class: center, middle, inverse, title-slide # trabalho de dispersão ## ⚔<br> com o xaringan ### Marcos Vinícius Silva Varejão ### UNIRIO ### 21/04/2021 --- --- class: center, middle # Análise de duas variáveis quantitativas ### Diagrama de dispersão ### Coeficiente de correlação ### Base de dados ```r library(readr) FifaData <- read_csv("C:/Users/User/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. ``` ```r View(FifaData) ``` --- # Bibliotecas ```r library(readr) library(dplyr) library(corrplot) ``` --- # Diagrama de dispersão ```r par(bg="lightgreen") plot(FifaData$Dribbling,FifaData$Speed,pch=20,col="black", main="Diagrama de dispersão", xlab = "Drible", ylab = " Velocidade") abline(lsfit(FifaData$Dribbling,FifaData$Speed), col="red") ``` <!-- --> ```r cor(FifaData$Dribbling,FifaData$Speed)*100 ``` ``` ## [1] 72.56883 ``` --- ### A partir do diagrama de dispersão podemos analisar a relação entre duas variáveis quantitativas, no caso da presente análise, entre drible e velocidade dos jogadores de futebol. A linha vermelha nos mostra uma correlação forte e positiva, pois quanto maior é a capacidade de drible do jogador mais velocidade ele tende a ter.Ao se analisar em termos percentuais a correlação entre as variáveis é de aproximadamente 72,6%, portanto, relativamente alta. --- # Matriz de correlação entre as variáveis analisadas ```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 ``` ```r library(corrplot) ``` ``` ## Warning: package 'corrplot' was built under R version 4.0.5 ``` ``` ## corrplot 0.84 loaded ``` ```r Fifa <- FifaData %>% select(Dribbling,Speed) MCorr<- cor(Fifa) corrplot(MCorr) ``` <!-- --> ```r cor(FifaData$Dribbling,FifaData$Speed)*100 ``` ``` ## [1] 72.56883 ``` --- ### Ao se analisar a matriz de correlação entre as duas variáveis é possível observar pela coloração dos círculos e de seu tamanho que as duas variáveis analisadas têm uma correlação forte e positiva. Jogadores mais habilidosos tende a ter uma velocidade maior do que os demais, o que dificulta a marcação por parte de seus adversários na hora do jogo. São grandes exemplos na atualidade de atletas velozes e dribladores: Neymar jR, Messi, Mbappé, Bruno Henrique,etc. A velocidade aliada ao drible é um fator de destaque no meio futebolístico, pois facilita a formação dos contra-ataques, a jogadas na linha de fundo, o arranque frente a área,etc. Os jogadores que mantém um bom nível de relação entre velocidade e drible têm grandes chances de se destacarem no futebol moderno.