1)

a) As duas variáveis são Qualitativas;

R= Tome a variável x para ser satisfação pessoal e a y para ser uma medida não numérica de
reconhecimento em alguma função que você exerce (numa empresa ou academicamente). Por
exemplo, ser condecorado como pesquisador de qualis alta ou funcionário do mês.

b) As duas variáveis são Quantitativas (correlação positiva);

R= seja x= seu nível de renda em reais/mês e y= a quantidade de eletrodomésticos em sua casa.

c) As duas variáveis são Quantitativas (correlação negativa);

R= a quantidade de horas que você passa no trabalho vs a quantidade horas que você dispõe para
família e lazer.

d) Uma variável é Qualitativas e a outra Quantitativas;

R= aumento da temperatura numa determinada região vs percepção de calor das pessoas daquela
região.

2)
a) As duas variáveis são Qualitativas;

R= Chi-square test ou gráfico de barras.

b) As duas variáveis são Quantitativas

R= Correlação entre as variáveis ou gráfico de dispersão.

c) Uma variável qualitativa e outra quantitativa;

R= análise de covariância a partir das categorias da variável qualitativa.

3)

Segue o código em R para o teste chi-quadrado entre as variáveis:

cidades <- c("São Paulo", "Ribeirão Preto", "Campinas", "Santos")

participacao <- c(50, 105, 65, 120)
nao_participacao <- c(156, 185, 195, 180)

dados <- data.frame(Cidades = cidades, Participacao = participacao, NaoParticipacao =

nao_participacao)

tabela_contingencia <- matrix(c(dados$Participacao, dados$NaoParticipacao), nrow =4, ncol=2,

dimnames = list(cidades, c("Participam", "NaoParticiparam")))
conclusao<- chisq.test(tabela_contingencia)
conclusao

#os valores encontrados no teste foram:

X-squared = 22.599, df = 3, p-value = 4.895e-05

como o p-valor<0.05, não podemos relegar a hipótese da questão ao acaso. Então há possível
dependência.

4)
a) envio por foto
código referente a letra:
zonas_metropolitanas<-c("Sao Paulo","Rio de Janeiro", "Belem","Belo Horizonte" ,"Salvador",
"Porto Alegre","Recife","Fortaleza")
setor_prim<-c(2.0, 2.5, 2.9, 3.3, 4.1, 4.3, 7.0, 13.0)
indice_analfabetismo<-c(17.5, 18.5, 19.5, 22.2, 26.5, 16.6, 36.6, 38.4)
dados<-data.frame( Zonas_metropolinas=zonas_metropolitanas, setor_primario=setor_prim,
Indice_analfabetismo=indice_analfabetismo)
plot(dados$setor_primario, dados$Indice_analfabetismo, xlab="Setor Primário", ylab="Índice de
Analfabetismo", main="Dispersão dos Dados",xlim=c(0,14),ylim=c(0,40))

b) Pela dispersão dos dados na letra acima, parece haver sim – imagine uma reta cruzando os dados
pela diagonal, isso ficará aparente.

c)
A correlação é forte entre as duas variáveis , especificamente de 0.866561.
código: cf_cor<-cor(setor_prim, indice_analfabetismo)
print(cf_cor)

d) devemos tirar os valores 7 e 13 do vetor setor_prim. Devemos retirar 36.6 e 38.4 do vetor
indice_analfabetismo. Calculando a correlação entre eles teremos:cf_correlação= 0.3964376.
Observe que as variáveis agora apresentam correlação fraca.

5)

a) > tabela<-table(exemplo$salario, exemplo$civil, xlab=”salario”, ylab=”estado civil”)

> tabela

12
4 10
4.56 0 1
5.25 0 1
5.73 1 0
6.26 1 0
6.66 0 1
6.86 1 0
7.39 1 0
7.44 1 0
7.59 0 1
 8.12 0 1
8.46 1 0
8.74 1 0
8.95 0 1
9.13 0 1
9.35 1 0
9.77 0 1
9.8 0 1
10.53 1 0
10.76 1 0
11.06 0 1
11.59 1 0
12 1 0
12.79 0 1
13.23 0 1
13.6 0 1
13.85 1 0
14.69 0 1
14.71 0 1
15.99 0 1
16.22 1 0
16.61 0 1
17.26 0 1
18.75 1 0
19.4 0 1
23.3 0 1

Legenda: Na coluna o 1 representa casado e o 2 solteiro( Assumi que 1 representa caso e 2

solteiro) . Se na coluna de 1 estiver o 0, significa que o indivíduo não é casado, logo, ele terá 1 na
coluna do 2 que indica que o indivíduo é solteiro.

medidas_resumo <- aggregate(salario ~ civil, data = exemplo, FUN = summary)

Output do código:

civil salario.Min. salario.1st Qu. salario.Median salario.Mean salario.3rd Qu. salario.Max.

Casado 4.000000 7.257500 9.045000 9.870625 11.692500 18.750000
Solteiro 4.560000 8.742500 11.925000 12.123500 15.030000 23.300000

b) A enviar foto

A interpretação dos boxplot é que indivíduos solteiros tẽm salários maiores de acordo com a IQR do
boxplot 2 para o 1.