Introdução

Este estudo de caso tem como objetivo analisar a distribuição de alturas de um grupo de indivíduos para fornecer insights que ajudem na adaptação da produção de roupas por parte de uma empresa de roupas esportivas.

Objetivos

  1. Criar uma tabela de distribuição de frequência com base nos dados de altura.
  2. Gerar um histograma para visualizar a distribuição das alturas.
  3. Calcular medidas resumo, incluindo média, mediana, desvio padrão, e valores máximo e mínimo.
  4. Analisar a assimetria e a curtose da distribuição das alturas.
  5. Realizar uma análise comparativa das alturas entre gêneros usando boxplots.
  6. Gerar estatísticas descritivas separadamente por gênero.

Código e Análise

# Carregar o pacote necessário
library(psych)
library(readxl)

# 1. Carregar a base de dados
dados <- read_excel("Estudo_de_Caso_Analise_Estatistica.xlsx")

# 2. Criar Tabela de Distribuição de Frequência usando regra de Sturges
num_classes <- nclass.Sturges(dados$Altura)  # número de classes usando regra de Sturges
intervalos <- cut(dados$Altura, breaks = num_classes, include.lowest = TRUE)
tabela_freq <- table(intervalos)

# Exibir tabela de distribuição de frequência
tabela_freq
## intervalos
## [1.54,1.59] (1.59,1.64] (1.64,1.69] (1.69,1.74] (1.74,1.79] (1.79,1.84] 
##          14           9          10          18          14          11 
## (1.84,1.89] (1.89,1.94] 
##          10          14
# 3. Plotar o histograma das alturas
hist(dados$Altura, breaks = num_classes, col = "lightblue", main = "Histograma das Alturas", 
     xlab = "Altura (cm)", ylab = "Frequência")

# 4. Calcular Medidas Resumo usando o pacote psych
medidas_resumo <- describe(dados$Altura)

# Exibir medidas resumo
medidas_resumo
##    vars   n mean   sd median trimmed  mad  min  max range  skew kurtosis   se
## X1    1 100 1.74 0.12   1.74    1.75 0.12 1.54 1.94   0.4 -0.08    -1.07 0.01
# 5. Análise da Assimetria e Curtose
assimetria <- medidas_resumo$skew
curtose <- medidas_resumo$kurtosis

# Exibir Assimetria e Curtose
cat("Assimetria: ", assimetria, "\n")
## Assimetria:  -0.08057406
cat("Curtose: ", curtose, "\n")
## Curtose:  -1.07019
# 6. Análise por Gênero (Gráfico de boxplot para comparar distribuições)
boxplot(Altura ~ Genero, data = dados, col = c("lightblue", "lightgreen"),
        main = "Distribuição das Alturas por Gênero", xlab = "Gênero", ylab = "Altura (cm)")

# 7. Estatísticas descritivas por gênero
resumo_por_genero <- describeBy(dados$Altura, group = dados$Genero)

# Exibir resumo por gênero
resumo_por_genero
## 
##  Descriptive statistics by group 
## group: Feminino
##    vars  n mean   sd median trimmed  mad  min  max range skew kurtosis   se
## X1    1 48 1.73 0.11   1.72    1.73 0.12 1.54 1.92  0.38 0.11    -0.96 0.02
## ------------------------------------------------------------ 
## group: Masculino
##    vars  n mean   sd median trimmed  mad  min  max range  skew kurtosis   se
## X1    1 52 1.76 0.12   1.77    1.76 0.14 1.54 1.94   0.4 -0.27    -1.13 0.02

Conclusões

A média das alturas está próxima de 170 cm, sugerindo que a produção de roupas pode focar nessa faixa de altura. Além disso, a diferença significativa entre as alturas médias de homens e mulheres justifica a segmentação da produção de roupas por gênero.