1)Trabalha Vs Desempenho (Qualitativo VS Quantitativo)

library(readxl)
library(RcmdrMisc)
library(corrplot)
ESTRESSE<-read_excel("C:/Users/Matheus/Desktop/Base_de_dados-master/Questionario_Estresse.xls")

ESTRESSE <- within(ESTRESSE, {
  Trabalha <- factor(Trabalha, labels=c('trabalha','nao trabalha'))
})

Boxplot(Desempenho~Trabalha, data=ESTRESSE, id=list(method="y"),col=2:3)

## [1] "39" "65" "66" "79" "26" "32" "64" "70" "80"

Percebe-se que quase não há diferença entre o desempenho de quem trabalha e de quem não trabalha. Ambos os gráficos são levemente assimétricos e ambos possuem outliers. As medianas são próximas, sendo 8,7 para quem trabalha e 8,8 para quem não trabalha.

library(abind, pos=16)
library(e1071, pos=17)
numSummary(ESTRESSE[,"Desempenho", drop=FALSE], groups=ESTRESSE$Trabalha, 
  statistics=c("mean", "sd", "IQR", "quantiles"), quantiles=c(0,.25,.5,.75,1))

##                  mean       sd  IQR   0%   25% 50%   75% 100% Desempenho:n
## trabalha     8.540278 0.895511 0.64 5.82 8.435 8.7 9.075  9.7           36
## nao trabalha 8.626441 0.698167 0.50 6.00 8.500 8.8 9.000  9.6           59

O resumo numérico ratifica a análise feita anteriormente. Mais uma vez pode-se perceber que não há grande diferença entre o desempenho de quem trabalha VS não trabalha.Há uma proximidade clara entre aS médias, os valores mínimos e os máximos.

1)Hora de estudo Vs Desempenho (Quantitativo VS Quantitativo)

scatterplot(Horas_estudo~Desempenho, regLine=TRUE, smooth=FALSE, boxplots=FALSE, data=ESTRESSE,pch=19,col="black")

O gráfico de dispersão acima analisa a hora de estudo com o desempenho dos alunos. Nota-se que há uma correlação levemente positiva e que há uma grande dispersão entre os valores.

cor(ESTRESSE[,c("Desempenho","Horas_estudo")], use="complete")

##              Desempenho Horas_estudo
## Desempenho    1.0000000    0.2231532
## Horas_estudo  0.2231532    1.0000000

A matriz de correlação acima reafirma o analisado no parágrafo anterior. Há uma relação positiva fraca entre o desempenho e as horas de estudos do alunos.

library(corrplot)
MATRIZCORRELACAO<-cor(ESTRESSE[,c("Créditos","Desempenho","Estresse","Horas_estudo")], use="complete")

corrplot(MATRIZCORRELACAO,method="number")

A matriz de correlção acima nos informa a correlação entre as variáveis quantitativas. Vale ressaltar que quanto mais próximo de |1| mais forte é a correlação, seja ela positiva ou negativa.

Observa-se uma observação curiosa:

Surpreendentemente, quanto mais crédito o aluno tiver menor será o estresse. A correlação entre Crédito x Estresse apresenta uma correlação fraca porém negativa.