#monitoria 12 dia 5 de junho


pes2015_2 <- read.csv("C:/Users/leia2-prof/Desktop/
                      pes2015_2.csv")

#5 

aux_horas <- pes2015_2$Renda
summary(aux_horas)
aux_horas2 = pes2015_2$horas_trab
hist(aux_horas,breaks=50)
aux_renda <- aux_horas/(aux_horas2*4)
summary(aux_renda)
Sal_horas = aux_renda

pes2015_2$Sal_horas <- Sal_horas

#6
summary(pes2015_2$Anos_Estudos)
summary(pes2015_2$Sal_horas)

#7
attach(pes2015_2)
model1 = lm(Sal_horas~Anos_Estudos)
summary(model1)
pt(22.699, 61459, lower.tail = FALSE)*2
pt(-5.068, 61459, lower.tail = TRUE)*2

qt(.05,10)

#8
v_ajustado1 =  -5.03569 + 2.11649*Anos_Estudos
v_ajustado2 = fitted.values(model1)
summary(v_ajustado1)
summary(v_ajustado2)

res1 = model1$residuals
summary(res1)
hist(res1,breaks = 100)

#9
ln_sal_horas = log(Sal_horas)
pes2015_2$ln_sal_horas = ln_sal_horas
summary(ln_sal_horas)

#10
model2 = lm(ln_sal_horas~Anos_Estudos)
summary(model2)

#11
#a.
res2 = model2$residuals
SSR = sum(res2^2)

#b.
fit1 = fitted.values(model2)
mu1 = mean(ln_sal_horas)
SSE = sum((fit1-mu1)^2)
SSE

#c
ln_sal_horas
SST = sum((ln_sal_horas-mu1)^2)
SST

SSE+SSR
SST

#d
R2 = SSE/SST
R2  
  
#e
#se = 0.0007626 
#var = 5.815588e-07

#f
pt()
pt(89.84, 61459, lower.tail = FALSE)

#12
#o R2 de 0.11 diz que o modelo explica 
#11% da variacao dos dados