library(readxl) #livraria para importar bases de dados em excel
BaseNr1_or <- read_excel("D:/2024/Bases/BaseNr1_or.xlsx")
head(BaseNr1_or) # para observar as primeiras observações
colSums(is.na(BaseNr1_or))
## Sujeito Gênero Grau_de_Instrução N_Filhos
## 0 0 0 0
## Idade Salário
## 0 0
Não se verifica nenhum caso omisso nas variáveis
dim(BaseNr1_or)
## [1] 30 6
Pode se verificar que existem 30 observações e 6 variáveis
str(BaseNr1_or)
## tibble [30 × 6] (S3: tbl_df/tbl/data.frame)
## $ Sujeito : num [1:30] 1 2 3 4 5 6 7 8 9 10 ...
## $ Gênero : chr [1:30] "M" "F" "M" "M" ...
## $ Grau_de_Instrução: chr [1:30] "Superior" "Superior" "Superior" "Ens Fundamental" ...
## $ N_Filhos : num [1:30] 1 0 0 0 0 2 0 0 1 2 ...
## $ Idade : num [1:30] 31 25 33 20 23 37 38 37 34 40 ...
## $ Salário : num [1:30] 8.2 5.3 9.4 2.9 3.7 4.4 4.7 5.4 5.8 3.2 ...
verifica-se que as variáveis gênero e grau de instrunção são careteres, por isso há necessidade de alterar para factores de modo que sejam aptas para as análise
BaseNr1_or$Gênero <- as.factor(BaseNr1_or$Gênero) #mudando o tipo da variável Gênero
BaseNr1_or$Grau_de_Instrução <- as.factor(BaseNr1_or$Grau_de_Instrução) #mudando o tipo da variável Grau de
BaseNr1_or$N_Filhos <- as.factor(BaseNr1_or$N_Filhos)#mudando o tipo da variável numero de filhos
str(BaseNr1_or) #isualizando a estrutura da base de dados
## tibble [30 × 6] (S3: tbl_df/tbl/data.frame)
## $ Sujeito : num [1:30] 1 2 3 4 5 6 7 8 9 10 ...
## $ Gênero : Factor w/ 2 levels "F","M": 2 1 2 2 1 1 2 2 2 2 ...
## $ Grau_de_Instrução: Factor w/ 3 levels "Ens Fundamental",..: 3 3 3 1 2 3 1 3 3 2 ...
## $ N_Filhos : Factor w/ 5 levels "0","1","2","3",..: 2 1 1 1 1 3 1 1 2 3 ...
## $ Idade : num [1:30] 31 25 33 20 23 37 38 37 34 40 ...
## $ Salário : num [1:30] 8.2 5.3 9.4 2.9 3.7 4.4 4.7 5.4 5.8 3.2 ...
summary(BaseNr1_or)
## Sujeito Gênero Grau_de_Instrução N_Filhos Idade
## Min. : 1.00 F:15 Ens Fundamental: 6 0:15 Min. :20.00
## 1st Qu.: 8.25 M:15 Ens Médio :10 1: 7 1st Qu.:30.00
## Median :15.50 Superior :14 2: 6 Median :34.00
## Mean :15.50 3: 1 Mean :33.93
## 3rd Qu.:22.75 4: 1 3rd Qu.:39.50
## Max. :30.00 Max. :46.00
## Salário
## Min. : 2.000
## 1st Qu.: 4.125
## Median : 5.650
## Mean : 5.810
## 3rd Qu.: 7.200
## Max. :11.600
hist(BaseNr1_or$Idade)
contagem <- table(BaseNr1_or$Grau_de_Instrução)
cores <- c("lightgreen", "lightcoral", "blue")
pie(contagem,
labels = paste(names(contagem), "(", round(100*contagem/sum(contagem), 1), "%)"),
col = cores,
main = "grau de instrunção",
cex = 0.8
)
legend("bottomleft",
legend = paste(names(contagem), "(", round(100*contagem/sum(contagem), 1), "%)"),
fill = cores,
cex = 0.8,
title = "grau de instrunção"
)