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
library(corrplot)
## corrplot 0.90 loaded
library(rio)
library(readxl)
Quest_Estres <- read_excel("C:/Users/julia/Downloads/Base_de_dados-master/Base_de_dados-master/Questionario_Estresse.xls")
head(Quest_Estres)
## # A tibble: 6 x 10
## Aluno Turma Mora_pais RJ Namorado_a Trabalha Desempenho Estresse Créditos
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 1 2 2 2 2 8.89 23 27
## 2 2 1 1 1 2 2 8.8 24 28
## 3 3 1 2 2 2 2 8 25 25
## 4 4 1 2 2 1 1 8.8 38 21
## 5 5 1 2 2 2 1 8.9 41 18
## 6 6 1 2 2 1 1 8.1 25 29
## # ... with 1 more variable: Horas_estudo <dbl>
plot(Quest_Estres$Horas_estudo, Quest_Estres$Estresse,pch=19,col="PINK",main="Gráfico 1 - Relação entre o Estresse dos alunos e as Horas de Estudo",ylab = "Estresse", xlab = "Horas de Estudo")
abline(lsfit(Quest_Estres$Horas_estudo,
Quest_Estres$Estresse),col="PURPLE")
cor(Quest_Estres$Horas_estudo,Quest_Estres$Estresse)
## [1] 0.303917
MC<-Quest_Estres %>%
select(Desempenho, Estresse, Horas_estudo) %>%
cor()
MC
## Desempenho Estresse Horas_estudo
## Desempenho 1.00000000 0.08257246 0.2231532
## Estresse 0.08257246 1.00000000 0.3039170
## Horas_estudo 0.22315316 0.30391699 1.0000000
corrplot.mixed(MC,main="Gráfico 2 ")
Para realizar tal pesquisa, se fez necessário coletar dados de diversos estudantes, relacionando as horas de estudo com o estresse gerado.A partir da coleta de dados, foi possível a criação do gráfico, para melhor análise das
Após a observação do gráfico é possível notar a relação explícita em que quanto mais horas de estudo maior é o estresse . Também nota-se que o bom desempenho não está relacionado com as horas de estudo.E por fim, que o nível de estresse e o nível de desempenho não estão relacionados.
A matrix de correlação é a melhor maneira de analisar e visualizar as relações entre os dados coletados.