Instruções

Fase de coleta de dados e amostragem

  • Siga cuidadosamente as instruções em coleta de dados e envie os arquivos .csv no Moodle.

Fase de resolução

  • Aguarde que o professor envie a você os arquivos .csv com os dados que você vai usar na resolução das questões.

  • Clique o botão Code, no início desta página, para baixar o arquivo Rmd deste documento.

  • Edite o arquivo Rmd para resolver as questões com os dados atribuídos a você.

  • Escreva o máximo possível sobre o seu raciocínio. Justifique suas respostas.

  • Teste suas respostas. Tudo deve estar executando sem erros.

  • Envie no Moodle:

    1. O arquivo Rmd com as suas resoluções e

    2. Um vídeo de até \(5\) minutos explicando as suas resoluções.

  • Bom trabalho.

Ambiente

1 Coleta de dados

1.1 Sinistrismo

  1. Escolha \(5\) pessoas dentre seus familiares e seus amigos.

  2. Peça a cada uma das pessoas para preencher o questionário abaixo.

  3. Preencha você também o questionário abaixo com as suas respostas.

    QUESTIONÁRIO SOBRE PREFERÊNCIA DE MÃO

    Por favor, indique qual mão você usaria para cada atividade abaixo, do seguinte modo:

    • Se você usaria preferencialmente uma das mãos, mas poderia usar — ou ocasionalmente usa — a outra mão, com resultados inferiores, então coloque “+” (um sinal de mais) na coluna da mão preferida.

    • Se você sempre usaria uma das mãos, e nunca a outra, então coloque “+ +” (dois sinais de mais) na coluna da mão usada.

    • Se você for indiferente quanto à mão usada, então coloque um “+” (sinal de mais) em cada coluna.

    ATIVIDADE ESQUERDA DIREITA
    Escrever
    Desenhar
    Arremessar uma pedra
    Cortar papel com uma tesoura
    Escovar os dentes (com escova manual)
    Passar manteiga no pão com uma faca
    Tomar sopa com uma colher
    Varrer o chão (mão na parte de cima da vassoura)
    Riscar um fósforo (mão que segura o fósforo)
    Abrir uma caixa de sapatos (mão que segura a tampa)
  4. Gere o arquivo sinistrismo.csv com os resultados.

    O arquivo terá \(7\) linhas (a primeira delas contendo os nomes das colunas) e duas colunas:

    • sexo: M ou F.

    • nota: um valor de ponto flutuante entre \(-1\) e \(1\) (inclusive) com \(3\) casas decimais, calculado para cada pessoa do seguinte modo:

      • \(E = {}\) quantidade de “+” na coluna Esquerda do questionário preenchido.

      • \(D = {}\) quantidade de “+” na coluna Direita do questionário preenchido.

      • nota \(\displaystyle {}= \frac{E - D}{E + D}\)

  5. Envie o arquivo no Moodle.

1.2 Razão altura-mão

  1. Escolha \(5\) pessoas dentre seus familiares e seus amigos.

  2. Registre, para cada pessoa,

    • O sexo,

    • A altura em centímetros, com \(1\) casa decimal,

    • A distância, em centímetros, com \(1\) casa decimal, entre a ponta do dedo mínimo e a ponta do polegar (ambos da mão esquerda), com a mão mais aberta possível — como se a pessoa fosse tocar, ao mesmo tempo, só com a mão esquerda, duas teclas de um piano, uma muito afastada da outra.

  3. Registre os mesmos dados para você mesmo.

  4. Gere o arquivo razao.csv com os resultados.

    O arquivo terá \(7\) linhas (a primeira delas contendo os nomes das colunas) e \(4\) colunas:

    • sexo: M ou F.

    • altura: um valor de ponto flutuante com \(1\) casa decimal.

    • mao: um valor de ponto flutuante com \(1\) casa decimal.

    • razao: um valor de ponto flutuante com \(1\) casa decimal, com a razão \(\displaystyle \frac{\texttt{altura}}{\texttt{mao}}\).

  5. Envie o arquivo no Moodle.

2 Questões

2.1 Sinistrismo

  1. Leia o arquivo sinistrismo-amostra.csv que você recebeu, gerando uma tibble.

  2. Faça uma breve análise exploratória:

    1. Quantos elementos tem sua amostra?

    2. Quais as proporções de homens e mulheres?

    3. Quais as estatísticas globais relativas a nota?

    4. Quais as estatísticas por sexo relativas a nota?

    5. Faça gráficos de nota (globais e por sexo). Escolha os tipos de gráfico mais adequados para a situação. Comente os resultados.

  3. Pesquise na internet: qual é a proporção de canhotos na população em geral?

  4. Considere como canhota qualquer pessoa da sua amostra com nota \({}> 0{,}5\).

  5. Construa um intervalo de confiança para a proporção de canhotos na população, com base na sua amostra. Use nível de confiança de \(95\%\).

  6. A proporção de canhotos na população em geral (que você pesquisou no item 3) está dentro do intervalo de confiança que você construiu? O que isto significa?

  7. Teste a seguinte hipótese: a média das notas dos homens é igual à média das notas das mulheres. Use \(\alpha = 0{,}05\). Comente o resultado.

2.2 Razão altura-mão

  1. Leia o arquivo razao-amostra.csv que você recebeu, gerando uma tibble.

  2. Faça uma breve análise exploratória:

    1. Quantos elementos tem sua amostra?

    2. Quais as proporções de homens e mulheres?

    3. Quais as estatísticas globais relativas a altura, mao, e razao?

    4. Quais as estatísticas por sexo relativas a altura, mao, e razao?

    5. Faça gráficos de altura, mao, e razao (globais e por sexo). Escolha os tipos de gráfico mais adequados para a situação. Comente os resultados.

  3. Teste a seguinte hipótese: razao é, em média, maior para os homens do que para as mulheres. Use \(\alpha = 0{,}05\). Comente o resultado.

  4. Construa um intervalo de confiança para a diferença das alturas médias entre homens e mulheres. Use nível de confiança de \(95\%\).

  5. Qual é a correlação entre mao e altura, sem levar em conta o sexo?

  6. Qual é a correlação entre mao e altura, levando em conta o sexo?

---
title: 'Pessoas e medidas'
subtitle: 'Lista avaliativa -- Probabilidade e Estatística -- 2022.1'
author: 'fnaufel'
email: 'https://fnaufel.github.io/'
date: '   (v. `r format(Sys.Date(), "%d/%m/%Y")`)'
lang: 'pt-br'

output: 
  # To install these output formats, run
  #   install.packages("devtools")
  #   devtools::install_github("fnaufel/fnaufelRmd")
  fnaufelRmd::html_report:
    []
---

```{r setup, include=FALSE}
# The next command configures MANY things and loads quite a few packages.
# 
# If you want to see what's being done, execute 
# 
#   cat(
#     system.file(
#       "rmarkdown/resources/R/_common_report.R", 
#       package = "fnaufelRmd"
#     )
#   )
# 
# to find out the location of the file. Then open the file.
# 
# If you want to change the configuration, copy the file, edit it, and
# source it instead of the package file. 
# 
# Or simply write your commands here in this code chunk.

source(
  system.file(
    "rmarkdown/resources/R/_common_report.R",
    package = "fnaufelRmd"
  )
)
```


# Instruções {-}

## Fase de coleta de dados e amostragem {-}

* Siga cuidadosamente as instruções em [*coleta de dados*](#coleta) e envie os arquivos `.csv` [no Moodle]{.hl}.


## Fase de resolução {-}

* Aguarde que o professor envie a você os arquivos `.csv` com os dados que você vai usar na resolução das [questões](#questoes).

* Clique o botão `Code`, no início desta página, para baixar o arquivo Rmd deste documento.

* Edite o arquivo Rmd para resolver as questões [com os dados atribuídos a você]{.hl}. 

* Escreva o máximo possível sobre o seu raciocínio. Justifique suas respostas.

* Teste suas respostas. Tudo deve estar executando sem erros.

* [Envie no Moodle: ]{.hl}

  1. O arquivo Rmd com as suas resoluções e
  
  1. Um vídeo de até $5$ minutos explicando as suas resoluções.

* Bom trabalho.


# Ambiente {-}

* Para gerar um arquivo HTML a partir deste documento, você precisa dos seguintes pacotes do R:

  ```{r echo=FALSE, results='asis'}
  pacotes <- session_info('attached')$packages$package
  pacotes_tidy <- getNamespace("tidyverse")$core
  pacotes <- c(
    setdiff(pacotes, pacotes_tidy),
    'fnaufelRmd',
    'devtools'
  ) %>% 
    sort()
   
  paste('  * `', pacotes, '`', collapse = '\n\n') %>% 
    cat()
  ```

* Execute o seguinte código para instalar os pacotes que estão faltando no seu ambiente:

    ```{r message=FALSE}
    if (!require('devtools'))
      install.packages('devtools')
    
    if (!require('fnaufelRmd'))
      devtools::install_github("fnaufel/fnaufelRmd")
    
    pacotes <- c(
      'conflicted',
      'kableExtra',
      'knitr',
      'latex2exp',
      'sessioninfo',
      'summarytools',
      'tidyverse'
    )
    
    instalar_se_preciso <- function(x) {
      
      if (!require(x, character.only = TRUE))
        install.packages(x)
      
    }
    
    invisible(sapply(pacotes, instalar_se_preciso))
    ```

* Se houver erro na instalação, entre em contato com o professor pelo Telegram, [enviando todas as mensagens emitidas quando você executou os comandos]{.hl}.


# Coleta de dados {#coleta}

## Sinistrismo {#sinistrismo}

1. [Escolha $5$ pessoas]{.hl} dentre seus familiares e seus amigos. 

1. [Peça a cada uma das pessoas]{.hl} para preencher o questionário abaixo.

1. [Preencha você também]{.hl} o questionário abaixo com as suas respostas.

   ::: {.rmdbox latex=1}
   
   #### **QUESTIONÁRIO SOBRE PREFERÊNCIA DE MÃO** {-}
   
   Por favor, indique qual mão você usaria para cada atividade abaixo, do seguinte modo:
   
   * Se você usaria *preferencialmente* uma das mãos, mas poderia usar --- ou ocasionalmente usa --- a outra mão, com resultados inferiores, então coloque "`+`" (um sinal de mais) na coluna da mão preferida.
     
   * Se você *sempre* usaria uma das mãos, e nunca a outra, então coloque "`+ +`" (*dois* sinais de mais) na coluna da mão usada.
     
   * Se você for *indiferente* quanto à mão usada, então coloque um "`+`" (sinal de mais) *em cada coluna*.

    | ATIVIDADE                                           | ESQUERDA | DIREITA |
    |-----------------------------------------------------+----------+---------|
    | Escrever                                            |          |         |
    | Desenhar                                            |          |         |
    | Arremessar uma pedra                                |          |         |
    | Cortar papel com uma tesoura                        |          |         |
    | Escovar os dentes (com escova manual)               |          |         |
    | Passar manteiga no pão com uma faca                 |          |         |
    | Tomar sopa com uma colher                           |          |         |
    | Varrer o chão (mão na parte de cima da vassoura)    |          |         |
    | Riscar um fósforo (mão que segura o fósforo)        |          |         |
    | Abrir uma caixa de sapatos (mão que segura a tampa) |          |         |

   :::
   
1. [Gere o arquivo `sinistrismo.csv`]{.hl} com os resultados. 

   O arquivo terá $7$ linhas (a primeira delas contendo os nomes das colunas) e [duas colunas]{.hl}:

   * `sexo`: `M` ou `F`.
   
   * `nota`: um valor de ponto flutuante entre $-1$ e $1$ (inclusive) [com $3$ casas decimais]{.hl}, calculado para cada pessoa do seguinte modo:
   
     * $E = {}$ quantidade de "`+`" na coluna `Esquerda` do questionário preenchido.
     
     * $D = {}$ quantidade de "`+`" na coluna `Direita` do questionário preenchido.
     
     * `nota` $\displaystyle {}= \frac{E - D}{E + D}$

1. Envie o arquivo [no Moodle]{.hl}.
   
   
## Razão altura-mão {#alturamao}

1. [Escolha $5$ pessoas]{.hl} dentre seus familiares e seus amigos. 

1. [Registre]{.hl}, para cada pessoa,

   * O [sexo]{.hl},
   
   * A [altura em centímetros]{.hl}, com $1$ casa decimal,
   
   * A [distância, em centímetros]{.hl}, com $1$ casa decimal, [entre a ponta do dedo mínimo e a ponta do polegar]{.hl} (ambos da mão esquerda), com a mão mais aberta possível --- como se a pessoa fosse tocar, ao mesmo tempo, só com a mão esquerda, duas teclas de um piano, uma muito afastada da outra.

1. [Registre]{.hl} os mesmos dados [para você mesmo]{.hl}.

1. [Gere o arquivo `razao.csv`]{.hl} com os resultados. 

   O arquivo terá $7$ linhas (a primeira delas contendo os nomes das colunas) e [$4$ colunas]{.hl}:

   * `sexo`: `M` ou `F`.
   
   * `altura`: um valor de ponto flutuante [com $1$ casa decimal]{.hl}.
   
   * `mao`: um valor de ponto flutuante [com $1$ casa decimal]{.hl}.
   
   * `razao`: um valor de ponto flutuante [com $1$ casa decimal]{.hl}, com a razão $\displaystyle \frac{\texttt{altura}}{\texttt{mao}}$.

1. Envie o arquivo [no Moodle]{.hl}.
   

# Questões {#questoes}

## Sinistrismo {#sinistrismoq}

1. Leia o arquivo `sinistrismo-amostra.csv` que você recebeu, gerando uma *tibble*.

1. Faça uma [breve análise exploratória]{.hl}:

   a. Quantos elementos tem sua amostra?
   
   a. Quais as proporções de homens e mulheres?
   
   a. Quais as estatísticas [globais]{.hl} relativas a `nota`?
   
   a. Quais as estatísticas [por sexo]{.hl} relativas a `nota`?
   
   a. Faça [gráficos]{.hl} de `nota` (globais e por sexo). Escolha os tipos de gráfico mais adequados para a situação. Comente os resultados.
   
1. [Pesquise na internet]{.hl}: qual é a proporção de canhotos na população em geral?

1. [Considere como canhota]{.hl} qualquer pessoa da sua amostra com `nota` ${}> 0{,}5$. 

1. Construa um [intervalo de confiança]{.hl} para a proporção de canhotos na população, com base na sua amostra. Use nível de confiança de $95\%$.

1. A proporção de canhotos na população em geral (que você pesquisou no item 3) está dentro do intervalo de confiança que você construiu? O que isto significa?

1. Teste a seguinte [hipótese]{.hl}: a média das notas dos homens é igual à média das notas das mulheres. Use $\alpha = 0{,}05$. Comente o resultado.
   

## Razão altura-mão {#alturamaoq}

1. Leia o arquivo `razao-amostra.csv` que você recebeu, gerando uma *tibble*.

1. Faça uma [breve análise exploratória]{.hl}:

   a. Quantos elementos tem sua amostra?
   
   a. Quais as proporções de homens e mulheres?
   
   a. Quais as estatísticas [globais]{.hl} relativas a `altura`, `mao`, e `razao`?
   
   a. Quais as estatísticas [por sexo]{.hl} relativas a `altura`, `mao`, e `razao`?
   
   a. Faça [gráficos]{.hl} de `altura`, `mao`, e `razao` (globais e por sexo). Escolha os tipos de gráfico mais adequados para a situação. Comente os resultados.

1. Teste a seguinte [hipótese]{.hl}: `razao` é, em média, maior para os homens do que para as mulheres. Use $\alpha = 0{,}05$. Comente o resultado.

1. Construa um [intervalo de confiança]{.hl} para a diferença das alturas médias entre homens e mulheres. Use nível de confiança de $95\%$.

1. Qual é a [correlação]{.hl} entre `mao` e `altura`, sem levar em conta o sexo? 

1. Qual é a [correlação]{.hl} entre `mao` e `altura`, levando em conta o sexo? 

<div style='height: 200px'></div>
