Presentation Ninja

class: center, middle, inverse, title-slide

# Presentation Ninja
## ⚔<br/>with xaringan
### Yihui Xie
### RStudio, PBC
### 2016/12/12 (updated: 2021-04-09)

---

background-image: url(https://upload.wikimedia.org/wikipedia/commons/b/be/Sharingan_triple.svg)

---
class: center, middle

# Análise de duas variáveis quantitativas

### Diagrama de dispersão
### Coeficiente de correlação

---

# Passo 1 - carregar a base de dados

```r
Fifa <- read.csv("C:/Users/Lenovo/Desktop/Base_de_dados-master/FifaData.csv")
View(Fifa)
names(Fifa)
```

```
##  [1] "Name"               "Nationality"        "National_Position" 
##  [4] "National_Kit"       "Club"               "Club_Position"     
##  [7] "Club_Kit"           "Club_Joining"       "Contract_Expiry"   
## [10] "Rating"             "Height"             "Weight"            
## [13] "Preffered_Foot"     "Birth_Date"         "Age"               
## [16] "Preffered_Position" "Work_Rate"          "Weak_foot"         
## [19] "Skill_Moves"        "Ball_Control"       "Dribbling"         
## [22] "Marking"            "Sliding_Tackle"     "Standing_Tackle"   
## [25] "Aggression"         "Reactions"          "Attacking_Position"
## [28] "Interceptions"      "Vision"             "Composure"         
## [31] "Crossing"           "Short_Pass"         "Long_Pass"         
## [34] "Acceleration"       "Speed"              "Stamina"           
## [37] "Strength"           "Balance"            "Agility"           
## [40] "Jumping"            "Heading"            "Shot_Power"        
## [43] "Finishing"          "Long_Shots"         "Curve"             
## [46] "Freekick_Accuracy"  "Penalties"          "Volleys"           
## [49] "GK_Positioning"     "GK_Diving"          "GK_Kicking"        
## [52] "GK_Handling"        "GK_Reflexes"
```

---

# Passo 2 - carregar a biblioteca DPLYR

```r
library(dplyr)
```

```
## 
## Attaching package: 'dplyr'
```

```
## The following objects are masked from 'package:stats':
## 
##     filter, lag
```

```
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
```

---

# Passo 3 - resumão das variáveis

```r
summary(Fifa$Speed)
```

```
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   11.00   58.00   68.00   65.48   75.00   96.00
```

```r
summary(Fifa$Weak_foot)
```

```
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.000   3.000   3.000   2.934   3.000   5.000
```
## Desvio padrão das variáveis

```r
Fifa %>% summarise(dp_speed=sd(Fifa$Speed),dp_weakfoot=sd(Fifa$Weak_foot))
```

```
##   dp_speed dp_weakfoot
## 1 14.10061   0.6559266
```

---

# Passo 4 - diagrama de dispersão

```r
# Relação entre velocidade e o pé fraco dos jogadores
par(bg="lightyellow")
plot(Fifa$Speed,Fifa$Weak_foot,pch=20,col="purple",
     main="Diagrama de dispersão",
     xlab = "velocidade",
     ylab = "avaliação do pé fraco")
abline(lsfit(Fifa$Speed,Fifa$Weak_foot),col="black")
```

![](atividade6_files/figure-html/unnamed-chunk-5-1.png)

---

# Correlação

```r
cor(Fifa$Speed,Fifa$Weak_foot)
```

```
## [1] 0.2408914
```

### Observa-se que a correlação é praticamente nula entre as variáveis.
### Embora seja natural pensar que uma boa avaliação ao pé mais fraco do jogador esteja relacionada com uma boa velocidade atingida, tendo em vista que isso significaria mais força e estratégia,  verifica-se no gráfico que aqueles que comumente atingem as maiores velocidade têm avaliação mediana (2 e 3) para o seu pé mais fraco.