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.

O autor 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.

Ele 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.

É apontado 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.

Continuando, 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.

Durante 1887 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

Abordou-se 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.

São citados 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.

Comenta-se 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, o historiador 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

Blockbuster é uma palavra de origem inglesa que indica um filme (ou outra expressão artística) produzido de forma exímia, sendo popular para muitas pessoas e que pode obter elevado sucesso financeiro. Um blockbuster também pode ser um romance ou outra manifestação cultural que tenha um elevado nível de popularidade.

A Partir dos anos 70, surgem os filmes chamados de Blockbusters. Com isso o desenvolvimento e evolução dos equipamentos para a produção cinematográfica, como camêras portatéis, novas mídias, tecnologias a cores, e expansão do canal de distribuição continuam avançando.

Atualmente, os donos do palco são os canais de streaming como Netflix, Amazon Prime, Disney+ e Paramount.

2 - Objetivos

O Objetivo do Trabalho é analisar estrategicamente a base de dados “Filmes_Critica.csv”. Pela ótica da gestão, foram observadas as variáveis 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/User/Downloads/b68782efa49a16edaf07dc2cdaa855ea-0c794a9717f18b094eabab2cd6a6b9a226903577/b68782efa49a16edaf07dc2cdaa855ea-0c794a9717f18b094eabab2cd6a6b9a226903577/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~ Roman~ The Weinstei~               70          1.75               64
2 Youth in~ Comedy The Weinstei~               52          1.09               68
3 You Will~ Comedy Independent                 35          1.21               43
4 When in ~ Comedy Disney                      44          0                  15
5 What Hap~ Comedy Fox                         72          6.27               28
6 Water Fo~ Drama  20th Century~               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 Critica, Taxa de Audiência, Grau de Rentabilidade, Bilheteria Mundial e Ano.

Como não trabalharemos com séries temporais, a variável 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/User/Desktop/Faculdade/Adm P/8 Periodo/Estatistica/RMarkdown/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 o uso de Gráficos de Pizza para relação dos filmes com estúdios, Gráficos de Boxplot para taxa de audiência com genêro e depois nota de critca com genêro, e foi usado na primeira para avaliar qual estúdio possui maior rentabilidade, Gráficos de Barplot para Gênero de Filmes por Gênero, Gráficos de Correlação para vizualizar e interpretar dados de hipóteses. Quanto aos testes de hipóteses, foram utilizados os testes de Shapiro-Wilk para avaliar a normalidade das variáveis, os testes de Wilcoxon para avaliar dados não paramétricos, Testes de Correlação de Spearman para avaliar dados quanti não normais. O Alpha considerado para os testes de hipóteses foi de 0,05.

6 - Análise de Resultado

Relação dos números de filmes com estúdio

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)

  Neste gráfico, com dados da base “Filmes_Critica.csv”, podemos observar que dentre toda a amostra, há uma maior parcela de filmes pertencentes a Independent Studios (19), e a segunda maior parte pertencente a Warner Bros (14). Dentre as menores participações estão filmes representantes da CBS Studios (1) e da New Line (1).

Relação número de filmes por gênero.

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)

  Observa-se através do gráfico de barras, a relação quantidade de filmes por gênero que a maioria dos filmes são de comédia, com 43 filmes, e a minoria são de ação e de fantasia com 1 filme cada.

Relação de Nota de Crítica por Gênero

boxplot(Filmes_Critica$audience_score_percent ~ Filmes_Critica$genre,
        main = "Relação entre taxa de Audiência e Gênero",
        ylab = "Taxa de 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")

  No primeiro gráfico de box-plot observamos que o gênero de comédia tem maior variabilidade na taxa de audiência enquanto possui uma simetria nos dados. Simetria também encontrada nos dados referentes ao gênero animação, o qual, possui também, em média, taxas de audiência maiores do que os demais gêneros, porém possui baixa variabilidade. Sobre os dados referente ao gênero drama observa-se uma baixa variabilidade nos valores das taxas de audiência e uma assimetria dos dados, além de conter três outliers, um com uma taxa de audiência mais alta e os outros dois com taxas de audiência mais baixas. Nos gêneros ação e fantasia, como possuem so um filme de cada, foram representados com uma faixa de preço única, ou seja, sem variabilidade, ação tendo filme com taxa de audiência inferior a média geral e fantasia com taxa de audiência superior a média geral.
  Já no segundo gráfico box-plot observamos que o gênero de comédia tem maior variabilidade de notas de crítica enquanto possui uma assimetria nos dados. Outro box-plot que possui grande variabilidade é o do gênero romance, e possui uma distribuição levemente assimétrica. Assimetria também encontrada nos dados referentes ao gênero drama, o qual, possui alto grau de assimetria. Sobre os dados referente ao gênero drama pode-se considerar que em média é o gênero que em média possui maior notas de crítica. Nos gêneros ação e fantasia, como possuem so um filme de cada, foram representados com uma faixa de preço única, ou seja, sem variabilidade, ação tendo filme com nota de crítica inferior a média geral e fantasia com nota superior a média geral.

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 de Shapiro-Wilk para verificar a normalidade da variável Rentabilidade

Podemos inferir que o resultado do p-valor foi de 0.0000000000000003319, indicando não Normalidade

Seguindo para o próximo passo, foi realizado o Teste de Wilcoxon

Foi obtido o p-valor de 0.2815, indicando que a H0 foi rejeitado, dando a entender que a Disney não conseguiu estabelecer boas estratégias de gestão

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

Logo a Disney possui maiores lucros entre estúdios

Além disso, o Boxplot nos indica que visualmente não existem diferenças significativas nas variáveis

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()
options(scipen = 999)

shapiro.test(Filmes_Critica$profitability)

    Shapiro-Wilk normality test

data:  Filmes_Critica$profitability
W = 0.39549, p-value = 0.0000000000000003319
# p-valor foi de 0.0000000000000003319

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
# p-valor de 0.2815

# H0: Não Rejeita Hipotese Inicial
# H1: Rejeita Hipotese Inicial

# H0 foi rejeitado
  Analisando o gráfico de box-plot que compara o quanto a Disney lucra em relação aos outros estúdios juntos, observa-se uma relativa concentração dos dados em uma faixa de Lucratividade tanto para filmes da Disney quanto para filmes que não são da Disney. Apesar disso, é possível perceber que, além do box Disney estar em posição mais acima graficamente, a distância entre o primeiro quartil e o terceiro quartil é maior do que do "não Disney", demonstrando maior concentração dos dados em regiões mais altas do gráfico, levando a concluir que possivelmente filmes da Disney tem maior lucratividade do que filmes que não foram produzidos pela produtora. A Disney tem um filme considerado "outlier" positivo na base de dados, ou seja, um filme que lucrou acima da região comum de lucro. As demais produtoras possuem "outliers".
  Em seguida, através da tabela é possível ver claramente a superioridade da Disney no que diz respeito a capacidade de ser lucrativa. Observa-se que em média a Disney lucra mais do que outros estúdios de cinema, além disso a mediana do lucro também é maior, confirmando a hipótese de que a Disney possui o maior lucro entre os estúdios.

Segunda 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 variável Rotten Tomatoes é de 0.007075, o que nos indica não normalidade

O resultado obtido da variável Profitability é de 0.0000000000000003319, o que nos indica não normalidade

Por conta da não normalidade das variáveis 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$rotten_tomatoes_percent)
## 
##  Shapiro-Wilk normality test
## 
## data:  Filmes_Critica$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 = 0.0000000000000003319
#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: Não Rejeita Hipotese Inicial
# H1: Rejeita Hipotese Inicial

#Rejeita H0


plot(Filmes_Critica$rotten_tomatoes_percent, Filmes_Critica$profitability,pch=19,
     main="Nota de Crítica x Rentabilidade",ylab = "Nota de Crítica", xlab = "Rentabilidade")
abline(lsfit(Filmes_Critica$rotten_tomatoes_percent, Filmes_Critica$profitability),col="Black")

Análise dos gráficos de dispersão: Hipótese 2 - rentabilidade com critica

De acordo com o gráfico de dispersão realizado, pode ser feita a análise de que a rentabilidade dos filmes não tende a variar muito em relação a nota recebida pela crítica do portal Rotten Tomatoes, o que pode indicar o inverso do que normalmente seria afirmado, que filmes que possuem uma rentabilidade maior teriam supostamente uma nota maior realizado pelo portal de críticas especializado. Porém o gráfico nos indica que, apesar de alguns outliers, essa hipótese não se confirma de acordo com os dados obtidos.

Terceira Hipótese

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

H1:Filmes com maiores taxas 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 variáveis Audience Score e Profitability

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

Na variável 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$audience_score_percent)
## 
##  Shapiro-Wilk normality test
## 
## data:  Filmes_Critica$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

# Diagrama de Dispersão

plot(Filmes_Critica$audience_score_percent, Filmes_Critica$profitability,pch=19,
     main="Taxa de Audiência x Rentabilidade",ylab = "Taxa de Audiência", xlab = "Rentabilidade")
abline(lsfit(Filmes_Critica$audience_score_percent, Filmes_Critica$profitability),col="Black")

Análise dos gráficos de dispersão: Hipótese 3 - rentabilidade com audiência

O gráfico de dispersão realizado para essa hipótese nos indica que a taxa de audiência não varia muito em relação a rentabilidade do filme. Os dados obtidos indicam que apesar de alguns outliers apresentados no gráficos e um ligeiro aumento na linha do gráfico, a taxa de audiência não varia muito em relação a lucrabilidade, o que mais uma vez contraria um “senso comum” que diria que a audiencia tem grande impacto com a lucrabilidade

Quarta Hipotese

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

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

Utilizamos as variáveis 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 0.03901

Rotten Tomatoes: p-valor de 0.007075

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

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

Portanto, podemos dizer que Maiores Taxas 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: Não Rejeita Hipotese Inicial
# H1: Rejeita Hipotese Inicial

# Rejeita H0

# p-value = 0.0000000124

options(scipen = 999)


# Diagrama de Dispersão

plot(Filmes_Critica$audience_score_percent, Filmes_Critica$rotten_tomatoes_percent,pch=19,
     main="Nota de Crítica x Taxa de Audiência",ylab = "Taxa de Audiência", xlab = "Nota de Crítica")
abline(lsfit(Filmes_Critica$audience_score_percent, Filmes_Critica$rotten_tomatoes_percent),col="Black")

Análise dos gráficos de dispersão: Hipótese 4 - nota de crítica com audiência

Com o gráfico de dispersão realizado para essas duas variáveis, indica-se que a audiência impacta muito na nota da crítica que o filme recebe do portal de especialistas do Rotten Tomatoes, então com isso, indica-se que quanto maior a audiência que o filme consegue atingir após o seu lançamento maior a nota que o filme tende a receber do portal especializado em filmes. O que corrobora com a opinião popular de que um filme que vai bem nas bilheterias consegue ir bem nas críticas também.

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 0.90 loaded
corrplot::corrplot(mc)

  Observa-se, através da representação gráfica da correlação da as variáveis quantitativas entre si, que todas as variáveis possuem grau de correlação positivo entre si, e as que possuem maior grau de correlação são: taxa de audiência e notas de crítica, o que é de se esperar, uma vez que, um filme muito assistido supostamente seria de boa qualidade, o que por consequência, iria angariar maiores notas de crítica.

Conclusão

De acordo com os resultados apresentados, conclui-se que o gênero comédia é o que contém maior número de filmes, a taxa de audiência de animação é a maior nessa base de dados, o que corrobora com a ideia de que mais pessoas em número vão assistir esse tipo de filme. Como se trata de um gênero com apelo infantil maior, os pais/responsáveis levam essas crianças para assistir o filme, o que gera um número de pessoas que assistem maior. O segundo colocado nessa lista é o gênero romance. Já o gênero com a menor taxa de audiência é o de ação o que pode indicar um certo nicho das pessoas que consomem esse tipo de filme.

Pode se analisar também que os filmes de animação possuem uma maior nota no site de critica especializada “Rotten Tomatoes” seguido pelo drama, o que pode indicar que o gênero drama possuem uma perfomance melhor da equipe cinematográfica, o que também corrobora com uma opinião popular de que os filmes de drama são melhores avaliados do que os filmes de ação por exemplo. Gênero esse se tratando de ação que possui a pior nota da crítica. Foi percebido que os criticos de cinema pelo estudo realizado e conhecimento obtido tendem a ter uma ideia semelhante na hora de avaliar um filme, o que é visto no gráfico “Relação entre Notas da Crítica e Gênero”

A Primeira hipótese aponta que a Disney é o estúdio que de fato possui o maior lucro, o que nos indica alguns acertos de gestão realizados pela empresa. O primeiro deles, que já é tradição do estúdio, a realização de muitos filmes de animação, o que foi comprovado no estudo acima realizado que é o gênero que possui maior taxa de audiência e maior nota na crítica. Foi corroborado também através do teste de hipotese, já que a hipotese inicial não foi rejeitada. Um segundo acerto feito pela companhia, foi a aquisição dos estúdios Marvel, o que possibilitou a exploração de filmes de super-herói e ficção-cientifica, o que também tem um apelo muito grande da juventude, que culturalmente tem uma adesão maior a assistir filme ou ir ao cinema. Esses acertos na gestão possibilitaram que a Disney fosse o estudio com maior lucro.

A Quarta hipótese aborda a taxa de audiência com a nota da crítica. O gráfico nos aponta, que os especialistas na hora de dar a nota de um filme tendem a levar em conta a audiência que o filme teve mundo afora. O que indica que primeiramente um dos critérios utilizados por especialista para avaliar um filme é a adesão popular. A recípocra é verdadeira pois o gráfico indica também que quanto maior a nota que o filme recebe maior tende a ser a sua audiência.

Referência Bibliográfica

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