Atividade 6 e 7

Passo 1: Importar o Banco de Dados!

load("C:/Users/laris/Downloads/Base_de_dados-master/df_pokemon.RData")

Passo 2: Selecionar as variáveis quantitativas a serem analisadas!

AtaquePokemon<- df$attack

DefesaPokemon<- df$defense

table(head(AtaquePokemon))

## 
## 49 52 62 64 82 84 
##  1  1  1  1  1  1

table(head(DefesaPokemon))

## 
## 43 49 58 63 78 83 
##  1  1  1  1  1  1

Passo 3: Escolher o gráfico apropriado! Nesta caso, utilizareri um gráfico de linha construído com o Pacote ggplot2

library(ggplot2)

ggplot(df) +
 aes(x = attack, y = defense) +
 geom_line(size = 1.44, colour = "#180f3e") +
 labs(x = "Ataque", y = "Defesa", title = "Comparativo Ataque x Defesa") +
 theme_bw()

Passo 4: Conclusões

Observe a evolução do gráfico! A grande síntese que podemos formular é a de que é complicado identificar uma corrrelação de imediato entre tais variáveis, o que constituí os valores de ataque e defesa dos pokemóns bem distribuídos. A priori, a grande conclusão que observamos é a de que pokemóns cujo ataque é nulo - ou quase - tendem a ter uma defesa altíssima!

Grande exemplo disso é o Metapod

Passo 5: Um banco de dados inédito! Neste caso utilizei um banco de dados “copasdomundo”.

library(readr)
CopaDoMundo <- read_delim("C:/Users/laris/Downloads/Base_de_dados-master/copasdomundo.csv", 
    ";", escape_double = FALSE, trim_ws = TRUE)

## Parsed with column specification:
## cols(
##   Num = col_double(),
##   POSICAO = col_double(),
##   PAIS = col_character(),
##   ANO = col_double(),
##   Rodada = col_character(),
##   P = col_double(),
##   VITORIA = col_double(),
##   EMPATE = col_double(),
##   DERROTA = col_double(),
##   Gols = col_double(),
##   GolSofridos = col_double(),
##   Pontos = col_double()
## )

Passo 6: Selecionar as Variáveis!

table(head(CopaDoMundo$ANO))

## 
## 1930 1982 1986 2006 2010 2014 
##    1    1    1    1    1    1

table(head(CopaDoMundo$Gols))

## 
##  0  1  5  7 18 
##  1  2  1  1  1

Passo 7: Gerar um gráfico! Aqui também usei o ggplot2

ggplot(CopaDoMundo) +
 aes(x = ANO, weight = Gols) +
 geom_bar(fill = "#e31a1c") +
 labs(x = "Ano", y = "Gols", title = "Gráfico de Barras", subtitle = "Comparativo Gols por Ano") +
 theme_bw()

Eis aqui a imagem do gráfico para facilitar a visualização

Passo 8: Conclusão

Conclui-se que os gols em copas do mundo foram aumentando gradativamente ao longo das suas edições. Temos a Copa de 1930 e 1934 como copa com menor número de gols, e a copa de 1998 e 2014 com o maior número de gols.