#Passo 1 - Carregar o banco de dados

library(readxl)
QE <- read_excel("C:/Users/Casa/OneDrive/Imagens/Base_de_dados-master/Questionario_Estresse.xls")
View(QE)

#Passo 2 - tranformação de variaveis

QE$Mora_pais<-ifelse(QE$Mora_pais==1,"sim","não")
QE$RJ <-ifelse(QE$RJ==1,"sim","não")
QE$Namorado_a <-ifelse(QE$Namorado_a==1, "sim", "não")
QE$Trabalha <- ifelse(QE$Trabalha==1,"sim","não")
QE$Turma <-as.factor(QE$Turma)

#Passo 3 - Construção das Tabelas

library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
#Nãe é natural do RJ precisa trabalhar 

tabela1 <- QE %>% select(RJ,Trabalha) %>% table()
tabela1
##      Trabalha
## RJ    não sim
##   não  40  22
##   sim  19  14
#Mora_pais não precisa trabalhar 

tabela2 <- QE %>% select(Mora_pais,Trabalha) %>% table()
tabela2
##          Trabalha
## Mora_pais não sim
##       não  32  19
##       sim  27  17
round(prop.table(tabela1,2)*100,1)
##      Trabalha
## RJ     não  sim
##   não 67.8 61.1
##   sim 32.2 38.9
round(prop.table(tabela2,1)*100,1)
##          Trabalha
## Mora_pais  não  sim
##       não 62.7 37.3
##       sim 61.4 38.6

#Passo 4 - Construção do Gráfico

barplot(tabela1,beside = TRUE, col = c("red","blue"),main="Analise Bivariada",
                                                     horiz = TRUE, legend=TRUE)

#Analise de uma variável quantitativa e uma variável categorica

QE %>% group_by(Trabalha) %>%
           summarise(media=mean(Horas_estudo),
                     mediana = median(Horas_estudo),
                     desvio_padrao=sd(Horas_estudo),
                     tamanho=n())
## # A tibble: 2 x 5
##   Trabalha media mediana desvio_padrao tamanho
##   <chr>    <dbl>   <dbl>         <dbl>   <int>
## 1 não       31.6      30          6.93      59
## 2 sim       29.4      30          7.72      36

#conclusão

Devemos permitir que o aluno trabalhe