Filme

Filme

1. Introdução

Origem do cinema

De acordo com Figueiredo, Filipe(2021) O Cinema surgiu com o advento da criação do Cinematográfo criado pelos Irmãos Lumière em 28 de dezembro de 1895. Auguste Lumière era o cientista e inventor e Louis Lumière era o empresário, sendo um dos nomes pioneiros da invenção do cinema. Foi a evolução da Cronofotogria.

Figueiredo(2021) reiteira que o ser humano sempre brincou com a combinação de imagens, luz e sombra desde sempre.Temos exemplos com Eadweard Muybridge que em 1878 onde o mesmo estudou a movimentação de um cavalo para entender o movimento de galopar. Outra invenção comtemporânea ao dos irmãos lumière foi o cinetoscopio, invenção atribuída à Thomas Edison, porém a mesma era uma máquina individual, diferente da invenção dos franceses.

Figueiredo(2021) continua explicando que a partir destas inovações, que o Cinema se desenvolveu como uma forma de serviço barata e simples, algo que foi percebido pelos Irmãos Lumière com sua visão empreendedora.Além disso foi importante para o meio científico como forma registrar e preservar futuros estudos e garantir que o conhecimento não se perca.

Figueiredo(2021) então aponta que o primeiro cinema foi criado em 1896, chamado de Edisonia Hall, seu dono era Thomas Edison e a maior parte dos filmes exibidos eram dos Irmãos Lumière e eram comercializados pela British Pathé, sendo dominante no mercado até a Primeira Grande Guerra.

De acordo com Figueiredo(2021) Alice Guy-Blaché foi a primeira mulher à criar um filme narrativo de ficção e roteirizado. Ela também foi resposável por criar o que era considerado um longa-metragem. Os filmes normalmente duravam 10 minutos em média, entretanto os filmes de Guy-Blaché eram uma única história com durações de 33 minutos.

Figueiredo(2021) aponta que em 1987 as primeiras salas de exibição de filmes começaram a surgir no Brasil. No Brasil o cinema veio como uma grande ferramenta de propaganda pólitica.

A Era de Ouro de Hollywood

Figueiredo(2021) diz que o protagonismo do cinema europeu começou a perder força por conta das consequências da Grande Guerra e esse protagonismo aos poucos foi parar nas mãos dos Estados Unidos.

Figueireido(2021) cita locais desde Miami e Nova Iorque, como pontos aonde foram importantes na construção do cenário do cinema estadunidense, e como forma de fugir da perseguição autoral de Thomas Edison, assim surgiu Hollywood, o antro do cinema estadunidense começando sua era de ouro.

Figueiredo(2021) comenta que Hollywood foi responsável por criar o primeiro filme longa metragem com som de trilha sonora e fala sincronizados; outros destaque temos foi com o impacto do estrelato e das obras de cómedia de Charles Chaplin e as primeiras mega-adpatações. Também surgiu durante esse período a Premiação do Oscar e as sessões duplas com filmes A e Filmes B, Sendo um o Filme principal e o outro Filme de Abertura.

Enquanto isso Figueiredo(2021) esclarece que o cinema europeu aos poucos se reergue, e definem com suas obras, como Metrópolis e o Encouraçado Potemkin, a linguagem do cinema, definindo um tipo de cinema mais artistico.

Nesse mesmo período, Figueiredo(2021) aborda que os filmes coloridos e o “boom” dos filmes, do crescimento dos centros de produção cinematográfica começam a surgir, durante o período da Segunda Guerra Mundial.

A Era dos Blockbusters

A Partir dos anos 70, surgem os filmes chamados de Blockbusters, como Figueiredo(2021), fala e então ele continua explicando que desde então foi se continuando o desenvolvimento e evolução dos equipamentos para a produção cinematográfica, como camêras portatéis, novas mídias, tecnologias a cores, e expansão do canal de distribuição e o surgimento dos canais de streaming como Netflix, Amazon Prime e outros como Yotube e Twitch

Curiosidades sobre Investimento dos Estúdios

Ronaldo pesquisa

2 - Objetivos

O Objetivo do Trabalho é analisar estrategicamente a base de dados “Filmes_Critica.csv”. Pela ótica da gestão, foram observadas as variaveís Rentabilidade, Estúdio e Critica, fazendo uma correlação da rentabilidade de acordo com a audiência, critica recebida e estúdio. Além disso, entender se de fato a audiência influencia a critica.

3 - Hipoteses

H1: A Disney é o estúdio que possui maior rentabilidade.

H2: Filmes com maiores críticas possuem maior rentabilidade.

H3: Filmes com maiores audiências possuem maior rentabilidade.

H4: Filmes com maiores audiências possuem melhores notas pela crítica.

4 - Dados

Base de Dados

library(readr)
library(janitor)
Filmes_Critica <- read_csv("C:/Users/labccet/Downloads/Filmes_Critica.csv") %>% clean_names()
head(Filmes_Critica)
# A tibble: 6 x 8
  film         genre lead_studio audience_score_~ profitability rotten_tomatoes~
  <chr>        <chr> <chr>                  <dbl>         <dbl>            <dbl>
1 Zack and Mi~ Roma~ The Weinst~               70          1.75               64
2 Youth in Re~ Come~ The Weinst~               52          1.09               68
3 You Will Me~ Come~ Independent               35          1.21               43
4 When in Rome Come~ Disney                    44          0                  15
5 What Happen~ Come~ Fox                       72          6.27               28
6 Water For E~ Drama 20th Centu~               72          3.08               60
# ... with 2 more variables: worldwide_gross <dbl>, year <dbl>

Base de dados com um conjunto de filmes que estão divididos por Genêro, Notas de Avaliação de Critica Especializada e Popular, Grau de Rentabilidade, Bilheteria Mundial e Ano.

Como não trabalharemos com séries temporais, a variavél Ano não será analisada.

par(bg= "black")

library(dplyr)
library(reactable)

Filmes_Critica %>% 
  reactable()

4.1 - Dicionário de Termos

library(readxl)
Dicionario_de_Termos <- read_excel("C:/Users/labccet/Downloads/Dicionario_de_Termos.xlsx")
View(Dicionario_de_Termos)
library(dplyr)
library(flextable)

Dicionario_de_Termos %>% 
  flextable %>% 
  theme_box()

5 - Metodologia

A Metodologia que foi empregada neste trabalho, envolveu(Escrever Juntos)

6 - Análise de Resultado

Relação dos números de filmes com estúdio

De acordo com a visualização da tabela e do gráfico, é possível dizer que o estúdio Independent é o que tem maior número de filmes, com 19 filmes, seguido da Warner Bros com 14 filmes.

Já o estúdio com menor número de filmes são a CBS e a New Line, com 1 filme só.

library(RColorBrewer)

col <- brewer.pal(6, "Blues")
col
[1] "#EFF3FF" "#C6DBEF" "#9ECAE1" "#6BAED6" "#3182BD" "#08519C"
x_2 <- table(Filmes_Critica$lead_studio)
x_2

     20th Century Fox                   CBS                Disney 
                    2                     1                     8 
                  Fox           Independent             Lionsgate 
                    6                    19                     2 
             New Line             Paramount                  Sony 
                    1                     4                     4 
               Summit The Weinstein Company             Universal 
                    5                     3                     8 
         Warner Bros. 
                   14 
pie(x_2, col = col)

Relação número de filmes com gênero.

O gênero com o maior número de filmes é Comédia, com 43 filmes.

Já os menores gêneros são Ação e Fantasia, com 1 filme cada.

x_1 <- table(Filmes_Critica$genre)
x_1

   Action Animation    Comedy     Drama   Fantasy   Romance 
        1         4        43        13         1        15 
tab <- structure(c(Action = 1L, Animation = 4L, Comedy = 43L, Drama = 13L, Fantasy = 1L, Romance = 15L), .Dim = 6L, .Dimnames = structure(list(c("Action", "Animation", "Comedy", "Drama", "Fantasy", "Romance")), .Names = ""), class = "table")

b <- barplot(x_1, legend.text = c("Action", "Animation", "Comedy", "Drama", "Fantasy", "Romance"), ylim = c(0, 100 ), col = "Yellow")

text(b, tab + 5, tab, font=2, col=2:3)

Relação de Nota de Crítica com Gênero

De acordo com o boxplot analisado, o gênero Animação possui as maiores médias. Ronaldo(Escreve)

boxplot(Filmes_Critica$audience_score_percent ~ Filmes_Critica$genre,
        main = "Relação entre Notas da Audiência e Gênero",
        ylab = "Nota da Audiência",
        xlab = "Gênero",
        col = "orange")

boxplot(Filmes_Critica$rotten_tomatoes_percent ~ Filmes_Critica$genre,
        main = "Relação entre Notas da Crítica e Gênero",
        ylab = "Nota da Crítica",
        xlab = "Gênero",
        col = "dark orange")

6.1 - Hipoteses

Primeira Hipotese

H0: A Disney possui o maior lucro entre os estúdios.

H1: A Disney não possui o maior lucro entre os estúdios

Como as variavéis utilizadas são quanti-quali, foi utilizado o teste chisq.test para determinar a correlação entre as variavéis

podemos inferir que o resultado do p-valor foi de 0.08774

Definindo que o alpha é igual a 0,05

Como o alpha foi maior que 0,05, foi concluído que H0 não foi rejeitado

Logo a Disney possui maiores lucros entre estúdios

library(stringr)

Filmes_Critica$lead_studio2 <- str_detect(Filmes_Critica$lead_studio,"Disney")
Filmes_Critica$lead_studio3 <- ifelse(Filmes_Critica$lead_studio2==T,"Disney", "Não Disney")

library(dplyr)

tabela1 <- Filmes_Critica %>% group_by(lead_studio3) %>% summarise(media=mean(profitability),
                                                                   mediana=median(profitability))
  

boxplot(profitability ~lead_studio3,data = Filmes_Critica )

tabela1 %>%  flextable()
shapiro.test(Filmes_Critica$profitability)

    Shapiro-Wilk normality test

data:  Filmes_Critica$profitability
W = 0.39549, p-value = 3.319e-16
wilcox.test(Filmes_Critica$profitability ~Filmes_Critica$lead_studio3)

    Wilcoxon rank sum test with continuity correction

data:  Filmes_Critica$profitability by Filmes_Critica$lead_studio3
W = 341, p-value = 0.2815
alternative hypothesis: true location shift is not equal to 0

ANALISAR NOVA HIPOTESE (FELIPE)

Segunda Hipotese

H0:Filmes com maiores notas de audiência tendem a ter maiores graus de rentabilidade

H1:Filmes com maiores notas de audiência não tendem a ter maiores graus de rentabilidade

Para este gráfico foi realizado o teste de Shapiro-Wilk para avaliar se existe ou não normalidade nas variavéis Audience Score e Profitability

Na variavel Audience Score o p-valor obtido foi de 0.03901, o que nos diz que a amostra não possui normalidade

Na Variavel Profitability o p-valor obtido foi de 0.0000000000000003319, o que nos diz que a amostra não possui normalidade também

Logo foi realizado um procedimento chamado cor.test, como as amostras não possuem normalidade, foi necessário utilizar o método de Spearman

Com isso, o resultado obitido do p-valor foi de 0.002855, que nós mostra que H0: É rejeitado

Logo Filmes com Maiores Notas de Audiência não possuem relação com maiores graus de rentabilidade

shapiro.test(Filmes_Critica$rotten_tomatoes_percent)
## 
##  Shapiro-Wilk normality test
## 
## data:  Filmes_Critica$rotten_tomatoes_percent
## W = 0.95383, p-value = 0.007075
#p-value = 0.007075

shapiro.test(Filmes_Critica$profitability)
## 
##  Shapiro-Wilk normality test
## 
## data:  Filmes_Critica$profitability
## W = 0.39549, p-value = 3.319e-16
#p-value = 0.0000000000000003319

cor.test(Filmes_Critica$rotten_tomatoes_percent,
         Filmes_Critica$profitability,
         method = "spearman",
         conf.level = 0.95)
## Warning in cor.test.default(Filmes_Critica$rotten_tomatoes_percent,
## Filmes_Critica$profitability, : Cannot compute exact p-value with ties
## 
##  Spearman's rank correlation rho
## 
## data:  Filmes_Critica$rotten_tomatoes_percent and Filmes_Critica$profitability
## S = 67460, p-value = 0.3267
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##       rho 
## 0.1132517
#p-value = 0.3267

# H0: N?o Rejeita Hipotese Inicial
# H1: Rejeita Hipotese Inicial

#Rejeita H0

Terceira Hipotese

H0: Filmes com maiores notas de Crítica tendem a ter maiores graus de rentabilidade

H1: Filmes com maiores notas de Crítica não tendem a ter maiores graus de rentabilidade

O resultado obtido da variavél Rotten Tomatoes é de 0.007075, o que nos indica não normalidade O resultado obtido da variavél Profitability é de 0.0000000000000003319, o que nos indica não normalidade

por conta da não normalidade das variaveís foi realizado o cor.test com o método Spearman.

O resultado do cor.test foi de 0.3267, Logo é possível dizer que H0: Foi Rejeitado

Com isso podemos dizer que Não existe relação entre a nota da Crítica e o Grau de Rentabilidade

shapiro.test(Filmes_Critica$audience_score_percent)
## 
##  Shapiro-Wilk normality test
## 
## data:  Filmes_Critica$audience_score_percent
## W = 0.96634, p-value = 0.03901
#p-value = 0.03901
options(scipen = 999)


shapiro.test(Filmes_Critica$profitability)
## 
##  Shapiro-Wilk normality test
## 
## data:  Filmes_Critica$profitability
## W = 0.39549, p-value = 0.0000000000000003319
#p-value = 0.0000000000000003319


cor.test(Filmes_Critica$audience_score_percent,
         Filmes_Critica$profitability,
         method = "spearman",
         conf.level = 0.95)
## Warning in cor.test.default(Filmes_Critica$audience_score_percent,
## Filmes_Critica$profitability, : Cannot compute exact p-value with ties
## 
##  Spearman's rank correlation rho
## 
## data:  Filmes_Critica$audience_score_percent and Filmes_Critica$profitability
## S = 50552, p-value = 0.002855
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##       rho 
## 0.3355101
#p-value = 0.002855

# H0: N?o Rejeita Hipotese Inicial
# H1: Rejeita Hipotese Inicial

#Rejeita H0

Quarta Hipotese

H0: Os filmes com maiores Notas de Audiência tendem a ter maiores Notas de Crítica

H1: Os Filmes com maiores Notas de Audiência tendem a ter maiores Notas de Crítica

Utilizamos as variavéis Audience Score e Rotten Tomatoes, que são quanti-quanti.

Foram realizados os testes de Shapiro-Wilk e os resultados obtidos para ambas foram de:

Audience Score: p-valor de 0.007075 Rotten Tomatoes: p-valor de 0.007075

Com isso concluimos que não existe normalidade nas duas variavéis e com isso podemos realizar o cor.test

O Resultado obtido do cor.test foi de 0.0000000124, o que podemos concluir que H0: Foi Rejeitado

Com isso podemos dizer que Maiores Notas de Audiência não possuem relação com Maiores Notas de Crítica

shapiro.test(Filmes_Critica$audience_score_percent)
## 
##  Shapiro-Wilk normality test
## 
## data:  Filmes_Critica$audience_score_percent
## W = 0.96634, p-value = 0.03901
# p-value = 0.03901

shapiro.test(Filmes_Critica$rotten_tomatoes_percent)
## 
##  Shapiro-Wilk normality test
## 
## data:  Filmes_Critica$rotten_tomatoes_percent
## W = 0.95383, p-value = 0.007075
# p-value = 0.007075


cor.test(Filmes_Critica$audience_score_percent,
         Filmes_Critica$rotten_tomatoes_percent,
         method = "spearman",
         conf.level = 0.95)
## Warning in cor.test.default(Filmes_Critica$audience_score_percent,
## Filmes_Critica$rotten_tomatoes_percent, : Cannot compute exact p-value with ties
## 
##  Spearman's rank correlation rho
## 
## data:  Filmes_Critica$audience_score_percent and Filmes_Critica$rotten_tomatoes_percent
## S = 30890, p-value = 0.0000000124
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##       rho 
## 0.5939648
# H0: N?o Rejeita Hipotese Inicial
# H1: Rejeita Hipotese Inicial

##Rejeita H1

# p-value = 0.0000000124

options(scipen = 999)

Correlação entre as variáveis.

names(Filmes_Critica)
##  [1] "film"                    "genre"                  
##  [3] "lead_studio"             "audience_score_percent" 
##  [5] "profitability"           "rotten_tomatoes_percent"
##  [7] "worldwide_gross"         "year"                   
##  [9] "lead_studio2"            "lead_studio3"
selecao <-c("audience_score_percent", "profitability", "rotten_tomatoes_percent", "worldwide_gross" )

mc <- cor(Filmes_Critica[,selecao])
mc
##                         audience_score_percent profitability
## audience_score_percent              1.00000000    0.06627764
## profitability                       0.06627764    1.00000000
## rotten_tomatoes_percent             0.60833265    0.04242847
## worldwide_gross                     0.38446425    0.16972721
##                         rotten_tomatoes_percent worldwide_gross
## audience_score_percent               0.60833265      0.38446425
## profitability                        0.04242847      0.16972721
## rotten_tomatoes_percent              1.00000000      0.02167203
## worldwide_gross                      0.02167203      1.00000000
library(corrplot)
## corrplot 0.92 loaded
corrplot::corrplot(mc)

ADICIONAR ANALISE DO GRÁFICO

Conclusão

Vamos fazer juntos!!

Referência Bibliográfica

Figueiredo, Filipe. A História do Cinema | Nerdologia. 2021.(https://www.youtube.com/watch?v=KV9JqZPo26Y&ab_channel=Nerdologia)