Para a atividade, foi selecionado um banco de dados denominado “df_pokemon.RData”. Nele, vamos analisar as variâncias do hp (health point são um tipo de atributo associado a elementos ou alvos que indicam o seu estado atual de sobrevivência) e seu tipo/principal elemento. Os pokemons avaliados são de diferentes tipos de elemento, que vai desde dragão até grama. Nas análises vamos comentar sobre a média, os desvio padrão, a mediana, os 1st Q e 3rd Q’s.
##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(flextable)
df %>% select(hp,type_1) %>% group_by(type_1) %>% summarise (média=mean(hp),desvio_padrao=sd(hp),mediana=median(hp),Pri.Quarto=quantile(hp, 0.25),Ter.Quarto=quantile(hp, 0.75)) %>% flextable() %>% theme_zebra()type_1 | média | desvio_padrao | mediana | Pri.Quarto | Ter.Quarto |
|---|---|---|---|---|---|
bug | 55.95238 | 16.66504 | 60.0 | 45.00 | 70.00 |
dark | 67.17857 | 21.91913 | 65.0 | 51.50 | 72.75 |
dragon | 78.04167 | 22.93939 | 76.5 | 64.00 | 96.25 |
electric | 59.50000 | 17.73697 | 60.0 | 45.00 | 70.00 |
fairy | 74.11765 | 23.58729 | 78.0 | 55.00 | 90.00 |
fighting | 70.24000 | 26.83014 | 70.0 | 50.00 | 80.00 |
fire | 68.34783 | 19.73403 | 65.0 | 55.75 | 78.00 |
flying | 68.00000 | 24.43358 | 79.0 | 59.50 | 82.00 |
ghost | 61.56522 | 31.91868 | 58.0 | 44.50 | 62.00 |
grass | 66.19697 | 19.39407 | 65.0 | 50.00 | 75.00 |
ground | 72.40000 | 25.89049 | 71.5 | 52.25 | 90.00 |
ice | 71.65217 | 21.69543 | 70.0 | 53.00 | 90.00 |
normal | 76.52688 | 36.88484 | 70.0 | 55.00 | 85.00 |
poison | 67.25000 | 19.66502 | 67.5 | 50.00 | 80.25 |
psychic | 70.41304 | 30.18799 | 66.0 | 51.25 | 80.00 |
rock | 64.90000 | 20.73619 | 68.5 | 50.00 | 77.75 |
steel | 64.81818 | 17.03396 | 60.0 | 57.00 | 73.75 |
water | 70.86667 | 27.85438 | 69.0 | 50.00 | 90.00 |
Bom, na tabela acima temos vários elementos a serem analisados. Devido ao tamanho, torna-se trabalhoso avaliar todos, por isso, vamos analisar um de cada tipo relacionando com diferentes “raças” de pokemón.
Analisando o tipo normal dos pokemóns, notamos que sua média de HP é a maior dentre todos os tipos, com 76.5, mostrando um equilibrio entre os pokemons. Além disso, seu desvio padrão é de 36.9, mostrando que existe uma variabilidade considerável nos pokemóns do tipo normal, ainda mais se compararmos com os outros elementos.
Agora diferentemente dos tipos normal, os pokemons tipo fairy tem uma maior mediana em relações aos demais, com o valor do meio sendo 78. Isso nos da margem de para deduzir que talvez o tipo fairy é o que tenha um HP mais alto em relação aos outros.
Por último, vamos analisar os valores Quantile. Esses valores nada mais são do que uma variável de observação. O primeiro quantile é o valor que corta os primeiros 25% dos dados quando estes são ordenados em ordem crescente (o que explica os 0.25). O segundo quartil , ou mediana, é o valor que corta os primeiros 50%. O terceiro quartil é o valor que corta os primeiros 75% (0.75).
Para diversificar, vamos utilizar o elemento water para ser analisado. Nota-se que excluindo os 25% dos primeiros HP, temos o resultados de 50. Enquanto no 3Q (os primeiros 75%) temos de 90. Comparando-os, percebemos que há uma disperção de 30HP entre o 1Q e 3Q.
É difícil ter uma conclusão certa por conta das variáveis informações. Porém podemos resumir que dentro das informações, as médias comparadas a todos os elementos, há uma diferença de quase 20HP. Se analisarmos em casas decimais, os valores são próximos entre si, com casas que ficam entre 10 a 20 no desvio padrão. E o mesmo se repete nas outras variáveis, porém com valores diferentes, obviamente.