1
00:00:07,707 --> 00:00:12,681
Trabalhando com representações
gráficas em estatística,

2
00:00:12,681 --> 00:00:17,653
é muito comum nós nos perguntarmos qual
gráfico que eu vou trabalhar, o que é melhor,

3
00:00:17,653 --> 00:00:22,091
qual que a melhor situação, onde é
que eu aplico tais gráficos diferentes,

4
00:00:22,091 --> 00:00:27,904
rosca, pizza, que é o gráfico do setor,
histograma, gráfico de barra,

5
00:00:27,904 --> 00:00:33,698
linha de tendência, polígono de frequência
que vai ser uma junção de gráfico de barra

6
00:00:33,698 --> 00:00:34,772
com linha de tendência,

7
00:00:34,772 --> 00:00:41,113
existem várias coisas onde nós podemos
permear e trabalhar em cima disso.

8
00:00:41,113 --> 00:00:45,084
E, agora, vamos falar de
duas classes de gráficos

9
00:00:45,084 --> 00:00:48,254
comumente utilizadas no meio
estatístico, que é o gráfico de setor,

10
00:00:48,254 --> 00:00:49,723
que nós conhecemos
como gráfico de pizza,

11
00:00:49,723 --> 00:00:54,712
aquele gráfico redondinho onde nós
dividimos, normalmente, por porcentagens

12
00:00:54,712 --> 00:01:00,501
e assim por diante, e também o histograma
que tem a ver com a distribuição estatística,

13
00:01:00,501 --> 00:01:04,432
então eu tenho que calcular
frequência, distribuir isso em barras

14
00:01:04,432 --> 00:01:09,311
e ali ordeno as minhas classes
em ordem crescente

15
00:01:09,311 --> 00:01:12,916
para ver como é que está
a distribuição dos meus dados.

16
00:01:12,916 --> 00:01:16,620
Diz que se os dados se aproximam
de uma distribuição gaussiana,

17
00:01:16,620 --> 00:01:18,473
que nós chamamos
de distribuição normal,

18
00:01:18,473 --> 00:01:24,071
a tendência é que o maior número
de frequência bata ali na média,

19
00:01:24,071 --> 00:01:26,364
é quando nós plotamos
a tendência ali.

20
00:01:26,364 --> 00:01:29,167
Então, vamos analisar um pouquinho
os dois tipos de gráfico

21
00:01:29,167 --> 00:01:31,952
para ver como é que nós
trabalhamos com eles visualmente,

22
00:01:31,952 --> 00:01:34,216
tentamos entender alguma
aplicação e assim por diante.

23
00:01:34,216 --> 00:01:36,642
Então, vem comigo aqui.

24
00:01:36,642 --> 00:01:40,413
Temos aqui a criação, por exemplo,
utilizando a linguagem Python,

25
00:01:40,413 --> 00:01:46,020
de um gráfico de setor, onde nós
definimos valores e rótulos, está certo?

26
00:01:46,020 --> 00:01:51,559
Então, 10 para o A, 20 para o B,
30 para o C, 40 para o D, 50 para o E.

27
00:01:51,559 --> 00:01:54,396
Então, nós dividimos aqui
proporcionalmente.

28
00:01:54,396 --> 00:01:58,701
Veja que o E é maior, porque ele
recebe a maior quantidade aqui.

29
00:01:58,701 --> 00:02:02,038
Então, o gráfico de setor é
comum para nós, por exemplo,

30
00:02:02,038 --> 00:02:08,078
calcularmos em classes as porcentagens deles,
nós colocarmos rótulo e assim por diante.

31
00:02:08,078 --> 00:02:11,282
Então, tem até uma variação
aqui embaixo, por exemplo,

32
00:02:11,282 --> 00:02:16,087
do gráfico de setor
utilizando porcentagens.

33
00:02:16,087 --> 00:02:20,259
Então, nós só mudamos aqui
um parâmetro de autoporcentagem,

34
00:02:20,259 --> 00:02:24,530
onde, aquilo que estava aqui em cima,
eu consiga distribuir em porcentagem.

35
00:02:24,530 --> 00:02:30,871
Então você fala assim: "olha, cinco
grupos analisados grupo A, B, C, D e E,

36
00:02:30,871 --> 00:02:35,843
33.3% representam o grupo E,
então ele é a maioria,

37
00:02:35,843 --> 00:02:39,047
por exemplo, se fosse quantidade
de pessoas, seria a maioria

38
00:02:39,047 --> 00:02:43,752
seguido do grupo D, grupo C,
B e terminando pelo grupo A.

39
00:02:43,752 --> 00:02:47,389
Então, isso daqui é muito importante,
é um tipo de gráfico bem específico,

40
00:02:47,389 --> 00:02:52,028
não é legal nós trabalharmos com muitas
subdivisões, porque ele fica muito poluído,

41
00:02:52,028 --> 00:02:55,932
mas ele é interessante para nós
termos noção de densidade aqui

42
00:02:55,932 --> 00:02:59,069
e vermos qual que é, por exemplo,
a maior porcentagem.

43
00:02:59,069 --> 00:03:01,973
É muito interessante nós
utilizarmos esse gráfico do setor,

44
00:03:01,973 --> 00:03:05,143
porque através dos setores
nós conseguimos ver.

45
00:03:05,143 --> 00:03:10,115
Óbvio que o olho humano, dependendo
se as porcentagens são muito próximas,

46
00:03:10,115 --> 00:03:12,752
a área, visualmente falando
para os nossos olhos,

47
00:03:12,752 --> 00:03:16,689
talvez não seja algo
tão distinguível assim.

48
00:03:16,689 --> 00:03:21,161
Ou seja, nós não conseguiríamos
diferenciar duas classes diferentes,

49
00:03:21,161 --> 00:03:24,465
o que pode ser um problema, então
nós temos que tomar muito cuidado

50
00:03:24,465 --> 00:03:27,935
com o tipo de gráfico para não
cometer esse tipo de erro.

51
00:03:27,935 --> 00:03:31,973
Então, a diferença é que esse
aqui só tem o âmbito visual,

52
00:03:31,973 --> 00:03:33,475
é legal nós colocarmos um rótulo

53
00:03:33,475 --> 00:03:38,314
para nós termos numericamente
uma noção do que está acontecendo.

54
00:03:38,314 --> 00:03:42,986
E, seguindo, aqui nós temos um histograma
onde nós pegamos, por exemplo,

55
00:03:42,986 --> 00:03:49,037
uma distribuição de dados, onde eu
pego aqui um tipo de distribuição,

56
00:03:49,037 --> 00:03:53,459
que aqui eu utilizei, uma distribuição
randômica do tipo normal, está certo?

57
00:03:53,459 --> 00:03:54,891
Normal por quê?

58
00:03:54,891 --> 00:03:57,436
Distribuição normal é
uma distribuição gaussiana,

59
00:03:57,436 --> 00:04:02,174
se nós colocarmos uma linha de tendência
aqui, ele vai ter uma curva diferenciada,

60
00:04:02,174 --> 00:04:09,126
se eu fizer, por exemplo,
um "plt.plot" nos dados,

61
00:04:09,126 --> 00:04:13,710
chegar aqui e trabalhar com uma cor
vermelha, por exemplo,

62
00:04:15,222 --> 00:04:18,326
nós vamos trabalhar aqui
com o tipo de distribuição.

63
00:04:18,326 --> 00:04:22,497
Óbvio que agora ele colocou os plots
um pouquinho diferentes, propriamente dito,

64
00:04:22,497 --> 00:04:26,068
e ele colocou agora em uma aleatoriedade,
ele transformou tudo.

65
00:04:26,068 --> 00:04:28,026
Então, eu vou comentar
essa linha de código

66
00:04:28,026 --> 00:04:31,982
só para nós não perdermos
o que fizemos anteriormente.

67
00:04:31,982 --> 00:04:35,245
Ah, e vou travar
uma aleatoriedade também

68
00:04:35,245 --> 00:04:42,553
para nós não sairmos com mudanças
bruscas no nosso cenário.

69
00:04:42,553 --> 00:04:45,190
Então, eu vou trabalhar aqui
com o 42, por exemplo,

70
00:04:45,190 --> 00:04:48,894
nós temos aqui
uma distribuição específica.

71
00:04:48,894 --> 00:04:53,825
Isso aqui é uma funçãozinha computacional
que pode nos ajudar muito, bastante aqui,

72
00:04:53,825 --> 00:04:58,138
porque nós temos aqui
algumas possibilidades.

73
00:04:58,138 --> 00:05:02,009
E veja que, colocando o cursor
aqui na tela, apareceu um pop-up,

74
00:05:02,009 --> 00:05:05,880
onde nós temos uma janelinha onde
ele explica, aqui dentro dessa função,

75
00:05:05,880 --> 00:05:08,616
como é que eu poderia trabalhar,
alguns parâmetros diferentes,

76
00:05:08,616 --> 00:05:13,355
ele dá uma documentação,
um overview geral dessa função aqui.

77
00:05:13,355 --> 00:05:17,026
Então, além dos dados, eu poderia,
por exemplo, colocar aqui:

78
00:05:17,026 --> 00:05:21,531
qual é o range, densidade,
se ele é acumulativo, está certo?

79
00:05:21,531 --> 00:05:26,108
Qual que é o tipo de histograma, que pode
ser barra, pode ser outros tipos.

80
00:05:26,108 --> 00:05:30,107
A orientação, vertical, posso trocar
isso aqui para a horizontal.

81
00:05:30,107 --> 00:05:34,079
Existe uma série de coisas
aqui que eu posso trabalhar,

82
00:05:34,079 --> 00:05:39,284
transformação logarítmica,
entre outras coisas, então aqui.

83
00:05:39,284 --> 00:05:42,910
Só que isso daqui diferencia,
por exemplo, de um gráfico de barra,

84
00:05:42,910 --> 00:05:44,891
onde as barras são separadas.

85
00:05:44,891 --> 00:05:48,841
Aqui, a ideia é ser junto mesmo,
então nós temos umas barras unidas

86
00:05:48,841 --> 00:05:51,665
onde nós só pegamos
o contorno das barras,

87
00:05:51,665 --> 00:05:57,639
porque o mais importante para nós é
sabermos onde a quantidade bate na classe.

88
00:05:57,639 --> 00:06:02,778
Então, por exemplo, nós sabemos
que na distribuição uniforme aqui de -3,

89
00:06:02,778 --> 00:06:07,116
vamos ver assim, um pouco
para lá de -3 até 4,

90
00:06:07,116 --> 00:06:10,320
nós temos uma distribuição que dá
aproximadamente no 0, que seria o meio.

91
00:06:10,320 --> 00:06:15,062
Então, a média, a mediana e a moda,
aproximadamente dessa distribuição,

92
00:06:15,062 --> 00:06:21,399
são iguais, se nós fossemos 
calcular teoricamente falando aqui.

93
00:06:21,399 --> 00:06:25,604
Então, o histograma é utilizado para nós
analisarmos distribuições estatísticas,

94
00:06:25,604 --> 00:06:29,708
para nós sabermos se a distribuição é
normal, de Poisson e assim por diante,

95
00:06:29,708 --> 00:06:34,832
diferente desse gráfico anterior aqui
onde tem outros resultados específicos.

96
00:06:35,982 --> 00:06:41,922
E as distribuições são várias,
Poisson, normal, Bernoulli,

97
00:06:41,922 --> 00:06:45,326
binomial, tem vários
tipos de distribuição

98
00:06:45,326 --> 00:06:48,630
e, na verdade, aqui não interessa
qual é o tipo de distribuição,

99
00:06:48,630 --> 00:06:51,133
o mais importante é que eu
consigo plotar histograma

100
00:06:51,133 --> 00:06:54,236
para todas as distribuições possíveis.

101
00:06:54,236 --> 00:06:57,874
Então, veja que agora trabalhamos
com mais duas classes de gráficos,

102
00:06:57,874 --> 00:07:02,446
ou seja, entendemos um pouquinho
mais onde nós podemos aplicar isso.

103
00:07:02,446 --> 00:07:05,215
Só que, novamente, é
relativo ao seu problema.

104
00:07:05,215 --> 00:07:08,953
Então, se você quiser utilizar isso
em um contexto econômico

105
00:07:08,953 --> 00:07:14,026
ou em um contexto, por exemplo, de análise
ambiental, em uma inteligência artificial,

106
00:07:14,026 --> 00:07:16,495
em um algoritmo de aprendizado
de máquina,

107
00:07:16,495 --> 00:07:19,598
isso pode depender muito
do que você quer fazer,

108
00:07:19,598 --> 00:07:23,369
e aqui tem várias
possibilidades.

109
00:07:23,369 --> 00:07:25,438
E falando em várias possibilidades,

110
00:07:25,438 --> 00:07:30,945
isso pode impactar diretamente
com aquilo que você é proposto a fazer.

111
00:07:30,945 --> 00:07:36,408
Então estude, procure bastante
aplicação, utilize um recurso gráfico

112
00:07:36,408 --> 00:07:38,620
ou a própria programação,
como nós vimos,

113
00:07:38,620 --> 00:07:41,623
para que esse estudo
seja cada vez mais eficaz

114
00:07:41,623 --> 00:07:45,795
e que as aplicações se tornem
cada vez mais fáceis.