Pontuação de vocabulário vs. classe social autodeclarada

Inferência para Dados Numéricos em R

Mine Cetinkaya-Rundel

Associate Professor of the Practice, Duke University

Pontuação de vocabulário e classe social autodeclarada

  • wordsum: teste de vocabulário com 10 questões (pontua de 0 a 10)
  • class: classe social autodeclarada (lower, working, middle, upper)
   wordsum  class 
1        6 MIDDLE  
2        9 WORKING 
3        6 WORKING 
4        5 WORKING 
5        6 WORKING 
6        6 WORKING 
...    ...     ...     
795      9 MIDDLE  
Inferência para Dados Numéricos em R
  1. SPACE (school, noon, captain, room, board, don't know)
  2. BROADEN (efface, make level, elapse, embroider, widen, don't know)
  3. EMANATE (populate, free, prominent, rival, come, don't know)
  4. EDIBLE (auspicious, eligible, fit to eat, sagacious, able to speak, don't know)
  5. ANIMOSITY (hatred, animation, disobedience, diversity, friendship, don't know)
  6. PACT (puissance, remonstrance, agreement, skillet, pressure, don't know)
  7. CLOISTERED (miniature, bunched, arched, malady, secluded, don't know)
  8. CAPRICE (value, a star, grimace, whim, inducement, don't know)
  9. ACCUSTOM (disappoint, customary, encounter, get used to, business, don't know)
  10. ALLUSION (reference, dream, eulogy, illusion, aria, don't know)
Inferência para Dados Numéricos em R

Distribuição da pontuação de vocabulário

ggplot(data = gss, aes(x = wordsum)) +
  geom_histogram(binwidth = 1)

Histograma de wordsum

Inferência para Dados Numéricos em R

Classe social autodeclarada: `class`

Se você tivesse que usar um de quatro nomes para sua classe social, em qual diria que está: lower, working, middle ou upper?

ggplot(data = gss, aes(x = wordsum)) +
  geom_histogram(binwidth = 1)

Gráfico de barras de class

Inferência para Dados Numéricos em R

Vamos praticar!

Inferência para Dados Numéricos em R

Preparing Video For Download...