1
00:00:08,008 --> 00:00:09,609
Imagina se você não tivesse

2
00:00:09,609 --> 00:00:13,580
gráficos para representar de forma visual
os dados que você descobriu?

3
00:00:13,980 --> 00:00:17,784
Seria muito chato porque as pessoas
iam ficar lendo somente tabelas.

4
00:00:18,318 --> 00:00:23,390
Os gráficos existem exatamente para te
ajudarem a representar de forma visual.

5
00:00:23,723 --> 00:00:26,292
Quais foram os dados que você descobriu?

6
00:00:26,292 --> 00:00:29,295
A gente tem aqui
alguns exemplos desses gráficos

7
00:00:29,295 --> 00:00:33,033
e agora vamos entender
quando que a gente utiliza cada um deles.

8
00:00:33,433 --> 00:00:36,903
O primeiro gráfico,
que é o mais utilizado em vários cenários,

9
00:00:36,903 --> 00:00:40,840
principalmente na análise descritiva,
é o gráfico de barras.

10
00:00:41,341 --> 00:00:44,577
Gráfico de barras
a gente utiliza para variáveis

11
00:00:44,577 --> 00:00:47,947
que são categóricas e variáveis
qualitativas.

12
00:00:48,415 --> 00:00:51,584
A primeira coisa que a gente faz
para utilizar um gráfico de barras

13
00:00:52,052 --> 00:00:55,288
é determinar quais dados que a gente tem.

14
00:00:55,321 --> 00:00:57,924
Então eu tenho ali uma base de dados.

15
00:00:57,924 --> 00:01:01,861
Eu vou classificar aquela base de dados
como como, por exemplo,

16
00:01:01,861 --> 00:01:03,696
do menor para o maior.

17
00:01:03,696 --> 00:01:06,866
Aqui na representação,
a gente consegue entender

18
00:01:06,866 --> 00:01:09,869
a variação ali entre essas categorias.

19
00:01:09,869 --> 00:01:10,870
O gráfico de barras

20
00:01:10,870 --> 00:01:14,908
ele vai ser muito utilizado para você
de fato comparar variáveis.

21
00:01:15,675 --> 00:01:19,446
Um outro gráfico que a gente utiliza
bastante também é o gráfico de pizza.

22
00:01:19,679 --> 00:01:22,916
Aqui na tela a gente tem a representação
desse tipo de gráfico.

23
00:01:23,349 --> 00:01:26,152
É um cenário onde a gente está avaliando

24
00:01:26,152 --> 00:01:30,423
quais são os sabores preferidos
das pessoas relacionadas a sorvete.

25
00:01:30,890 --> 00:01:33,460
Nós temos a variação aqui

26
00:01:33,460 --> 00:01:37,163
mostrando a representatividade
em um formato de pizza.

27
00:01:37,664 --> 00:01:41,101
Então, quando a gente tem três sabores,
por exemplo,

28
00:01:41,401 --> 00:01:45,472
a gente está considerando aqui
que a pizza soma 100%.

29
00:01:46,106 --> 00:01:48,508
O total dela vai ser 100%.

30
00:01:48,508 --> 00:01:52,946
E cada uma dessas fatias
vai ser a representatividade desse sabor.

31
00:01:53,613 --> 00:01:56,416
Então a gente vai ter uma visão de qual
que é o sabor

32
00:01:56,416 --> 00:01:59,619
preferido dessas pessoas
que foram entrevistadas.

33
00:01:59,619 --> 00:02:03,723
Porque o quanto maior for
a fatia da pizza, maior

34
00:02:03,723 --> 00:02:06,893
vai indicar aquela representatividade,
ou seja,

35
00:02:06,893 --> 00:02:09,896
aquela, aquela preferência.

36
00:02:09,963 --> 00:02:12,332
Um ponto importante para a gente
considerar.

37
00:02:12,332 --> 00:02:16,169
Em relação ao gráfico de pizza
e que ele não pode ser utilizado para

38
00:02:16,169 --> 00:02:18,705
quando a gente tem muitas variáveis,

39
00:02:18,705 --> 00:02:23,076
porque vai ficar muito confuso de entender
ali qual que é a representatividade

40
00:02:23,076 --> 00:02:23,977
de cada uma.

41
00:02:23,977 --> 00:02:26,980
Então ele é mais indicado para
até quatro fatias.

42
00:02:27,847 --> 00:02:29,949
Um outro gráfico muito utilizado também

43
00:02:29,949 --> 00:02:33,253
é o gráfico Histograma,
o gráfico histograma.

44
00:02:33,253 --> 00:02:37,357
Olhando para a representação visual dele,
ele é muito confundido

45
00:02:37,357 --> 00:02:39,192
com o gráfico de barras.

46
00:02:39,192 --> 00:02:43,463
Nós já sabemos que o gráfico de barras
é utilizado para fazer comparações

47
00:02:43,563 --> 00:02:44,931
entre variáveis.

48
00:02:44,931 --> 00:02:47,867
O histograma também
é utilizado dessa forma.

49
00:02:47,867 --> 00:02:50,703
A única diferença
você vai visualizar aqui na tela

50
00:02:50,703 --> 00:02:54,073
é que a representação dele
é um pouquinho diferente,

51
00:02:54,440 --> 00:02:57,443
então o histograma ele vai considerar ali

52
00:02:57,477 --> 00:03:00,480
a frequência de cada uma das variáveis.

53
00:03:00,780 --> 00:03:05,318
Então, quanto maior for a barra,
mais frequente é aquela variação.

54
00:03:05,885 --> 00:03:08,688
Um exemplo de utilização
ali do gráfico histograma

55
00:03:08,688 --> 00:03:12,559
é para quando você quer definir
os melhores clientes que você tem.

56
00:03:13,026 --> 00:03:17,864
Então, numa análise que a gente faça
em relação ao volume de vendas,

57
00:03:18,164 --> 00:03:22,101
a frequência de compras
e a resistência das compras,

58
00:03:22,435 --> 00:03:25,972
a gente vai colocar esses dados
em um gráfico, histograma

59
00:03:26,272 --> 00:03:29,909
e aí a gente vai conseguir
ter aquela visão de quais são os clientes

60
00:03:29,909 --> 00:03:34,447
que mais aparecem, porque ele vai mostrar
qual que é o tamanho daquela barra.

61
00:03:35,615 --> 00:03:37,884
Outro gráfico que é muito utilizado também

62
00:03:37,884 --> 00:03:43,156
na estatística descritiva
é o Scatter Plot ou gráfico de dispersão

63
00:03:43,723 --> 00:03:46,459
no gráfico de dispersão
que está aqui na tela.

64
00:03:46,459 --> 00:03:49,562
Você vai conseguir visualizar
o quanto as variáveis

65
00:03:49,562 --> 00:03:52,532
que você está analisando
se dispersam entre elas.

66
00:03:52,932 --> 00:03:57,537
Ele é muito utilizado para você conseguir
entender padrões de comportamento.

67
00:03:57,904 --> 00:04:01,608
Então, quando eu coloco os meus dados
num gráfico de dispersão,

68
00:04:01,608 --> 00:04:04,978
eu vou conseguir definir
quais são as minhas variáveis

69
00:04:04,978 --> 00:04:07,981
que são fora da curva,
que são os outliers.

70
00:04:08,281 --> 00:04:12,018
Então, quando eu represento dessa forma,
quanto mais perto

71
00:04:12,018 --> 00:04:16,356
você tiver aquela concentração aqui
no nosso Cantinho do Eixo,

72
00:04:16,689 --> 00:04:20,126
você vai visualizar que as variáveis
ficam muito próximas.

73
00:04:20,460 --> 00:04:24,030
Agora, quanto mais elas se dispersam,
aí você vai entender

74
00:04:24,664 --> 00:04:26,733
quais são essas variáveis

75
00:04:26,733 --> 00:04:30,837
que fogem do seu padrão
e aí você vai conseguir investigar melhor

76
00:04:30,837 --> 00:04:35,942
essas variações nessas variáveis
e entender qual é o comportamento delas.

77
00:04:36,809 --> 00:04:42,148
E quando a gente precisa visualizar
variáveis que são temporais para isso,

78
00:04:42,148 --> 00:04:45,852
nós temos um tipo de gráfico,
que é o gráfico de séries temporais.

79
00:04:45,918 --> 00:04:47,754
Ele está aparecendo aqui na tela.

80
00:04:47,754 --> 00:04:50,123
E basicamente é um gráfico de linhas.

81
00:04:50,123 --> 00:04:54,794
A ideia do gráfico temporal
ele é para mostrar essa continuidade.

82
00:04:54,827 --> 00:04:58,364
Então, vamos supor que eu fiz
ali uma análise onde eu precisei

83
00:04:58,364 --> 00:05:01,968
anotar os dados em dias diferentes
para ter uma média.

84
00:05:02,435 --> 00:05:06,205
Quando eu posto esses dados
num gráfico de série temporal,

85
00:05:06,539 --> 00:05:10,443
eu vou conseguir visualizar essa
esse ciclo nessa tendência.

86
00:05:10,643 --> 00:05:14,881
Não necessariamente ele vai ter sempre
um aumento ou uma queda.

87
00:05:14,881 --> 00:05:16,716
Ele pode ter variações.

88
00:05:16,716 --> 00:05:19,652
Então, através desse gráfico
eu consigo ter essa visão

89
00:05:19,652 --> 00:05:24,090
muito mais rápida de média do quanto
que subiu,

90
00:05:24,190 --> 00:05:27,193
o quanto flutuaram os meus dados.

91
00:05:27,360 --> 00:05:31,097
O último gráfico que nós temos
para representar ele estatisticamente

92
00:05:31,097 --> 00:05:32,699
é o Box Plot.

93
00:05:32,699 --> 00:05:36,269
Esse gráfico é muito utilizado
para você conseguir visualizar

94
00:05:36,269 --> 00:05:40,173
as variações dos seus dados
e como eles estão concentrados

95
00:05:40,606 --> 00:05:43,543
nesse formato de gráfico
que está aparecendo aqui na tela.

96
00:05:43,543 --> 00:05:46,346
Você vai conseguir visualizar
os seus dados

97
00:05:46,346 --> 00:05:49,349
sempre divididos de 25 e 25%.

98
00:05:49,682 --> 00:05:53,419
E quanto maior for a sua caixinha,
significa que os dados

99
00:05:53,419 --> 00:05:55,288
estão mais dispersos.

100
00:05:55,288 --> 00:05:58,858
E quanto menor,
significa que eles estão mais condensados.

101
00:05:59,225 --> 00:06:02,795
Esse tipo de gráfico é muito útil
exatamente para você olhar ali

102
00:06:02,795 --> 00:06:06,499
aquela representatividade
e você conseguir entender melhor

103
00:06:06,766 --> 00:06:08,668
o comportamento dos seus dados.

104
00:06:08,668 --> 00:06:11,671
Foram extraídos ali da sua amostra.

105
00:06:12,505 --> 00:06:16,676
Bom, então agora que você conhece
esses formatos de gráficos,

106
00:06:16,676 --> 00:06:18,144
você vai conseguir entender

107
00:06:18,144 --> 00:06:21,714
qual o gráfico que vai te aplicar melhor
a realidade dos seus dados

108
00:06:22,081 --> 00:06:26,552
e vai te ajudar a transformar
aquele gráfico ou aquela visualização

109
00:06:26,853 --> 00:06:29,689
de forma muito mais visual, de fato.

110
00:06:29,689 --> 00:06:33,960
Então você vai conseguir mostrar
qual foi a descoberta que você teve

111
00:06:33,960 --> 00:06:39,665
com os seus dados, coisa que uma tabela
não te ajudaria tanto no nível tão visual.

112
00:06:39,932 --> 00:06:44,971
Então utilize aí os gráficos a seu favor,
considerando a particularidade de cada um

113
00:06:45,271 --> 00:06:50,576
e quando você vai aplicar, quando você
vai selecionar cada formato de gráfico e.