Correlação entre 2 variáveis quantitativas

#Carregar base de dados
load("C:/Estatistica/Base_de_dados-master/CARROS.RData")
load("C:/Estatistica/Base_de_dados-master/df_pokemon.RData")

#Construir diagrama de dispersão e linha de tendência
plot(CARROS$HP,CARROS$Preco,col = "darkblue",pch=16)
abline(lsfit(CARROS$HP,CARROS$Preco),col="darkred")

plot(CARROS$Kmporlitro,CARROS$Preco,col = "darkblue",pch=16)
abline(lsfit(CARROS$Kmporlitro,CARROS$Preco),col="red")

plot(CARROS$Peso,CARROS$Amperagem_circ_eletrico,col = "darkblue",pch=16)
abline(lsfit(CARROS$Peso,CARROS$Amperagem_circ_eletrico),col="red")

###Base pokemon
plot(df$attack,df$defense,col = "darkblue",pch=16)
abline(lsfit(df$attack,df$defense),col="darkred")

cor(df$attack, df$defense)
## [1] 0.4317745
plot(df$weight,df$speed,col = "darkblue",pch=16)
abline(lsfit(df$weight,df$speed),col="darkred")

#Correlação (Estatística)

dados <-data.frame(x=c(2,3,4,5,5,6,7,8),
                   y=c(4,7,9,10,11,11,13,15))
cor(dados$x,dados$y)
## [1] 0.980871
plot(dados$x,dados$y,col = "darkblue",pch=16)
abline(lsfit(dados$x,dados$y),col="darkred")

cor(CARROS[,c("Preco","RPM","HP","Kmporlitro","Amperagem_circ_eletrico","Peso")])
##                              Preco         RPM         HP Kmporlitro
## Preco                    1.0000000 -0.43369788  0.7909486 -0.8475514
## RPM                     -0.4336979  1.00000000 -0.7082234  0.4186840
## HP                       0.7909486 -0.70822339  1.0000000 -0.7761684
## Kmporlitro              -0.8475514  0.41868403 -0.7761684  1.0000000
## Amperagem_circ_eletrico -0.7102139  0.09120476 -0.4487591  0.6811719
## Peso                     0.8879799 -0.17471588  0.6587479 -0.8676594
##                         Amperagem_circ_eletrico       Peso
## Preco                               -0.71021393  0.8879799
## RPM                                  0.09120476 -0.1747159
## HP                                  -0.44875912  0.6587479
## Kmporlitro                           0.68117191 -0.8676594
## Amperagem_circ_eletrico              1.00000000 -0.7124406
## Peso                                -0.71244065  1.0000000
##Visualização da matriz de correlação 
library(corrplot)
## corrplot 0.84 loaded
M <- cor(CARROS[,c("Preco","RPM","HP","Kmporlitro","Peso")])
corrplot(M, method="circle")

#########method="circle", "square", "number"

corrplot(M, order="hclust", addrect=2)

wb <- c("white","black")
corrplot(M, order="hclust", addrect=2, col=wb, bg="gold2")

corrplot.mixed(M)

corrplot(M,addCoef.col=TRUE,number.cex=0.7)

Correlação entre

library(corrplot)
M <- cor(CARROS[,c("Preco","RPM","HP","Kmporlitro","Peso")])
M
##                 Preco        RPM         HP Kmporlitro       Peso
## Preco       1.0000000 -0.4336979  0.7909486 -0.8475514  0.8879799
## RPM        -0.4336979  1.0000000 -0.7082234  0.4186840 -0.1747159
## HP          0.7909486 -0.7082234  1.0000000 -0.7761684  0.6587479
## Kmporlitro -0.8475514  0.4186840 -0.7761684  1.0000000 -0.8676594
## Peso        0.8879799 -0.1747159  0.6587479 -0.8676594  1.0000000
corrplot(M, method="circle")

corrplot(M, method="number")

corrplot(M, order="hclust", addrect=2)

corrplot.mixed(M)

corrplot(M,addCoef.col=TRUE,number.cex=0.7)