Atividade 6 - cruzamento de duas variáveis quantitativas

Introdução

Será apresentado um diagrama de dispersão e uma matriz de correlação de duas variáveis quantitativas. As variáveis analisadas serão “estresse” e “desempenho” da base de dados chamada “questionario_estresse.xls”.

Teoria: o estresse está relacionado a um maior desempenho.

Base de dados

library(readxl)
Questionario_Estresse <- read_excel("C:/Users/sandr/Desktop/Base_de_dados-master/Questionario_Estresse.xls", 
                                    sheet = "Dados")

Diagrama de dispersão

par(bg = "skyblue")
par(cex = 1.1)
plot(Questionario_Estresse$Estresse,Questionario_Estresse$Desempenho, pch=16,col="darkred",
     main = "Diagrama de dispersão entre estresse e desempenho",
     ylab = "Desempenho", xlab = "Estresse")
abline(lsfit(Questionario_Estresse$Estresse,Questionario_Estresse$Desempenho),col = "red")

Matriz de correlação

selecao <- c("Estresse","Desempenho")
cor_questionario <- cor(Questionario_Estresse[,selecao])
cor_questionario

##              Estresse Desempenho
## Estresse   1.00000000 0.08257246
## Desempenho 0.08257246 1.00000000

library(corrplot)

## corrplot 0.92 loaded

par(cex=0.9)
corrplot(cor_questionario, method = "number")

Conclusão

Ao analisar o diagrama de dispersão entre as duas variáveis quantitativas (“estresse” e “desempenho”) é possível verificar que praticamente não há correlação entre elas. Então, a teoria que diz que o estresse está relacionado a um maior nível de desempenho não é verdadeira.

No que diz respeito à matriz de correlação, é possível verificar que o coeficiente de correlação é 0.08, ou seja, apresenta uma correlação positiva, mas muito fraca e praticamente inexistente entre as duas variáveis, o que confirma que a teoria não é tão verdadeira.