Introdução

Vamos fazer uma interpretação das estatísticas abaixo

Diagrama de dispersão de variáveis quantitativas.
Matriz de Correlação de variáveis quantitativas.

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

## corrplot 0.92 loaded

library(readr)
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

Carregar base de dados

FifaData <- read_csv("C:/Users/Kim Fonseca Coquet/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.

Tabela da base de dados Fifa

library(flextable)
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

1. Diagrama de dispersão de variáveis quantitativas.

plot(FifaData$Skill_Moves,FifaData$Rating, col="green",
     pch=25,main="Diagrama de dispersão",
     xlab="Skill",
     ylab="Overall")
abline(lsfit(FifaData$Skill_Moves,FifaData$Rating),col="red")

correlação

cor(FifaData$Skill_Moves,FifaData$Rating)

## [1] 0.252

2. Matriz de Correlação de variáveis quantitativas.

library(corrplot)
FifaData %>% select(Rating,Skill_Moves,Speed,Freekick_Accuracy,Penalties,Short_Pass) %>% 
  cor() %>% corrplot(method = "number")

Conclusão

Foi usada a base de dados chamada de FifaData. Ela possui 41 variáveis quantitativas e 8 variáveis qualitativas. Conseguimos mostrar a relação entre as variáveis Skill Moves que seria basicamente o quanto um jogador consegue driblar e Overall que seria a “nota” do jogador.

A partir do índice de correlação podemos ver que as duas variáveis possuem uma correlação pequena já que é apenas de 0.252. Já com o diagrama de dispersão, conseguimos ver que a maioria dos jogadores de todas “notas” se encontram com os niveis de Skill mais baixo e enquanto isso poucos atletas com “notas” mais altas tem o nivel 4 e 5 de Skill. Apesar de ter uma correlação baixa, isso faz sentido já que poucos atletas tem o nível 5 de Skill mas quase todos eles se encontram com notas mais altas

trab 6

Kim

2023-05-17