RESPOSTA A)

#DIRECIONAMENTO DAS PASTAS
setwd("D:\\USUARIO\\Area de Trabalho\\CIENCIA DE DADOS")
getwd()

## [1] "D:/USUARIO/Area de Trabalho/CIENCIA DE DADOS"

#IMPORTANDO O DATASET
enade2017 = read_csv2("MICRODADOS_ENADE_2017.txt")

## Using ',' as decimal and '.' as grouping mark. Use read_delim() for more control.

## Parsed with column specification:
## cols(
##   .default = col_double(),
##   TP_SEXO = col_character(),
##   DS_VT_GAB_OFG_ORIG = col_character(),
##   DS_VT_GAB_OFG_FIN = col_character(),
##   DS_VT_GAB_OCE_ORIG = col_character(),
##   DS_VT_GAB_OCE_FIN = col_character(),
##   DS_VT_ESC_OFG = col_character(),
##   DS_VT_ACE_OFG = col_character(),
##   DS_VT_ESC_OCE = col_character(),
##   DS_VT_ACE_OCE = col_character(),
##   CO_RS_I1 = col_character(),
##   CO_RS_I2 = col_character(),
##   CO_RS_I3 = col_character(),
##   CO_RS_I4 = col_character(),
##   CO_RS_I5 = col_character(),
##   CO_RS_I6 = col_character(),
##   CO_RS_I7 = col_character(),
##   CO_RS_I8 = col_character(),
##   CO_RS_I9 = col_character(),
##   QE_I01 = col_character(),
##   QE_I02 = col_character()
##   # ... with 36 more columns
## )

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

RESPOSTA B)

#SELECIONANDO AS VARIAVEIS
microdados_enade_filtrados= enade2017 %>% dplyr::select(NT_OBJ_FG, 
                                                        CO_GRUPO, 
                                                        CO_REGIAO_CURSO, 
                                                        QE_I02, 
                                                        CO_TURNO_GRADUACAO
)

#CLASSIFICACAO DAS VARIAVEIS

class(microdados_enade_filtrados$NT_OBJ_FG)

## [1] "numeric"

class(microdados_enade_filtrados$CO_GRUPO)

## [1] "numeric"

class(microdados_enade_filtrados$CO_REGIAO_CURSO)

## [1] "numeric"

class(microdados_enade_filtrados$QE_I02)

## [1] "character"

class(microdados_enade_filtrados$CO_TURNO_GRADUACAO)

## [1] "numeric"

RESPOSTA C)

#CURSO SELECIONADO FOI O DE FILOSOFIA #3102

microdados_filosofia= microdados_enade_filtrados %>% filter(CO_GRUPO==3201)

RESPOSTA D)

microdados_filosofia = microdados_filosofia %>% mutate(REGIAO = case_when( CO_REGIAO_CURSO == 1 ~ "NORTE",
                                                             CO_REGIAO_CURSO == 2 ~ "NORDESTE",
                                                             CO_REGIAO_CURSO == 3 ~ "SUDESTE",
                                                             CO_REGIAO_CURSO == 4 ~ "SUL",
                                                             CO_REGIAO_CURSO == 5 ~ "CENTRO-OESTE"
)) 

#CO_GRUPO
microdados_filosofia = microdados_filosofia %>% mutate(CURSO = case_when( CO_GRUPO == 3201 ~"FILOSOFIA (BACHARELADO)"
))

#QE_I02
microdados_filosofia = microdados_filosofia %>% mutate(COR = case_when(  QE_I02 == "A" ~ "BRANCA",
                                                                         QE_I02 == "B" ~ "PRETA",
                                                                         QE_I02 == "C" ~ "AMARELA",
                                                                         QE_I02 == "D" ~ "PARDA",
                                                                         QE_I02 == "E" ~ "INDIGENA",
                                                                         QE_I02 == "F" ~ "NAO QUERO DECLARA"
  )) 


#CO_TURNO_GRADUACAO
microdados_filosofia = microdados_filosofia %>% mutate(TURNO = case_when(  CO_TURNO_GRADUACAO == 1 ~ "MATUTINO",
                                                                           CO_TURNO_GRADUACAO == 2 ~ "VESPERTINO",
                                                                           CO_TURNO_GRADUACAO == 3 ~ "INTEGRAL",
                                                                           CO_TURNO_GRADUACAO == 4 ~ "NOTURNO"
  ))

RESPOSTA E)

#FREQUENCIA E PROPORÇÃO
describe(microdados_filosofia$REGIAO)

## microdados_filosofia$REGIAO 
##        n  missing distinct 
##     1782        0        5 
## 
## lowest : CENTRO-OESTE NORDESTE     NORTE        SUDESTE      SUL         
## highest: CENTRO-OESTE NORDESTE     NORTE        SUDESTE      SUL         
##                                                                            
## Value      CENTRO-OESTE     NORDESTE        NORTE      SUDESTE          SUL
## Frequency            95          485           32          726          444
## Proportion        0.053        0.272        0.018        0.407        0.249

ANALISE: A REGIÃO COM MAIOR FREQUENCIA FOI O SUDESTE COM A PROPORÇÃO DE 40%

#MEDIA DA REGIAO
microdados_filosofia %>% 
  select(REGIAO,NT_OBJ_FG) %>% 
  group_by(REGIAO) %>% 
  summarise(media = mean(NT_OBJ_FG,na.rm = T))

## `summarise()` ungrouping output (override with `.groups` argument)

## # A tibble: 5 x 2
##   REGIAO       media
##   <chr>        <dbl>
## 1 CENTRO-OESTE  57.7
## 2 NORDESTE      49.4
## 3 NORTE         35.4
## 4 SUDESTE       55.1
## 5 SUL           55.8

ANALISE: A REGIÃO COM A MEDIA MAIS ALTA FOI A CENTRO-OESTE

#REMOVENDO AS NA'S
microdados_filosofia_sem_NA=microdados_filosofia %>% na.omit()

resumo_nas=microdados_filosofia_sem_NA %>%
  select(everything()) %>%  
  summarise_all(list(~sum(is.na(.))))

#CALCULANDO A QUANTIDADE DE LUNHAS ORIGINAL
dim(microdados_filosofia)[1]

## [1] 1782

#QUANTIDADE DE LINHAS QUE CONTINHAM NA REMOVIDAS
dim(microdados_filosofia)[1] - dim(microdados_filosofia_sem_NA)[1]

## [1] 613

#ANALISANDO O TAMANHO DO VETOR
quantidade_de_notas=length(microdados_filosofia_sem_NA$NT_OBJ_FG)


#VERIFICANDO A MEDIA
media=mean(microdados_filosofia_sem_NA$NT_OBJ_FG)

#ANALISANDO A MEDIANA
mediana=median(microdados_filosofia_sem_NA$NT_OBJ_FG)

#MODA
#CALCULANDO A FREQUENCIA
fs=table(microdados_filosofia_sem_NA$NT_OBJ_FG)
#CALCULANDO O MAXIMO DA FREQUENCIA
maximo=max(fs)
#NOMES DA FS
nomes=names(fs)
#COMPARAÇÃO LOGICA
moda_texto=nomes[fs==maximo]
#TRANSFORMANDO EM NUMERO
moda_numero=as.numeric(moda_texto)

moda=Mode(microdados_filosofia_sem_NA$NT_OBJ_FG)

consolidado_notas=data.frame("Quantidade_de_notas"=quantidade_de_notas,
                             "Media"=media,
                             "Mediana"=mediana,
                             "moda"=moda_numero)

#CALCULANDO A ASSIMETRIA
assimetria=skewness(microdados_filosofia_sem_NA$NT_OBJ_FG)

#CURTOSE
curtose=kurtosis(microdados_filosofia_sem_NA$NT_OBJ_FG)

consolidado_notas_completo=cbind(consolidado_notas,assimetria, curtose)

#RESUMO FINAL
microdados_filosofia_sem_NA %>% 
  select(NT_OBJ_FG) %>% 
  summarise(  quantidade=n(),
              media = mean(NT_OBJ_FG),
              mediana = median(NT_OBJ_FG),
              moda=Mode(NT_OBJ_FG),
              cv=sd(NT_OBJ_FG)/media*100,
              assimetria=skewness(NT_OBJ_FG),
              curtose=kurtosis(NT_OBJ_FG)
  ) %>% 
  arrange(desc(mediana))

## # A tibble: 1 x 7
##   quantidade media mediana  moda    cv assimetria curtose
##        <int> <dbl>   <dbl> <dbl> <dbl>      <dbl>   <dbl>
## 1       1169  53.4      50    50  39.7     -0.301  -0.207

describe(microdados_filosofia$COR)

## microdados_filosofia$COR 
##        n  missing distinct 
##     1281      501        6 
## 
## lowest : AMARELA           BRANCA            INDIGENA          NAO QUERO DECLARA PARDA            
## highest: BRANCA            INDIGENA          NAO QUERO DECLARA PARDA             PRETA            
##                                                                 
## Value                AMARELA            BRANCA          INDIGENA
## Frequency                 21               669                 9
## Proportion             0.016             0.522             0.007
##                                                                 
## Value      NAO QUERO DECLARA             PARDA             PRETA
## Frequency                111               346               125
## Proportion             0.087             0.270             0.098

ANALISE: A MEDIA DAS NOTAS DOS CURSO DE FILOSOFIA FOI DE 53%, COM A MODA DE 50.

RESPOSTA F)

dados=microdados_filosofia_sem_NA
#GRAFICO DE NOTAS POR COR
notaporcor = ggplot(dados, aes(x=COR,y=NT_OBJ_FG,fill=COR)) + 
  geom_boxplot() +
  ggtitle("GRAFICO BOXPLOT DE NOTA POR COR")+
  ylab("NOTAS")+
theme(text = element_text(size=10),
      axis.text.x = element_text(angle=90, hjust=1)) 

ggplotly(notaporcor)

ANALISE: FOI VISTO QUE APENAS OS PARTICIPANTES DE COR PRETA, NÃO ALCANÇARAM A NOTA MAXIMA.

GRAFICO DE NOTAS POR TURNO

#GRAFICO BOXPLOT DE NOTA POR TURNO
notaporturno = ggplot(dados, aes(x=TURNO,y=NT_OBJ_FG,fill=TURNO)) + 
  geom_boxplot() +
  ggtitle("GRAFICO BOXPLOT DE NOTA POR TURNO")+
  ylab("NOTAS")

ggplotly(notaporturno)

ANALISE: A MEDIANA MAIS ALTA SÃO DOS ALUNOS DO TURNO INTEGRAL.

#GRAFICO BOXPLOT DE NOTAS POR REGIAO
regiaoporcor = ggplot(dados, aes(x=COR,y=NT_OBJ_FG,fill=COR)) + 
  geom_boxplot() +
  ggtitle("GRAFICO BOXPLOT DE NOTAS POR REGIAO")+
  ylab("NOTAS") +
  facet_grid(~REGIAO)+
  theme(text = element_text(size=10),
        axis.text.x = element_text(angle=90, hjust=1)) 

ggplotly(regiaoporcor)

TRABALHO DO MICRODADOS ENADE 2017

Adauto Bezerra

17 de Junho de 2020

RESPOSTA A)

RESPOSTA B)

RESPOSTA C)

RESPOSTA D)

RESPOSTA E)

ANALISE: A REGIÃO COM MAIOR FREQUENCIA FOI O SUDESTE COM A PROPORÇÃO DE 40%

ANALISE: A REGIÃO COM A MEDIA MAIS ALTA FOI A CENTRO-OESTE

ANALISE: A MEDIA DAS NOTAS DOS CURSO DE FILOSOFIA FOI DE 53%, COM A MODA DE 50.

RESPOSTA F)

ANALISE: FOI VISTO QUE APENAS OS PARTICIPANTES DE COR PRETA, NÃO ALCANÇARAM A NOTA MAXIMA.

GRAFICO DE NOTAS POR TURNO

ANALISE: A MEDIANA MAIS ALTA SÃO DOS ALUNOS DO TURNO INTEGRAL.

ANALISE:

- OS BRANCOS POSSUEM AS MAIORES MEDIA INDEPENDENTES DA REGIÃO.

- OS PRETOS, COM EXCEÇÃO DO NORDESTE, POSSUEM AS MENORIS MAXIMAS.

RESPOSTA G)

Para acessar o meu flexdashboard clique aqui.