library(ggplot2) library(dplyr) library(data.table)

Exercicio 1

calcular as frequencias das variaveis

ftable(dat$gender~dat$jobcat)

ggplot(data = dat) + geom_bar(aes(x = jobcat, fill=gender), position="fill")+ scale_y_continuous(labels = scales::percent) + theme_light() + labs(y="Porcentagem",x="Ensino")+ scale_fill_discrete(name="Genero", labels=c("Feminino", "Masculino" ))

Exercicio 2

ggplot(data=dat) + geom_point(mapping=aes(x=salbegin, y=salary, color=as.factor(jobcat)))+ geom_smooth(mapping = aes(x=salbegin, y=salary))+ labs(y="Salario", x="Salario inicial")+ labs(title = "Relação entre Salário Inicial e Corrente")+ labs(color="Categoria de Trabalho", labels=c("Secretario", "Auxiliar", "Gerente"))

exercicio 3

ggplot(data=dat) + geom_point(mapping=aes(x=salbegin, y=salary))+ geom_smooth(mapping = aes(x=salbegin, y=salary, fill=gender))+ labs(y="Salario", x="Salario Inicial")+ labs(title="Progressão de Salário por Sexo")+ scale_fill_discrete(name="Genero",labels=c("Feminino", "Masculino"))

exercicio 4

Construir uma nova variavel com categorias <=12 anos de estudo. >12 & <=15 e >=16 anos de estudo. +

analisar com números de grupos minoritários.

dat%>%mutate(nova=case_when(educ<=12~'secundario completo', educ>=13 & educ<=15~ 'superior incompleto', educ>=16~ 'superior completo')) ->dat

ftable(dat$nova~dat$minority)

ggplot(data = dat) + geom_bar(mapping = aes(x =as.factor(minority), fill=nova))+ labs(title="Distribuição de Escolaridade entre grupos minoritários ou não")+ labs(y="Minoritários", x="Distribuição")+ scale_fill_discrete(name="Nivel de Escolaridade")

gustavoalcantara / repositorio_unicamp

Gráficos do Exercicio 3 #4