Diagrama de dispersão

# Carregar a base de dados

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

plot(Questionario_Estresse$Desempenho, Questionario_Estresse$Horas_estudo, col = "darkblue",pch=16)
abline(lsfit(Questionario_Estresse$Desempenho, Questionario_Estresse$Horas_estudo),col="darkred")

De acordo com o gráfico e com os dados, é possível observar que, quanto maior as horas de estudo, maior tende a ser o estresse. Também é possível observar a existência de alguns outliers, com as maiores hores de estudo e um com o maior desempenho.

#Coeficiente de correlação

dados <- data.frame(x=c(2,3,4,5,5,6,7,8),
                    y=c(4,7,9,10,11,11,13,15))
cor(dados$x,dados$y)
## [1] 0.980871
plot(dados$x,dados$y, col = "darkblue",pch=16)
abline(lsfit(dados$x,dados$y),col="darkred")

plot(Questionario_Estresse$Desempenho, Questionario_Estresse$Horas_estudo, col = "darkblue",pch=16)
abline(lsfit(Questionario_Estresse$Desempenho, Questionario_Estresse$Horas_estudo),col="darkred")

cor(Questionario_Estresse$Desempenho, Questionario_Estresse$Horas_estudo)
## [1] 0.2231532

De acordo com o cálculo do coeficiente de correlação é possível observar que a correlação é fraca: 0,22311532