WEBVTT

00:00:08.008 --> 00:00:09.609
Imagina se você não tivesse

00:00:09.609 --> 00:00:13.580
gráficos para representar de forma visual
os dados que você descobriu?

00:00:13.980 --> 00:00:17.784
Seria muito chato porque as pessoas
iam ficar lendo somente tabelas.

00:00:18.318 --> 00:00:23.390
Os gráficos existem exatamente para te
ajudarem a representar de forma visual.

00:00:23.723 --> 00:00:26.292
Quais foram os dados que você descobriu?

00:00:26.292 --> 00:00:29.295
A gente tem aqui
alguns exemplos desses gráficos

00:00:29.295 --> 00:00:33.033
e agora vamos entender
quando que a gente utiliza cada um deles.

00:00:33.433 --> 00:00:36.903
O primeiro gráfico,
que é o mais utilizado em vários cenários,

00:00:36.903 --> 00:00:40.840
principalmente na análise descritiva,
é o gráfico de barras.

00:00:41.341 --> 00:00:44.577
Gráfico de barras
a gente utiliza para variáveis

00:00:44.577 --> 00:00:47.947
que são categóricas e variáveis
qualitativas.

00:00:48.415 --> 00:00:51.584
A primeira coisa que a gente faz
para utilizar um gráfico de barras

00:00:52.052 --> 00:00:55.288
é determinar quais dados que a gente tem.

00:00:55.321 --> 00:00:57.924
Então eu tenho ali uma base de dados.

00:00:57.924 --> 00:01:01.861
Eu vou classificar aquela base de dados
como como, por exemplo,

00:01:01.861 --> 00:01:03.696
do menor para o maior.

00:01:03.696 --> 00:01:06.866
Aqui na representação,
a gente consegue entender

00:01:06.866 --> 00:01:09.869
a variação ali entre essas categorias.

00:01:09.869 --> 00:01:10.870
O gráfico de barras

00:01:10.870 --> 00:01:14.908
ele vai ser muito utilizado para você
de fato comparar variáveis.

00:01:15.675 --> 00:01:19.446
Um outro gráfico que a gente utiliza
bastante também é o gráfico de pizza.

00:01:19.679 --> 00:01:22.916
Aqui na tela a gente tem a representação
desse tipo de gráfico.

00:01:23.349 --> 00:01:26.152
É um cenário onde a gente está avaliando

00:01:26.152 --> 00:01:30.423
quais são os sabores preferidos
das pessoas relacionadas a sorvete.

00:01:30.890 --> 00:01:33.460
Nós temos a variação aqui

00:01:33.460 --> 00:01:37.163
mostrando a representatividade
em um formato de pizza.

00:01:37.664 --> 00:01:41.101
Então, quando a gente tem três sabores,
por exemplo,

00:01:41.401 --> 00:01:45.472
a gente está considerando aqui
que a pizza soma 100%.

00:01:46.106 --> 00:01:48.508
O total dela vai ser 100%.

00:01:48.508 --> 00:01:52.946
E cada uma dessas fatias
vai ser a representatividade desse sabor.

00:01:53.613 --> 00:01:56.416
Então a gente vai ter uma visão de qual
que é o sabor

00:01:56.416 --> 00:01:59.619
preferido dessas pessoas
que foram entrevistadas.

00:01:59.619 --> 00:02:03.723
Porque o quanto maior for
a fatia da pizza, maior

00:02:03.723 --> 00:02:06.893
vai indicar aquela representatividade,
ou seja,

00:02:06.893 --> 00:02:09.896
aquela, aquela preferência.

00:02:09.963 --> 00:02:12.332
Um ponto importante para a gente
considerar.

00:02:12.332 --> 00:02:16.169
Em relação ao gráfico de pizza
e que ele não pode ser utilizado para

00:02:16.169 --> 00:02:18.705
quando a gente tem muitas variáveis,

00:02:18.705 --> 00:02:23.076
porque vai ficar muito confuso de entender
ali qual que é a representatividade

00:02:23.076 --> 00:02:23.977
de cada uma.

00:02:23.977 --> 00:02:26.980
Então ele é mais indicado para
até quatro fatias.

00:02:27.847 --> 00:02:29.949
Um outro gráfico muito utilizado também

00:02:29.949 --> 00:02:33.253
é o gráfico Histograma,
o gráfico histograma.

00:02:33.253 --> 00:02:37.357
Olhando para a representação visual dele,
ele é muito confundido

00:02:37.357 --> 00:02:39.192
com o gráfico de barras.

00:02:39.192 --> 00:02:43.463
Nós já sabemos que o gráfico de barras
é utilizado para fazer comparações

00:02:43.563 --> 00:02:44.931
entre variáveis.

00:02:44.931 --> 00:02:47.867
O histograma também
é utilizado dessa forma.

00:02:47.867 --> 00:02:50.703
A única diferença
você vai visualizar aqui na tela

00:02:50.703 --> 00:02:54.073
é que a representação dele
é um pouquinho diferente,

00:02:54.440 --> 00:02:57.443
então o histograma ele vai considerar ali

00:02:57.477 --> 00:03:00.480
a frequência de cada uma das variáveis.

00:03:00.780 --> 00:03:05.318
Então, quanto maior for a barra,
mais frequente é aquela variação.

00:03:05.885 --> 00:03:08.688
Um exemplo de utilização
ali do gráfico histograma

00:03:08.688 --> 00:03:12.559
é para quando você quer definir
os melhores clientes que você tem.

00:03:13.026 --> 00:03:17.864
Então, numa análise que a gente faça
em relação ao volume de vendas,

00:03:18.164 --> 00:03:22.101
a frequência de compras
e a resistência das compras,

00:03:22.435 --> 00:03:25.972
a gente vai colocar esses dados
em um gráfico, histograma

00:03:26.272 --> 00:03:29.909
e aí a gente vai conseguir
ter aquela visão de quais são os clientes

00:03:29.909 --> 00:03:34.447
que mais aparecem, porque ele vai mostrar
qual que é o tamanho daquela barra.

00:03:35.615 --> 00:03:37.884
Outro gráfico que é muito utilizado também

00:03:37.884 --> 00:03:43.156
na estatística descritiva
é o Scatter Plot ou gráfico de dispersão

00:03:43.723 --> 00:03:46.459
no gráfico de dispersão
que está aqui na tela.

00:03:46.459 --> 00:03:49.562
Você vai conseguir visualizar
o quanto as variáveis

00:03:49.562 --> 00:03:52.532
que você está analisando
se dispersam entre elas.

00:03:52.932 --> 00:03:57.537
Ele é muito utilizado para você conseguir
entender padrões de comportamento.

00:03:57.904 --> 00:04:01.608
Então, quando eu coloco os meus dados
num gráfico de dispersão,

00:04:01.608 --> 00:04:04.978
eu vou conseguir definir
quais são as minhas variáveis

00:04:04.978 --> 00:04:07.981
que são fora da curva,
que são os outliers.

00:04:08.281 --> 00:04:12.018
Então, quando eu represento dessa forma,
quanto mais perto

00:04:12.018 --> 00:04:16.356
você tiver aquela concentração aqui
no nosso Cantinho do Eixo,

00:04:16.689 --> 00:04:20.126
você vai visualizar que as variáveis
ficam muito próximas.

00:04:20.460 --> 00:04:24.030
Agora, quanto mais elas se dispersam,
aí você vai entender

00:04:24.664 --> 00:04:26.733
quais são essas variáveis

00:04:26.733 --> 00:04:30.837
que fogem do seu padrão
e aí você vai conseguir investigar melhor

00:04:30.837 --> 00:04:35.942
essas variações nessas variáveis
e entender qual é o comportamento delas.

00:04:36.809 --> 00:04:42.148
E quando a gente precisa visualizar
variáveis que são temporais para isso,

00:04:42.148 --> 00:04:45.852
nós temos um tipo de gráfico,
que é o gráfico de séries temporais.

00:04:45.918 --> 00:04:47.754
Ele está aparecendo aqui na tela.

00:04:47.754 --> 00:04:50.123
E basicamente é um gráfico de linhas.

00:04:50.123 --> 00:04:54.794
A ideia do gráfico temporal
ele é para mostrar essa continuidade.

00:04:54.827 --> 00:04:58.364
Então, vamos supor que eu fiz
ali uma análise onde eu precisei

00:04:58.364 --> 00:05:01.968
anotar os dados em dias diferentes
para ter uma média.

00:05:02.435 --> 00:05:06.205
Quando eu posto esses dados
num gráfico de série temporal,

00:05:06.539 --> 00:05:10.443
eu vou conseguir visualizar essa
esse ciclo nessa tendência.

00:05:10.643 --> 00:05:14.881
Não necessariamente ele vai ter sempre
um aumento ou uma queda.

00:05:14.881 --> 00:05:16.716
Ele pode ter variações.

00:05:16.716 --> 00:05:19.652
Então, através desse gráfico
eu consigo ter essa visão

00:05:19.652 --> 00:05:24.090
muito mais rápida de média do quanto
que subiu,

00:05:24.190 --> 00:05:27.193
o quanto flutuaram os meus dados.

00:05:27.360 --> 00:05:31.097
O último gráfico que nós temos
para representar ele estatisticamente

00:05:31.097 --> 00:05:32.699
é o Box Plot.

00:05:32.699 --> 00:05:36.269
Esse gráfico é muito utilizado
para você conseguir visualizar

00:05:36.269 --> 00:05:40.173
as variações dos seus dados
e como eles estão concentrados

00:05:40.606 --> 00:05:43.543
nesse formato de gráfico
que está aparecendo aqui na tela.

00:05:43.543 --> 00:05:46.346
Você vai conseguir visualizar
os seus dados

00:05:46.346 --> 00:05:49.349
sempre divididos de 25 e 25%.

00:05:49.682 --> 00:05:53.419
E quanto maior for a sua caixinha,
significa que os dados

00:05:53.419 --> 00:05:55.288
estão mais dispersos.

00:05:55.288 --> 00:05:58.858
E quanto menor,
significa que eles estão mais condensados.

00:05:59.225 --> 00:06:02.795
Esse tipo de gráfico é muito útil
exatamente para você olhar ali

00:06:02.795 --> 00:06:06.499
aquela representatividade
e você conseguir entender melhor

00:06:06.766 --> 00:06:08.668
o comportamento dos seus dados.

00:06:08.668 --> 00:06:11.671
Foram extraídos ali da sua amostra.

00:06:12.505 --> 00:06:16.676
Bom, então agora que você conhece
esses formatos de gráficos,

00:06:16.676 --> 00:06:18.144
você vai conseguir entender

00:06:18.144 --> 00:06:21.714
qual o gráfico que vai te aplicar melhor
a realidade dos seus dados

00:06:22.081 --> 00:06:26.552
e vai te ajudar a transformar
aquele gráfico ou aquela visualização

00:06:26.853 --> 00:06:29.689
de forma muito mais visual, de fato.

00:06:29.689 --> 00:06:33.960
Então você vai conseguir mostrar
qual foi a descoberta que você teve

00:06:33.960 --> 00:06:39.665
com os seus dados, coisa que uma tabela
não te ajudaria tanto no nível tão visual.

00:06:39.932 --> 00:06:44.971
Então utilize aí os gráficos a seu favor,
considerando a particularidade de cada um

00:06:45.271 --> 00:06:50.576
e quando você vai aplicar, quando você
vai selecionar cada formato de gráfico e.