Portuguese, Brazilian subtitles

← Overplotting and Domain Knowledge - Data Analysis with R

Get Embed Code
5 Languages

Showing Revision 7 created 06/20/2016 by Udacity Robot.

  1. No último exercício, usamos alpha e jitter para reduzir
  2. o excesso de plotagem; mas você pode fazer muito
  3. mais. Vamos ouvir Mora falar sobre como ela usou seu conhecimento
  4. e uma transformação para fazer um ajuste no seu gráfico de dispersão.
  5. >> O que fiz foi
  6. pegar novamente o tamanho do público percebido, e seu
  7. tamanho real, mas desta vez transformei
  8. os eixos. Desta vez, trata-se de uma porcentagem
  9. da contagem de amigos. Algumas pessoas neste estudo tinham
  10. 50 amigos, outras tinham 100, outras 2.000, etc.,
  11. realmente faz mais sentido pensar no tamanho do
  12. público como uma porcentagem do possível público. Todas as
  13. pessoas no estudo tinham compartilhado suas postagens com
  14. amigos apenas no privado, assim, você espera um número
  15. limitado pela contagem de amigos. O que descobrimos quando
  16. plotamos dessa forma foi que todos os pontos
  17. estão abaixo desta linha de precisão perfeita, esta linha diagonal,
  18. bem abaixo mesmo. E outra coisa que devo observar sobre essa
  19. plotagem é que realizamos duas pesquisas diferentes. Fizemos uma pesquisa
  20. em que perguntamos às pessoas em uma única postagem, quantas pessoas
  21. você acha que viram sua postagem? Mas também perguntamos
  22. a outro conjunto de pessoas, de modo geral, quantas pessoas
  23. você acha que veem o conteúdo que você compartilhada no Facebook? É
  24. isso que esta plotagem está mostrando. Essa é a pergunta
  25. geral e seus palpites são um pouco mais
  26. altos. Mas as pessoas normalmente acham que talvez
  27. 10% de seus amigos verão o conteúdo quando, na
  28. realidade, 40% ou 50%, até mesmo, 60%
  29. de seus amigos verão o conteúdo
  30. em um determinado mês. O que esta plotagem está
  31. mostrando é a porcentagem de amigos que realmente viram
  32. o conteúdo no último mês, e mais uma vez, estão subestimando.