CÓDIGOS ÚTEIS EM R - Descrição de dados de um Formulário

Tabulação e descrição de dados de um formulário hipotético

Formulário para entrevista População alvo: alunos matriculados na disciplina de Estatística

---

Perguntas

---

Identificação do formulário Qual é o seu sexo? Qual é a sua idade em anos completos? Qual é a sua altura em cm? Exerce atividade remunerada durante o dia? Qual é o percentual de bolsa ou auxílio que recebe para pagar a mensalidade? Em que curso de graduação se matriculou? Pretende fazer pós-graduação? Qual foi a sua conta de ano (rendimento do ano anterior)? Estou satisfeito com o curso de graduação? Tem interesse em participar voluntariamente de projetos de pesquisa na área acadêmica? Quantos irmão possui?

---

Variáveis

---

1. idt
2. sexo
3. idade
4. altura
5. atividade
6. percentual 7 curso
7. posgrad
8. rendimento
9. satisfação
10. pesquisa
11. irmao

---

Tabulação

---

Variável Códigos observação

1. idt; lançar o número da entrevista
   
2. sexo; lançar 1 ou 2 1 = masculino; 2 = feminino
3. idade; lançar a idade em anos completos
4. altura; lançar a altura em cm
5. atividade; lançar 1 ou 2 1= sim 2 = não
6. percentual; lançar de 0 a 100 não colocar o simbolo %
7. curso; lançar 1, 2, 3 ou 4 1 = Mecânica; 2 = Produção; 3 = Elétrica; 4 = Civil
8. posgrad; lançar 1 ou 2 1= sim 2 = não
9. rendimento; lançar de 0 a 10 nota da conta de ano
10. satisfacao; lançar de 1 a 5 1 = discordo totalmente; 2 = discordo; 3 = indiferente ; 4 = concordo; 5 = Concordo totalmente
11. pesquisa; lançar 1 ou 2 1= sim 2 = não
12. irmao; lançar a quantidade de irmãos de 0 a n

---

library(readxl)
dados <- read_excel("dados.xlsx",sheet = "dados")
head(dados)

Recodificar algumas variáveis

Dica: Poderiam recodificar os dados no excel antes de ler os dados no R

dados$sexo <- factor(dados$sexo, levels = c("1","2"), labels=c("Masculino", "Feminino"))
# veja como ficou
head(dados)

# vamos recodificar as demais variáveis
dados$atividade <- factor(dados$atividade, levels = c("1","2"), labels=c("Sim", "Não"))
dados$curso <- factor(dados$curso, levels = c("1","2","3","4"), labels=c("Eng. Mecânica", "Eng. Produção", "Eng Elétrica", "Eng. Civil"))
dados$posgrad <- factor(dados$posgrad, levels = c("1","2"), labels=c("Sim", "Não"))
dados$satisfacao <- factor(dados$satisfacao, levels = c("1","2","3","4","5"), labels=c("discordo totalmente","discordo","indiferente","concordo","Concordo totalmente"))
dados$pesquisa <- factor(dados$pesquisa, levels = c("1","2"), labels=c("Sim", "Não"))
dados

Descrição dos dados

Variável aleatória qualitativa nominal: sexo; atividade; curso; posgrad; pesquisa

Variável aleatória qualitativa ordinal: satisfacao

Variável aleatória quantitativa discreta: irmao

Variável aleatória quantitativa contínua: idade; altura; percentual; rendimento

algumas contagens

# tabulação simples
table(dados$sexo)

Masculino  Feminino 
       25        25 

table(dados$atividade)

Sim Não 
 20  30 

table(dados$curso)

Eng. Mecânica Eng. Produção  Eng Elétrica    Eng. Civil 
            8            20            11            11 

table(dados$posgrad)

Sim Não 
 34  16 

table(dados$satisfacao)

discordo totalmente            discordo         indiferente            concordo 
                  2                   4                   3                  29 
Concordo totalmente 
                 12 

table(dados$pesquisa)

Sim Não 
 22  28 

table(dados$irmao)

 0  1  2  3 
33 12  2  3 

# algumas tabulações cruzadas
table(dados$sexo, dados$atividade)

           
            Sim Não
  Masculino   9  16
  Feminino   11  14

table(dados$sexo, dados$curso)

           
            Eng. Mecânica Eng. Produção Eng Elétrica Eng. Civil
  Masculino             3            10            6          6
  Feminino              5            10            5          5

table(dados$sexo, dados$satisfacao)

           
            discordo totalmente discordo indiferente concordo Concordo totalmente
  Masculino                   0        2           2       15                   6
  Feminino                    2        2           1       14                   6

Estatísticas Descritivas

summary(dados)

       id               sexo        idade           altura      atividade
 Min.   : 1.00   Masculino:25   Min.   :15.00   Min.   :123.0   Sim:20   
 1st Qu.:13.25   Feminino :25   1st Qu.:18.00   1st Qu.:153.0   Não:30   
 Median :25.50                  Median :18.00   Median :160.5            
 Mean   :25.50                  Mean   :19.26   Mean   :160.6            
 3rd Qu.:37.75                  3rd Qu.:19.75   3rd Qu.:169.5            
 Max.   :50.00                  Max.   :39.00   Max.   :190.0            
   percentual              curso    posgrad    rendimento                  satisfacao
 Min.   : 10.0   Eng. Mecânica: 8   Sim:34   Min.   :5.062   discordo totalmente: 2  
 1st Qu.: 10.0   Eng. Produção:20   Não:16   1st Qu.:6.334   discordo           : 4  
 Median : 10.0   Eng Elétrica :11            Median :7.034   indiferente        : 3  
 Mean   : 19.6   Eng. Civil   :11            Mean   :6.951   concordo           :29  
 3rd Qu.: 20.0                               3rd Qu.:7.440   Concordo totalmente:12  
 Max.   :100.0                               Max.   :9.225                           
 pesquisa     irmao    
 Sim:22   Min.   :0.0  
 Não:28   1st Qu.:0.0  
          Median :0.0  
          Mean   :0.5  
          3rd Qu.:1.0  
          Max.   :3.0  

library(psych)
#separar somente dados quntitativos
names(dados)

 [1] "id"         "sexo"       "idade"      "altura"     "atividade"  "percentual"
 [7] "curso"      "posgrad"    "rendimento" "satisfacao" "pesquisa"   "irmao"     

dados2 <- dados[,c(3,4,6,9,12)]
names(dados2)

[1] "idade"      "altura"     "percentual" "rendimento" "irmao"     

describe(dados2)

           vars  n   mean    sd median trimmed   mad    min    max range  skew kurtosis
idade         1 50  19.26  3.75  18.00   18.52  1.48  15.00  39.00 24.00  3.40    13.84
altura        2 50 160.56 13.92 160.50  160.88 11.86 123.00 190.00 67.00 -0.24     0.24
percentual    3 50  19.60 16.41  10.00   15.75  0.00  10.00 100.00 90.00  2.78     9.55
rendimento    4 50   6.95  0.95   7.03    6.94  0.79   5.06   9.22  4.16  0.06    -0.11
irmao         5 50   0.50  0.84   0.00    0.30  0.00   0.00   3.00  3.00  1.73     2.25
             se
idade      0.53
altura     1.97
percentual 2.32
rendimento 0.13
irmao      0.12

alguns gráficos simples

library(ggplot2)

Need help? Try the ggplot2 mailing list:
http://groups.google.com/group/ggplot2.

Attaching package: 㤼㸱ggplot2㤼㸲

The following objects are masked from 㤼㸱package:psych㤼㸲:

    %+%, alpha

library(dplyr)

Attaching package: 㤼㸱dplyr㤼㸲

The following objects are masked from 㤼㸱package:stats㤼㸲:

    filter, lag

The following objects are masked from 㤼㸱package:base㤼㸲:

    intersect, setdiff, setequal, union

library(RColorBrewer)

Tabulando e criando gráficos para representar as variáveis qualitativas

vamos usar o pacote dplyer. Cada operação é marcada pelo símbolo %>% (pipe) Na sequência empregamos o pagote ggplot2

g1 <- dados %>% count(sexo)
g1

graf <- ggplot(g1, aes(x=sexo, y=n))
graf +  
  geom_bar(stat="identity", fill = "steelblue", width = .3) +
  geom_text(aes(label=n), vjust=1.5, colour="black",position=position_dodge(.9), size=3) +
  scale_fill_brewer(palette="Dark2") +
  labs(title = "Gráfico de colunas", x = "Variável", y = "Frequência")+
  theme_light()

g1 <- dados %>% count(sexo, atividade)
g1

graf <- ggplot(g1, aes(x=sexo, y=n, fill=atividade))
graf +  
  geom_bar(stat="identity", width = .3,position=position_dodge()) +
  geom_text(aes(label=n), vjust=1.5, colour="black",position=position_dodge(.9), size=3) +
  scale_fill_brewer(palette="Dark2") +
  labs(title = "Gráfico de colunas: Sexo x Atividade remunerada", x = "Variável", y = "Frequência")+
  theme_light()

g1 <- dados %>% count(sexo, atividade)
g1

graf <- ggplot(g1, aes(x="", y=n, fill=atividade))
graf +  
  geom_bar(stat="identity") +
  scale_fill_brewer(palette="Dark2") +
  labs(title = "Gráfico de Setor: Atividade remunerada", x = "", y = "")+
  theme_light()+
  coord_polar("y", start=0)

# temos que transformar a variável irmão em uma variável qualitativa para representá-la como categorias  
g1 <- dados %>% count(sexo, irmao) %>% mutate(irmao, irmao =as.factor(irmao))
g1

graf <- ggplot(g1, aes(x=sexo, y=n, fill=irmao))
graf +  
  geom_bar(stat="identity", width = .3,position=position_dodge()) +
  scale_fill_brewer(palette="Dark2") +
  labs(title = "Gráfico de colunas: Sexo x Número de irmãos", x = "Variável", y = "Frequência")+
  theme_light()

# boxplot (algumas possibilidades....)
e <- ggplot(dados, aes(x = sexo, y = rendimento))
# Basic box plot
e + geom_boxplot() + theme_light()

# Rotate the box plot
e + geom_boxplot() + coord_flip() + theme_light()

# Notched box plot
e + geom_boxplot(notch = TRUE) + theme_light()

# Box plot with mean points
e + geom_boxplot() +
stat_summary(fun.y = mean, geom = "point",
shape = 18, size = 4, color = "blue") + theme_light()

# com cores
# Basic box plot
# Basic box plot
e2 <- e + geom_boxplot(aes(fill=sexo)) + theme_light()  
e2 + scale_fill_brewer(palette="Set1")

e2 + scale_fill_brewer(palette="Set2")

e2 + scale_fill_brewer(palette="Set3")

# escolha as cores digitando ?scale_fill_brewer()

# gráfico de pontos
e <- ggplot(dados, aes(x = sexo, y = rendimento))
e + geom_dotplot(binaxis = "y", stackdir = "center", stackratio = 1.5, dotsize = 1.1)

e + geom_boxplot() +
  geom_dotplot(binaxis = "y", stackdir = "center", stackratio = 1.5, dotsize = 1.1) + theme_light() 

e + geom_boxplot(aes(fill=sexo)) +
  geom_dotplot(binaxis = "y", stackdir = "center", stackratio = 1.5, dotsize = 1.1) + theme_light()

e + geom_boxplot() +
  geom_dotplot(aes(fill = sexo), binaxis = "y", stackdir = "center", stackratio = 1.5, dotsize = 1.1) + theme_light() 

e2 <- ggplot(dados, aes(x = curso, y = rendimento))
e2 + geom_boxplot() +
  geom_dotplot(aes(fill = sexo), binaxis = "y", stackdir = "center", stackratio = 1.5, dotsize = 1.1) + theme_light() 

# variação do boxplot (violin plot)
e2 + geom_violin(trim = FALSE) + geom_jitter(position = position_jitter(0.2)) + theme_light() 

# diagrama de dispersão (scatter plot) 
f <- ggplot(dados, aes(x = percentual, y = rendimento))
f + geom_point(color = "blue", size = 2)

f + geom_jitter(position = position_jitter(width = 0.5, height = 0.5), size=2, color="blue")

f + geom_point(aes(shape = sexo, color = sexo), size = 2)