library(readr)
FifaData <- read_csv("C:/Users/rioch/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)

1°ETAPA: SELEÇÃO DAS VARIÁVEIS QUANTATIVAS A SEREM TRABALHADAS:

As variáveis quantitativas selecionadas foram idade (Age) e aceleração (Acceleration)
View(FifaData)

2°ETAPA:

Elaboração do Diagrama de Dispersão e Matriz de Correlação das Variáveis.
plot(FifaData$Age,FifaData$Acceleration, col="green",pch=8,main = "Correlação de Idade com Aceleração",xlab = "Idade (anos)",ylab= "Aceleração (%)",horizontal=TRUE)
## Warning in plot.window(...): "horizontal" não é um parâmetro gráfico
## Warning in plot.xy(xy, type, ...): "horizontal" não é um parâmetro gráfico
## Warning in axis(side = side, at = at, labels = labels, ...): "horizontal" não é
## um parâmetro gráfico

## Warning in axis(side = side, at = at, labels = labels, ...): "horizontal" não é
## um parâmetro gráfico
## Warning in box(...): "horizontal" não é um parâmetro gráfico
## Warning in title(...): "horizontal" não é um parâmetro gráfico
abline(lsfit(FifaData$Age,FifaData$Acceleration),col="blue")

cor(FifaData$Age,FifaData$Acceleration)
## [1] -0.1759384

3 etapa: Jogadores mais novos tem mais agilidade ?

Também decidiu analisar outra váriavel que intuitivamente lhe parecia se correlacionar com as anteriores, Agilidade, isto é, a habilidade de mudar a posição do corpo de maneira eficaz.
plot(FifaData$Age,FifaData$Agility, col="red",pch=20, xlab= "Idade", ylab= "Agilidade")
abline(lsfit(FifaData$Age,FifaData$Agility),col="purple")

cor(FifaData$Age,FifaData$Agility)
## [1] -0.01945646
Análise: Após analisar a terceira hipótese, observou que a correlação entre a idade e a agilidade não era tão evidente.
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
FifaData %>% select(Age,Speed,Acceleration,Agility) %>% 
  filter(Age <30) %>%
  cor() %>% corrplot()

CONCLUSÃO

Após alicar o filtro reduzindo a idade dos jogares apenas para 30 anos, observou-se uma mudança de cenário. A agilidade passou a ser a caracteristica com a correlação mais forte com a idade, entre as outras três.Observou-se também que a correlação entre Agilidade, Aceleração e Velocidade é forte.