Preliminares

Carregando as bases

library(readr)
Output <- read_csv("D:/2018.1/Projeto_de_Iniciacao_Cientifica_2018.1/Bases/limpa/Output.csv")

library(readr)
Desempenho <- read_csv("D:/2018.1/Projeto_de_Iniciacao_Cientifica_2018.1/Bases/limpa/Desempenho.csv")

Teste <- read_csv("D:/2018.1/Projeto_de_Iniciacao_Cientifica_2018.1/Bases/Final")

Verificando a proporção de respondentes

table(Output$Progress==100)

## 
## FALSE  TRUE 
##    24    28

Efetuando a limpeza

Output <- subset(Output, Progress==100)

Output$Status <- NULL
Output$Finished <- NULL
Output$RecipientLastName <- NULL
Output$RecipientFirstName <- NULL
Output$RecipientEmail <- NULL
Output$LocationLatitude <- NULL
Output$LocationLongitude <- NULL
Output$UserLanguage <- NULL
Output$TermoConsentimento <- NULL
Output$ExternalReference <- NULL
Output$StartDate<- NULL
Output$EndDate<- NULL
Output$IPAddress<- NULL
Output$DistributionChannel<- NULL
Output$QEmail<- NULL
Output$QTelefone<- NULL
Output$RecordedDate<- NULL
Output$Progress<- NULL


Desempenho <- subset(Desempenho, Progress==100)

Desempenho$Status <- NULL
Desempenho$Finished <- NULL
Desempenho$RecipientLastName <- NULL
Desempenho$RecipientFirstName <- NULL
Desempenho$RecipientEmail <- NULL
Desempenho$LocationLatitude <- NULL
Desempenho$LocationLongitude <- NULL
Desempenho$UserLanguage <- NULL
Desempenho$TermoConsentimento <- NULL
Desempenho$ExternalReference <- NULL
Desempenho$StartDate<- NULL
Desempenho$EndDate<- NULL
Desempenho$IPAddress<- NULL
Desempenho$DistributionChannel<- NULL
Desempenho$QEmail<- NULL
Desempenho$QTelefone<- NULL
Desempenho$RecordedDate<- NULL
Desempenho$Progress<- NULL

Assossiação entre as respostas e os respondentes

Codigo <- Output$ResponseId
Matricula <- Output$QMatricula
CR <- rep(NA,28)  
SC0 <- Output$SC0
SC1 <- Output$SC1
SC2 <- Output$SC2
SC3 <- Output$SC3
SC4 <- Output$SC4
SC5 <- Output$SC5

Alunos <- as.data.frame(cbind(Matricula,Codigo,CR,SC0,SC1,SC2,SC3,SC4,SC5))

Alunos$Codigo == Output$ResponseId

##  [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [15] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE

Alunos$Matricula == Output$QMatricula

##  [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## [15] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE

Output$QMatricula<- NULL
Desempenho$QMatricula<- NULL
Output$ResponseId<- NULL
Desempenho$ResponseId<- NULL

Criando um data contendo apenas os textos

library(readr)
Texto <- read_csv("D:/2018.1/Projeto_de_Iniciacao_Cientifica_2018.1/Bases/Original/DesempenhoAcadêmicoResp.csv")


Texto <- Texto[1,]

Texto$Status <- NULL
Texto$Finished <- NULL
Texto$RecipientLastName <- NULL
Texto$RecipientFirstName <- NULL
Texto$RecipientEmail <- NULL
Texto$LocationLatitude <- NULL
Texto$LocationLongitude <- NULL
Texto$UserLanguage <- NULL
Texto$TermoConsentimento <- NULL
Texto$ExternalReference <- NULL
Texto$StartDate<- NULL
Texto$EndDate<- NULL
Texto$IPAddress<- NULL
Texto$DistributionChannel<- NULL
Texto$QEmail<- NULL
Texto$QTelefone<- NULL
Texto$RecordedDate<- NULL
Texto$Progress<- NULL
Texto$QMatricula<- NULL
Texto$ResponseId<- NULL
Texto$`Duration (in seconds)` <- NULL

Dicionario <- t(Texto)

Renomeando as bases e limpando o ambiente

Registro <- Alunos
Dicionario <- Dicionario
Dicionario_Comleto <- Desempenho
Respostas <- Output

Exportando

write.csv(Registro , file="D:/2018.1/Projeto_de_Iniciacao_Cientifica_2018.1/Bases/Final/Registro.csv")
write.csv(Dicionario, file="D:/2018.1/Projeto_de_Iniciacao_Cientifica_2018.1/Bases/Final/Dicionario.csv")
write.csv(Dicionario_Comleto , file="D:/2018.1/Projeto_de_Iniciacao_Cientifica_2018.1/Bases/Final/Dicionario_Comleto.csv")
write.csv(Respostas , file="D:/2018.1/Projeto_de_Iniciacao_Cientifica_2018.1/Bases/Final/Respostas.csv")

Visualização

library(knitr)
kable(head(Registro))

Matricula	Codigo	CR	SC0	SC1	SC2	SC3	SC4	SC5
201611082-10	R_3gMct5qJsEcPXFV	NA	317	27	21	19	32	24
201410181-78	R_pzTVQxj50gVtp7j	NA	327	41	24	19	37	22
201610531-30	R_2aFcX0ss74cyrOp	NA	324	39	29	29	30	27
201710691-70	R_2E5oAWROyi62obx	NA	340	32	27	26	36	30
201710591-07	R_3siauj3XKB1Sbvb	NA	309	41	24	17	34	15
201710511-22	R_299PUyrC1O10tAj	NA	300	36	36	30	32	23

BFI

Algumas consideração quanto ao tempo de resposta:

summary(Respostas$`Duration (in seconds)`)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     481     869    1116    7115    1442  160300

A resposta média é puxada pelo outlier (160300 ou 44.52 horas), desconsiderando o mesmo, teremos

tempo <- Respostas$`Duration (in seconds)` 
tempo <- tempo[-9]
summary(tempo)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     481     860    1108    1441    1352    6660

var(tempo)

## [1] 1525276

Apesar de conseguirmos dados um pouco mais robustos quando desconsideramos o valor mais atípico, a variabilidade ainda é grande demais, impedindo que haja conclusões acertivas. Considerando apenas a mediana como indicadora, temos uma resposta em torno de 18 minutos.

index <- which(tempo<2000)
index

##  [1]  2  3  4  6  7  8  9 10 12 13 14 15 16 17 18 19 20 21 23 24 25 26 27

tempo <- tempo[c(index)]
summary(tempo)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   481.0   837.5   973.0  1043.0  1219.0  1829.0

Se considerarmos plausível que uma pessoa leve menos que 33 minutos para responder o questionário comleto, teremos uma resposta média de 17 minutos e uma mediana de 16 minutos.

Agora, iremos calcular a plotar as respostas obtidas:

Q1 <- prop.table(table(Respostas$BFI_Q01))
Q2 <- prop.table(table(Respostas$BFI_Q02))
Q3 <- prop.table(table(Respostas$BFI_Q03))
Q4 <- prop.table(table(Respostas$BFI_Q04))
Q5 <- prop.table(table(Respostas$BFI_Q05))
Q6 <- prop.table(table(Respostas$BFI_Q06))
Q7 <- prop.table(table(Respostas$BFI_Q07))
Q8 <- prop.table(table(Respostas$BFI_Q08))
Q9 <- prop.table(table(Respostas$BFI_Q09))
Q10 <- prop.table(table(Respostas$BFI_Q10))
Q11 <- prop.table(table(Respostas$BFI_Q11))
Q12 <- prop.table(table(Respostas$BFI_Q12))
Q13 <- prop.table(table(Respostas$BFI_Q13))
Q14 <- prop.table(table(Respostas$BFI_Q14))
Q15 <- prop.table(table(Respostas$BFI_Q15))
Q16 <- prop.table(table(Respostas$BFI_Q16))
Q17 <- prop.table(table(Respostas$BFI_Q17))
Q18 <- prop.table(table(Respostas$BFI_Q18))
Q19 <- prop.table(table(Respostas$BFI_Q19))
Q20 <- prop.table(table(Respostas$BFI_Q20))
Q21 <- prop.table(table(Respostas$BFI_Q21))
Q22 <- prop.table(table(Respostas$BFI_Q22))
Q23 <- prop.table(table(Respostas$BFI_Q23))
Q24 <- prop.table(table(Respostas$BFI_Q24))
Q25 <- prop.table(table(Respostas$BFI_Q25))
Q26 <- prop.table(table(Respostas$BFI_Q26))
Q27 <- prop.table(table(Respostas$BFI_Q27))
Q28 <- prop.table(table(Respostas$BFI_Q28))
Q29 <- prop.table(table(Respostas$BFI_Q29))
Q30 <- prop.table(table(Respostas$BFI_Q30))
Q31 <- prop.table(table(Respostas$BFI_Q31))
Q32 <- prop.table(table(Respostas$BFI_Q32))
Q33 <- prop.table(table(Respostas$BFI_Q33))
Q34 <- prop.table(table(Respostas$BFI_Q34))
Q35 <- prop.table(table(Respostas$BFI_Q35))
Q36 <- prop.table(table(Respostas$BFI_Q36))
Q37 <- prop.table(table(Respostas$BFI_Q37))
Q38 <- prop.table(table(Respostas$BFI_Q38))
Q39 <- prop.table(table(Respostas$BFI_Q39))
Q40 <- prop.table(table(Respostas$BFI_Q40))
Q41 <- prop.table(table(Respostas$BFI_Q41))
Q42 <- prop.table(table(Respostas$BFI_Q42))
Q43 <- prop.table(table(Respostas$BFI_Q43))
Q44 <- prop.table(table(Respostas$BFI_Q44))
barplot(Q1, col='red', main=" É conversador, comunicativo",ylim=c(0,0.6))

barplot(Q2, col='red', main=" Às vezes é frio e distante",ylim=c(0,0.6))

barplot(Q3, col='red', main=" Tende a ser crítico com os outros",ylim=c(0,0.6))

barplot(Q4, col='red', main="  É minucioso, detalhista no trabalho",ylim=c(0,0.6))

barplot(Q5, col='red', main=" É assertivo, não teme expressar o que sente.",ylim=c(0,0.6))

barplot(Q6, col='red', main=" Insiste até concluir a tarefa ou trabalho",ylim=c(0,0.6))

barplot(Q7, col='red', main=" É depressivo, triste",ylim=c(0,0.6))

barplot(Q8, col='red', main=" Gosta de cooperar com outros",ylim=c(0,0.6))

barplot(Q9, col='red', main=" É original, tem sempre novas ideias",ylim=c(0,0.6))

barplot(Q10, col='red', main=" É temperamental, muda de humor facilmente",ylim=c(0,0.6))

barplot(Q11, col='red', main=" É inventivo, criativo",ylim=c(0,0.6))

barplot(Q12, col='red', main=" É reservado",ylim=c(0,0.6))

barplot(Q13, col='red', main="  Valoriza o artístico, o estético",ylim=c(0,0.6))

barplot(Q14, col='red', main=" É emocionalmente estável, não se altera facilmente",ylim=c(0,0.6))

barplot(Q15, col='red', main=" É prestativo e ajuda os outros",ylim=c(0,0.6))

barplot(Q16, col='red', main=" É às vezes tímido e inibido",ylim=c(0,0.6))

barplot(Q17, col='red', main=" Pode ser um tanto descuidado",ylim=c(0,0.6))

barplot(Q18, col='red', main=" É amável, tem consideração pelos outros",ylim=c(0,0.6))

barplot(Q19, col='red', main=" Tende a ser preguiçoso",ylim=c(0,0.6))

barplot(Q20, col='red', main=" Faz as coisas com eficiência",ylim=c(0,0.6))

barplot(Q21, col='red', main="  É relaxado, controla bem o estresse",ylim=c(0,0.6))

barplot(Q22, col='red', main="  É facilmente distraído",ylim=c(0,0.6))

barplot(Q23, col='red', main=" Mantem-se calmo nas situações tensas",ylim=c(0,0.6))

barplot(Q24, col='red', main=" Prefere trabalho rotineiro",ylim=c(0,0.6))

barplot(Q25, col='red', main=" É curioso sobre muitas coisas diferentes",ylim=c(0,0.6))

barplot(Q26, col='red', main="  É sociável, extrovertido",ylim=c(0,0.6))

barplot(Q27, col='red', main=" Geralmente confia nas pessoas",ylim=c(0,0.6))

barplot(Q28, col='red', main="  É às vezes rude (grosseiro) com os outros",ylim=c(0,0.6))

barplot(Q29, col='red', main=" É cheio de energia",ylim=c(0,0.6))

barplot(Q30, col='red', main=" Começa discussões, disputas com os outros",ylim=c(0,0.6))

barplot(Q31, col='red', main="  É um trabalhador de confiança",ylim=c(0,0.6))

barplot(Q32, col='red', main="Faz planos e segue à risca",ylim=c(0,0.6))

barplot(Q33, col='red', main="  Tem uma imaginação fértil",ylim=c(0,0.6))

barplot(Q34, col='red', main=" Fica tenso com frequência",ylim=c(0,0.6))

barplot(Q35, col='red', main="  É engenhoso, alguém que gosta de analisar profundamente",ylim=c(0,0.6))

barplot(Q36, col='red', main=" Fica nervoso facilmente",ylim=c(0,0.6))

barplot(Q37, col='red', main=" Gera muito entusiasmo",ylim=c(0,0.6))

barplot(Q38, col='red', main="  Tende a ser desorganizado",ylim=c(0,0.6))

barplot(Q39, col='red', main="  Gosta de refletir, brincar com as ideias",ylim=c(0,0.6))

barplot(Q40, col='red', main="   Tem capacidade de perdoar, perdoa fácil",ylim=c(0,0.6))

barplot(Q41, col='red', main=" Preocupa-se muito com tudo",ylim=c(0,0.6))

barplot(Q42, col='red', main=" Tende a ser quieto, calado",ylim=c(0,0.6))

barplot(Q43, col='red', main=" Tem poucos interesses artísticos",ylim=c(0,0.6))

barplot(Q44, col='red', main="  É sofisticado em artes, música ou literatura",ylim=c(0,0.6))

MSLQ

M1 <- prop.table(table(Respostas$MSLQ_Q01))
M2 <- prop.table(table(Respostas$MSLQ_Q02))
M3 <- prop.table(table(Respostas$MSLQ_Q03))
M4 <- prop.table(table(Respostas$MSLQ_Q04))
M5 <- prop.table(table(Respostas$MSLQ_Q05))
M6 <- prop.table(table(Respostas$MSLQ_Q06))
M7 <- prop.table(table(Respostas$MSLQ_Q07))
M8 <- prop.table(table(Respostas$MSLQ_Q08))
M9 <- prop.table(table(Respostas$MSLQ_Q09))
M10 <- prop.table(table(Respostas$MSLQ_Q10))
M11 <- prop.table(table(Respostas$MSLQ_Q11))
M12 <- prop.table(table(Respostas$MSLQ_Q12))
M13 <- prop.table(table(Respostas$MSLQ_Q13))
M14 <- prop.table(table(Respostas$MSLQ_Q14))
M15 <- prop.table(table(Respostas$MSLQ_Q15))
M16 <- prop.table(table(Respostas$MSLQ_Q16))
M17 <- prop.table(table(Respostas$MSLQ_Q17))
M18 <- prop.table(table(Respostas$MSLQ_Q18))
M19 <- prop.table(table(Respostas$MSLQ_Q19))
M20 <- prop.table(table(Respostas$MSLQ_Q20))
M21 <- prop.table(table(Respostas$MSLQ_Q21))
M22 <- prop.table(table(Respostas$MSLQ_Q22))
M23 <- prop.table(table(Respostas$MSLQ_Q23))
M24 <- prop.table(table(Respostas$MSLQ_Q24))
M25 <- prop.table(table(Respostas$MSLQ_Q25))
M26 <- prop.table(table(Respostas$MSLQ_Q26))
M27 <- prop.table(table(Respostas$MSLQ_Q27))
M28 <- prop.table(table(Respostas$MSLQ_Q28))
M29 <- prop.table(table(Respostas$MSLQ_Q29))
M30 <- prop.table(table(Respostas$MSLQ_Q30))
M31 <- prop.table(table(Respostas$MSLQ_Q31))
M32 <- prop.table(table(Respostas$MSLQ_Q32))
M33 <- prop.table(table(Respostas$MSLQ_Q33))
M34 <- prop.table(table(Respostas$MSLQ_Q34))
M35 <- prop.table(table(Respostas$MSLQ_Q35))
M36 <- prop.table(table(Respostas$MSLQ_Q36))
M37 <- prop.table(table(Respostas$MSLQ_Q37))
M38 <- prop.table(table(Respostas$MSLQ_Q38))
M39 <- prop.table(table(Respostas$MSLQ_Q39))
M40 <- prop.table(table(Respostas$MSLQ_Q40))
M41 <- prop.table(table(Respostas$MSLQ_Q41))
M42 <- prop.table(table(Respostas$MSLQ_Q42))
M43 <- prop.table(table(Respostas$MSLQ_Q43))
M44 <- prop.table(table(Respostas$MSLQ_Q44))
barplot(M1, col='red', main="MSLQ_Q01",ylim=c(0,0.6))

barplot(M2, col='red', main="MSLQ_Q02",ylim=c(0,0.6))

barplot(M3, col='red', main="MSLQ_Q03",ylim=c(0,0.6))

barplot(M4, col='red', main="MSLQ_Q04",ylim=c(0,0.6))

barplot(M5, col='red', main="MSLQ_Q05",ylim=c(0,0.6))

barplot(M6, col='red', main="MSLQ_Q06",ylim=c(0,0.6))

barplot(M7, col='red', main="MSLQ_Q07",ylim=c(0,0.6))

barplot(M8, col='red', main="MSLQ_Q08",ylim=c(0,0.6))

barplot(M9, col='red', main="MSLQ_Q09",ylim=c(0,0.6))

barplot(M10, col='red', main="MSLQ_Q10",ylim=c(0,0.6))

barplot(M11, col='red', main="MSLQ_Q11",ylim=c(0,0.6))

barplot(M12, col='red', main="MSLQ_Q12",ylim=c(0,0.6))

barplot(M13, col='red', main="MSLQ_Q13",ylim=c(0,0.6))

barplot(M14, col='red', main="MSLQ_Q14",ylim=c(0,0.6))

barplot(M15, col='red', main="MSLQ_Q15",ylim=c(0,0.6))

barplot(M16, col='red', main="MSLQ_Q16",ylim=c(0,0.6))

barplot(M17, col='red', main="MSLQ_Q17",ylim=c(0,0.6))

barplot(M18, col='red', main="MSLQ_Q18",ylim=c(0,0.6))

barplot(M19, col='red', main="MSLQ_Q19",ylim=c(0,0.6))

barplot(M20, col='red', main="MSLQ_Q20",ylim=c(0,0.6))

barplot(M21, col='red', main="MSLQ_Q21",ylim=c(0,0.6))

barplot(M22, col='red', main="MSLQ_Q22",ylim=c(0,0.6))

barplot(M23, col='red', main="MSLQ_Q23",ylim=c(0,0.6))

barplot(M24, col='red', main="MSLQ_Q24",ylim=c(0,0.6))

barplot(M25, col='red', main="MSLQ_Q25",ylim=c(0,0.6))

barplot(M26, col='red', main="MSLQ_Q26",ylim=c(0,0.6))

barplot(M27, col='red', main="MSLQ_Q27",ylim=c(0,0.6))

barplot(M28, col='red', main="MSLQ_Q28",ylim=c(0,0.6))

barplot(M29, col='red', main="MSLQ_Q29",ylim=c(0,0.6))

barplot(M30, col='red', main="MSLQ_Q30",ylim=c(0,0.6))

barplot(M31, col='red', main="MSLQ_Q31",ylim=c(0,0.6))

barplot(M32, col='red', main="MSLQ_Q32",ylim=c(0,0.6))

barplot(M33, col='red', main="MSLQ_Q33",ylim=c(0,0.6))

barplot(M34, col='red', main="MSLQ_Q34",ylim=c(0,0.6))

barplot(M35, col='red', main="MSLQ_Q35",ylim=c(0,0.6))

barplot(M36, col='red', main="MSLQ_Q36",ylim=c(0,0.6))

barplot(M37, col='red', main="MSLQ_Q37",ylim=c(0,0.6))

barplot(M38, col='red', main="MSLQ_Q38",ylim=c(0,0.6))

barplot(M39, col='red', main="MSLQ_Q39",ylim=c(0,0.6))

barplot(M40, col='red', main="MSLQ_Q40",ylim=c(0,0.6))

barplot(M41, col='red', main="MSLQ_Q41",ylim=c(0,0.6))

barplot(M42, col='red', main="MSLQ_Q42",ylim=c(0,0.6))

barplot(M43, col='red', main="MSLQ_Q43",ylim=c(0,0.6))

barplot(M44, col='red', main="MSLQ_Q44",ylim=c(0,0.6))

SES

S1 <- table(Respostas$SES_Q01)
barplot(S1, col='red', main=" Possui graduação anterior?",names.arg=c("Não","Sim"))

S2 <- table(Respostas$SES_Q02A)
barplot(S2, col='red', main=" Exerce atividade profissional atualmente?",names.arg=c("Não","Sim"))

S3 <- table(Respostas$SES_Q02B)
barplot(S3, col='red', main="Qual o número médio de horas de trabalho por semana?")

S4 <- table(Respostas$SES_Q03)
barplot(S4, col='red', main="Alguém da sua família concluiu o ensino superior?",names.arg=c("Não","Sim"))

S5 <- table(Respostas$SES_Q04)
barplot(S5, col='red', main="Como você considera sua preparação para o curso de estatística
?",names.arg=c("Insuficiente","Razoavel","Bom","Excelente"))

S6 <- table(Respostas$SES_Q05)
barplot(S6, col='red', main=" Quantas pessoas moram com você?")

S7 <- table(Respostas$SES_Q06)
barplot(S7, col='red', main="Quantas tempo em média você gasta para chegar à faculdade?")

S8 <- table(Respostas$SES_Q07)
barplot(S8, col='red', main="Quantas horas semanais, em média, você se dedica aos estudos?")

S9 <- table(Respostas$SES_Q08)
barplot(S9, col='red', main="Qual a alternativa que melhor descreve sua situação financeira",names.arg=c("Até 1 SM","3 a 6 SM","6 a 9 SM", "9 a 12 SM", "Mais de 12 SM"))

S10 <- table(Respostas$SES_Q09)
barplot(S10, col='red', main="Qual a alternativa que melhor descreve sua situação financeira")

Medidas

summary(Respostas)

##        X1        Duration (in seconds)    BFI_Q01         BFI_Q02   
##  Min.   : 1.00   Min.   :   481        Min.   :1.000   Min.   :1.0  
##  1st Qu.: 7.75   1st Qu.:   869        1st Qu.:6.000   1st Qu.:3.0  
##  Median :18.50   Median :  1116        Median :6.000   Median :4.0  
##  Mean   :19.93   Mean   :  7115        Mean   :6.714   Mean   :3.5  
##  3rd Qu.:27.50   3rd Qu.:  1442        3rd Qu.:8.000   3rd Qu.:4.0  
##  Max.   :49.00   Max.   :160314        Max.   :9.000   Max.   :5.0  
##                                                                     
##     BFI_Q03         BFI_Q04         BFI_Q05         BFI_Q06    
##  Min.   :1.000   Min.   :1.000   Min.   :1.000   Min.   :1.00  
##  1st Qu.:2.000   1st Qu.:2.750   1st Qu.:2.000   1st Qu.:2.00  
##  Median :4.000   Median :4.000   Median :3.000   Median :3.00  
##  Mean   :3.179   Mean   :3.643   Mean   :2.929   Mean   :3.25  
##  3rd Qu.:4.000   3rd Qu.:5.000   3rd Qu.:4.000   3rd Qu.:5.00  
##  Max.   :5.000   Max.   :5.000   Max.   :5.000   Max.   :5.00  
##                                                                
##     BFI_Q07         BFI_Q08     BFI_Q09         BFI_Q10     
##  Min.   :1.000   Min.   :1   Min.   :1.000   Min.   :1.000  
##  1st Qu.:1.000   1st Qu.:4   1st Qu.:3.000   1st Qu.:1.000  
##  Median :2.000   Median :4   Median :3.500   Median :2.000  
##  Mean   :2.321   Mean   :4   Mean   :3.464   Mean   :2.464  
##  3rd Qu.:3.250   3rd Qu.:5   3rd Qu.:4.000   3rd Qu.:4.000  
##  Max.   :5.000   Max.   :5   Max.   :5.000   Max.   :5.000  
##                                                             
##     BFI_Q11         BFI_Q12         BFI_Q13         BFI_Q14    
##  Min.   :1.000   Min.   :1.000   Min.   :1.000   Min.   :1.00  
##  1st Qu.:3.000   1st Qu.:3.000   1st Qu.:2.000   1st Qu.:2.00  
##  Median :3.000   Median :4.000   Median :3.000   Median :4.00  
##  Mean   :3.321   Mean   :3.929   Mean   :3.071   Mean   :3.25  
##  3rd Qu.:4.000   3rd Qu.:5.000   3rd Qu.:4.000   3rd Qu.:4.00  
##  Max.   :5.000   Max.   :5.000   Max.   :5.000   Max.   :5.00  
##                                                                
##     BFI_Q15         BFI_Q16         BFI_Q17         BFI_Q18   
##  Min.   :2.000   Min.   :1.000   Min.   :1.000   Min.   :3.0  
##  1st Qu.:4.000   1st Qu.:3.750   1st Qu.:3.000   1st Qu.:4.0  
##  Median :5.000   Median :4.000   Median :4.000   Median :5.0  
##  Mean   :4.429   Mean   :3.786   Mean   :3.607   Mean   :4.5  
##  3rd Qu.:5.000   3rd Qu.:5.000   3rd Qu.:4.250   3rd Qu.:5.0  
##  Max.   :5.000   Max.   :5.000   Max.   :5.000   Max.   :5.0  
##                                                               
##     BFI_Q19         BFI_Q20         BFI_Q21         BFI_Q22     
##  Min.   :1.000   Min.   :2.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:3.000   1st Qu.:3.000   1st Qu.:2.000   1st Qu.:4.000  
##  Median :4.000   Median :4.000   Median :3.000   Median :4.000  
##  Mean   :3.643   Mean   :3.786   Mean   :3.143   Mean   :3.857  
##  3rd Qu.:5.000   3rd Qu.:5.000   3rd Qu.:4.250   3rd Qu.:5.000  
##  Max.   :5.000   Max.   :5.000   Max.   :5.000   Max.   :5.000  
##                                                                 
##     BFI_Q23         BFI_Q24         BFI_Q25         BFI_Q26     
##  Min.   :1.000   Min.   :1.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:2.000   1st Qu.:3.000   1st Qu.:4.000   1st Qu.:2.750  
##  Median :3.500   Median :4.000   Median :4.000   Median :3.000  
##  Mean   :3.429   Mean   :3.607   Mean   :4.036   Mean   :3.464  
##  3rd Qu.:4.250   3rd Qu.:4.000   3rd Qu.:5.000   3rd Qu.:5.000  
##  Max.   :5.000   Max.   :5.000   Max.   :5.000   Max.   :5.000  
##                                                                 
##     BFI_Q27        BFI_Q28         BFI_Q29         BFI_Q30     
##  Min.   :2.00   Min.   :1.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:3.75   1st Qu.:1.000   1st Qu.:2.000   1st Qu.:1.000  
##  Median :4.00   Median :2.500   Median :3.500   Median :2.000  
##  Mean   :3.75   Mean   :2.607   Mean   :3.143   Mean   :1.929  
##  3rd Qu.:4.00   3rd Qu.:4.000   3rd Qu.:4.000   3rd Qu.:3.000  
##  Max.   :5.00   Max.   :5.000   Max.   :5.000   Max.   :4.000  
##                                                                
##     BFI_Q31       BFI_Q32         BFI_Q33         BFI_Q34     
##  Min.   :2.0   Min.   :2.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:4.0   1st Qu.:2.000   1st Qu.:3.000   1st Qu.:2.000  
##  Median :5.0   Median :3.000   Median :4.000   Median :3.500  
##  Mean   :4.5   Mean   :3.107   Mean   :3.857   Mean   :3.214  
##  3rd Qu.:5.0   3rd Qu.:4.000   3rd Qu.:5.000   3rd Qu.:4.000  
##  Max.   :5.0   Max.   :5.000   Max.   :5.000   Max.   :5.000  
##                                                               
##     BFI_Q35         BFI_Q36        BFI_Q37        BFI_Q38     
##  Min.   :1.000   Min.   :1.00   Min.   :1.00   Min.   :1.000  
##  1st Qu.:3.000   1st Qu.:1.00   1st Qu.:3.00   1st Qu.:2.000  
##  Median :4.000   Median :3.00   Median :3.00   Median :3.000  
##  Mean   :3.821   Mean   :2.75   Mean   :3.25   Mean   :3.071  
##  3rd Qu.:5.000   3rd Qu.:4.00   3rd Qu.:4.00   3rd Qu.:5.000  
##  Max.   :5.000   Max.   :5.00   Max.   :5.00   Max.   :5.000  
##                                                               
##     BFI_Q39         BFI_Q40         BFI_Q41         BFI_Q42     
##  Min.   :1.000   Min.   :1.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:3.000   1st Qu.:2.750   1st Qu.:3.750   1st Qu.:2.000  
##  Median :4.000   Median :4.000   Median :5.000   Median :3.000  
##  Mean   :3.964   Mean   :3.607   Mean   :4.071   Mean   :3.179  
##  3rd Qu.:5.000   3rd Qu.:5.000   3rd Qu.:5.000   3rd Qu.:4.000  
##  Max.   :5.000   Max.   :5.000   Max.   :5.000   Max.   :5.000  
##                                                                 
##     BFI_Q43         BFI_Q44         MSLQ_Q01        MSLQ_Q02    
##  Min.   :1.000   Min.   :1.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:1.000   1st Qu.:1.000   1st Qu.:2.000   1st Qu.:4.000  
##  Median :3.000   Median :2.000   Median :3.000   Median :4.500  
##  Mean   :3.071   Mean   :2.286   Mean   :3.286   Mean   :4.286  
##  3rd Qu.:5.000   3rd Qu.:3.000   3rd Qu.:4.000   3rd Qu.:5.000  
##  Max.   :5.000   Max.   :5.000   Max.   :5.000   Max.   :5.000  
##                                                                 
##     MSLQ_Q03        MSLQ_Q04        MSLQ_Q05       MSLQ_Q06    
##  Min.   :1.000   Min.   :1.000   Min.   :1.00   Min.   :1.000  
##  1st Qu.:2.000   1st Qu.:3.000   1st Qu.:2.00   1st Qu.:3.000  
##  Median :4.000   Median :4.000   Median :4.00   Median :4.000  
##  Mean   :3.393   Mean   :3.643   Mean   :3.25   Mean   :3.821  
##  3rd Qu.:5.000   3rd Qu.:5.000   3rd Qu.:4.00   3rd Qu.:5.000  
##  Max.   :5.000   Max.   :5.000   Max.   :5.00   Max.   :5.000  
##                                                                
##     MSLQ_Q07      MSLQ_Q08        MSLQ_Q09        MSLQ_Q10   
##  Min.   :1.0   Min.   :1.000   Min.   :1.000   Min.   :1.00  
##  1st Qu.:2.0   1st Qu.:2.000   1st Qu.:2.000   1st Qu.:2.00  
##  Median :4.0   Median :3.500   Median :4.000   Median :3.00  
##  Mean   :3.5   Mean   :3.321   Mean   :3.571   Mean   :3.25  
##  3rd Qu.:5.0   3rd Qu.:4.250   3rd Qu.:5.000   3rd Qu.:4.00  
##  Max.   :5.0   Max.   :5.000   Max.   :5.000   Max.   :5.00  
##                                                              
##     MSLQ_Q11        MSLQ_Q12        MSLQ_Q13       MSLQ_Q14    
##  Min.   :1.000   Min.   :1.000   Min.   :1.00   Min.   :1.000  
##  1st Qu.:4.000   1st Qu.:2.000   1st Qu.:4.00   1st Qu.:2.750  
##  Median :5.000   Median :3.500   Median :4.00   Median :3.000  
##  Mean   :4.214   Mean   :3.286   Mean   :4.25   Mean   :3.071  
##  3rd Qu.:5.000   3rd Qu.:5.000   3rd Qu.:5.00   3rd Qu.:4.000  
##  Max.   :5.000   Max.   :5.000   Max.   :5.00   Max.   :5.000  
##                                                                
##     MSLQ_Q15        MSLQ_Q16        MSLQ_Q17        MSLQ_Q18    
##  Min.   :1.000   Min.   :1.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:3.000   1st Qu.:1.750   1st Qu.:2.000   1st Qu.:1.000  
##  Median :4.000   Median :3.000   Median :4.000   Median :2.000  
##  Mean   :3.536   Mean   :2.821   Mean   :3.321   Mean   :2.321  
##  3rd Qu.:4.000   3rd Qu.:4.000   3rd Qu.:4.000   3rd Qu.:3.000  
##  Max.   :5.000   Max.   :5.000   Max.   :5.000   Max.   :5.000  
##                                                                 
##     MSLQ_Q19        MSLQ_Q20        MSLQ_Q21        MSLQ_Q22    
##  Min.   :1.000   Min.   :1.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:2.000   1st Qu.:2.000   1st Qu.:2.000   1st Qu.:2.000  
##  Median :4.000   Median :3.000   Median :3.000   Median :4.000  
##  Mean   :3.464   Mean   :2.786   Mean   :3.107   Mean   :3.321  
##  3rd Qu.:4.250   3rd Qu.:3.250   3rd Qu.:4.250   3rd Qu.:5.000  
##  Max.   :5.000   Max.   :5.000   Max.   :5.000   Max.   :5.000  
##                                                                 
##     MSLQ_Q23        MSLQ_Q24        MSLQ_Q25       MSLQ_Q26    
##  Min.   :2.000   Min.   :1.000   Min.   :1.00   Min.   :1.000  
##  1st Qu.:4.000   1st Qu.:2.750   1st Qu.:2.00   1st Qu.:1.000  
##  Median :4.000   Median :4.000   Median :3.00   Median :2.000  
##  Mean   :4.321   Mean   :3.393   Mean   :3.25   Mean   :2.536  
##  3rd Qu.:5.000   3rd Qu.:4.000   3rd Qu.:4.25   3rd Qu.:4.000  
##  Max.   :5.000   Max.   :5.000   Max.   :5.00   Max.   :5.000  
##                                                                
##     MSLQ_Q27        MSLQ_Q28       MSLQ_Q29        MSLQ_Q30    
##  Min.   :1.000   Min.   :1.00   Min.   :1.000   Min.   :1.000  
##  1st Qu.:2.000   1st Qu.:3.00   1st Qu.:3.000   1st Qu.:2.000  
##  Median :2.500   Median :4.00   Median :4.000   Median :3.000  
##  Mean   :2.714   Mean   :3.75   Mean   :3.393   Mean   :2.821  
##  3rd Qu.:4.000   3rd Qu.:5.00   3rd Qu.:4.000   3rd Qu.:3.250  
##  Max.   :5.000   Max.   :5.00   Max.   :5.000   Max.   :5.000  
##                                                                
##     MSLQ_Q31       MSLQ_Q32        MSLQ_Q33        MSLQ_Q34    
##  Min.   :1.00   Min.   :1.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:2.00   1st Qu.:3.000   1st Qu.:3.000   1st Qu.:2.750  
##  Median :2.00   Median :3.000   Median :4.000   Median :4.000  
##  Mean   :2.50   Mean   :3.107   Mean   :3.893   Mean   :3.536  
##  3rd Qu.:3.25   3rd Qu.:4.000   3rd Qu.:5.000   3rd Qu.:5.000  
##  Max.   :5.00   Max.   :5.000   Max.   :5.000   Max.   :5.000  
##                                                                
##     MSLQ_Q35        MSLQ_Q36        MSLQ_Q37        MSLQ_Q38    
##  Min.   :1.000   Min.   :1.000   Min.   :2.000   Min.   :1.000  
##  1st Qu.:4.000   1st Qu.:2.000   1st Qu.:3.000   1st Qu.:3.000  
##  Median :4.500   Median :4.000   Median :4.000   Median :4.000  
##  Mean   :4.143   Mean   :3.214   Mean   :3.714   Mean   :3.536  
##  3rd Qu.:5.000   3rd Qu.:4.000   3rd Qu.:4.000   3rd Qu.:4.250  
##  Max.   :5.000   Max.   :5.000   Max.   :5.000   Max.   :5.000  
##                                                                 
##     MSLQ_Q39        MSLQ_Q40    MSLQ_Q41        MSLQ_Q42    
##  Min.   :1.000   Min.   :1   Min.   :2.000   Min.   :1.000  
##  1st Qu.:2.000   1st Qu.:4   1st Qu.:4.000   1st Qu.:1.750  
##  Median :3.000   Median :4   Median :4.000   Median :3.000  
##  Mean   :3.143   Mean   :4   Mean   :4.286   Mean   :2.964  
##  3rd Qu.:4.000   3rd Qu.:5   3rd Qu.:5.000   3rd Qu.:4.000  
##  Max.   :5.000   Max.   :5   Max.   :5.000   Max.   :5.000  
##                                                             
##     MSLQ_Q43        MSLQ_Q44        SES_Q01         SES_Q02A    
##  Min.   :1.000   Min.   :1.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:2.000   1st Qu.:3.000   1st Qu.:1.000   1st Qu.:2.000  
##  Median :3.000   Median :3.000   Median :1.000   Median :2.000  
##  Mean   :3.214   Mean   :3.286   Mean   :1.143   Mean   :1.786  
##  3rd Qu.:4.000   3rd Qu.:4.250   3rd Qu.:1.000   3rd Qu.:2.000  
##  Max.   :5.000   Max.   :5.000   Max.   :2.000   Max.   :2.000  
##                                                                 
##     SES_Q02B       SES_Q03         SES_Q04         SES_Q05     
##  Min.   :40.0   Min.   :1.000   Min.   :1.000   Min.   :2.000  
##  1st Qu.:40.5   1st Qu.:1.000   1st Qu.:1.000   1st Qu.:2.750  
##  Median :43.0   Median :1.000   Median :2.000   Median :3.000  
##  Mean   :42.5   Mean   :1.179   Mean   :2.214   Mean   :3.321  
##  3rd Qu.:44.0   3rd Qu.:1.000   3rd Qu.:3.000   3rd Qu.:4.000  
##  Max.   :45.0   Max.   :2.000   Max.   :4.000   Max.   :5.000  
##  NA's   :22                                                    
##     SES_Q06          SES_Q07         SES_Q08         SES_Q09     
##  Min.   : 20.00   Min.   : 2.00   Min.   :1.000   Min.   :1.000  
##  1st Qu.: 40.00   1st Qu.: 6.00   1st Qu.:3.000   1st Qu.:2.000  
##  Median : 60.00   Median :10.00   Median :4.000   Median :2.000  
##  Mean   : 59.46   Mean   :13.75   Mean   :4.143   Mean   :2.536  
##  3rd Qu.: 80.00   3rd Qu.:16.25   3rd Qu.:5.000   3rd Qu.:2.000  
##  Max.   :150.00   Max.   :45.00   Max.   :6.000   Max.   :6.000  
##                                                                  
##       SC0             SC1             SC2             SC3       
##  Min.   :283.0   Min.   :18.00   Min.   :17.00   Min.   :12.00  
##  1st Qu.:302.2   1st Qu.:27.75   1st Qu.:22.00   1st Qu.:18.75  
##  Median :317.5   Median :32.50   Median :29.00   Median :24.00  
##  Mean   :316.3   Mean   :33.14   Mean   :28.11   Mean   :23.57  
##  3rd Qu.:328.0   3rd Qu.:39.25   3rd Qu.:33.25   3rd Qu.:28.25  
##  Max.   :355.0   Max.   :47.00   Max.   :39.00   Max.   :40.00  
##                                                                 
##       SC4             SC5       
##  Min.   :25.00   Min.   :12.00  
##  1st Qu.:30.00   1st Qu.:16.75  
##  Median :33.00   Median :24.50  
##  Mean   :33.07   Mean   :23.00  
##  3rd Qu.:36.00   3rd Qu.:27.25  
##  Max.   :40.00   Max.   :36.00  
##

for (i in 3:106){
  print(var(Respostas[,i]))
}

##          BFI_Q01
## BFI_Q01 3.248677
##          BFI_Q02
## BFI_Q02 1.074074
##          BFI_Q03
## BFI_Q03 1.707672
##          BFI_Q04
## BFI_Q04 1.497354
##          BFI_Q05
## BFI_Q05 2.068783
##         BFI_Q06
## BFI_Q06 2.12037
##          BFI_Q07
## BFI_Q07 2.003968
##          BFI_Q08
## BFI_Q08 1.111111
##          BFI_Q09
## BFI_Q09 1.146825
##          BFI_Q10
## BFI_Q10 1.665344
##          BFI_Q11
## BFI_Q11 1.263228
##          BFI_Q12
## BFI_Q12 1.624339
##          BFI_Q13
## BFI_Q13 1.253968
##          BFI_Q14
## BFI_Q14 1.453704
##           BFI_Q15
## BFI_Q15 0.6984127
##          BFI_Q16
## BFI_Q16 1.582011
##          BFI_Q17
## BFI_Q17 1.358466
##           BFI_Q18
## BFI_Q18 0.4074074
##          BFI_Q19
## BFI_Q19 1.571429
##          BFI_Q20
## BFI_Q20 1.063492
##          BFI_Q21
## BFI_Q21 2.201058
##          BFI_Q22
## BFI_Q22 1.238095
##          BFI_Q23
## BFI_Q23 1.513228
##          BFI_Q24
## BFI_Q24 1.136243
##          BFI_Q25
## BFI_Q25 1.369048
##          BFI_Q26
## BFI_Q26 1.517196
##           BFI_Q27
## BFI_Q27 0.9351852
##          BFI_Q28
## BFI_Q28 2.247354
##          BFI_Q29
## BFI_Q29 1.830688
##         BFI_Q30
## BFI_Q30 1.10582
##           BFI_Q31
## BFI_Q31 0.7037037
##           BFI_Q32
## BFI_Q32 0.8399471
##          BFI_Q33
## BFI_Q33 1.312169
##          BFI_Q34
## BFI_Q34 1.730159
##         BFI_Q35
## BFI_Q35 1.48545
##          BFI_Q36
## BFI_Q36 1.972222
##          BFI_Q37
## BFI_Q37 1.083333
##          BFI_Q38
## BFI_Q38 2.068783
##          BFI_Q39
## BFI_Q39 1.220899
##          BFI_Q40
## BFI_Q40 1.951058
##          BFI_Q41
## BFI_Q41 1.772487
##          BFI_Q42
## BFI_Q42 1.707672
##         BFI_Q43
## BFI_Q43 2.73545
##         BFI_Q44
## BFI_Q44 1.84127
##          MSLQ_Q01
## MSLQ_Q01 1.396825
##          MSLQ_Q02
## MSLQ_Q02 0.952381
##          MSLQ_Q03
## MSLQ_Q03  2.17328
##          MSLQ_Q04
## MSLQ_Q04 1.793651
##          MSLQ_Q05
## MSLQ_Q05 2.046296
##          MSLQ_Q06
## MSLQ_Q06 1.411376
##          MSLQ_Q07
## MSLQ_Q07 1.740741
##          MSLQ_Q08
## MSLQ_Q08  1.85582
##          MSLQ_Q09
## MSLQ_Q09 1.809524
##          MSLQ_Q10
## MSLQ_Q10 1.453704
##          MSLQ_Q11
## MSLQ_Q11 1.285714
##          MSLQ_Q12
## MSLQ_Q12 2.359788
##           MSLQ_Q13
## MSLQ_Q13 0.9351852
##          MSLQ_Q14
## MSLQ_Q14 1.179894
##          MSLQ_Q15
## MSLQ_Q15 1.294974
##          MSLQ_Q16
## MSLQ_Q16  2.22619
##          MSLQ_Q17
## MSLQ_Q17 1.929894
##          MSLQ_Q18
## MSLQ_Q18 2.152116
##          MSLQ_Q19
## MSLQ_Q19  1.96164
##          MSLQ_Q20
## MSLQ_Q20 1.656085
##          MSLQ_Q21
## MSLQ_Q21 2.099206
##          MSLQ_Q22
## MSLQ_Q22 2.374339
##           MSLQ_Q23
## MSLQ_Q23 0.4484127
##          MSLQ_Q24
## MSLQ_Q24  1.80291
##          MSLQ_Q25
## MSLQ_Q25 1.972222
##          MSLQ_Q26
## MSLQ_Q26 2.406085
##          MSLQ_Q27
## MSLQ_Q27 1.544974
##          MSLQ_Q28
## MSLQ_Q28 1.824074
##          MSLQ_Q29
## MSLQ_Q29 1.284392
##          MSLQ_Q30
## MSLQ_Q30 1.411376
##          MSLQ_Q31
## MSLQ_Q31  1.37037
##           MSLQ_Q32
## MSLQ_Q32 0.9880952
##          MSLQ_Q33
## MSLQ_Q33 1.284392
##          MSLQ_Q34
## MSLQ_Q34 1.665344
##          MSLQ_Q35
## MSLQ_Q35 1.386243
##          MSLQ_Q36
## MSLQ_Q36 2.026455
##          MSLQ_Q37
## MSLQ_Q37 1.026455
##          MSLQ_Q38
## MSLQ_Q38 1.517196
##          MSLQ_Q39
## MSLQ_Q39 1.756614
##          MSLQ_Q40
## MSLQ_Q40  1.62963
##           MSLQ_Q41
## MSLQ_Q41 0.5820106
##          MSLQ_Q42
## MSLQ_Q42 2.257937
##          MSLQ_Q43
## MSLQ_Q43 1.359788
##          MSLQ_Q44
## MSLQ_Q44 1.767196
##           SES_Q01
## SES_Q01 0.1269841
##           SES_Q02A
## SES_Q02A 0.1746032
##          SES_Q02B
## SES_Q02B       NA
##           SES_Q03
## SES_Q03 0.1521164
##          SES_Q04
## SES_Q04 0.989418
##           SES_Q05
## SES_Q05 0.9669312
##          SES_Q06
## SES_Q06 813.5913
##          SES_Q07
## SES_Q07 99.60185
##         SES_Q08
## SES_Q08 1.68254
##         SES_Q09
## SES_Q09 1.59127
##         SC0
## SC0 320.078
##          SC1
## SC1 55.01587
##          SC2
## SC2 38.24735
##          SC3
## SC3 50.55026
##          SC4
## SC4 15.99471
##         SC5
## SC5 43.7037

Faceta 1: BFI

Extroversão

library(readr)
Respostas2 <- read_csv("D:/2018.1/Projeto_de_Iniciacao_Cientifica_2018.1/Bases/Final/Respostas.csv")

## Warning: Missing column names filled in: 'X1' [1]

## Warning: Duplicated column names deduplicated: 'X1' => 'X1_1' [2]

## Parsed with column specification:
## cols(
##   .default = col_integer()
## )

## See spec(...) for full column specifications.

BFI_Q01 <- Respostas2$BFI_Q01
BFI_Q12 <- abs(Respostas$BFI_Q12 - 6)
BFI_Q29 <- Respostas$BFI_Q29
BFI_Q42 <- abs(Respostas$BFI_Q42 - 6)
BFI_Q05 <- Respostas$BFI_Q05
BFI_Q26 <- Respostas$BFI_Q26
BFI_Q16 <- abs(Respostas$BFI_Q16 - 6)
BFI_Q26 <- Respostas$BFI_Q26

Extroversao <- as.data.frame(cbind(BFI_Q01,BFI_Q12,BFI_Q29,BFI_Q42,BFI_Q05,BFI_Q26,BFI_Q16,BFI_Q26))

Extroversao$BFI_Q01[Extroversao$BFI_Q01==6] <- 4
Extroversao$BFI_Q01[Extroversao$BFI_Q01==9] <- 3
Extroversao$BFI_Q01[Extroversao$BFI_Q01==5] <- 2
Extroversao$BFI_Q01[Extroversao$BFI_Q01==8] <- 5



kable(head(Extroversao), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

BFI_Q01	BFI_Q12	BFI_Q29	BFI_Q42	BFI_Q05	BFI_Q26	BFI_Q16	BFI_Q26
4	2	2	2	2	3	1	3
3	1	3	1	3	3	2	3
3	3	4	4	5	3	4	3
4	2	5	4	2	4	1	4
4	2	1	4	1	2	2	2
4	4	4	4	4	4	2	4

mean(colMeans(Extroversao))

## [1] 2.973214

median(colMeans(Extroversao))

## [1] 3.035714

var(diag(var(Extroversao)))

## [1] 0.05721624

mean(diag(var(Extroversao)))

## [1] 1.638889

median(diag(var(Extroversao)))

## [1] 1.603175

Amabilidade

BFI_Q03 <- abs(Respostas$BFI_Q03 - 6)
BFI_Q15 <- Respostas$BFI_Q15
BFI_Q30 <- abs(Respostas$BFI_Q30 - 6)
BFI_Q40 <- Respostas$BFI_Q40
BFI_Q31 <- Respostas$BFI_Q31
BFI_Q02 <- abs(Respostas$BFI_Q02 - 6)
BFI_Q18 <- Respostas$BFI_Q18
BFI_Q28 <- abs(Respostas$BFI_Q28 - 6)
BFI_Q08 <- Respostas$BFI_Q08

Amabilidade <- as.data.frame(cbind(BFI_Q03,BFI_Q15,BFI_Q30,BFI_Q40,BFI_Q31,BFI_Q02,BFI_Q18,BFI_Q28,BFI_Q08))

kable(head(Amabilidade), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

BFI_Q03	BFI_Q15	BFI_Q30	BFI_Q40	BFI_Q31	BFI_Q02	BFI_Q18	BFI_Q28	BFI_Q08
3	5	4	4	5	2	4	2	3
5	4	4	5	5	2	4	5	4
2	5	4	2	4	4	4	2	5
2	5	5	2	5	3	5	5	5
5	4	3	5	5	2	5	1	4
2	5	4	4	4	3	4	2	4

mean(colMeans(Amabilidade))

## [1] 3.757937

median(colMeans(Amabilidade))

## [1] 4

var(diag(var(Amabilidade)))

## [1] 0.3840948

mean(diag(var(Amabilidade)))

## [1] 1.222957

median(diag(var(Amabilidade)))

## [1] 1.10582

Consciencialidade

BFI_Q04 <- Respostas$BFI_Q04
BFI_Q17 <- abs(Respostas$BFI_Q17 - 6)
BFI_Q13 <- Respostas$BFI_Q13
BFI_Q38 <- abs(Respostas$BFI_Q38 - 6)
BFI_Q19 <- abs(Respostas$BFI_Q19 - 6)
BFI_Q06 <- Respostas$BFI_Q06
BFI_Q20 <- Respostas$BFI_Q20
BFI_Q32 <- Respostas$BFI_Q32
BFI_Q22 <- abs(Respostas$BFI_Q22 - 6)

Consciencialidade <- as.data.frame(cbind(BFI_Q04,BFI_Q17,BFI_Q13,BFI_Q38,BFI_Q19,BFI_Q06,BFI_Q20,BFI_Q32,BFI_Q22))

kable(head(Consciencialidade), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

BFI_Q04	BFI_Q17	BFI_Q13	BFI_Q38	BFI_Q19	BFI_Q06	BFI_Q20	BFI_Q32	BFI_Q22
3	1	1	2	2	2	3	2	1
3	2	4	2	1	2	4	4	1
2	2	3	4	2	5	5	3	2
2	2	2	1	4	4	4	3	2
4	1	4	5	2	1	2	2	2
4	4	4	5	3	4	4	4	4

mean(colMeans(Consciencialidade))

## [1] 2.964286

median(colMeans(Consciencialidade))

## [1] 3.071429

var(diag(var(Consciencialidade)))

## [1] 0.1827973

mean(diag(var(Consciencialidade)))

## [1] 1.445767

median(diag(var(Consciencialidade)))

## [1] 1.358466

Neuroticismo

BFI_Q07 <- Respostas$BFI_Q07
BFI_Q21 <- abs(Respostas$BFI_Q21 - 6)
BFI_Q34 <- Respostas$BFI_Q34
BFI_Q41 <- Respostas$BFI_Q41
BFI_Q14 <- abs(Respostas$BFI_Q14 - 6)
BFI_Q10 <- Respostas$BFI_Q10
BFI_Q23 <- abs(Respostas$BFI_Q23 - 6)
BFI_Q36 <- Respostas$BFI_Q36

Neuroticismo <- as.data.frame(cbind(BFI_Q07,BFI_Q21,BFI_Q34,BFI_Q41,BFI_Q14,BFI_Q10,BFI_Q23,BFI_Q36))

kable(head(Neuroticismo), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

BFI_Q07	BFI_Q21	BFI_Q34	BFI_Q41	BFI_Q14	BFI_Q10	BFI_Q23	BFI_Q36
2	3	3	3	3	2	4	4
1	2	4	5	5	1	2	2
1	5	4	5	2	2	4	4
1	5	5	5	2	2	5	5
1	1	1	1	4	4	2	1
1	4	3	4	2	2	3	4

mean(colMeans(Neuroticismo))

## [1] 2.875

median(colMeans(Neuroticismo))

## [1] 2.75

var(diag(var(Neuroticismo)))

## [1] 0.06529622

mean(diag(var(Neuroticismo)))

## [1] 1.789021

median(diag(var(Neuroticismo)))

## [1] 1.751323

Abertura a experiencia

BFI_Q09 <- Respostas$BFI_Q09
BFI_Q25 <- Respostas$BFI_Q25
BFI_Q35 <- Respostas$BFI_Q35
BFI_Q33 <- Respostas$BFI_Q33
BFI_Q11 <- Respostas$BFI_Q11
BFI_Q13 <- Respostas$BFI_Q13
BFI_Q24 <- abs(Respostas$BFI_Q24 - 6)
BFI_Q39 <- Respostas$BFI_Q39
BFI_Q43 <- abs(Respostas$BFI_Q43 - 6)
BFI_Q44 <- Respostas$BFI_Q44

Abertura<- as.data.frame(cbind(BFI_Q09,BFI_Q25,BFI_Q35,BFI_Q33,BFI_Q11,BFI_Q13,BFI_Q24,BFI_Q39,BFI_Q43,BFI_Q44))

kable(head(Abertura), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

BFI_Q09	BFI_Q25	BFI_Q35	BFI_Q33	BFI_Q11	BFI_Q13	BFI_Q24	BFI_Q39	BFI_Q43	BFI_Q44
3	4	3	4	3	1	3	4	1	1
3	5	5	5	3	4	4	4	5	3
4	5	5	4	4	3	3	4	3	4
3	4	3	4	4	2	2	4	3	3
4	5	5	5	5	4	2	5	5	1
3	4	3	3	3	4	4	3	5	4

mean(colMeans(Abertura))

## [1] 3.314286

median(colMeans(Abertura))

## [1] 3.392857

var(diag(var(Abertura)))

## [1] 0.2379377

mean(diag(var(Abertura)))

## [1] 1.476455

median(diag(var(Abertura)))

## [1] 1.287698

Agregando os dados

Medias <- c(mean(colMeans(Extroversao)),mean(colMeans(Amabilidade)),mean(colMeans(Consciencialidade)),mean(colMeans(Neuroticismo)),mean(colMeans(Abertura)))
Medianas <- c(median(colMeans(Extroversao)),median(colMeans(Amabilidade)),median(colMeans(Consciencialidade)),median(colMeans(Neuroticismo)),median(colMeans(Abertura)))
V <- c(var(diag(var(Extroversao))),var(diag(var(Amabilidade))),var(diag(var(Consciencialidade))),var(diag(var(Neuroticismo))),var(diag(var(Abertura))))
Mean_V <- c(mean(diag(var(Extroversao))),mean(diag(var(Amabilidade))),mean(diag(var(Consciencialidade))),mean(diag(var(Neuroticismo))),mean(diag(var(Abertura))))
Median_V <- c(median(diag(var(Extroversao))),median(diag(var(Amabilidade))),median(diag(var(Consciencialidade))),median(diag(var(Neuroticismo))),median(diag(var(Abertura))))

DataBFI <- as.data.frame(cbind(Medias,Medianas,V,Mean_V,Median_V))
rownames(DataBFI) <- c("Extroversao","Amabilidade","COnsciencialidade","Neuroticismo","Abertura")

kable(DataBFI, "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

	Medias	Medianas	V	Mean_V	Median_V
Extroversao	2.973214	3.035714	0.0572162	1.638889	1.603175
Amabilidade	3.757937	4.000000	0.3840948	1.222957	1.105820
COnsciencialidade	2.964286	3.071429	0.1827973	1.445767	1.358466
Neuroticismo	2.875000	2.750000	0.0652962	1.789021	1.751323
Abertura	3.314286	3.392857	0.2379377	1.476455	1.287698

write.csv(DataBFI , file="D:/2018.1/Projeto_de_Iniciacao_Cientifica_2018.1/Bases/Final/DataBFI.csv")

Faceta 2: MSLQ

Orientação Intrínsica:

MSLQ_Q01 <- Respostas$MSLQ_Q01
MSLQ_Q10 <- Respostas$MSLQ_Q10
MSLQ_Q13 <- Respostas$MSLQ_Q13
MSLQ_Q14 <- Respostas$MSLQ_Q14



Intrinsica <- as.data.frame(cbind(MSLQ_Q01,MSLQ_Q10,MSLQ_Q13,MSLQ_Q14))

kable(head(Intrinsica), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

MSLQ_Q01	MSLQ_Q10	MSLQ_Q13	MSLQ_Q14
3	2	4	3
3	4	5	4
5	2	5	4
4	5	5	4
3	5	5	4
3	2	4	3

OI1 <- mean(colMeans(Intrinsica))
OI2 <- median(colMeans(Intrinsica))
OI3 <- var(diag(var(Intrinsica)))
OI4 <- mean(diag(var(Intrinsica)))
OI5 <- median(diag(var(Intrinsica)))

Orientação Extrinsica:

MSLQ_Q04 <- Respostas$MSLQ_Q04
MSLQ_Q07 <- Respostas$MSLQ_Q07
MSLQ_Q08 <- Respostas$MSLQ_Q08
MSLQ_Q17 <- Respostas$MSLQ_Q17



Extrinsica <- as.data.frame(cbind(MSLQ_Q04,MSLQ_Q07,MSLQ_Q08,MSLQ_Q17))

kable(head(Extrinsica), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

MSLQ_Q04	MSLQ_Q07	MSLQ_Q08	MSLQ_Q17
4	5	3	3
2	3	1	1
5	2	2	4
4	5	4	4
1	1	5	1
3	2	3	2

OE1 <- mean(colMeans(Extrinsica))
OE2 <- median(colMeans(Extrinsica))
OE3 <- var(diag(var(Extrinsica)))
OE4 <- mean(diag(var(Extrinsica)))
OE5 <- median(diag(var(Extrinsica)))

Controle de Crenças:

MSLQ_Q02 <- Respostas$MSLQ_Q02
MSLQ_Q06 <- Respostas$MSLQ_Q06
MSLQ_Q11 <- Respostas$MSLQ_Q11
MSLQ_Q15 <- Respostas$MSLQ_Q15




ControleCrenca <- as.data.frame(cbind(MSLQ_Q02,MSLQ_Q06,MSLQ_Q11,MSLQ_Q15))

kable(head(ControleCrenca), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

MSLQ_Q02	MSLQ_Q06	MSLQ_Q11	MSLQ_Q15
4	4	4	4
5	5	5	5
4	3	2	2
4	2	5	3
5	5	5	5
4	1	2	2

CC1 <- mean(colMeans(ControleCrenca))
CC2 <- median(colMeans(ControleCrenca))
CC3 <- var(diag(var(ControleCrenca)))
CC4 <- mean(diag(var(ControleCrenca)))
CC5 <- median(diag(var(ControleCrenca)))

Ansiedade de Teste:

MSLQ_Q03 <- Respostas$MSLQ_Q03
MSLQ_Q05 <- Respostas$MSLQ_Q05
MSLQ_Q09 <- Respostas$MSLQ_Q09
MSLQ_Q12 <- Respostas$MSLQ_Q12
MSLQ_Q16 <- Respostas$MSLQ_Q16



Ansiedade <- as.data.frame(cbind(MSLQ_Q03,MSLQ_Q05,MSLQ_Q09,MSLQ_Q12,MSLQ_Q16))

kable(head(Ansiedade), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

MSLQ_Q03	MSLQ_Q05	MSLQ_Q09	MSLQ_Q12	MSLQ_Q16
3	2	3	4	3
5	5	5	1	1
5	5	5	5	5
5	4	4	5	4
4	1	5	1	1
2	3	4	4	2

AT1 <- mean(colMeans(Ansiedade))
AT2 <- median(colMeans(Ansiedade))
AT3 <- var(diag(var(Ansiedade)))
AT4 <- mean(diag(var(Ansiedade)))
AT5 <- median(diag(var(Ansiedade)))

Elaboração:

MSLQ_Q27 <- Respostas$MSLQ_Q27
MSLQ_Q33 <- Respostas$MSLQ_Q33
MSLQ_Q35 <- Respostas$MSLQ_Q35
MSLQ_Q36 <- Respostas$MSLQ_Q36
MSLQ_Q38 <- Respostas$MSLQ_Q38
MSLQ_Q44 <- Respostas$MSLQ_Q44



Elaboracao <- as.data.frame(cbind(MSLQ_Q27,MSLQ_Q33,MSLQ_Q35,MSLQ_Q36,MSLQ_Q38,MSLQ_Q44))

kable(head(Elaboracao), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

MSLQ_Q27	MSLQ_Q33	MSLQ_Q35	MSLQ_Q36	MSLQ_Q38	MSLQ_Q44
2	4	4	3	3	3
3	5	5	4	3	1
1	5	5	5	5	4
4	5	5	4	5	5
2	5	5	1	4	5
4	4	4	5	5	2

EL1 <- mean(colMeans(Elaboracao))
EL2 <- median(colMeans(Elaboracao))
EL3 <- var(diag(var(Elaboracao)))
EL4 <- mean(diag(var(Elaboracao)))
EL5 <- median(diag(var(Elaboracao)))

Organização:

MSLQ_Q18 <- Respostas$MSLQ_Q18
MSLQ_Q24 <- Respostas$MSLQ_Q24
MSLQ_Q26 <- Respostas$MSLQ_Q26
MSLQ_Q34 <- Respostas$MSLQ_Q34




Organizacao <- as.data.frame(cbind(MSLQ_Q18,MSLQ_Q24,MSLQ_Q26,MSLQ_Q34))

kable(head(Organizacao), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

MSLQ_Q18	MSLQ_Q24	MSLQ_Q26	MSLQ_Q34
2	4	2	4
5	5	1	4
1	4	1	5
3	2	4	4
5	5	1	4
5	5	5	5

OR1 <- mean(colMeans(Organizacao))
OR2 <- median(colMeans(Organizacao))
OR3 <- var(diag(var(Organizacao)))
OR4 <- mean(diag(var(Organizacao)))
OR5 <- median(diag(var(Organizacao)))

Auto-regulação Metacognitiva:

#Falta questao 54) Antes de estudar um novo conteudo, geralmente faco uma rapida leitura
#para ver como o material esta organizado. (Quest~ao 24)

#Falta questão 61) Quando estudo, tento imaginar um assunto e decido o que preciso
#aprender sobre o mesmo, antes mesmo de ler sobre o assunto. (Quest~ao
#28)


MSLQ_Q19 <- Respostas$MSLQ_Q19
MSLQ_Q20 <- Respostas$MSLQ_Q20
MSLQ_Q23 <- Respostas$MSLQ_Q23
#MSLQ_Q24 <- Respostas$MSLQ_Q24 #QUESTÃO REPETIDA NA QUESTÃO 
MSLQ_Q28 <- Respostas$MSLQ_Q28
MSLQ_Q29 <- Respostas$MSLQ_Q29
MSLQ_Q30 <- Respostas$MSLQ_Q30
MSLQ_Q41 <- Respostas$MSLQ_Q41
MSLQ_Q42 <- Respostas$MSLQ_Q42
MSLQ_Q43 <- Respostas$MSLQ_Q43




Metacognitiva <- as.data.frame(cbind(MSLQ_Q19,MSLQ_Q20,MSLQ_Q23,MSLQ_Q28,MSLQ_Q29,MSLQ_Q30,MSLQ_Q41,MSLQ_Q42,MSLQ_Q43))

kable(head(Metacognitiva), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

MSLQ_Q19	MSLQ_Q20	MSLQ_Q23	MSLQ_Q28	MSLQ_Q29	MSLQ_Q30	MSLQ_Q41	MSLQ_Q42	MSLQ_Q43
2	4	4	4	4	3	5	4	5
5	3	5	5	2	1	4	1	4
4	2	5	5	4	5	5	1	1
4	1	4	3	4	3	4	4	2
1	3	5	5	5	1	5	1	4
1	3	5	3	4	3	4	3	4

ME1 <- mean(colMeans(Metacognitiva))
ME2 <- median(colMeans(Metacognitiva))
ME3 <- var(diag(var(Metacognitiva)))
ME4 <- mean(diag(var(Metacognitiva)))
ME5 <- median(diag(var(Metacognitiva)))

Effort Regulation:

MSLQ_Q21 <- abs(Respostas$MSLQ_Q21-6)
MSLQ_Q25 <- Respostas$MSLQ_Q25
MSLQ_Q32 <- Respostas$MSLQ_Q32
MSLQ_Q39 <- Respostas$MSLQ_Q39




EffortRegulation <- as.data.frame(cbind(MSLQ_Q21,MSLQ_Q25,MSLQ_Q32,MSLQ_Q39))

kable(head(EffortRegulation), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

MSLQ_Q21	MSLQ_Q25	MSLQ_Q32	MSLQ_Q39
4	3	3	5
1	2	4	3
3	5	1	5
2	4	4	5
5	5	3	2
5	5	3	4

ER1 <- mean(colMeans(EffortRegulation))
ER2 <- median(colMeans(EffortRegulation))
ER3 <- var(diag(var(EffortRegulation)))
ER4 <- mean(diag(var(EffortRegulation)))
ER5 <- median(diag(var(EffortRegulation)))

Help Seeking:

MSLQ_Q22 <- abs(Respostas$MSLQ_Q22-6)
MSLQ_Q31 <- Respostas$MSLQ_Q31
MSLQ_Q37 <- Respostas$MSLQ_Q37
MSLQ_Q40 <- Respostas$MSLQ_Q40




HelpSeeking <- as.data.frame(cbind(MSLQ_Q22,MSLQ_Q31,MSLQ_Q37,MSLQ_Q40))

kable(head(HelpSeeking), "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

MSLQ_Q22	MSLQ_Q31	MSLQ_Q37	MSLQ_Q40
3	4	5	5
1	4	4	5
1	4	2	1
5	2	5	5
1	2	4	4
4	2	4	2

HS1 <- mean(colMeans(HelpSeeking))
HS2 <- median(colMeans(HelpSeeking))
HS3 <- var(diag(var(HelpSeeking)))
HS4 <- mean(diag(var(HelpSeeking)))
HS5 <- median(diag(var(HelpSeeking)))

Agregando os dados

#OI1 <- mean(colMeans(Intrinsica))
#OI2 <- median(colMeans(Intrinsica))
#OI3 <- var(diag(var(Intrinsica)))
#OI4 <- mean(diag(var(Intrinsica)))
#OI5 <- median(diag(var(Intrinsica)))

#Medias1 <- c(OI1,OE1,CC1,AT1,mean(colMeans(Abertura)))
#Medianas1 <- c(OI2,OE2,CC2,AT2,median(colMeans(Abertura)))
#V1 <- c(OI3,OE3,CC3,AT3,var(diag(var(Abertura))))
#Mean_V1 <- c(OI4,OE4,CC4,AT4,mean(diag(var(Abertura))))
#Median_V1 <- c(OI5,OE5,CC5,AT5,median(diag(var(Abertura))))

#DataBFI <- as.data.frame(cbind(Medias,Medianas,V,Mean_V,Median_V))
#rownames(DataBFI) <- c("Extroversao","Amabilidade","COnsciencialidade","Neuroticismo","Abertura")

#kable(DataBFI, "html") %>%
#  kable_styling(bootstrap_options = "striped", full_width = F)

#write.csv(DataBFI , file="E:/2018.1/Projeto_de_Iniciacao_Cientifica_2018.1/Bases/Final/DataBFI.csv")

Frequências

FreqBFI <-  t(as.data.frame(cbind(round(Q1,2),round(Q2,2),round(Q3,2),round(Q4,2),round(Q5,2),round(Q6,2),round(Q7,2),round(Q8,2),round(Q9,2),round(Q10,2),round(Q11,2),round(Q12,2),round(Q13,2),round(Q14,2),round(Q15,2),round(Q16,2),round(Q17,2),round(Q18,2),round(Q19,2),round(Q20,2),round(Q21,2),round(Q22,2),round(Q23,2),round(Q24,2),round(Q25,2),round(Q26,2),round(Q27,2),round(Q28,2),round(Q29,2),round(Q30,2),round(Q31,2),round(Q32,2),round(Q33,2),round(Q34,2),round(Q35,2),round(Q36,2),round(Q37,2),round(Q38,2),round(Q39,2),round(Q40,2),round(Q41,2),round(Q42,2),round(Q43,2),round(Q44,2))))


rownames(FreqBFI) <- paste('BF1_Q',seq(1:44),sep="")
colnames(FreqBFI) <- paste('Resposta',seq(1:5))


kable(FreqBFI, "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

	Resposta 1	Resposta 2	Resposta 3	Resposta 4	Resposta 5
BF1_Q1	0.04	0.14	0.39	0.25	0.18
BF1_Q2	0.07	0.07	0.25	0.50	0.11
BF1_Q3	0.18	0.11	0.18	0.43	0.11
BF1_Q4	0.04	0.21	0.11	0.36	0.29
BF1_Q5	0.18	0.29	0.18	0.14	0.21
BF1_Q6	0.14	0.21	0.18	0.18	0.29
BF1_Q7	0.39	0.25	0.11	0.14	0.11
BF1_Q8	0.04	0.07	0.11	0.43	0.36
BF1_Q9	0.04	0.14	0.32	0.32	0.18
BF1_Q10	0.29	0.32	0.07	0.29	0.04
BF1_Q11	0.07	0.11	0.43	0.21	0.18
BF1_Q12	0.07	0.07	0.18	0.21	0.46
BF1_Q13	0.11	0.21	0.21	0.43	0.04
BF1_Q14	0.11	0.18	0.18	0.43	0.11
BF1_Q15	0.04	0.11	0.25	0.61	0.04
BF1_Q16	0.07	0.14	0.04	0.43	0.32
BF1_Q17	0.04	0.18	0.18	0.36	0.25
BF1_Q18	0.07	0.36	0.57	0.07	0.36
BF1_Q19	0.07	0.14	0.14	0.36	0.29
BF1_Q20	0.14	0.21	0.36	0.29	0.14
BF1_Q21	0.21	0.11	0.25	0.18	0.25
BF1_Q22	0.04	0.14	0.04	0.50	0.29
BF1_Q23	0.04	0.25	0.21	0.25	0.25
BF1_Q24	0.04	0.11	0.29	0.36	0.21
BF1_Q25	0.07	0.04	0.11	0.36	0.43
BF1_Q26	0.04	0.21	0.29	0.18	0.29
BF1_Q27	0.18	0.07	0.57	0.18	0.18
BF1_Q28	0.36	0.14	0.18	0.18	0.14
BF1_Q29	0.18	0.14	0.18	0.36	0.14
BF1_Q30	0.46	0.25	0.18	0.11	0.46
BF1_Q31	0.04	0.11	0.18	0.68	0.04
BF1_Q32	0.32	0.29	0.36	0.04	0.32
BF1_Q33	0.04	0.11	0.18	0.32	0.36
BF1_Q34	0.11	0.25	0.14	0.32	0.18
BF1_Q35	0.04	0.11	0.29	0.14	0.43
BF1_Q36	0.29	0.18	0.11	0.36	0.07
BF1_Q37	0.04	0.18	0.43	0.21	0.14
BF1_Q38	0.11	0.36	0.18	0.07	0.29
BF1_Q39	0.04	0.07	0.18	0.32	0.39
BF1_Q40	0.11	0.14	0.14	0.25	0.36
BF1_Q41	0.07	0.11	0.07	0.18	0.57
BF1_Q42	0.11	0.25	0.18	0.29	0.18
BF1_Q43	0.29	0.11	0.18	0.11	0.32
BF1_Q44	0.43	0.14	0.21	0.14	0.07

FreqMSLQ <-  t(as.data.frame(cbind(round(M1,2),round(M2,2),round(M3,2),round(M4,2),round(M5,2),round(M6,2),round(M7,2),round(M8,2),round(M9,2),round(M10,2),round(M11,2),round(M12,2),round(M13,2),round(M14,2),round(M15,2),round(M16,2),round(M17,2),round(M18,2),round(M19,2),round(M20,2),round(M21,2),round(M22,2),round(M23,2),round(M24,2),round(M25,2),round(M26,2),round(M27,2),round(M28,2),round(M29,2),round(M30,2),round(M31,2),round(M32,2),round(M33,2),round(M34,2),round(M35,2),round(M36,2),round(M37,2),round(M38,2),round(M39,2),round(M40,2),round(M41,2),round(M42,2),round(M43,2),round(M44,2))))


rownames(FreqMSLQ) <- paste('MSLQ_Q',seq(1:44),sep="")
colnames(FreqMSLQ) <- paste('Resposta',seq(1:5))

kable(FreqMSLQ, "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

	Resposta 1	Resposta 2	Resposta 3	Resposta 4	Resposta 5
MSLQ_Q1	0.04	0.25	0.32	0.18	0.21
MSLQ_Q2	0.04	0.04	0.04	0.39	0.50
MSLQ_Q3	0.14	0.18	0.14	0.21	0.32
MSLQ_Q4	0.11	0.11	0.14	0.32	0.32
MSLQ_Q5	0.18	0.14	0.14	0.32	0.21
MSLQ_Q6	0.07	0.07	0.14	0.39	0.32
MSLQ_Q7	0.07	0.21	0.14	0.29	0.29
MSLQ_Q8	0.11	0.21	0.18	0.25	0.25
MSLQ_Q9	0.07	0.21	0.11	0.29	0.32
MSLQ_Q10	0.07	0.21	0.29	0.25	0.18
MSLQ_Q11	0.04	0.11	0.32	0.54	0.04
MSLQ_Q12	0.18	0.18	0.14	0.18	0.32
MSLQ_Q13	0.04	0.04	0.04	0.43	0.46
MSLQ_Q14	0.11	0.14	0.39	0.29	0.07
MSLQ_Q15	0.04	0.18	0.21	0.36	0.21
MSLQ_Q16	0.25	0.21	0.21	0.11	0.21
MSLQ_Q17	0.14	0.18	0.11	0.36	0.21
MSLQ_Q18	0.43	0.18	0.18	0.07	0.14
MSLQ_Q19	0.14	0.14	0.07	0.39	0.25
MSLQ_Q20	0.18	0.25	0.32	0.11	0.14
MSLQ_Q21	0.18	0.18	0.25	0.14	0.25
MSLQ_Q22	0.21	0.11	0.11	0.29	0.29
MSLQ_Q23	0.04	0.57	0.39	0.04	0.57
MSLQ_Q24	0.14	0.11	0.18	0.36	0.21
MSLQ_Q25	0.14	0.18	0.21	0.21	0.25
MSLQ_Q26	0.39	0.18	0.07	0.21	0.14
MSLQ_Q27	0.18	0.32	0.18	0.25	0.07
MSLQ_Q28	0.07	0.14	0.18	0.18	0.43
MSLQ_Q29	0.07	0.14	0.25	0.39	0.14
MSLQ_Q30	0.14	0.25	0.36	0.14	0.11
MSLQ_Q31	0.21	0.36	0.18	0.21	0.04
MSLQ_Q32	0.11	0.07	0.46	0.32	0.04
MSLQ_Q33	0.04	0.11	0.14	0.36	0.36
MSLQ_Q34	0.07	0.18	0.18	0.29	0.29
MSLQ_Q35	0.07	0.04	0.07	0.32	0.50
MSLQ_Q36	0.21	0.07	0.18	0.36	0.18
MSLQ_Q37	0.18	0.14	0.46	0.21	0.18
MSLQ_Q38	0.11	0.04	0.32	0.29	0.25
MSLQ_Q39	0.14	0.18	0.25	0.25	0.18
MSLQ_Q40	0.07	0.11	0.04	0.32	0.46
MSLQ_Q41	0.04	0.07	0.46	0.43	0.04
MSLQ_Q42	0.25	0.18	0.11	0.29	0.18
MSLQ_Q43	0.07	0.21	0.29	0.29	0.14
MSLQ_Q44	0.14	0.07	0.39	0.14	0.25

Totais BFI

TotExtroversao <- rowSums(Extroversao)
TotAmabilidade <- rowSums(Amabilidade)
TotConsciencialidade <- rowSums(Consciencialidade)
TotNeuroticismo <- rowSums(Neuroticismo)
TotAbertura <- rowSums(Abertura)


TotalBFI <- as.data.frame(cbind(TotExtroversao,TotAmabilidade,TotConsciencialidade,TotNeuroticismo,TotAbertura))
rownames(TotalBFI) <- paste("Aluno",seq(1:28))


kable(TotalBFI, "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

	TotExtroversao	TotAmabilidade	TotConsciencialidade	TotNeuroticismo	TotAbertura
Aluno 1	19	32	17	24	27
Aluno 2	19	38	23	22	41
Aluno 3	29	32	28	27	39
Aluno 4	26	37	24	30	32
Aluno 5	18	34	23	15	41
Aluno 6	30	32	36	23	36
Aluno 7	21	39	33	14	28
Aluno 8	21	39	30	27	37
Aluno 9	17	38	20	22	33
Aluno 10	39	35	33	12	44
Aluno 11	16	34	32	29	31
Aluno 12	16	36	30	15	35
Aluno 13	24	37	28	17	35
Aluno 14	31	36	17	26	18
Aluno 15	13	34	29	26	40
Aluno 16	32	28	26	28	41
Aluno 17	23	36	32	16	25
Aluno 18	24	26	28	29	31
Aluno 19	19	31	20	33	39
Aluno 20	31	31	37	25	20
Aluno 21	40	38	34	25	47
Aluno 22	26	33	29	26	27
Aluno 23	29	33	18	20	31
Aluno 24	21	29	22	30	30
Aluno 25	27	30	28	22	26
Aluno 26	14	36	31	13	29
Aluno 27	10	23	18	36	23
Aluno 28	31	40	21	12	42

MediaBFI <- colMeans(TotalBFI)
VarianciaBFI <- c(var(TotalBFI$TotExtroversao),var(TotalBFI$TotAmabilidade),var(TotalBFI$TotConsciencialidade),var(TotalBFI$TotNeuroticismo),var(TotalBFI$TotAbertura))
DesvioPadraoBFI <- sqrt(VarianciaBFI)

MedidasBFI <- as.data.frame(cbind(MediaBFI,VarianciaBFI,DesvioPadraoBFI))

rownames(MedidasBFI) <- c("Extroversão","Amabilidade","Consciencialidade","Neuroticismo","Abertura")

kable(MedidasBFI, "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

	MediaBFI	VarianciaBFI	DesvioPadraoBFI
Extroversão	23.78571	56.54497	7.519639
Amabilidade	33.82143	17.11508	4.137037
Consciencialidade	26.67857	35.48545	5.956967
Neuroticismo	23.00000	43.70370	6.610878
Abertura	33.14286	55.01587	7.417269

Totais MSLQ

TotIntrinsica <- rowSums(Intrinsica)
TotExtrinsica <- rowSums(Extrinsica)
TotControleCrenca <- rowSums(ControleCrenca)
TotAnsiedade <- rowSums(Ansiedade)
TotElaboracao <- rowSums(Elaboracao)
TotOrganizacao <- rowSums(Organizacao)
TotEffortRegulation <- rowSums(EffortRegulation)
TotHelpSeeking <- rowSums(HelpSeeking)


TotalMSLQ <- as.data.frame(cbind(TotIntrinsica,TotExtrinsica,TotControleCrenca,TotAnsiedade,TotElaboracao,TotOrganizacao,TotEffortRegulation,TotHelpSeeking))

rownames(TotalMSLQ) <- paste("Aluno",seq(1:28))


kable(TotalMSLQ, "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

	TotIntrinsica	TotExtrinsica	TotControleCrenca	TotAnsiedade	TotElaboracao	TotOrganizacao	TotEffortRegulation	TotHelpSeeking
Aluno 1	12	15	16	15	19	12	15	17
Aluno 2	16	7	20	17	21	15	10	14
Aluno 3	16	13	11	25	25	11	14	8
Aluno 4	18	17	14	22	28	13	15	17
Aluno 5	17	8	20	12	22	15	15	11
Aluno 6	12	10	9	15	24	20	17	12
Aluno 7	14	12	16	8	20	12	12	10
Aluno 8	20	16	17	20	29	16	16	15
Aluno 9	13	12	17	17	18	6	10	15
Aluno 10	18	17	20	6	21	17	9	15
Aluno 11	14	19	18	14	15	9	13	11
Aluno 12	16	14	17	9	24	14	13	11
Aluno 13	12	17	15	17	25	14	14	15
Aluno 14	14	12	14	18	15	14	7	11
Aluno 15	15	15	18	25	27	7	7	17
Aluno 16	18	9	16	19	27	18	11	13
Aluno 17	15	14	17	19	13	7	16	12
Aluno 18	13	11	15	19	20	14	12	14
Aluno 19	14	16	20	14	23	10	9	8
Aluno 20	16	15	15	20	13	7	19	13
Aluno 21	15	11	4	12	24	15	16	19
Aluno 22	5	16	16	21	16	8	12	12
Aluno 23	9	5	15	16	20	4	12	15
Aluno 24	13	16	10	18	21	11	14	14
Aluno 25	9	16	16	23	16	9	14	11
Aluno 26	10	20	18	13	20	11	11	8
Aluno 27	12	15	20	15	19	8	4	9
Aluno 28	12	18	20	8	17	13	10	14

MediaMSLQ <- colMeans(TotalMSLQ)
VarianciaMSLQ <- c(var(TotalMSLQ$TotIntrinsica),var(TotalMSLQ$TotExtrinsica),var(TotalMSLQ$TotControleCrenca),var(TotalMSLQ$TotAnsiedade),var(TotalMSLQ$TotElaboracao),var(TotalMSLQ$TotOrganizacao),var(TotalMSLQ$TotEffortRegulation),var(TotalMSLQ$TotHelpSeeking))
DesvioPadraoMSLQ <- sqrt(VarianciaMSLQ)

MedidasMSLQ <- as.data.frame(cbind(MediaMSLQ,VarianciaMSLQ,DesvioPadraoMSLQ))

rownames(MedidasMSLQ) <- c("Intrínsica","Extrínsica","ControleCrença","Ansiedade","Elaboração","Organização","Regulação","HelpSeeking")

kable(MedidasMSLQ, "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

	MediaMSLQ	VarianciaMSLQ	DesvioPadraoMSLQ
Intrínsica	13.85714	10.423280	3.228511
Extrínsica	13.78571	13.507936	3.675314
ControleCrença	15.85714	13.978836	3.738828
Ansiedade	16.32143	24.744709	4.974405
Elaboração	20.78571	19.804233	4.450195
Organização	11.78571	15.433862	3.928596
Regulação	12.39286	11.432540	3.381204
HelpSeeking	12.89286	8.543651	2.922952

Analise SES

Possui graduação anterior ?

SS1 <- t(as.matrix(round(prop.table(table(Respostas$SES_Q01)),2)))
colnames(SS1) <- c("Não","Sim (Incompleta)")

SS1

##       Não Sim (Incompleta)
## [1,] 0.86             0.14

Exerce atividade profissional atualmente ?

SS2A <- t(as.matrix(round(prop.table(table(Respostas$SES_Q02A)),2)))
colnames(SS2A) <- c("Sim","Não")

SS2A

##       Sim  Não
## [1,] 0.21 0.79

Qual o número médio de horas de trabalho por semana?

summary(Respostas$SES_Q02B)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##    40.0    40.5    43.0    42.5    44.0    45.0      22

table(Respostas$SES_Q02B)

## 
## 40 42 44 45 
##  2  1  2  1

Alguém da sua família concluiu o ensino superior?

SS3 <- t(as.matrix(round(prop.table(table(Respostas$SES_Q03)),2)))
colnames(SS3) <- c("Sim","Não")

SS3

##       Sim  Não
## [1,] 0.82 0.18

Como você considera sua preparação para o curso de estatística ?

SS4 <- t(as.matrix(round(prop.table(table(Respostas$SES_Q04)),2)))
colnames(SS4) <- c("Insuficiente","Razoavel","Bom","Excelente")

SS4

##      Insuficiente Razoavel  Bom Excelente
## [1,]         0.29     0.32 0.29      0.11

Quantas pessoas moram com você?

summary(Respostas$SES_Q05)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   2.000   2.750   3.000   3.321   4.000   5.000

table(Respostas$SES_Q05)

## 
##  2  3  4  5 
##  7  8 10  3

round(prop.table(table(Respostas$SES_Q05)),2)

## 
##    2    3    4    5 
## 0.25 0.29 0.36 0.11

barplot(table(Respostas$SES_Q05),main="Quantas pessoas moram com você?",col="red",xlab = "Pessoas")

Quantas tempo em média você gasta para chegar à faculdade?

summary(Respostas$SES_Q06)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   20.00   40.00   60.00   59.46   80.00  150.00

table(Respostas$SES_Q06)

## 
##  20  25  30  40  45  60  70  80  90 100 150 
##   2   2   1   5   1   8   1   4   2   1   1

round(prop.table(table(Respostas$SES_Q06)),2)

## 
##   20   25   30   40   45   60   70   80   90  100  150 
## 0.07 0.07 0.04 0.18 0.04 0.29 0.04 0.14 0.07 0.04 0.04

hist(Respostas$SES_Q06,main="Quantas tempo em média você gasta para chegar à faculdade?
",col="red",xlab = "Minutos")

Quantas horas semanais, em média, você se dedica aos estudos?

summary(Respostas$SES_Q07)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    2.00    6.00   10.00   13.75   16.25   45.00

table(Respostas$SES_Q07)

## 
##  2  3  5  6  7 10 14 15 20 21 24 25 30 45 
##  2  1  2  3  1  6  2  4  1  1  1  1  2  1

round(prop.table(table(Respostas$SES_Q07)),2)

## 
##    2    3    5    6    7   10   14   15   20   21   24   25   30   45 
## 0.07 0.04 0.07 0.11 0.04 0.21 0.07 0.14 0.04 0.04 0.04 0.04 0.07 0.04

hist(Respostas$SES_Q07,main="Quantas horas semanais, em média, você se dedica aos estudos?",col="red",xlab = "Horas Semanais")

Qual a alternativa que melhor descreve sua situação financeira

SS8A <- t(as.matrix(round(table(Respostas$SES_Q08),2)))
colnames(SS8A) <- c("[0-1]","[3-6]","[6-9]","[9-12]","[12|-]")
SS8A

##      [0-1] [3-6] [6-9] [9-12] [12|-]
## [1,]     1     9     8      4      6

SS8B <- t(as.matrix(round(prop.table(table(Respostas$SES_Q08)),2)))
colnames(SS8B) <- c("[0-1]","[3-6]","[6-9]","[9-12]", "[12|-]")
SS8B

##      [0-1] [3-6] [6-9] [9-12] [12|-]
## [1,]  0.04  0.32  0.29   0.14   0.21

barplot(table(Respostas$SES_Q08), col='red', main="Qual a alternativa que melhor descreve sua situação financeira",names.arg=c("Até 1 SM","3 a 6 SM","6 a 9 SM", "9 a 12 SM", "Mais de 12 SM"))

hist(Respostas$SES_Q08, col='red', main="Qual a alternativa que melhor descreve sua situação financeira",xlab="")

Qual a alternativa que melhor descreve sua situação financeira

SS9A <- t(as.matrix(round(table(Respostas$SES_Q09),2)))
colnames(SS9A) <- c("1","2","3","4","5","6")
SS9A

##      1  2 3 4 5 6
## [1,] 1 21 1 2 1 2

SS9B <- t(as.matrix(round(prop.table(table(Respostas$SES_Q09)),2)))
colnames(SS9B) <- c("1","2","3","4", "5","6")
SS9B

##         1    2    3    4    5    6
## [1,] 0.04 0.75 0.04 0.07 0.04 0.07

DicionarioSS9A <- as.data.frame(cbind(c(seq(1:6)),c("Nao tenho renda e meus gastos sao financiados por programas governamentais","Não tenho renda e meus gastos são financiados pela minha família ou por outras pessoas","Tenho renda, mas recebo ajuda da familia ou de outras pessoas para financiar meus gastos","Tenho renda e nao preciso de ajuda para financiar meus gastos","Tenho renda e contribuo com o sustento da familia","Sou o principal responsavel pelo sustento da familia")))
colnames(DicionarioSS9A) <- c("Nivel","Descrição")


kable(DicionarioSS9A, "html") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)

Nivel	Descrição
1	Nao tenho renda e meus gastos sao financiados por programas governamentais
2	Não tenho renda e meus gastos são financiados pela minha família ou por outras pessoas
3	Tenho renda, mas recebo ajuda da familia ou de outras pessoas para financiar meus gastos
4	Tenho renda e nao preciso de ajuda para financiar meus gastos
5	Tenho renda e contribuo com o sustento da familia
6	Sou o principal responsavel pelo sustento da familia

barplot(table(Respostas$SES_Q09), col='red', main="Qual a alternativa que melhor descreve sua situação financeira")

hist(Respostas$SES_Q09, col='red', main="Qual a alternativa que melhor descreve sua situação financeira",xlab="")

BFI_Q09	BFI_Q25	BFI_Q35	BFI_Q33	BFI_Q11	BFI_Q13	BFI_Q24	BFI_Q39	BFI_Q43	BFI_Q44
3	4	3	4	3	1	3	4	1	1
3	5	5	5	3	4	4	4	5	3
4	5	5	4	4	3	3	4	3	4
3	4	3	4	4	2	2	4	3	3
4	5	5	5	5	4	2	5	5	1
3	4	3	3	3	4	4	3	5	4

BFI_Q09	BFI_Q25	BFI_Q35	BFI_Q33	BFI_Q11	BFI_Q13	BFI_Q24	BFI_Q39	BFI_Q43	BFI_Q44
3	4	3	4	3	1	3	4	1	1
3	5	5	5	3	4	4	4	5	3
4	5	5	4	4	3	3	4	3	4
3	4	3	4	4	2	2	4	3	3
4	5	5	5	5	4	2	5	5	1
3	4	3	3	3	4	4	3	5	4

Análise Exploratória BFI, MSLQ e SES

Preliminares

Carregando as bases

Verificando a proporção de respondentes

Efetuando a limpeza

Assossiação entre as respostas e os respondentes

Criando um data contendo apenas os textos

Renomeando as bases e limpando o ambiente

Exportando

Visualização

BFI

Algumas consideração quanto ao tempo de resposta:

MSLQ

SES

Medidas

Faceta 1: BFI

Extroversão

Amabilidade

Consciencialidade

Neuroticismo

Abertura a experiencia

Agregando os dados

Faceta 2: MSLQ

Orientação Intrínsica:

Orientação Extrinsica:

Controle de Crenças:

Ansiedade de Teste:

Elaboração:

Organização:

Auto-regulação Metacognitiva:

Effort Regulation:

Help Seeking:

Agregando os dados

Frequências

Totais BFI

Totais MSLQ

Analise SES

BFI_Q09	BFI_Q25	BFI_Q35	BFI_Q33	BFI_Q11	BFI_Q13	BFI_Q24	BFI_Q39	BFI_Q43	BFI_Q44
3	4	3	4	3	1	3	4	1	1
3	5	5	5	3	4	4	4	5	3
4	5	5	4	4	3	3	4	3	4
3	4	3	4	4	2	2	4	3	3
4	5	5	5	5	4	2	5	5	1
3	4	3	3	3	4	4	3	5	4