Atividade 2

library(readxl)
Questionario_Estresse <- read_excel("C:/Users/Igor/Desktop/Base_de_dados-master/Questionario_Estresse.xls")
View(Questionario_Estresse)
str(Questionario_Estresse)
## tibble [95 x 10] (S3: tbl_df/tbl/data.frame)
##  $ Aluno       : num [1:95] 1 2 3 4 5 6 7 8 9 10 ...
##  $ Turma       : num [1:95] 1 1 1 1 1 1 1 1 1 1 ...
##  $ Mora_pais   : num [1:95] 2 1 2 2 2 2 2 1 1 1 ...
##  $ RJ          : num [1:95] 2 1 2 2 2 2 2 1 1 1 ...
##  $ Namorado_a  : num [1:95] 2 2 2 1 2 1 2 1 2 2 ...
##  $ Trabalha    : num [1:95] 2 2 2 1 1 1 2 1 1 1 ...
##  $ Desempenho  : num [1:95] 8.89 8.8 8 8.8 8.9 8.1 9.2 8.5 8.7 8.3 ...
##  $ Estresse    : num [1:95] 23 24 25 38 41 25 41 20 26 36 ...
##  $ Créditos    : num [1:95] 27 28 25 21 18 29 26 24 20 49 ...
##  $ Horas_estudo: num [1:95] 27 28 25 30 20 32 25 25 25 59 ...
Questionario_Estresse$Mora_pais <- ifelse(Questionario_Estresse$Mora_pais==1,"Sim","Não")

Questionario_Estresse$Namorado_a <- ifelse(Questionario_Estresse$Namorado_a==1,"Sim","Não")

Questionario_Estresse$Trabalha <- ifelse(Questionario_Estresse$Trabalha==1, "Sim", "Não")
#summary(Questionario_Estresse)

Tabela para variável qualitativa

tabela_namoro <- table(Questionario_Estresse$Namorado_a)
tabela_namoro
## 
## Não Sim 
##  48  47

Tabela de proporção

prop.table(tabela_namoro)*100
## 
##      Não      Sim 
## 50.52632 49.47368

Gráfico de Pizza

pie(tabela_namoro,main = "Namoro", col = c("blue","pink"))

Conclusão

Utilizei as funções de inspeção para encontrar os erros de classificação. Uma vez consertados, utilizei-os para tabelar e encontrar os valores das pessoas que namoram. Encontramos que, dentre os 95 alunos entrevistados, 48 não namoram, enquanto 45 sim, também podemos observar que a proporção desses alunos é de 51% para não e 49% para sim (arredondando).

Quanto ao gráfico de pizza, decidi colocar as cores azul e rosa, com a cor azul representando os que não namoram e a cor rosa representando os que namoram.