0:00:08.008,0:00:09.609
Imagina se você não tivesse

0:00:09.609,0:00:13.580
gráficos para representar de forma visual[br]os dados que você descobriu?

0:00:13.980,0:00:17.784
Seria muito chato porque as pessoas[br]iam ficar lendo somente tabelas.

0:00:18.318,0:00:23.390
Os gráficos existem exatamente para te[br]ajudarem a representar de forma visual.

0:00:23.723,0:00:26.292
Quais foram os dados que você descobriu?

0:00:26.292,0:00:29.295
A gente tem aqui[br]alguns exemplos desses gráficos

0:00:29.295,0:00:33.033
e agora vamos entender[br]quando que a gente utiliza cada um deles.

0:00:33.433,0:00:36.903
O primeiro gráfico,[br]que é o mais utilizado em vários cenários,

0:00:36.903,0:00:40.840
principalmente na análise descritiva,[br]é o gráfico de barras.

0:00:41.341,0:00:44.577
Gráfico de barras[br]a gente utiliza para variáveis

0:00:44.577,0:00:47.947
que são categóricas e variáveis[br]qualitativas.

0:00:48.415,0:00:51.584
A primeira coisa que a gente faz[br]para utilizar um gráfico de barras

0:00:52.052,0:00:55.288
é determinar quais dados que a gente tem.

0:00:55.321,0:00:57.924
Então eu tenho ali uma base de dados.

0:00:57.924,0:01:01.861
Eu vou classificar aquela base de dados[br]como como, por exemplo,

0:01:01.861,0:01:03.696
do menor para o maior.

0:01:03.696,0:01:06.866
Aqui na representação,[br]a gente consegue entender

0:01:06.866,0:01:09.869
a variação ali entre essas categorias.

0:01:09.869,0:01:10.870
O gráfico de barras

0:01:10.870,0:01:14.908
ele vai ser muito utilizado para você[br]de fato comparar variáveis.

0:01:15.675,0:01:19.446
Um outro gráfico que a gente utiliza[br]bastante também é o gráfico de pizza.

0:01:19.679,0:01:22.916
Aqui na tela a gente tem a representação[br]desse tipo de gráfico.

0:01:23.349,0:01:26.152
É um cenário onde a gente está avaliando

0:01:26.152,0:01:30.423
quais são os sabores preferidos[br]das pessoas relacionadas a sorvete.

0:01:30.890,0:01:33.460
Nós temos a variação aqui

0:01:33.460,0:01:37.163
mostrando a representatividade[br]em um formato de pizza.

0:01:37.664,0:01:41.101
Então, quando a gente tem três sabores,[br]por exemplo,

0:01:41.401,0:01:45.472
a gente está considerando aqui[br]que a pizza soma 100%.

0:01:46.106,0:01:48.508
O total dela vai ser 100%.

0:01:48.508,0:01:52.946
E cada uma dessas fatias[br]vai ser a representatividade desse sabor.

0:01:53.613,0:01:56.416
Então a gente vai ter uma visão de qual[br]que é o sabor

0:01:56.416,0:01:59.619
preferido dessas pessoas[br]que foram entrevistadas.

0:01:59.619,0:02:03.723
Porque o quanto maior for[br]a fatia da pizza, maior

0:02:03.723,0:02:06.893
vai indicar aquela representatividade,[br]ou seja,

0:02:06.893,0:02:09.896
aquela, aquela preferência.

0:02:09.963,0:02:12.332
Um ponto importante para a gente[br]considerar.

0:02:12.332,0:02:16.169
Em relação ao gráfico de pizza[br]e que ele não pode ser utilizado para

0:02:16.169,0:02:18.705
quando a gente tem muitas variáveis,

0:02:18.705,0:02:23.076
porque vai ficar muito confuso de entender[br]ali qual que é a representatividade

0:02:23.076,0:02:23.977
de cada uma.

0:02:23.977,0:02:26.980
Então ele é mais indicado para[br]até quatro fatias.

0:02:27.847,0:02:29.949
Um outro gráfico muito utilizado também

0:02:29.949,0:02:33.253
é o gráfico Histograma,[br]o gráfico histograma.

0:02:33.253,0:02:37.357
Olhando para a representação visual dele,[br]ele é muito confundido

0:02:37.357,0:02:39.192
com o gráfico de barras.

0:02:39.192,0:02:43.463
Nós já sabemos que o gráfico de barras[br]é utilizado para fazer comparações

0:02:43.563,0:02:44.931
entre variáveis.

0:02:44.931,0:02:47.867
O histograma também[br]é utilizado dessa forma.

0:02:47.867,0:02:50.703
A única diferença[br]você vai visualizar aqui na tela

0:02:50.703,0:02:54.073
é que a representação dele[br]é um pouquinho diferente,

0:02:54.440,0:02:57.443
então o histograma ele vai considerar ali

0:02:57.477,0:03:00.480
a frequência de cada uma das variáveis.

0:03:00.780,0:03:05.318
Então, quanto maior for a barra,[br]mais frequente é aquela variação.

0:03:05.885,0:03:08.688
Um exemplo de utilização[br]ali do gráfico histograma

0:03:08.688,0:03:12.559
é para quando você quer definir[br]os melhores clientes que você tem.

0:03:13.026,0:03:17.864
Então, numa análise que a gente faça[br]em relação ao volume de vendas,

0:03:18.164,0:03:22.101
a frequência de compras[br]e a resistência das compras,

0:03:22.435,0:03:25.972
a gente vai colocar esses dados[br]em um gráfico, histograma

0:03:26.272,0:03:29.909
e aí a gente vai conseguir[br]ter aquela visão de quais são os clientes

0:03:29.909,0:03:34.447
que mais aparecem, porque ele vai mostrar[br]qual que é o tamanho daquela barra.

0:03:35.615,0:03:37.884
Outro gráfico que é muito utilizado também

0:03:37.884,0:03:43.156
na estatística descritiva[br]é o Scatter Plot ou gráfico de dispersão

0:03:43.723,0:03:46.459
no gráfico de dispersão[br]que está aqui na tela.

0:03:46.459,0:03:49.562
Você vai conseguir visualizar[br]o quanto as variáveis

0:03:49.562,0:03:52.532
que você está analisando[br]se dispersam entre elas.

0:03:52.932,0:03:57.537
Ele é muito utilizado para você conseguir[br]entender padrões de comportamento.

0:03:57.904,0:04:01.608
Então, quando eu coloco os meus dados[br]num gráfico de dispersão,

0:04:01.608,0:04:04.978
eu vou conseguir definir[br]quais são as minhas variáveis

0:04:04.978,0:04:07.981
que são fora da curva,[br]que são os outliers.

0:04:08.281,0:04:12.018
Então, quando eu represento dessa forma,[br]quanto mais perto

0:04:12.018,0:04:16.356
você tiver aquela concentração aqui[br]no nosso Cantinho do Eixo,

0:04:16.689,0:04:20.126
você vai visualizar que as variáveis[br]ficam muito próximas.

0:04:20.460,0:04:24.030
Agora, quanto mais elas se dispersam,[br]aí você vai entender

0:04:24.664,0:04:26.733
quais são essas variáveis

0:04:26.733,0:04:30.837
que fogem do seu padrão[br]e aí você vai conseguir investigar melhor

0:04:30.837,0:04:35.942
essas variações nessas variáveis[br]e entender qual é o comportamento delas.

0:04:36.809,0:04:42.148
E quando a gente precisa visualizar[br]variáveis que são temporais para isso,

0:04:42.148,0:04:45.852
nós temos um tipo de gráfico,[br]que é o gráfico de séries temporais.

0:04:45.918,0:04:47.754
Ele está aparecendo aqui na tela.

0:04:47.754,0:04:50.123
E basicamente é um gráfico de linhas.

0:04:50.123,0:04:54.794
A ideia do gráfico temporal[br]ele é para mostrar essa continuidade.

0:04:54.827,0:04:58.364
Então, vamos supor que eu fiz[br]ali uma análise onde eu precisei

0:04:58.364,0:05:01.968
anotar os dados em dias diferentes[br]para ter uma média.

0:05:02.435,0:05:06.205
Quando eu posto esses dados[br]num gráfico de série temporal,

0:05:06.539,0:05:10.443
eu vou conseguir visualizar essa[br]esse ciclo nessa tendência.

0:05:10.643,0:05:14.881
Não necessariamente ele vai ter sempre[br]um aumento ou uma queda.

0:05:14.881,0:05:16.716
Ele pode ter variações.

0:05:16.716,0:05:19.652
Então, através desse gráfico[br]eu consigo ter essa visão

0:05:19.652,0:05:24.090
muito mais rápida de média do quanto[br]que subiu,

0:05:24.190,0:05:27.193
o quanto flutuaram os meus dados.

0:05:27.360,0:05:31.097
O último gráfico que nós temos[br]para representar ele estatisticamente

0:05:31.097,0:05:32.699
é o Box Plot.

0:05:32.699,0:05:36.269
Esse gráfico é muito utilizado[br]para você conseguir visualizar

0:05:36.269,0:05:40.173
as variações dos seus dados[br]e como eles estão concentrados

0:05:40.606,0:05:43.543
nesse formato de gráfico[br]que está aparecendo aqui na tela.

0:05:43.543,0:05:46.346
Você vai conseguir visualizar[br]os seus dados

0:05:46.346,0:05:49.349
sempre divididos de 25 e 25%.

0:05:49.682,0:05:53.419
E quanto maior for a sua caixinha,[br]significa que os dados

0:05:53.419,0:05:55.288
estão mais dispersos.

0:05:55.288,0:05:58.858
E quanto menor,[br]significa que eles estão mais condensados.

0:05:59.225,0:06:02.795
Esse tipo de gráfico é muito útil[br]exatamente para você olhar ali

0:06:02.795,0:06:06.499
aquela representatividade[br]e você conseguir entender melhor

0:06:06.766,0:06:08.668
o comportamento dos seus dados.

0:06:08.668,0:06:11.671
Foram extraídos ali da sua amostra.

0:06:12.505,0:06:16.676
Bom, então agora que você conhece[br]esses formatos de gráficos,

0:06:16.676,0:06:18.144
você vai conseguir entender

0:06:18.144,0:06:21.714
qual o gráfico que vai te aplicar melhor[br]a realidade dos seus dados

0:06:22.081,0:06:26.552
e vai te ajudar a transformar[br]aquele gráfico ou aquela visualização

0:06:26.853,0:06:29.689
de forma muito mais visual, de fato.

0:06:29.689,0:06:33.960
Então você vai conseguir mostrar[br]qual foi a descoberta que você teve

0:06:33.960,0:06:39.665
com os seus dados, coisa que uma tabela[br]não te ajudaria tanto no nível tão visual.

0:06:39.932,0:06:44.971
Então utilize aí os gráficos a seu favor,[br]considerando a particularidade de cada um

0:06:45.271,0:06:50.576
e quando você vai aplicar, quando você[br]vai selecionar cada formato de gráfico e.