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
corrplot 0.90 loaded

[1] 0.2231532

Após a exposição desses dados, pode-se concluir que o número de horas que os alunos estudam não garante um bom desempenho. O bom desempenho está relacionado à qualidade da aprendizagem dos alunos, não ao tempo gasto. Isso já fica evidente na Figura 1, onde as notas mais altas são os alunos cuja rotina de estudo está entre 30 e 40 horas, mas os alunos cuja rotina de estudo é próxima ou superior a 60 horas apresentam notas excelentes.

 [1] "Aluno"        "Turma"        "Mora_pais"    "RJ"           "Namorado_a"  
 [6] "Trabalha"     "Desempenho"   "Estresse"     "Créditos"     "Horas_estudo"
             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

No processo de análise do banco de dados, questionario_estresse.xls, foram observadas as variáveis quantitativas “desempenho” e “horas_estudo”. No processo de pesquisa constatou-se que a relação entre essas variáveis é muito fraca, mesmo os alunos com piores notas tendo menos de 40 horas de estudo, mas também há alunos com notas acima de 8 e suas rotinas de aprendizagem são inferiores a 40 horas, o que apenas reforçará a ideia de correlação fraca entre eles. Outro fator que comprova a falta de intensidade entre as variáveis é que os alunos com melhor desempenho têm o hábito de aprendizagem.

Trazendo isso para um programa matemático e executando os cálculos descobriu-se que o valor do coeficiente de correlação está entre 0,25 e 0. Além disso, uma matriz de correlação é estabelecida entre as variáveis quantitativas para facilitar a visualização dos coeficientes de correlação entre todas as variáveis.