Adicao de correcao nas US6 e US9

comentarios para entender o código

US6_analise.R

@@ -26,7 +26,7 @@ print( shapiro.test(dados$atividade))
 print( cor.test(dados$sumSession,dados$atividade,method=c("kendall")))
 print( cor.test(dados$sumSession,dados$atividade,method=c("spearman")))
 
-#grafico para analise dos dados ad .
+#grafico para analise dos dados de tempo total de estudo
 png(filename = "US6-TempoTotalEstudo.png", width=650)
 par(mfrow=c(1,2))
 hist(dados$sumSession, main="Histograma Tempo Total de Estudo", xlab="Tempo Total de Estudo", ylab="Frequencia")

US9 - Analise NumeroSessões-TempoEstudo.R

@@ -4,32 +4,41 @@
 require(nortest)
 require(ggplot2)
 
-
+#leitura dos dados
 dados <- read.csv("dados/tableSessionLength.csv",header=T)
 
 dados.numSessoes <- with(dados,aggregate(session,list(matricula),FUN=max))
 colnames(dados.numSessoes) <- c("matricula","num.sessoes")
 dados.tempoEstudo <- with(dados,aggregate(timeSession/3600,list(matricula),FUN=sum))
 colnames(dados.tempoEstudo) <- c("matricula","tempo.estudo")
 
+#merge para associar o tempo de estudo e o numero de sessoes dos alunos.
 tabela <- merge(dados.numSessoes,dados.tempoEstudo,by.x="matricula",by.y="matricula")
 
+
+
+#testes de normalidade para os dados
 print( ad.test(tabela$num.sessoes))
 print( shapiro.test(tabela$num.sessoes))
 
 print( ad.test(tabela$tempo.estudo))
 print( shapiro.test(tabela$tempo.estudo))
 
+#teste de correlação
 print( cor.test(tabela$num.sessoes,tabela$tempo.estudo,method=c("kendall")))
 print( cor.test(tabela$num.sessoes,tabela$tempo.estudo,method=c("spearman")))
 
+
+#grafico para analise dos dados de tempo de estudo.
 png(filename = "US9-TempoEstudo.png", width=650)
 par(mfrow=c(1,2))
 hist(tabela$tempo.estudo, main="Histograma Tempo de Estudo", xlab="Tempo de Estudo (hora)", ylab="Frequencia")
 qqnorm(tabela$tempo.estudo)
 qqline(tabela$tempo.estudo)
 dev.off()
 
+
+#grafico para analise dos dados do numero de sessoes.
 png(filename = "US9-NumeroDeSessoes.png", width=650)
 par(mfrow=c(1,2))
 hist(tabela$num.sessoes, main="Histograma Numero de Sessoes ", xlab="Numero de Sessoes de Estudo", ylab="Numero de Alunos")
@@ -38,6 +47,7 @@ qqline(tabela$num.sessoes)
 dev.off()
 
 
+#grafico log log para mostrar a correlacao entre os dados.
 grafico <- ggplot(tabela,aes(num.sessoes,tempo.estudo)) + 
  	     geom_point() + geom_smooth(method=lm,se=FALSE) +
 	     scale_y_log10() + scale_x_log10() +