Introdução

Este relatório apresenta uma análise estatística de um conjunto de dados contendo informações sobre funcionários de uma empresa. A análise inclui tabelas de frequência, gráficos e estatísticas descritivas.

Importando a Base de Dados

library(knitr)
library(ggplot2)
funcionarios <- read.csv("Dados_Funcionarios.csv", sep=",", header=TRUE)

1. Análise do Estado Civil

O estado civil dos funcionários foi analisado por meio de tabelas de frequência e gráficos. Os dados revelam quais estados civis são mais comuns na empresa, permitindo uma melhor compreensão do perfil dos funcionários. Essa análise pode fornecer caracteristica importantes sobre a composição dos funcionários e possíveis tendências relacionadas ao estado civil.

Tabela de Frequência Absoluta

table(funcionarios$Est.civil)

## 
##   casado solteiro 
##       20       16

Tabela de Frequência Relativa

prop.table(table(funcionarios$Est.civil))

## 
##    casado  solteiro 
## 0.5555556 0.4444444

Gráfico de Barras

barplot(table(funcionarios$Est.civil), main="Gráfico de Barras - Estado Civil")

Gráfico de Setores

pie(table(funcionarios$Est.civil), main="Gráfico de Setores - Estado Civil")

2. Análise do Grau de Instrução

A distribuição do grau de instrução dos funcionários esta representada por tabelas e gráficos. Nota-se uma concentração maior nos níveis de 1° e 2° grau.

Frequência Absoluta

table(funcionarios$Inst)

## 
##  1o Grau  2o Grau Superior 
##       12       18        6

Frequência Relativa

prop.table(table(funcionarios$Inst))

## 
##   1o Grau   2o Grau  Superior 
## 0.3333333 0.5000000 0.1666667

Gráfico de Barras

barplot(table(funcionarios$Inst), main="Gráfico de Barras - Grau de Instrução")

Gráfico de Setores

pie(table(funcionarios$Inst), main="Gráfico de Setores - Grau de Instrução")

3. Análise do Número de Filhos

Foi analisada a distribuição do número de filhos entre todos os funcionários. A frequência relativa acumulada demonstra a progressão da distribuição ao longo de todos os valores possíveis.

Frequência Absoluta

table(funcionarios$Filhos)

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

Frequência Relativa

prop.table(table(funcionarios$Filhos))

## 
##    0    1    2    3    5 
## 0.20 0.25 0.35 0.15 0.05

Frequência Relativa Acumulada

cumsum(prop.table(table(funcionarios$Filhos)))

##    0    1    2    3    5 
## 0.20 0.45 0.80 0.95 1.00

Gráfico de Frequência Relativa

barplot(prop.table(table(funcionarios$Filhos)), main="Frequência Relativa - Filhos")

Gráfico de Frequência Relativa Acumulada

plot(cumsum(prop.table(table(funcionarios$Filhos))), type='o', main="Frequência
Relativa Acumulada - Filhos", ylab="", xlab="Número de Filhos")

4. Análise de Salários

A análise do salário permite identificar a distribuição da renda entre todos os funcionários da empresa. É possivelverificar os valores máximo e mínimo do salário e determinamos o número adequado de classes para a construção de uma tabela de frequência.

 ``` r
 max_salario <- max(funcionarios$Salario)
 min_salario <- min(funcionarios$Salario)
 
 
 n <- length(funcionarios$Salario) # Número de funcionários
 num_classes <- round(1 + 3.3 * log10(n))
 ```


 ``` r
 salario_breaks <- seq(min_salario, max_salario, length.out = num_classes + 1)
 tabela_frequencia <- table(cut(funcionarios$Salario, breaks = salario_breaks,
 include.lowest = TRUE))
 ```

-Valores de Máximo e Mínimo e Tabela de Frequência

 ``` r
 cat("Valor Máximo do Salário:", max_salario, "\n")
 ```
 
 ```
 ## Valor Máximo do Salário: 23.3
 ```
 
 ``` r
 cat("Valor Mínimo do Salário:", min_salario, "\n")
 ```
 
 ```
 ## Valor Mínimo do Salário: 4
 ```
 
 ``` r
 cat("Número de Classes:", num_classes, "\n")
 ```
 
 ```
 ## Número de Classes: 6
 ```
 
 ``` r
 kable(as.data.frame(tabela_frequencia), caption = "Tabela de Frequência do Salário")
 ```
 
 
 
 Table: Tabela de Frequência do Salário
 
 |Var1        | Freq|
 |:-----------|----:|
 |[4,7.22]    |    7|
 |(7.22,10.4] |   11|
 |(10.4,13.6] |    8|
 |(13.6,16.9] |    6|
 |(16.9,20.1] |    3|
 |(20.1,23.3] |    1|

Histograma

hist(funcionarios$Salario, main="Histograma - Salário", xlab="Salário",
breaks=num_classes, 
col="lightblue", border="black", freq=TRUE)

Com o Histograma é possível vizualizarmos a concentração dos valores de salário dos funcionários.

5. Relação entre Estado Civil e Grau de Instrução

A relação entre estado civil e grau de instrução é apresentada por uma tabela de contingência e um gráfico de barras comparativo.

Tabela

table(funcionarios$Est.civil, funcionarios$Inst)

##           
##            1o Grau 2o Grau Superior
##   casado         5      12        3
##   solteiro       7       6        3

Gráfico de barras

barplot(table(funcionarios$Est.civil, funcionarios$Inst), beside=TRUE, legend=TRUE)

6. Box-plot para Grau de Instrução e Salário

O box-plot permite visualizar a distrivuição dos salários dentro de cada nível de instrução, além da média e do desvio padrão.

BoxPlot

boxplot(Salario ~ Inst, data=funcionarios, main="Box-Plot - Salário por Grau de
Instrução")

Média

tapply(funcionarios$Salario, funcionarios$Inst, mean)

##   1o Grau   2o Grau  Superior 
##  7.836667 11.528333 16.475000

Desvio padrão

tapply(funcionarios$Salario, funcionarios$Inst, sd)

##  1o Grau  2o Grau Superior 
## 2.956464 3.715144 4.502438

7. Cálculo da Idade

Foi criada uma nova variável chamada Idade, combinando as colunas Anos e Meses. Ela servirá também como uma nova “coluna”.

Criando a Coluna Idade

funcionarios$Idade <- funcionarios$Anos + funcionarios$Meses / 12

kable(head(funcionarios[, c("Anos", "Meses", "Idade")]), caption = "Idade dos
funcionários")

Idade dos funcionários
Anos	Meses	Idade
26	3	26.25000
32	10	32.83333
36	5	36.41667
20	10	20.83333
40	7	40.58333
28	0	28.00000

8. Relação entre Salário e Idade

A relação entre salário e idade foi explorada por meio de um gráfico de dispersão e um cálculo de correlação. Esta análise pode revelar se há uma progressão salarial conforme a idade.

Gráfico de Dispersão

plot(funcionarios$Idade, funcionarios$Salario, main="Relação Idade x Salário",
xlab="Idade", ylab="Salário")

Calculo de Correlação

cor(funcionarios$Idade, funcionarios$Salario)

## [1] 0.3651397

Diante do resultado da correlação é indicado que há uma correlação positiva fraca entre o salário e idade. Tal valor significa que, em geral, à medida que a idade aumenta, o salário tende a aumentar, mas essa relação não é muito forte. Como está próximo de 0 ela é considerada fraca.

9. Análise de dados

``` r
dados_estatisticos <- data.frame(
  Dados = c("Média", "Variância", "Desvio Padrão", "Mediana"),
  Salário = c(mean(funcionarios$Salario), var(funcionarios$Salario),
          sd(funcionarios$Salario), median(funcionarios$Salario)),
  Idade = c(mean(funcionarios$Idade), var(funcionarios$Idade), sd(funcionarios$Idade),
        median(funcionarios$Idade)),
  Filhos = c(mean(funcionarios$Filhos, na.rm=TRUE), var(funcionarios$Filhos, na.rm=TRUE),
         sd(funcionarios$Filhos, na.rm=TRUE), median(funcionarios$Filhos, na.rm=TRUE))
)

kable(dados_estatisticos, caption = "Estatísticas Descritivas das Variáveis")
```



Table: Estatísticas Descritivas das Variáveis

|Dados         |   Salário|     Idade|   Filhos|
|:-------------|---------:|---------:|--------:|
|Média         | 11.122222| 35.050926| 1.650000|
|Variância     | 21.044766| 44.959237| 1.607895|
|Desvio Padrão |  4.587458|  6.705165| 1.268028|
|Mediana       | 10.165000| 34.916667| 2.000000|

Análise dos Dados
- Salário: A média e mediana dos salários indicam o valor central dos rendimentos da empresa, enquanto o desvio padrão mostra a dispersão dos valores de salários.
- Idade: A média de idade permite entender o faixa etária dos funcionários, sendo útil para desenvolver algumas estratégias dentro da empresa.
- Número de Filhos: A análise deste dado mostra a média de filhos por funcionário, ajudando na formulação de benefícios.

Essas estatísticas são fundamentais para compreender a diversidade e o perfil dos funcionários, auxiliando na tomada de decisões estratégicas qeu podem ser tomadas dentro da empresa.

Relatório

José Lucas Custódio Silva

2025-03-26