Diagrama de Dispersão

Passo 1 - Carregando a Base de Dados:

library(readr)
FD <- read_csv("C:/Users/Casa/OneDrive/Imagens/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.
View(FD)
names(FD)
##  [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 - Carregando 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 - Resumo Completo das Variáveis Idade e Força de chute:

resumo1 <- FD %>% summarise(media_Age=mean(Age),
                           Shot_Power_media=mean(Shot_Power),
                           dp_Age=sd(Age),
                           Shot_Power_dp=sd(Shot_Power))
print(resumo1)
## # A tibble: 1 x 4
##   media_Age Shot_Power_media dp_Age Shot_Power_dp
##       <dbl>            <dbl>  <dbl>         <dbl>
## 1      25.5             55.6   4.68          17.6

Passo 4 - Resumo Completo das Variáveis Dribles e Agilidade:

resumo2 <- FD %>% summarise(media_Dribbling=mean(Dribbling),
                           Agility_media=mean(Agility),
                           dp_Dribbling=sd(Dribbling),
                           Agility_dp=sd(Agility))
print(resumo2)
## # A tibble: 1 x 4
##   media_Dribbling Agility_media dp_Dribbling Agility_dp
##             <dbl>         <dbl>        <dbl>      <dbl>
## 1            54.8          63.2         18.9       14.6

Passo 5 - Diagrama de Disperção das variáveis Idade e Força de Chute:

# # # Relação entre a Idade dos Jogadores e a força do chute:

par(bg="lightyellow")
plot(FD$Age,FD$Shot_Power,pch=20,col="blue",
     main = "Diagrama de Dispersão",
     xlab = "Idades dos Jogadores",
     ylab = "Poder do chute dos jogadores")
abline(lsfit(FD$Age,FD$Shot_Power),col="black")

Passo 6 - Diagrama de Dispersão das Variáveis Dribles e Agilidade:

# Relação entre a quantidade de dribles e a agilidade dos jogadores:

par(bg="lightyellow")
plot(FD$Dribbling,FD$Agility,pch=20,col="blue",
     main="Diagrama de Dispersão",
     xlab = "Quantidade de Dribles",
     ylab = "Agilidade dos Jogadores")
abline(lsfit(FD$Dribbling,FD$Agility),col="black")

Passo 7 - Correlações

cor(FD$Age,FD$Shot_Power)
## [1] 0.1514011

Baixa ou nenhuma associação Entre as variáveis Idade e Força do Chute

cor(FD$Dribbling,FD$Agility)
## [1] 0.7546824

Grau bom ou excelente de associação / correlação positiva forte

FD_quanti <- FD %>% select("Age","Shot_Power","Dribbling","Agility")
FD_quanti <- na.omit(FD_quanti)
cor(FD_quanti)
##                     Age Shot_Power   Dribbling     Agility
## Age         1.000000000  0.1514011 0.004740379 -0.01945646
## Shot_Power  0.151401105  1.0000000 0.795026320  0.56372987
## Dribbling   0.004740379  0.7950263 1.000000000  0.75468236
## Agility    -0.019456460  0.5637299 0.754682364  1.00000000
library(corrplot)
## Warning: package 'corrplot' was built under R version 4.0.5
## corrplot 0.84 loaded
Mcorr <- cor(FD_quanti)
corrplot(Mcorr)

Gráficos

corrplot.mixed(Mcorr)

corrplot(Mcorr,method = "square")

corrplot(Mcorr,method = "number")

# Conclusão das Análises

Bom, eu busquei analisar 4 tipos de variáveis, afim realizar uma correlação em dois pares distintos. Obtive resultados interessantes quanto a análise feita.

A primeira correlação foi entre a Idade dos Jogadores da Fifa e a Força de Chute dos mesmos. Minha hipótese inicial era de que os jogadores mais novos (compreendidos de 17 a 27), teriam uma força de chute superior aos jogadores mais velhos (30 a 40). E para minha surpresa, o gráfico de dispersão não tendenciou para nenhum lado, e mostrou que a correlação das duas variáveis era quase nula, ou seja, a idade não interfere na força de chute dos jogadores da Fifa.

Em contrapartida a segunda análise, feita entre a quantidade de Dribles dos Jogadores e suas respectivas agilidades, foi totalmente de acordo com a minha hipótese inicial, que consistia em: Quanto mais alto o nivel de agilidade dos jogadores, maior era a quantidade de Dribles que os mesmos haviam feito em campo, o gráfico mostrou uma uma correlação positiva extremamente forte, ou seja, a quantidade de Dribles está muito associada ao nivel de agilidade do Jogador