library(readr)
FifaData <- read_csv("C:/Users/danie/Desktop/Base_de_dados-master/FifaData.csv")
## 
## -- Column specification --------------------------------------------------------
## cols(
##   .default = col_double(),
##   Name = col_character(),
##   Nationality = col_character(),
##   National_Position = col_character(),
##   Club = col_character(),
##   Club_Position = col_character(),
##   Club_Joining = col_character(),
##   Height = col_character(),
##   Weight = col_character(),
##   Preffered_Foot = col_character(),
##   Birth_Date = col_character(),
##   Preffered_Position = col_character(),
##   Work_Rate = col_character()
## )
## i Use `spec()` for the full column specifications.

Análise descritiva das idades dos jogadores do Fifa (summary)

summary(FifaData$Age)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   17.00   22.00   25.00   25.46   29.00   47.00

Histograma por idade

hist(FifaData$Age, col ="navy", main = "histograma de idade FIFA",xlab = "Idade",ylim =c(0,3000))

Box-plot

boxplot(FifaData$Age, col="blue",
        main="Boxplot idade Fifa")

A patir da interpretação da análise descritiva, podemos identificar que a menor idade é 17 anos, o primeiro quartil é 22, a mediana é 25, a média 25.46, o terceiro quartil 29 e a maior é a idade de 47 anos. No histograma, isso fica graficamente mais evidente mostrando que a maior parte dos jogadores tem entre 20 e 26 anos.É possível notar tambem que após esse nivel máximo alcançado no gráfico, com o aumento da idade o numero de jogadores vai diminuindo.

Analisando o Box-Plot podemos identificar as medidas de estatísticas descritivas como o mínimo e máximo, representados pela menor e maior linha e na parte em azul se tem o primeiro quartil, segundo quartil ou mediana e o terceiro quartil.Tambem é possível perceber a presença de outliers que indicam idades discrepantes das demais, representados pelos pequenos circulos acima da linha máxima.