos          950      338
TQQ
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  tabela
## X-squared = 1.9249, df = 1, p-value = 0.1653

#pvalor = 0,2212 #alpha = 0,05 #como o pvalor é maior que alpha não reijetita H0, logo não existe associação #entre as variaveis o idoso pode fumar a vontade

#tabela para o teste

tabela2 <- as.table(rbind(c(762, 327, 468), c(484, 239, 477)))
tabela2
##     A   B   C
## A 762 327 468
## B 484 239 477

#rotulo para a tebela

dimnames(tabela2) <- list(sexo = c("feminino","masculino"),
                         partido = c("PT","Outro Partido","PSDB"))

tabela2
##            partido
## sexo         PT Outro Partido PSDB
##   feminino  762           327  468
##   masculino 484           239  477

H0: Não existe associação entre sexo e partido politico

H1: Existe associação entre sexo e partido

Alpha: 0,05

TQQ2 = chisq.test(tabela2)

avaliando o pressupopsto

TQQ2$expected
##            partido
## sexo              PT Outro Partido     PSDB
##   feminino  703.6714      319.6453 533.6834
##   masculino 542.3286      246.3547 411.3166

como o menor valor é 246 e esse valor é maior do que 5 o teste qui-quadrado

#é adequado. O pressuposto atendido.

TQQ2
## 
##  Pearson's Chi-squared test
## 
## data:  tabela2
## X-squared = 30.07, df = 2, p-value = 2.954e-07
options(scipen = 999)

pvalor = 0.0000002954

Alpha: 0,05

como pvalor é menor do que alpha rejeito H0, logo existe associação entre sexo e o partido !

#carregar base de dados

load(‘C:/Users/15150559733/Downloads/Titanic.RData’)

tail(Titanic$Classe)
Titanic$Classe = iconv(Titanic$Classe, "latin1" , "UTF-8")
tail(Titanic$Classe)

#H0: não exite associação entre sexo e sobrevivencia #H1: Existe associação entre sexo e sobrevivencia #alpha: 0,05

Tabela3 = table(Titanic$Sexo,Titanic$Sobreviveu)
Tabela3

TQQ3 = chisq.test(Tabela3)

#avaliar o pressuposto

TQQ$expected
##         partindo
## sexo     não fumantes fumantes
##   vivos      125.0562  45.9438
##   mortos     941.9438 346.0562

#pressuposto atendido #devo usar o teste qui-quadrado

TQQ3$p.value

#como pvalor é menor que 0.05 rej. H0, logo # existe associação sexo e sobreviveu # as mulheres sobrevivenciaq # as mulheres sobreviveram mais