ATIVIDADE 6

Diagrama de dispersão de variáveis quantitativas e Matriz de Correlação de variáveis quantitativas

Iremos baixar as bibliotecas

library(readxl)
library(flextable)
library(corrplot)

## corrplot 0.92 loaded

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

Agora baixamos o banco de dados FifaData.csv

library(readr)
FifaData <- read_csv("C:/Users/usuario/Desktop/Base_de_dados-master/FifaData.csv")

## Rows: 17588 Columns: 53
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (12): Name, Nationality, National_Position, Club, Club_Position, Club_Jo...
## dbl (41): National_Kit, Club_Kit, Contract_Expiry, Rating, Age, Weak_foot, S...
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

View(FifaData)

Analisamos de maneira geral o banco de dados

head(FifaData) %>% flextable()

Name	Nationality	National_Position	National_Kit	Club	Club_Position	Club_Kit	Club_Joining	Contract_Expiry	Rating	Height	Weight	Preffered_Foot	Birth_Date	Age	Preffered_Position	Work_Rate	Weak_foot	Skill_Moves	Ball_Control	Dribbling	Marking	Sliding_Tackle	Standing_Tackle	Aggression	Reactions	Attacking_Position	Interceptions	Vision	Composure	Crossing	Short_Pass	Long_Pass	Acceleration	Speed	Stamina	Strength	Balance	Agility	Jumping	Heading	Shot_Power	Finishing	Long_Shots	Curve	Freekick_Accuracy	Penalties	Volleys	GK_Positioning	GK_Diving	GK_Kicking	GK_Handling	GK_Reflexes
Cristiano Ronaldo	Portugal	LS	7	Real Madrid	LW	7	07/01/2009	2,021	94	185 cm	80 kg	Right	02/05/1985	32	LW/ST	High / Low	4	5	93	92	22	23	31	63	96	94	29	85	86	84	83	77	91	92	92	80	63	90	95	85	92	93	90	81	76	85	88	14	7	15	11	11
Lionel Messi	Argentina	RW	10	FC Barcelona	RW	10	07/01/2004	2,018	93	170 cm	72 kg	Left	06/24/1987	29	RW	Medium / Medium	4	4	95	97	13	26	28	48	95	93	22	90	94	77	88	87	92	87	74	59	95	90	68	71	85	95	88	89	90	74	85	14	6	15	11	8
Neymar	Brazil	LW	10	FC Barcelona	LW	11	07/01/2013	2,021	92	174 cm	68 kg	Right	02/05/1992	25	LW	High / Medium	5	5	95	96	21	33	24	56	88	90	36	80	80	75	81	75	93	90	79	49	82	96	61	62	78	89	77	79	84	81	83	15	9	15	9	11
Luis Suárez	Uruguay	LS	9	FC Barcelona	ST	9	07/11/2014	2,021	92	182 cm	85 kg	Right	01/24/1987	30	ST	High / Medium	4	4	91	86	30	38	45	78	93	92	41	84	83	77	83	64	88	77	89	76	60	86	69	77	87	94	86	86	84	85	88	33	27	31	25	37
Manuel Neuer	Germany	GK	1	FC Bayern	GK	1	07/01/2011	2,021	92	193 cm	92 kg	Right	03/27/1986	31	GK	Medium / Medium	4	1	48	30	10	11	10	29	85	12	30	70	70	15	55	59	58	61	44	83	35	52	78	25	25	13	16	14	11	47	11	91	89	95	90	89
De Gea	Spain	GK	1	Manchester Utd	GK	1	07/01/2011	2,019	90	193 cm	82 kg	Right	11/07/1990	26	GK	Medium / Medium	3	1	31	13	13	13	21	38	88	12	30	68	60	17	31	32	56	56	25	64	43	57	67	21	31	13	12	21	19	40	13	86	88	87	85	90

names(FifaData)

##  [1] "Name"               "Nationality"        "National_Position" 
##  [4] "National_Kit"       "Club"               "Club_Position"     
##  [7] "Club_Kit"           "Club_Joining"       "Contract_Expiry"   
## [10] "Rating"             "Height"             "Weight"            
## [13] "Preffered_Foot"     "Birth_Date"         "Age"               
## [16] "Preffered_Position" "Work_Rate"          "Weak_foot"         
## [19] "Skill_Moves"        "Ball_Control"       "Dribbling"         
## [22] "Marking"            "Sliding_Tackle"     "Standing_Tackle"   
## [25] "Aggression"         "Reactions"          "Attacking_Position"
## [28] "Interceptions"      "Vision"             "Composure"         
## [31] "Crossing"           "Short_Pass"         "Long_Pass"         
## [34] "Acceleration"       "Speed"              "Stamina"           
## [37] "Strength"           "Balance"            "Agility"           
## [40] "Jumping"            "Heading"            "Shot_Power"        
## [43] "Finishing"          "Long_Shots"         "Curve"             
## [46] "Freekick_Accuracy"  "Penalties"          "Volleys"           
## [49] "GK_Positioning"     "GK_Diving"          "GK_Kicking"        
## [52] "GK_Handling"        "GK_Reflexes"

Diagrama de dispersão

plot(FifaData$Short_Pass, FifaData$Long_Pass, col="royalblue",
     pch=16, cex= 0.8, main="Diagrama de dispersão",
     xlab="Passe curto",
     ylab="Passe longo")
abline(lsfit(FifaData$Short_Pass, FifaData$Long_Pass),col="black")

Indice da correlaçao das variaveis escolhidas

cor(FifaData$Short_Pass, FifaData$Long_Pass)

## [1] 0.9007456

Matriz de correlação

FifaData %>% select(Short_Pass,Long_Pass,Long_Shots,Shot_Power,Volleys) %>% 
  cor() %>% corrplot(method = "circle")

FifaData %>% select(Short_Pass,Long_Pass,Long_Shots,Shot_Power,Volleys) %>% 
  cor() %>% corrplot(method = "number")

Conclusão

Analisamos a base de dados fifadata.csv e chegamos na conclusão no qual o Diagrama de dispersão, que pode ter indices positiva, negativa, forte,fraca e sem correlação, entretanto as variáveis Shortpass(passe curto) e Longpass(passe longo) aprensenta uma correlação positiva forte, com altos índices de aproximadamente 0.90, com isso chegamos que as duas variáveis que são extremamente importantes, apresenta grande ligamento.

Já analisamos que na matriz de correlação na qual usamos bolas e números chegamos que a conclusão que as variáveis escolhidas, todas tem grande semelhança uma a outra, mas a menor correlção é entre o passe longo(longpass) e o voleio(volleys), já tambem vimos que o passe longo e o passe curto são extremamente semelhantes um ao outro, assim como o shotpower(força do chute) e longsshots(chutes de longe), uma vez que para ter um bom chute de longe precisa ter força no chute, para a bola chegar no gol