Ao analisar os dados, percebe-se que as duas tabelas podem ser vinculadas através da coluna “Título Do Vídeo”. Após a limpeza dos dados, foi possível buscar correlações entre as tabelas. Observa-se um coeficiente de correlação de 0,24, um número positivo, o que sugere que a correlação seja fraca. 

Um aumento de 1 unidade em ‘Visualizações_live’ está associado a um aumento de 2,01 unidades em ‘Visualizações_sob_demanda’. 

O valor de R ao quadrado de 0,058 indica que o modelo explica apenas 5,8% da variabilidade em ‘Visualizações_sob_demanda’. 

O baixo valor de R ao quadrado sugere que pode haver outros fatores importantes que influenciam ‘Visualizações_sob_demanda’ que não foram incluídos no modelo.

O gráfico de dispersão mostra que há uma relação positiva entre as visualizações ao vivo e sob demanda, mas não é muito forte. Isso é consistente com a análise de correlação, que encontrou uma correlação fraca entre as duas variáveis.

Verificamos se há alguma diferença significativa entre as visualizações ao vivo e sob demanda usando um teste T, cujo valor de 6.075501775251668e-07, é menor que o nível de significância de 0,05. Portanto, podemos rejeitar a hipótese nula de que não há diferença entre as visualizações ao vivo e sob demanda. 

A média de visualizações ao vivo é 108,65 e o desvio padrão é 41,32, sendo que a média de visualizações sob demanda é 231,96 e o desvio padrão é 448,17, mostrando haver  uma diferença significativa entre as visualizações ao vivo e sob demanda e que há uma relação positiva entre as duas variáveis, mas não é muito forte. 

Percepções:

As visualizações sob demanda e apenas ao vivo têm correlação positiva, mas fraca, o que sugere que o público que assiste sob demanda pode ser diferente do público que assiste apenas ao vivo.

O tempo de exibição é um indicador importante tanto para vídeos sob demanda quanto para vídeos apenas ao vivo, e tem correlação positiva com as visualizações.

A duração média da visualização é consistente entre vídeos sob demanda e apenas ao vivo, o que pode indicar que o tipo de conteúdo influencia a duração média da visualização.

As correlações mais fortes encontradas foram entre visualizações e tempo de exibição, o que sugere que o tempo de exibição pode ser um indicador importante do interesse do público em um vídeo.

Relação entre tempo de exibição e duração média: O mapa de calor não mostra uma correlação forte entre a duração média da visualização e o tempo de exibição. Isso sugere que vídeos mais longos não necessariamente levam a um maior tempo de exibição. É possível que outros fatores, como o tema do vídeo e a qualidade do conteúdo, influenciem mais o tempo de exibição do que a duração do vídeo em si.

Comparação entre vídeos sob demanda e apenas ao vivo: As correlações entre as visualizações, tempo de exibição e duração média são geralmente mais fortes para vídeos apenas ao vivo do que para vídeos sob demanda. Isso pode indicar que o público que assiste a vídeos apenas ao vivo é mais homogêneo em termos de comportamento de visualização, enquanto o público sob demanda é mais diverso.

Análise individual de vídeos: O mapa de calor fornece uma visão geral das correlações entre as variáveis, mas também pode ser usado para analisar vídeos individualmente. Por exemplo, você pode identificar vídeos com alto número de visualizações e baixo tempo de exibição, o que pode indicar que o público está perdendo o interesse no vídeo rapidamente.

Identificação de outliers: É possível identificar outliers no mapa de calor, ou seja, vídeos que se desviam significativamente do padrão geral. Esses outliers podem ser interessantes para uma análise mais aprofundada, pois podem revelar percepções sobre vídeos com características únicas.