R Markdown

###1º Passo - Importação de Dados Aqui eu utilizei uma biblioteca de comando para exportar a base de dados Questionário_Estresse, e assim gerar a base de dados dentro do R. A base possui 95 observações de 10 variavéis

library(readxl)

library(readxl)
Questionario_Estresse <- read_excel("C:/Users/renata/Desktop/Questionario_Estresse.xls")

###2º Passo - Inspecionar os Dados com o comando str De acordo com a Inspecção as observações são todas númericas, e as variavéis são qualitativas nominais.

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 ...

3º Passo - Gerar gráficos de Pizza

Neste passo eu gerei vetores para transformar os dados e assim conseguir utlizar os comandos do pie, que é responsável por gerar a vizualização em gráfico de Pizza. Aqui temos vetores de coordenada de x, os labels para cada fatia do gráfico, tabelas tratradas com comando ifelse e vetor, e alguns comandos para mudar parametros das legendas do gráfico, das cores do gráfico e do tamanho da fonte.

Turmas

Abaixo temos a tabela e o gráfico com o números de alunos por turma

tabela_Turma <- table(Questionario_Estresse$Turma)
tabela_Turma
## 
##  1  2  3 
## 28 32 35
x <- c(28,32,35)
labels <- round(100*x/sum(x), 1)
Turma <- table(Questionario_Estresse$Turma)
pie(x, labels, Turma, main = "Pessoas nas Turmas", col = c("#301934","#DFFF00","#FFBF00"))
legend("topright", c("Turma 1", "Turma 2", "Turma 3"), cex = 0.8,
       fill = c("#301934","#DFFF00","#FFBF00"))

Estudantes que Trabalham

Abaixo temos o número de Estudantes que Trabalham

Questionario_Estresse$Trabalha <- ifelse(Questionario_Estresse$Trabalha==2,"Sim", "Não")
table(Questionario_Estresse$Trabalha)
## 
## Não Sim 
##  36  59
Turma_4 <- table(Questionario_Estresse$Namorado_a)
x <- c(59,36)
labels_4 <- round(100*x/sum(x), 1)
pie(x, labels_4, Turma_4, main = "Pessoas que Trabalham", col = c("#301934","#DFFF00","#FFBF00"))
legend("topright", c("Sim", "Não"), cex = 0.8,
       fill = c("#301934","#DFFF00","#FFBF00"))

Estudantes que moram com os Pais Abaixo temos o gráfico e a tabela que ilustram o número de estudantes de moram com os pais

Questionario_Estresse$Mora_pais <- ifelse(Questionario_Estresse$Mora_pais==2,"Sim", "Não")
table(Questionario_Estresse$Mora_pais)
## 
## Não Sim 
##  44  51
tabela_Pais <- table(Questionario_Estresse$Mora_pais)
tabela_Pais
## 
## Não Sim 
##  44  51
Turma_1 <- table(Questionario_Estresse$Mora_pais)
x <- c(51, 44)
labels_1 <- round(100*x/sum(x), 1)
pie(x, labels_1, Turma_1, main = "Pessoas que moram com os pais", col = c("#301934","#DFFF00","#FFBF00"))
legend("topright", c("Sim", "Não"), cex = 0.8,
       fill = c("#301934","#DFFF00","#FFBF00"))

Questionario_Estresse$RJ <- ifelse(Questionario_Estresse$RJ==2,"Sim", "Não")
table(Questionario_Estresse$RJ)
## 
## Não Sim 
##  33  62

Estudantes que moram no Rio de Janeiro, RJ Abaixo temos o número de Estudantes que moram no Rio de Janeiro

Questionario_Estresse$RJ <- ifelse(Questionario_Estresse$RJ==2,"Sim", "Não")
table(Questionario_Estresse$RJ)
## 
## Não 
##  95
Turma_2 <- table(Questionario_Estresse$RJ)
x <- c(62, 33)
labels_2 <- round(100*x/sum(x), 1)
pie(x,labels_2, Turma_2, main = "Pessoas que moram no RJ", col = c("#301934","#DFFF00","#FFBF00"))
legend("topright", c("Sim", "Não"), cex = 0.8,
       fill = c("#301934","#DFFF00","#FFBF00"))

Estudantes que namoram Abaixo temos gráfico e a tabela com número de Estudantes que namoram

Questionario_Estresse$Namorado_a <- ifelse(Questionario_Estresse$Namorado_a==2,"Sim", "Não")
table(Questionario_Estresse$Namorado_a)
## 
## Não Sim 
##  47  48
Turma_3 <- table(Questionario_Estresse$Namorado_a)
x <- c(48,47)
labels_3 <- round(100*x/sum(x), 1)
pie(x, labels_3, Turma_3, main = "Pessoas que Namoram", col = c("#301934","#DFFF00","#FFBF00"))
legend("topright", c("Sim", "Não"), cex = 0.8,
       fill = c("#301934","#DFFF00","#FFBF00"))

4º Passo - Descrever os gráficos, e fazer um resumo do que foi analisado A Turma 1 possui 28 estudantes(29.5%), A Turma 2 possui 32 estudantes(33.7%) e a maior turma, A Turma 3 possui 35 alunos(36.8%).A maioria são pessoas que trabalham(62.1%), que moram com os pais(53.7 %), que moram no RJ(65.3%), que Namoram(50.5%).