Análise Exploratoria de dados com R: como visualizar dados e Resumir Dados.

Análise Exploratória de Dados com R: Como Visualizar e Resumir Dados: A Análise Exploratória de Dados (EDA) é uma etapa crítica em qualquer projeto de análise de dados. Envolve o uso de técnicas estatísticas e de visualização para resumir e compreender as principais características de um conjunto de dados. R é uma linguagem de programação e ambiente poderoso para computação estatística e gráficos, tornando-o uma excelente escolha para EDA. Neste artigo, exploraremos como realizar EDA com R, com foco na visualização de dados e estatísticas resumidas.

Videos versus Dados.

Sobre analisar dados ou avaliar em videos os atletas. Podemos ponderar duas situações como a reavaliação de atletas depende da quantidade dos seus números, conseguimos filtrar os melhores jogos e buscar esses jogos. Além disso, números servem para realizar estimativas!

Visualizando os dados

EDA não está completo sem visualização de dados. R fornece uma ampla gama de ferramentas gráficas para visualização de dados, incluindo gráficos de dispersão, histogramas, gráficos de caixa e muito mais. Vejamos alguns dos tipos mais comuns de gráficos usados ​​em EDA.

Expectativas de gols.

A determinação correta de gols esperados é a variação de algumas caracteristicas atribuidas em jogo para um atleta que deve ter um segmento especifico, veja abaixo tais caracteristicas.

Densidade

## Warning: The dot-dot notation (`..level..`) was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(level)` instead.
## ℹ The deprecated feature was likely used in the ggshakeR package.
##   Please report the issue at <https://github.com/abhiamishra/ggshakeR/issues>.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

Dispersão

Grafico Percentilico

  • Mostra a variação do atleta em pespectivas de gol em suas partidas.

Scouting Reporter.

  • Comparando duas amostras: Dois atletas estão sendo comparados aqui para validar as suas caracteristicas em desempenho em suas partidas.

Conclusão

A Análise estatistica é desafiadora e a linguagem R pode ajudar a nortear corretamente as principais caracteristicas de um jogador em seu clube.