#Carregar base de dados
load(“~/df_pokemon.RData”)
#Analisar os dados
head(df)
str(df)
summary(df)
#Resumo da variavel quantitativa
Podemos definir como média a soma de todos os valores mostrados dentro de um grupo específico dividido pela quantidade de unidades presentes no mesmo.
Desvio-padrão é a média da dispersão de um todo, indicando se as diferenças entre quanto os valores representados variaram entre si são altas ou baixas.
Com os dados apresentados na base de dados, conseguimos representar tudo que foi falado acima.
library(dplyr) library(reactable)
df %>% group_by(type_1) %>% summarise(média=mean (attack),desvio_padrao=sd(attack))
df %>% group_by(type_1) %>% summarise(mínimo=mean (attack),quartill = quantile(attack, probs=0.25), mediana=median(attack), quartill= quantile(attack, probs=0.75),máximo=max(attack)) %>% reactable()
#Grafico no formato Boxplot
O gráfico irá analisar a variável de “attack”, de todos os diferentes grupos de “type_1” boxplot (attack ~ type_1, data = df, col=“purple”, main=“Gráfico attack type_1”)
Podemos ver que o grupo “dragon” é o que tem o valor mais alto, ao contrário do grupo “fairy”, tendo diferenças notáveis entre as variações nos dois tipos. Algo que també, é interessantes de ser destacado é que o grupo “ground” apresenta uma variação mais ampla que as demais.
Os gráficos de dispersão são usados para analisar a força da relação entre duas variáveis numéricas. No gráfico, o eixo-x representa a variável independente e o eixo-y representa a variável dependente. Neste caso, vamos utilizar as variáveis “defense” e “hp”. O gráfico mostra a relação entre os atributos de Defesa (no eixo x) e HP (Health Points) (no eixo y) para um conjunto de Pokémon. A linha de tendência sugere uma correlação positiva, embora fraca, entre os dois atributos, indicando que, conforme a Defesa aumenta, o HP tende a subir um pouco. No entanto, essa relação não é forte, já que os pontos estão bastante dispersos em relação à linha. A maior parte dos pontos se concentra na faixa de Defesa entre 0 e 100 e de HP entre 0 e 150, indicando que a maioria dos Pokémon tem atributos moderados para ambos os valores. Há alguns pontos distantes, que representam Pokémon com valores muito altos de Defesa e HP. Esses outliers provavelmente se referem a Pokémon com alta resistência ou “tanques”, que possuem grandes valores de HP. Para treinadores e jogadores, compreender essa relação é importante na escolha dos Pokémon para batalhas. A correlação fraca sugere que o aumento de um atributo (como Defesa) não resulta necessariamente em um aumento significativo no HP. Assim, se um jogador deseja um Pokémon com alta durabilidade, ele precisará avaliar cada atributo individualmente ao planejar suas estratégias. Além disso, os Pokémon com os maiores valores no gráfico podem ser ideais para funções de tanque em equipes, devido à sua resistência superior.
library(ggplot2) library(ggthemes)
plot(df\(defense,df\)hp, col = “purple”, xlab = “Defesa”, ylab = “HP”, main = “Gráfico Deefesa/HP”) abline(lm(df\(defense~df\)hp), col = “black”)
A correlação entre Defesa e HP foi calculada em aproximadamente 0,235, o que indica uma correlação positiva fraca entre essas duas variáveis. A correlação pode variar de -1 (correlação negativa perfeita) a +1 (correlação positiva perfeita), sendo que valores próximos de zero sinalizam uma relação muito fraca ou inexistente. Com o valor obtido de 0,235, podemos afirmar que há uma tendência de que, à medida que a Defesa aumenta, o HP também tende a subir, embora de maneira fraca. Embora haja uma correlação positiva, o valor baixo sugere que o aumento na Defesa de um Pokémon não está fortemente relacionado a um aumento significativo no seu HP. Em outras palavras, esses dois atributos não são fortemente dependentes entre si, o que significa que um Pokémon pode ter alta Defesa sem necessariamente ter um HP elevado, e o contrário também é possível. Para os treinadores de Pokémon, esse dado implica que não basta focar no aumento de apenas um desses atributos (Defesa ou HP) para melhorar a resistência do Pokémon. Para otimizar a durabilidade em batalhas, é mais vantajoso escolher Pokémon que apresentem uma boa combinação de ambos os atributos, ao invés de depender exclusivamente de um deles. Esse entendimento pode ser útil ao desenvolver estratégias, especialmente em batalhas com Pokémon focados na defesa ou “tanques”.
al <- cor(df\(defense, df\)hp) al