Análise estatística do patch 12.3

O banco de dados utilizado para esta análise foi retirado do (kaggle) [https://www.kaggle.com/vivovinco/league-of-legends-champion-stats] e as regiões de cada campeão foram inseridas manualmente. Esta análise foi feita com linguagem R

Estatísticas

O primeiro passo é realizar os testes estatísticos para sabermos com que tipo de distruibuição estamos lidando. Como a nossa variável de interesse é o Win Rate e é ela que vai nortear as comparações das demais variáveis, será essa então o nosso principal alvo. Para leigos: as análises estatísticas seguem diversas regras. Precisamos saber quais regras irão reger a nossa análise, para isso serve o teste de normalidade

Testes de normalidade: Shapiro-Wilk e Kolmogorov-Smirnov

## 
##  Shapiro-Wilk normality test
## 
## data:  lol12_3$win
## W = 0.99481, p-value = 0.5952
## 
##  One-sample Kolmogorov-Smirnov test
## 
## data:  lol12_3$win
## D = 0.040485, p-value = 0.8149
## alternative hypothesis: two-sided

Ambos os testes apontaram normalidade(p-valor>0.05) sobre as Win Rates. Assim sendo, aplicaremos ANOVA E Tukey para sabermos se a Região e o Tier têm influencia sobre as Win Rates.

##                 Df Sum Sq Mean Sq F value Pr(>F)  
## lol12_3$region  13   67.8   5.218     1.8 0.0442 *
## Residuals      224  649.5   2.900                 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##               Df Sum Sq Mean Sq F value   Pr(>F)    
## lol12_3$tier   5  162.0   32.41   13.54 1.35e-11 ***
## Residuals    232  555.3    2.39                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Em ambos os testes, o valor p foi menor que 0.05, indicando que utilizar essas duas variáveis como critério de escolha para elevar a win rate foi uma estratégia significativa durante o patch 12.3. Sendo o Tier mais impactante que a Região. Agora que sabemos que há impacto na probabilidade de vitória a depender de qual tier e região o seu campeão pertence, vejamos quais Tiers diferiram e quais foram semelhantes entre si

Tudo o que a linha tracejada(na vertical) encosta quer dizer que são estatisticamente iguais, e o quanto mais centralizado a linha horizontal estiver a linha tracejada, mais esses Ties se parecem. Podemos ver que no patch 12.3 o Tier B teve uma Win Rate mais semelhante ao Tier que God do que o Tier A, algo muito contraintuitivo.

Vejamos também como se comportaram as demais métricas quantitativas, como se deu a relação entre elas.

Aqui temos uma matriz de correlação entre as métricas, onde quanto mais distante de 0 (para mais ou para menos) maior foi a correlação entre os fatores.

Plotagem

Entramos agora a uma seção mais visual e menos técnica que a anterior. A seguir teremos diversos gráficos que ilustrarão como foi o patch passado, sob a ótica geográfica e por tier

Algo interessante aconteceu aqui. Vimos que o Tier A não se assemelhava tanto ao Tier God, S e B (que são bem parecidos entre si). Mas agora temos a resposta do por que disso: Ele realmente não foi semelhante, só que não para pior e sim para melhor! A exceção de seu mínimo, todos os seus outros quantis foram superior aos demais.

Agora que sabemos que a região e o tier impactam sobre a probabilidade de vitória, olhando os gráficos acima você já pode ter uma ideia de quem pickar.

Mas por um mero capricho, sejamos um pouco mais minunciosos. O próximo gráfico tem o pick rate implicito, esse é representado pelo tamanho das esferas. As demais informações estão explicitas.

Acima vimos como foi o desempenhos de cada campeão separado por win rate. Abaixo veremos um novo gráfico muito parecido, entretanto, separado por Tier.

Por fim e não menos importante, o desempenho das Nações em Summoner’s Rift nesse patch que se foi.

Agora com todas essas informações em mãos, você pode tomar decisões mais acertadas sobre o que deve fazer para melhorar o seu desempenho. Lembre-se, eu apenas te dei as informações, o tomador de decisão é VOCÊ!