Tarefa 5 - Quantitativa e Qualitativa

Análise quantitativa e qualitativa

Introdução

Hoje trabalharemos variáveis qualitativas e quantitativas dentro da base de dados df_pokemon. Utilizando como variável qualitativa a Type1 e como variável quantitativa ataque (attack).

Carregando a base de dados

load("C:/Users/esthe/OneDrive/Área de Trabalho/Base_de_dados-master/df_pokemon.RData")

Carregando bibliotecas

library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(flextable)

Hipótese trabalhada

Nossa análise parte da hipótese que os pokemons do tipo Fire tem um ataque acima dos demais.

• Operacionalizando:

.Variável de resposta: “Attack”

.Variável explicativa: “type_1” e “Fire”

Média, Mediana e desvio padrão

Nesse momento iremos formular as tabelas que darão base as nossas conclusões

df %>% select(type_1,attack) %>% 
  group_by(type_1) %>%
  summarise(média=mean(attack),
            mediana=median(attack),
            desvio_padrão=sd(attack)) %>%
  flextable() %>% theme_zebra()

type_1	média	mediana	desvio_padrão
bug	65.22222	63.0	30.74161
dark	86.25000	86.5	24.33657
dragon	102.62500	97.5	29.64253
electric	67.77778	61.5	25.15223
fairy	61.52941	52.0	29.75130
fighting	94.72000	100.0	27.66394
fire	81.60870	82.5	25.29776
flying	71.66667	70.0	42.52450
ghost	66.65217	65.0	25.28674
grass	70.90909	68.0	24.07790
ground	91.30000	83.5	28.62498
ice	70.69565	65.0	25.93600
normal	71.73118	70.0	29.30096
poison	74.67857	74.0	19.63001
psychic	60.21739	52.5	30.76933
rock	88.17500	86.5	32.57566
steel	83.54545	82.5	24.60687
water	71.04762	70.0	25.03013

Mínimo, primeiro quartil, mediana, terceiro quartil e máximo

df %>% select(type_1,attack) %>% 
  group_by(type_1) %>% 
  summarise(mínimo=min(attack),
            primeiro_quartil=quantile(attack,0.25),
            mediana=median(attack),
            terceiro_quartil=quantile(attack,0.75),
            máximo=max(attack)) %>% 
  flextable() %>% theme_zebra()

type_1	mínimo	primeiro_quartil	mediana	terceiro_quartil	máximo
bug	10	42.50	63.0	90.00	135
dark	50	65.00	86.5	97.50	131
dragon	50	78.75	97.5	130.00	150
electric	30	50.00	61.5	85.00	123
fairy	20	45.00	52.0	72.00	131
fighting	35	80.00	100.0	120.00	140
fire	40	60.75	82.5	97.75	140
flying	30	50.00	70.0	92.50	115
ghost	30	50.00	65.0	85.00	115
grass	27	53.50	68.0	89.75	130
ground	40	72.00	83.5	115.75	150
ice	30	50.00	65.0	82.50	130
normal	5	55.00	70.0	85.00	160
poison	43	60.00	74.0	90.50	106
psychic	20	36.25	52.5	74.50	150
rock	40	58.00	86.5	112.75	165
steel	24	75.00	82.5	97.50	135
water	10	52.00	70.0	90.00	130

Gráfico Bloxpot

boxplot(df$attack ~ df$type_1,
        col = c("red","pink"),
        main="boxplot - ataque e tipo",
        ylab = "ataque",
        xlab = "tipo")

Conclusão

Com os dados e gráficos apresentados acima é possível perceber que muitos pokemons de tipos diferentes podem manter semelhança quando a força de ataque por exemplo.

Quando falamos especificamente sobre o tipo fire ele apresenta características fortes quando falamos da variável attack, tal fato pode ser percebido por exemplo pela sua médiana no gráfico bloxpot.