1
00:00:07,825 --> 00:00:10,374
Imagina se você não 
tivesse gráficos

2
00:00:10,374 --> 00:00:13,980
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
00:00:17,784 --> 00:00:21,119
Os gráficos existem exatamente 
para te ajudar a representar,

5
00:00:21,119 --> 00:00:26,292
de forma visual, 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 --> 00:00:33,433
e agora vamos entender quando 
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
00:00:40,840 --> 00:00:44,577
O gráfico de barras, 
a gente utiliza para variáveis

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

12
00:00:47,947 --> 00:00:51,904
A primeira coisa que a gente faz
para utilizar um gráfico de barras

13
00:00:51,904 --> 00:00:55,321
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, 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 vai ser 
muito utilizado para você,

20
00:01:10,870 --> 00:01:15,251
de fato, comparar variáveis.

21
00:01:15,251 --> 00:01:19,679
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
00:01:22,916 --> 00:01:26,152
Em um cenário onde 
a gente está avaliando

24
00:01:26,152 --> 00:01:30,890
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 --> 00:01:37,664
mostrando a representatividade
em um formato de pizza.

27
00:01:37,664 --> 00:01:41,401
Então, quando a gente tem 
3 sabores, por exemplo,

28
00:01:41,401 --> 00:01:46,106
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
00:01:52,946 --> 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 --> 00:02:03,240
porque quanto maior for
a fatia da pizza,

34
00:02:03,240 --> 00:02:06,893
maior vai indicar aquela 
representatividade,

35
00:02:06,893 --> 00:02:09,963
ou seja, aquela preferência.

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

37
00:02:12,332 --> 00:02:15,920
em relação ao gráfico de pizza,
é que ele não pode ser utilizado

38
00:02:15,920 --> 00:02:18,705
para quando a gente
tem muitas variáveis,

39
00:02:18,705 --> 00:02:21,440
porque vai ficar muito 
confuso de entender ali

40
00:02:21,440 --> 00:02:23,977
qual é a representatividade 
de cada uma.

41
00:02:23,977 --> 00:02:27,142
Então, ele é mais indicado 
para até 4 fatias.

42
00:02:27,142 --> 00:02:31,739
Um outro gráfico muito utilizado 
também é o gráfico histograma,

43
00:02:31,739 --> 00:02:33,195
O gráfico histograma,

44
00:02:33,195 --> 00:02:36,070
olhando para a representação 
visual dele,

45
00:02:36,070 --> 00:02:38,916
ele é muito confundido
com o gráfico de barras.

46
00:02:38,916 --> 00:02:41,169
Nós já sabemos que 
o gráfico de barras

47
00:02:41,169 --> 00:02:44,931
é utilizado para fazer 
comparações 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 --> 00:02:54,227
é que a representação dele
é um pouquinho diferente,

51
00:02:54,227 --> 00:02:57,477
Então, o histograma
vai considerar ali

52
00:02:57,477 --> 00:03:00,780
a frequência de cada 
uma das variáveis.

53
00:03:00,780 --> 00:03:05,885
Então, quanto maior for a barra,
mais frequente é aquela variação.

54
00:03:05,885 --> 00:03:08,662
Um exemplo de utilização
ali do gráfico histograma

55
00:03:08,662 --> 00:03:13,026
é para quando você quer definir
os melhores clientes que você tem.

56
00:03:13,026 --> 00:03:18,164
Então, numa análise que a gente faça
em relação ao volume de vendas,

57
00:03:18,164 --> 00:03:22,435
a frequência de compras
e a recência das compras,

58
00:03:22,435 --> 00:03:26,272
a gente vai colocar esses dados
em um gráfico histograma

59
00:03:26,272 --> 00:03:28,537
e aí a gente vai conseguir 
ter aquela visão

60
00:03:28,537 --> 00:03:31,087
de quais são os clientes 
que mais aparecem,

61
00:03:31,087 --> 00:03:34,703
porque ele vai mostrar qual 
é o tamanho daquela barra.

62
00:03:34,703 --> 00:03:39,631
Outro gráfico que é muito utilizado 
também na estatística descritiva

63
00:03:39,631 --> 00:03:43,723
é o Scatterplot ou 
gráfico de dispersão

64
00:03:43,723 --> 00:03:46,459
No gráfico de dispersão,
que está aqui na tela,

65
00:03:46,459 --> 00:03:49,562
você vai conseguir visualizar
o quanto as variáveis,

66
00:03:49,562 --> 00:03:52,532
que você está analisando,
se dispersam entre elas.

67
00:03:52,532 --> 00:03:55,087
Ele é muito utilizado 
para você conseguir

68
00:03:55,087 --> 00:03:57,904
entender padrões 
de comportamento.

69
00:03:57,904 --> 00:04:01,608
Então, quando eu plot ali os meus 
dados em um gráfico de dispersão,

70
00:04:01,608 --> 00:04:04,978
eu vou conseguir definir
quais são as minhas variáveis

71
00:04:04,978 --> 00:04:08,281
que são fora da curva,
que são os outliers.

72
00:04:08,281 --> 00:04:10,658
Então, quando eu represento 
dessa forma,

73
00:04:10,658 --> 00:04:14,568
quanto mais perto você tiver 
ali aquela concentração aqui,

74
00:04:14,568 --> 00:04:16,430
no nosso cantinho do Eixo,

75
00:04:16,430 --> 00:04:20,460
você vai visualizar que as 
variáveis ficam muito próximas.

76
00:04:20,460 --> 00:04:22,647
Agora, quanto mais 
elas se dispersam,

77
00:04:22,647 --> 00:04:26,733
aí você vai entender 
quais são essas variáveis

78
00:04:26,733 --> 00:04:30,837
que fogem do seu padrão, e aí você 
vai conseguir investigar melhor

79
00:04:30,837 --> 00:04:33,186
essas variações, 
essas variáveis,

80
00:04:33,186 --> 00:04:36,809
e entender qual é o 
comportamento delas.

81
00:04:36,809 --> 00:04:42,148
E quando a gente precisa visualizar
variáveis que são temporais para isso,

82
00:04:42,148 --> 00:04:45,852
nós temos um tipo de gráfico,
que é o gráfico de séries temporais.

83
00:04:45,918 --> 00:04:47,754
Ele está aparecendo aqui na tela.

84
00:04:47,754 --> 00:04:50,123
E basicamente é um gráfico de linhas.

85
00:04:50,123 --> 00:04:54,794
A ideia do gráfico temporal
ele é para mostrar essa continuidade.

86
00:04:54,827 --> 00:04:58,364
Então, vamos supor que eu fiz
ali uma análise onde eu precisei

87
00:04:58,364 --> 00:05:01,968
anotar os dados em dias diferentes
para ter uma média.

88
00:05:02,435 --> 00:05:06,205
Quando eu posto esses dados
num gráfico de série temporal,

89
00:05:06,539 --> 00:05:10,443
eu vou conseguir visualizar essa
esse ciclo nessa tendência.

90
00:05:10,643 --> 00:05:14,881
Não necessariamente ele vai ter sempre
um aumento ou uma queda.

91
00:05:14,881 --> 00:05:16,716
Ele pode ter variações.

92
00:05:16,716 --> 00:05:19,652
Então, através desse gráfico
eu consigo ter essa visão

93
00:05:19,652 --> 00:05:24,090
muito mais rápida de média do quanto
que subiu,

94
00:05:24,190 --> 00:05:27,193
o quanto flutuaram os meus dados.

95
00:05:27,360 --> 00:05:31,097
O último gráfico que nós temos
para representar ele estatisticamente

96
00:05:31,097 --> 00:05:32,699
é o Box Plot.

97
00:05:32,699 --> 00:05:36,269
Esse gráfico é muito utilizado
para você conseguir visualizar

98
00:05:36,269 --> 00:05:40,173
as variações dos seus dados
e como eles estão concentrados

99
00:05:40,606 --> 00:05:43,543
nesse formato de gráfico
que está aparecendo aqui na tela.

100
00:05:43,543 --> 00:05:46,346
Você vai conseguir visualizar
os seus dados

101
00:05:46,346 --> 00:05:49,349
sempre divididos de 25 e 25%.

102
00:05:49,682 --> 00:05:53,419
E quanto maior for a sua caixinha,
significa que os dados

103
00:05:53,419 --> 00:05:55,288
estão mais dispersos.

104
00:05:55,288 --> 00:05:58,858
E quanto menor,
significa que eles estão mais condensados.

105
00:05:59,225 --> 00:06:02,795
Esse tipo de gráfico é muito útil
exatamente para você olhar ali

106
00:06:02,795 --> 00:06:06,499
aquela representatividade
e você conseguir entender melhor

107
00:06:06,766 --> 00:06:08,668
o comportamento dos seus dados.

108
00:06:08,668 --> 00:06:11,671
Foram extraídos ali da sua amostra.

109
00:06:12,505 --> 00:06:16,676
Bom, então agora que você conhece
esses formatos de gráficos,

110
00:06:16,676 --> 00:06:18,144
você vai conseguir entender

111
00:06:18,144 --> 00:06:21,714
qual o gráfico que vai te aplicar melhor
a realidade dos seus dados

112
00:06:22,081 --> 00:06:26,552
e vai te ajudar a transformar
aquele gráfico ou aquela visualização

113
00:06:26,853 --> 00:06:29,689
de forma muito mais visual, de fato.

114
00:06:29,689 --> 00:06:33,960
Então você vai conseguir mostrar
qual foi a descoberta que você teve

115
00:06:33,960 --> 00:06:39,665
com os seus dados, coisa que uma tabela
não te ajudaria tanto no nível tão visual.

116
00:06:39,932 --> 00:06:44,971
Então utilize aí os gráficos a seu favor,
considerando a particularidade de cada um

117
00:06:45,271 --> 00:06:50,576
e quando você vai aplicar, quando você
vai selecionar cada formato de gráfico e.