R Markdown

Passo 1 - carregar a base de dados

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

Passo 2 - Análise dos quartis das variáveis quantitativas da base pokemon

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  
##

Passo 3 - Inspecionar os dados

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$Trabalha <- ifelse(Questionario_Estresse$Trabalha==2,"Trabalha","Desempregado")

Questionario_Estresse$Mora_pais <- ifelse(Questionario_Estresse$Mora_pais==2,"Mora com pais","Mora sozinho")

Passo 4 - grafico pizza

hist(table(Questionario_Estresse$Desempenho))

# Passo 5 - tabelas

tabela_Desempenho <- table(Questionario_Estresse$Mora_pais,Questionario_Estresse$Trabalha)


tabela_Desempenho
##                
##                 Desempregado Trabalha
##   Mora com pais           19       32
##   Mora sozinho            17       27
prop.table(tabela_Desempenho,1)
##                
##                 Desempregado  Trabalha
##   Mora com pais    0.3725490 0.6274510
##   Mora sozinho     0.3863636 0.6136364
prop.table(tabela_Desempenho,2)
##                
##                 Desempregado  Trabalha
##   Mora com pais    0.5277778 0.5423729
##   Mora sozinho     0.4722222 0.4576271
prop.table(tabela_Desempenho,1)*100
##                
##                 Desempregado Trabalha
##   Mora com pais     37.25490 62.74510
##   Mora sozinho      38.63636 61.36364
prop.table(tabela_Desempenho,2)*100
##                
##                 Desempregado Trabalha
##   Mora com pais     52.77778 54.23729
##   Mora sozinho      47.22222 45.76271

Passo 6 - gráfico

barplot(tabela_Desempenho,main ="Gráfico 2",
        horiz =FALSE,beside=TRUE,
        legend = rownames(tabela_Desempenho))

#———————————————————- # verificar se quem trabalha consegue se sustentar fora de casa #———————————————————-

tabela em numeros absolutos

library(dplyr)
## 
## 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
tabela_Desempenho1 <- Questionario_Estresse %>% select(Mora_pais,Trabalha) %>% table()
tabela_Desempenho1
##                Trabalha
## Mora_pais       Desempregado Trabalha
##   Mora com pais           19       32
##   Mora sozinho            17       27

tabela em proporção

tabela_classe_prop <- Questionario_Estresse %>% select(Mora_pais,Trabalha) %>% table() %>%
  prop.table(1) %>% round(2)
tabela_classe_prop
##                Trabalha
## Mora_pais       Desempregado Trabalha
##   Mora com pais         0.37     0.63
##   Mora sozinho          0.39     0.61

grafico de barras por grupo

tabela_Desempenho %>% barplot(beside=T,
                          main= "Gráfico 4",
                          legend = rownames(tabela_Desempenho),
                          args.legend = list(x = "topleft"))

Conclusão

a dúvida seria se quem trabalha deixa de morar com os pais e passa a morar sozinho, os dados revelam que o número de pessoas que trabalham e moram com os pais é proximo ao de que trabalham e nao moram com os pais, nao sendo relevante o fator de morar com pais. e a maior parte dos entrevistados trabalha e mora com os pais.