Aula 19-11

DIAGRAMA DE DISPERSÃO

load('C:/Users/thamara.oliveira/Documents/Base_de_dados-master/CARROS.RData') 
load('C:/Users/thamara.oliveira/Documents/Base_de_dados-master/df_pokemon.RData')

plot(CARROS$HP,CARROS$Preco,col = "darkblue",pch=16)
abline(lsfit(CARROS$HP,CARROS$Preco),col="darkred")

# Conclui-se que o padrão linear é positivo, ou seja, quanto maior a potência do motor do carro, maior tende a ser o preço.


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

# Quanto mais economico o carro, ele tende a ser mais barato 

plot(CARROS$Peso,CARROS$Preco,col = "darkred",pch=16)
abline(lsfit(CARROS$Peso,CARROS$Preco),col="darkblue")

# Quanto mais pesado o carro, ele tende a ser mais caro 

plot(CARROS$Amperagem_circ_eletrico,CARROS$Preco,col = "darkred",pch=16)
abline(lsfit(CARROS$Amperagem_circ_eletrico,CARROS$Preco),col="darkblue")

# Quanto maior a amperagem do carro, mais barato


  
#  Base de dados - Pokemon
# RELAÇÃO ENTRE DEFESA E ATAQUE

#plot(df$attack,df$defense)
#abline(lsfit(df$attack,df$defense))

# RELAÇÃO ENTRE PESO E VELOCIDADE

plot(df$weight,df$speed,col = 'red')
abline(lsfit(df$weight,df$speed),col='blue')

# Não existe associação linear entre as duas variáveis

# CORRELAÇÃO

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 = "darkred",pch=16)
abline(lsfit(dados$x,dados$y),col="darkblue")

# CORRELAÇÃO ENTRE AS VARIAVEIS 
library(corrplot)

## corrplot 0.84 loaded

M <- cor(CARROS[,c("Preco","RPM","HP","Kmporlitro","Peso")])
corrplot(M, method="circle")

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

corrplot.mixed(M)

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)