Untitled

Diagrama de dispersão e matriz de correlação para duas variáveis quantitativas, “Dribbling” (drible) e “Speed” (velocidade), da base de dados “FifaData.csv”.

Carregando a base da dados:

library(readr)
Fifa <- read_csv("C:/Users/ronal/Documents/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.

Carregando as bibliotecas usadas:

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

library(corrplot)

corrplot 0.90 loaded

Diagrama de dispersão:

par(bg="lightyellow")
plot(Fifa$Dribbling, Fifa$Speed,pch=19,col="blue",
     main="Correlação entre a velocidade e o drible dos jogadores",
     ylab = "Velocidade",
     xlab="Drible")
abline(lsfit(Fifa$Dribbling, Fifa$Speed),col="red")

Matriz de correlação:

MatCor <- Fifa %>% select(Dribbling,Speed) %>% cor()
corrplot.mixed(MatCor)

Interpretação dos resultados

    Observando o diagrama de dispersão acima, nota-se que o mesmo possui uma correlação positiva média. O mesmo leva a concluir que a capacidade de driblar é explicada pela velocidade, ou seja, quanto maior a velociade do jogador, maior será a sua capacidade de driblar.
    Analisando a matriz de correlação entre as duas variáveis concluimos que tem uma  correlação linear forte positiva de 0,73.