Análise de duas variáveis quantitativas

Diagrama de dispersão

Coeficiente de correlação

Passo 1 - carregar a base de dados

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

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

summary(Fifa$Speed)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   11.00   58.00   68.00   65.48   75.00   96.00
summary(Fifa$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

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

# 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")

Correlação

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.