LP-A2-FINAL

Trabalho final da disciplina Linguagens de Programação 2020.2

O objetivo do trabalho é fornecer uma base real, complexa e suja para que o grupo, após entender os dados, formule questões de negócio interessantes e as responda em um relatório - fornecendo todos os artefatos utilizados na análise para avaliação.

Alunos

↳ Erick Brito
↳ Germano Andrade
↳ João Alcindo Ribeiro
↳ Patrick Saul Amaral
↳ Sávio Vinícius Amaral

Conexão e Escolha das Bases

Através da biblioteca pyodbc do python foi feita a conexão com a base de dados fornecida e extraídos os conjunto de dados escolhidos e posteriormente exportados para csv, que podem ser encontrados na pasta dataframes.

Perguntas de Negócio

Uma vez escolhidas as bases, as seguintes perguntas foram elaboradas para serem respondidas com modelos implementados no python.

• Base do FIFA 19

  1. Dado um empresário com qualquer orçamento, qual o melhor elenco que ele pode ter, visando ganhar vários campeonatos? E qual seria o custo para ter esse elenco?

  2. Dado um time com qualquer orçamento, qual o melhor elenco que ele pode ter visando ter o melhor retorno com as vendas dos jogadores no longo prazo? E qual seria o custo para ter esse elenco?

  3. Dado o conjunto dos 50 melhores jogadores avaliados, qual a porcentagem deles que preferem chutar com o pé esquerdo?

• Base do Real State Values

  1. Se uma pessoa prioriza acima de tudo a segurança, qual seria a distância ponderada para os cinco centros de empregos de Boston?
  2. Se uma pessoa acredita que uma taxa de aluno-professor não possa ser maior que 15 alunos por professor, qual seria o menor índice de criminalidade que ele conseguiria?
  3. Se uma pessoa quer que sua área seja limitada por um rio, qual seria a maior e a menor quantidade média das casas ocupadas?

Diagrama das soluções

Para responder a essas perguntas, o seguinte diagrama foi elaborado.

Modelos Estatísticos

➔ FIFA 19

Para a contrução do modelo, percebemos que havia uma relação entre o valor de contrato de um jogador e o valor da quebra de contrato, obtendo assim um R² de 0.961

Por fim, dividimos o conjunto de dados em treino e teste para fazer uma previsão dos valores dos jogadores com os valores estimados, como mostra as figuras abaixo.

                               

➔ Real State Values

Começamos fazendo uma análise descritiva e exploratória dos dados, e assim começamos a pensar que o índice de indústrias não varejistas(INDUS) tinha uma correspondencia com o índice da concetração do nitrato de oxigênio(NOX ).

Por fim dividimos o conjunto de dados em treinos e testes para fazermos uma análise das taxas e as taxas prevista e encontramos um R2 de 0, 886 como mostra a figura abaixo.

                               

Visualizações

➔ FIFA 19

A partir das muitas colunas do dataframe, visando a diminuir a quantidade de dados para entender melhor os jogadores/times, criamos colunas com os atributos técnicos dos jogadores de linha e golerio, conforme as tabelas a seguir.

Os seis principais atributos técnicos dos jogadores de linha.

Sigla	Significado	Tradução
PAS	Passing	Passe
CHO	Shooting	Remate
PAC	Pace	Velocidade/Ritmo
PHY	Physical	Físico/Resistência
DEF	Defense	Defesa
DRI	Dribbling	Drible/Finta

Os seis principais atributos técnicos dos guarda-redes / goleiros.

Sigla	Significado	Tradução
KIC	Kicking	Pontapé/Chutão
HAN	Handlin	Manuseio
DIV	Diving	Mergulho
POS	Position	Posicionamento
SPD	Speed	Velocidade
REF	Reflexes	Reflexos

Feito isso, de acordo com a solução encontrada para as perguntas da base do FIFA, para um time baseado no Overall atual dos jogadores, tivemos o seguinte

                                   

Já pensando em longo prazo, o time baseado no Potential dos jogadores, teríamos as seguintes pontuações dos Skills:

                                 

Um ponto interessante a destacar é a diferença de idade entre esses times. Isso, porque é normal que o time visando no longo prazo seja composto em sua maioria por jogadores mais jovens, e isso é o que podemos ver no seguinte gráfico:

Outra análise interessante entre os dois times é no quesito de preço (valor total que o time custa).

Agora, em relação ao Pé Dominante dos jogadores (conforme a 3ª pergunta sobre essa base), podemos ver a diferença em percentual entre Canhotos e Destros, dado o conjunto dos 50 jogadores com maior Overall.

➔ Real State Values

Para o conjunto de dados do Real State Values, uma relação interessante foi entre a Distância entre os grandes centros de empregos de Boston e a Taxa de Crimes.

Podemos observar que ao passo que a distância diminui, as taxas de crimes são maiores.