Carregar Base de Dados

library(readxl)
Questionario_Estresse <- read_excel("Base_de_dados-master/Questionario_Estresse.xls")

Diagrama de Dispersão

#Diagrama de dispersão 
plot(Questionario_Estresse$Horas_estudo, Questionario_Estresse$Estresse,
     col = "red",
     pch = 20)
abline(lsfit(Questionario_Estresse$Horas_estudo, Questionario_Estresse$Estresse))

Coeficiente de correlação

cor(Questionario_Estresse$Horas_estudo, Questionario_Estresse$Estresse)
## [1] 0.303917

Conclusão

Escolhidas as duas variáveis que utilizaremos, criamos um diagrama de dispersão a fim de entender se existe impacto em uma sobre a outra, notamos que pela leva inclinação da reta no Diagrama de Dispersão, que existe uma relação linear positiva fraca de Y em relação a X, sendo assim, quanto maior o valor da variável Horas de Estudo, maior tende a ser o valor da variável Estresse. Posteriormente, foi demonstrado o coeficiente de correlação entre essas duas variáveis, obtivemos o valor de 0.303917, numa escala que vai de [-1,1] reafirmando a correlação positiva fraca entre as duas variáveis.