Passo 1 - Carregar o banco de dados

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

Passo 2 - Transformação de variáveis

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 de 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
# Quem não é natural do RJ precisa trabalhar
tabela1 <- QE %>% select(RJ, Trabalha) %>% table()
tabela1
##      Trabalha
## RJ    não sim
##   não  40  22
##   sim  19  14
round(prop.table(tabela1,1)*100,1)
##      Trabalha
## RJ     não  sim
##   não 64.5 35.5
##   sim 57.6 42.4
round(prop.table(tabela1,2)*100,1)
##      Trabalha
## RJ     não  sim
##   não 67.8 61.1
##   sim 32.2 38.9
# Quem mora com os pais não precisa trabalhar
tabela2 <- QE %>% select(Mora_pais, Trabalha) %>% table()
tabela2
##          Trabalha
## Mora_pais não sim
##       não  32  19
##       sim  27  17
prop.table(tabela2,1)*100
##          Trabalha
## Mora_pais      não      sim
##       não 62.74510 37.25490
##       sim 61.36364 38.63636

Passo 4 - Construção do gráfico

barplot(tabela1,beside = TRUE,
        col=c("red","royalblue"),
        main= "Análise bivariada",
        legend = TRUE)

barplot(tabela2,beside = TRUE,
        col=c("red","royalblue"),
        main= "Análise bivariada",
        legend = TRUE)

Passo 5 - Análise de uma variável quantitativa e uma variável categórica

library(dplyr)
QE %>% group_by(Trabalha) %>%
  summarise(media=mean(Desempenho),
            desvio_padrao=sd(Desempenho),
            tamanho=n())
## # A tibble: 2 x 4
##   Trabalha media desvio_padrao tamanho
##   <chr>    <dbl>         <dbl>   <int>
## 1 não       8.63         0.698      59
## 2 sim       8.54         0.896      36
QE %>% group_by(Trabalha) %>%
  summarise(media=mean(Horas_estudo),
            mediana=median(Horas_estudo),
            DP=sd(Horas_estudo),
            tamanho=n())
## # A tibble: 2 x 5
##   Trabalha media mediana    DP tamanho
##   <chr>    <dbl>   <dbl> <dbl>   <int>
## 1 não       31.6      30  6.93      59
## 2 sim       29.4      30  7.72      36

Passo 6 - Conclusão

Devemos permitir que o aluno trabalhe.