vetor_pacotes=c("readr",
                "ggplot2",
                "rmdformats",
                "reactable",
                "plotly",
                "e1071",
                "dplyr",
                "Hmisc",
                "DescTools",
                "esquisse",
                "kableExtra",
                "gridExtra",
                "e1071",
                "devtools"
)
#install.packages(vetor_pacotes)

lapply(vetor_pacotes, 
       require, 
       character.only = TRUE)

enade2017 = read_csv2("MICRODADOS_ENADE_2017.txt") 

microdados_enade_filtrados = enade2017 %>% dplyr::select(
  CO_GRUPO,
  CO_REGIAO_CURSO,
  NU_IDADE,
  TP_SEXO,
  CO_TURNO_GRADUACAO,
  NT_GER,
  QE_I01,
  QE_I02,
  QE_I03,
  QE_I04,
  QE_I08,
  QE_I15,
  QE_I21,
  QE_I23,
  NT_OBJ_FG,
  NT_OBJ_CE
)      

microdados_ti = microdados_enade_filtrados %>% filter(CO_GRUPO == 72) 

g_hist=ggplot(microdados_ti_sem_NA,aes(x=NT_OBJ_CE)) + 
  geom_histogram(color = "black",fill="lightblue",bins =50,aes(y=(..count..)/sum(..count..)))+
  ggtitle("Histograma da nota dos alunos de análise de sistemas (ADS) ")+
  xlab("nota") +
  ylab("Frequência relativa")

g_densidade=ggplot(microdados_ti_sem_NA,aes(x=NT_OBJ_CE))+
  geom_density(col=2,size = 1, aes(y = 27 * (..count..)/sum(..count..))) +
  ggtitle("Curva de densidade da nota dos alunos de análise de sistemas") +
  xlab("Nota dos alunos de ADS") +
  ylab("Frequência relativa")

g_hist_densidade = ggplot(microdados_ti_sem_NA,aes(x=NT_OBJ_CE)) + 
  geom_histogram(color = "black",fill="lightblue",bins =50,aes(y=(..count..)/sum(..count..)))+
  geom_density(col=2,size = 1, aes(y = 27 * (..count..)/sum(..count..))) +
  ggtitle("Histograma e curva de densidade da nota dos alunos de análise de sistemas")+
  xlab("Nota dos alunos de ADS") +
  ylab("Frequência relativa")

grid.arrange( g_hist,
              g_densidade,
              g_hist_densidade,
              nrow=3,ncol=1)

#Comparar as médias por sexo e estado civil
require(dplyr)
microdados_ti_mod2= microdados_ti_sem_NA %>% 
  select(estado_civil,NT_GER,sexo) %>% 
  group_by(sexo,estado_civil) %>% 
  summarise(  quantidade=n(),
              media = mean(NT_GER,na.rm = T),
              mediana = median(NT_GER,na.rm = T),
              cv=sd(NT_GER,na.rm=T)/media*100,
              amplitude_interquartil=IQR(NT_GER)) %>% 
  arrange(desc(mediana))
microdados_ti_mod2  %>% kbl %>% kable_material_dark(full_width = F)

#Tabulação cruzada
table(microdados_ti_sem_NA$estado_civil,microdados_ti_sem_NA$sexo)  %>% kbl %>% kable_material_dark(full_width = F)

#Tabulação cruzada proporção
prop.table(table(microdados_ti_sem_NA$estado_civil,microdados_ti_sem_NA$sexo))  %>% kbl %>% kable_material_dark(full_width = F)

#assimetria e curtose

dados_casados = microdados_ti_sem_NA %>% 
  select(estado_civil,NT_GER,sexo) %>% 
  group_by(estado_civil) %>% 
  summarise(  quantidade=n(),
              media = mean(NT_GER),
              mediana = median(NT_GER),
              cv=sd(NT_GER)/media*100,
              amplitude_interquartil=IQR(NT_GER),
              assimetria=skewness(NT_GER),
              curtose=kurtosis(NT_GER)
  ) %>% 
  
  arrange(desc(cv))

dados_casados  %>% kbl %>% kable_material_dark(full_width = F)

dados=microdados_ti_sem_NA
grafico_boxplot1 = ggplot(dados, aes(x=estado_civil,y=NT_GER,fill=estado_civil)) + 
  geom_boxplot() +
  ggtitle("Gráfico de Box-plot da Nota por Estado civil e Sexo")+
  xlab("Estado civil") +
  ylab("Notas") +
  facet_grid(~sexo)+
  theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))


ggplotly(grafico_boxplot1)

microdados_ti_mod3= microdados_ti_sem_NA %>% 
  select(estado_civil,NT_GER,regiao,hestudos,sexo) %>% 
  group_by(sexo,regiao) %>% 
  summarise(quantidade=n(),
            media = mean(NT_GER),
            mediana = median(NT_GER),
            cv=sd(NT_GER)/media*100,
            amplitude_interquartil=IQR(NT_GER),
            assimetria=skewness(NT_GER),
            curtose=kurtosis(NT_GER)) %>% 
  arrange(desc(media))

microdados_ti_mod3  %>% kbl %>% kable_material_dark(full_width = F)

#Tabulação cruzada
table(microdados_ti_sem_NA$regiao,microdados_ti_sem_NA$sexo)  %>% kbl %>% kable_material_dark(full_width = F)

#Tabulação cruzada proporção
prop.table(table(microdados_ti_sem_NA$regiao,microdados_ti_sem_NA$sexo))%>% kbl %>% kable_material_dark(full_width = F)

#box-plot
dados=microdados_ti_sem_NA
grafico_boxplot2 = ggplot(dados, aes(x=regiao,y=NT_GER,fill=regiao)) + 
  geom_boxplot() +
  ggtitle("Gráfico boxplot da Nota por 
          região e sexo")+
  ylab("Notas") +
  facet_grid(~sexo)+
  theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))

ggplotly(grafico_boxplot2)

#box-plot
dados=microdados_ti_sem_NA
grafico_boxplot3 = ggplot(dados, aes(x=renda,y=NT_GER,fill=renda)) + 
  geom_boxplot() +
  ggtitle("Gráfico boxplot da Nota por 
          região e sexo")+
  ylab("Notas") +
  theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))

ggplotly(grafico_boxplot3)

df_pizza_tab = table(microdados_ti_sem_NA$hestudos)
df_pizza_porcent = prop.table(df_pizza_tab)
df_pizza_porcent <<- as.data.frame(df_pizza_porcent)

#pizza
grafico_pizza = plot_ly(df_pizza_porcent,
                        labels = ~ Var1,
                        values = ~ Freq,
                        type = 'pie') %>%
  layout(title = 'Quantas horas por semana, aproximadamente, você dedicou aos estudos, excetuando as horas de aula?')

grafico_pizza

df_pizza_tab = table(microdados_ti_sem_NA$ingresso_bolsa)
df_pizza_porcent = prop.table(df_pizza_tab)
df_pizza_porcent <<- as.data.frame(df_pizza_porcent)

#pizza
grafico_pizza2 = plot_ly(df_pizza_porcent,
                        labels = ~ Var1,
                        values = ~ Freq,
                        type = 'pie') %>%
  layout(title = 'Seu ingresso no curso de graduação se deu por meio de políticas de ação afirmativa ou inclusão social? ')

grafico_pizza2

df_pizza_tab = table(microdados_ti_sem_NA$cor)
df_pizza_porcent = prop.table(df_pizza_tab)
df_pizza_porcent <<- as.data.frame(df_pizza_porcent)

#pizza
grafico_pizza3 = plot_ly(df_pizza_porcent,
                        labels = ~ Var1,
                        values = ~ Freq,
                        type = 'pie') %>%
  layout(title = 'Qual a sua cor ou raça?')

grafico_pizza3