Tabelas e Gráficos(pizza)- Estatística

Análise dos dados

Atividade feita com base em um questionário feito para os estudantes.

library(readxl)
Questionario_Estresse <- read_excel("C:/Users/Lucas E/Desktop/Base_de_dados-master/Questionario_Estresse.xls")
summary(Questionario_Estresse)
##      Aluno          Turma         Mora_pais           RJ          Namorado_a   
##  Min.   : 1.0   Min.   :1.000   Min.   :1.000   Min.   :1.000   Min.   :1.000  
##  1st Qu.:24.5   1st Qu.:1.000   1st Qu.:1.000   1st Qu.:1.000   1st Qu.:1.000  
##  Median :48.0   Median :2.000   Median :2.000   Median :2.000   Median :2.000  
##  Mean   :48.0   Mean   :2.074   Mean   :1.537   Mean   :1.653   Mean   :1.505  
##  3rd Qu.:71.5   3rd Qu.:3.000   3rd Qu.:2.000   3rd Qu.:2.000   3rd Qu.:2.000  
##  Max.   :95.0   Max.   :3.000   Max.   :2.000   Max.   :2.000   Max.   :2.000  
##                                                                                
##     Trabalha       Desempenho       Estresse        Créditos    
##  Min.   :1.000   Min.   :5.820   Min.   :12.00   Min.   :15.00  
##  1st Qu.:1.000   1st Qu.:8.500   1st Qu.:22.50   1st Qu.:23.00  
##  Median :2.000   Median :8.700   Median :27.00   Median :24.00  
##  Mean   :1.621   Mean   :8.594   Mean   :27.82   Mean   :24.95  
##  3rd Qu.:2.000   3rd Qu.:9.050   3rd Qu.:33.00   3rd Qu.:27.00  
##  Max.   :2.000   Max.   :9.700   Max.   :44.00   Max.   :49.00  
##                                                  NA's   :1      
##   Horas_estudo  
##  Min.   :19.00  
##  1st Qu.:25.00  
##  Median :30.00  
##  Mean   :30.73  
##  3rd Qu.:35.00  
##  Max.   :60.00  
##

Com a análise do dados, podemos analisar quais variáveis estão com os dados não tratados, onde dados qualitativos estão como quatitativos, assim, com a atividade, escolhe 2 vairáveis para a demonstração, colocando a variável em seu verdadeiro significado para o entendimento.

As variáveis

Na escolha de duas variáveis, escolhi os estudantes que namoram e que trabalham.

Questionario_Estresse$Trabalha <- ifelse(Questionario_Estresse$Trabalha==2, "Trabalha", "Desempregado")
Questionario_Estresse$Namorado_a <- ifelse(Questionario_Estresse$Namorado_a==2, "Namora", "Não namora")

tabela_1 <- table(Questionario_Estresse$Trabalha)
tabela_1
## 
## Desempregado     Trabalha 
##           36           59
tabela_2 <- table(Questionario_Estresse$Namorado_a)
tabela_2
## 
##     Namora Não namora 
##         48         47

Temos assim, uma tabela simples para análise.

Tabela com proporção

prop.table(tabela_1)*100
## 
## Desempregado     Trabalha 
##     37.89474     62.10526
prop.table(tabela_2)*100
## 
##     Namora Não namora 
##   50.52632   49.47368

Obtemos uma tabela em porcentagem.

Tabela em Gráfico de pizza

pie(tabela_1, main=" Estudantes que Trabalham", col = c("purple","darkgrey"))

pie(tabela_2, main=" Estudantes que Namoram", col = c("seagreen3","#80aad1"))

Com os gráficos, podemos ter uma visualização melhor dos dados, o que acontece na variável dos estudantes que trabalham, onde a informação fica de fácil análise, mas não pode-se afirmar isso em relação aos estudantes que namoram. O gráfico, mostra a diferença na amostra, mas é de difícil visualização, nesse caso, a tabela de proporção ou apenas a de quantidade, dos que namoram ou não, seria a mais correta para análise de um estudo.