Introdução

Vamos analisar a dispersão de Horas de Estudo e Desempenho, analisando sua correlação. Vamos testar a teoria se muitas horas de estudo compensam no desempenho estudantil.

library(readxl)
QE <- read_excel("C:/Users/loren/OneDrive/Documentos/Base_de_dados-master/Questionario_Estresse.xls")
View(QE)

plot(QE$Horas_estudo,QE$Desempenho, 
     main = "Gráfico 1: Diagrama de Disperção de Horas de Estudo e Desempenho",
     ylab = "Desempenho", xlab="Horas de Estudo", pch=19, col="#545935")
abline(lsfit(QE$Horas_estudo,QE$Desempenho), col="red")

cor(QE$Desempenho,QE$Horas_estudo)
## [1] 0.2231532

Através do Diagrama de Dispersão, podemos notar que a maior parte das “bolinhas” está agrupada de 20-40 nas horas de estudo. Isso mostra que não necessariamente muitas horas de estudo refletem no desempenho do aluno e que alunos podem ter um desempenho bom com poucas horas de estudo.

Além disso, a correlação entre as variáveis é de 0.2231532, desse modo, é baixa e positiva. Esses dados corroboram o gráfico aprsentado.