0:00:08.074,0:00:11.211
Com certeza na sua vida [br]pessoal ou profissional

0:00:11.211,0:00:15.949
você já se deparou com uma situação[br]que você tem que verificar a performance

0:00:15.949,0:00:20.754
do antes e o depois de algo, como[br]por exemplo, no computador da sua casa.

0:00:20.754,0:00:23.823
Supondo que você vai [br]aumentar a memória RAM,

0:00:23.823,0:00:29.095
e ele está demorando cinco minutos[br]para iniciar, e aí você coloca memória RAM,

0:00:29.095,0:00:32.966
depois você quer verificar o quanto [br]melhorou, ou se melhorou,

0:00:32.966,0:00:35.935
então você está fazendo [br]uma análise do antes e o depois.

0:00:35.935,0:00:40.406
E a nossa linguagem R também nos ajuda [br]a fazer a análise do antes e o depois.

0:00:40.406,0:00:45.645
Só que, nesse caso, nós precisamos ter dados [br]que consigam fazer essa comparação.

0:00:45.645,0:00:48.015
Vamos trazer aqui [br]um exemplo para vocês.

0:00:48.015,0:00:51.985
Nesse exemplo, pense num caso [br]real da fábrica de software.

0:00:51.985,0:00:55.989
Nós temos lá um sistema funcionando[br]que vai para a produção

0:00:55.989,0:00:58.992
e aí descobrimos que a performance [br]dele não está muito boa.

0:00:58.992,0:01:03.363
Fizeram uma medição hora[br]a hora nessa nossa performance.

0:01:03.363,0:01:07.700
Então, após essa análise [br]de uma performance não tão boa,

0:01:07.700,0:01:12.171
melhorar o algoritmo, que é [br]a lógica que está dentro do sistema,

0:01:12.171,0:01:14.857
e, após, fazer uma nova medição.

0:01:14.857,0:01:16.242
É isso que vamos ver agora,

0:01:16.242,0:01:19.383
vamos fazer uma análise [br]descritiva do antes e depois

0:01:19.383,0:01:22.530
para vocês terem a confiança [br]dos dados que estão sendo analisados,

0:01:22.530,0:01:24.250
e até mesmo o seu resultado.

0:01:24.250,0:01:25.957
Vem comigo que eu vou mostrar para vocês.

0:01:25.957,0:01:31.924
Como sempre, eu deixo um script pronto,[br]não somente as linhas de execução,

0:01:31.924,0:01:36.462
o código do que precisamos fazer,[br]mas também um comentário.

0:01:36.462,0:01:40.366
Um breve resumo da análise [br]descritiva está aqui no começo.

0:01:40.366,0:01:45.271
Depois, se você quiser[br]fazer uma pausa, ler e interpretar

0:01:45.271,0:01:49.208
sobre o que é uma análise descritiva,[br]aqui fica um breve resumo.

0:01:49.208,0:01:52.639
Então, como nós falamos, nós [br]precisamos de uma base de dados

0:01:52.639,0:01:54.480
para poder analisar isso.

0:01:54.480,0:01:57.683
Vamos rodar essas duas linhas aqui,[br]criar os nossos dados

0:01:57.683,0:02:00.858
para ter esse comparativo[br]do antes e o depois.

0:02:02.055,0:02:03.601
Se pegar aqui...

0:02:03.601,0:02:05.481
Perdão. Vamos dar uns Enters aqui.

0:02:05.481,0:02:08.961
Sempre apertamos alguns Enters[br]para ficar uma área limpa aqui.

0:02:08.961,0:02:12.865
Então nós estamos criando aqui[br]um comentário, uma hashtag.

0:02:12.865,0:02:17.637
O tempo antes da performance:[br]hora um, hora dois, hora três.

0:02:17.637,0:02:21.507
Aqui nós temos quatro,[br]cinco, seis, sete, oito.

0:02:21.507,0:02:24.410
É uma análise do antes e o depois

0:02:24.410,0:02:28.147
em oito horas de execução [br]de um código, por exemplo.

0:02:28.147,0:02:30.616
Antes de implementar a melhoria no algoritmo,

0:02:30.616,0:02:34.419
e depois de implementar [br]a melhoria no algoritmo.

0:02:34.419,0:02:36.329
Vamos apertar o Enter.

0:02:36.329,0:02:39.831
E aí, como sempre, é legal visualizar[br]como estão os dados.

0:02:39.831,0:02:43.162
Olhe, tempo antes... Aperte o Enter.

0:02:43.162,0:02:44.826
Opa, o que eu errei aqui?

0:02:44.826,0:02:45.956
Print...

0:02:45.956,0:02:48.087
Ah, "tempos", está vendo?

0:02:48.087,0:02:49.577
O que eu errei?

0:02:49.577,0:02:51.037
"tempo antes"...

0:02:51.037,0:02:52.905
Agora vai funcionar.

0:02:52.905,0:02:54.488
Aqui tem a letra "s".

0:02:54.488,0:02:55.608
São tempos, né?

0:02:55.608,0:02:59.053
Eu não tinha colocado o "s",[br]então ele falou: "Opa!, Not found".

0:02:59.053,0:03:00.813
Not found quer dizer que não existe.

0:03:00.813,0:03:02.682
Ai depois eu coloquei certo.

0:03:02.682,0:03:06.400
Então sigam aquela velha dica, né,[br]ou vocês colocam aqui print,

0:03:06.400,0:03:11.991
vocês copiam o nome da variável[br]e colocam aqui no conjunto de dados,

0:03:11.991,0:03:16.562
ou você digita, e ele dá [br]a sugestão do nome.

0:03:16.562,0:03:18.197
Aqui, no caso, ele deu a sugestão.

0:03:18.197,0:03:20.800
A sugestão está correta, eu vou apertar.

0:03:20.800,0:03:25.471
Então temos a análise do antes e o depois.

0:03:25.471,0:03:29.008
Facilitando a interpretação [br]aqui, se formos verificar,

0:03:29.008,0:03:32.614
como sempre temos um conjunto [br]de valores bem pequeno

0:03:32.614,0:03:35.105
para facilitar a nossa análise.

0:03:36.182,0:03:40.953
Olhando, nós já podemos fazer [br]esse resultado prévio sem o R.

0:03:40.953,0:03:44.239
O antes e o depois, o depois ficou melhor.

0:03:44.239,0:03:46.859
Então implementou-se a melhoria no algoritmo

0:03:46.859,0:03:50.529
e houve realmente uma melhor [br]performance no sistema.

0:03:50.529,0:03:56.168
Inclusive, olhando em todas as horas [br]de execução, realmente está melhor.

0:03:56.168,0:03:58.239
Eu, olhando, consigo.

0:03:58.239,0:04:02.318
Mas se fosse uma análise [br]com 300 horas de execução,

0:04:02.318,0:04:05.578
iria ficar bem difícil vocês [br]conseguirem olhando.

0:04:05.578,0:04:09.456
Então vamos pedir para o R fazer para nós.

0:04:09.456,0:04:10.282
O que vamos fazer?

0:04:10.282,0:04:11.650
Vamos para a próxima parte.

0:04:11.650,0:04:14.787
Então criamos o antes e o depois,

0:04:14.787,0:04:17.316
Vamos apertar mais alguns Enters aqui.

0:04:17.316,0:04:20.059
É sempre legal para facilitar a nossa área.

0:04:20.059,0:04:22.862
Vamos para uma próxima parte.

0:04:22.862,0:04:25.698
Nós vamos agora gerar todo o cenário

0:04:25.698,0:04:30.536
para calcular as medidas [br]descritivas para o antes.

0:04:30.536,0:04:35.207
Então nós vamos fazer primeiro uma análise[br]do antes, preparar esses dados do antes.

0:04:35.207,0:04:40.179
Aqui nós vamos calcular [br]a média simples do antes,

0:04:40.179,0:04:43.983
e vamos calcular a mediana do antes.

0:04:43.983,0:04:45.149
Vamos aqui?

0:04:45.149,0:04:48.888
Eu vou apertar o Enter, vou apertar print.

0:04:48.888,0:04:50.573
Olhe, média...

0:04:50.573,0:04:55.364
Aí aqui, aquela velha história,[br]ou você copia "media_antes",

0:04:55.364,0:04:58.464
ou você deixa ele fazer [br]a sugestão para você.

0:04:58.464,0:05:00.099
Então essa é a média.

0:05:00.099,0:05:04.870
Se somar todos esses valores,[br]são quatro, cinco, seis, oito valores.

0:05:04.870,0:05:06.405
São oito horas de análise.

0:05:06.405,0:05:09.675
Somo e divido por oito, vai ser a média.

0:05:09.675,0:05:14.474
Além de calcular a média [br]que acabamos de visualizar,

0:05:14.474,0:05:16.615
nós também pedimos [br]para calcular a mediana.

0:05:16.615,0:05:18.862
Vamos visualizar o valor da mediana?

0:05:20.252,0:05:23.922
"Ô, Rafa, estamos tendo que utilizar[br]os conceitos que aprendemos anteriormente."

0:05:23.922,0:05:25.357
Sim. Isso é bom, né?

0:05:25.357,0:05:27.669
As coisas vão se juntando.

0:05:27.669,0:05:28.869
E aqui a mediana.

0:05:28.869,0:05:30.529
Opa, um sinalzinho a mais.

0:05:30.529,0:05:34.400
Então esse é o valor da média[br]e esse é o valor da mediana.

0:05:34.400,0:05:39.371
São informações referentes [br]aos dados do antes, tudo bem?

0:05:39.371,0:05:43.289
Então está aqui o nosso script,[br]o resumo para vocês.

0:05:43.289,0:05:47.546
Já criamos os dados do antes e o depois,

0:05:47.546,0:05:52.963
já fizemos aqui o cálculo da média e da mediana.

0:05:52.963,0:05:54.553
Também já fizemos.

0:05:54.553,0:05:57.489
E agora nós vamos para uma próxima parte.

0:05:57.489,0:06:01.660
Eu estou copiando essa parte do código,[br]isolando-o, e vamos trazer aqui para baixo.

0:06:01.660,0:06:05.177
Como sempre é legal[br]apertar um pouquinho de Enter aqui

0:06:05.177,0:06:08.265
para isolar a área do código[br]para podermos interpretar.

0:06:09.682,0:06:13.071
Deixe-me limpar um pouquinho aqui[br]para facilitar a visualização.

0:06:13.071,0:06:16.809
Opa,.. Damos um Control + Z aqui.

0:06:16.809,0:06:19.089
Antes de apertar o Enter, [br]você dá um Control + Z.

0:06:20.579,0:06:22.815
"E agora, Rafa, o que nós temos?"

0:06:22.815,0:06:27.777
Nós temos três linhas de comentário[br]aqui para deixar para vocês, tá?

0:06:27.777,0:06:31.265
Lembrando que às vezes esse é o momento [br]que você pode dar uma pausa no vídeo,

0:06:31.265,0:06:33.759
antes de eu falar ou após eu falar.

0:06:33.759,0:06:38.664
Por quê? Porque você precisa entender esses[br]comentários que não fazem parte da execução.

0:06:38.664,0:06:43.969
E depois que você conseguir entender[br]essas três linhas de comentários,

0:06:43.969,0:06:46.872
nós poderemos fazer a execução[br]do que precisamos.

0:06:46.872,0:06:48.175
Vamos entender?

0:06:48.175,0:06:50.235
O que eu criei para vocês então?

0:06:50.235,0:06:51.642
O "moda_antes".

0:06:51.642,0:06:53.502
É o nome de uma variável.

0:06:53.502,0:06:55.480
Aí é sinal de menor, tracinho.

0:06:55.480,0:06:56.682
"Ô, Rafa, já entendi.

0:06:56.682,0:07:01.014
O resultado daqui será [br]armazenado no moda_antes."

0:07:01.014,0:07:03.155
"Mas o que nós estamos fazendo, Rafa?"

0:07:03.155,0:07:04.015
Vamos aqui.

0:07:04.015,0:07:08.495
Primeiro vem uma instrução[br]aqui do R, "as.numeric".

0:07:08.495,0:07:10.239
O que é isso?

0:07:10.239,0:07:15.307
Vocês vão usar muito ainda dentro [br]da linguagem R na parte estatística.

0:07:15.307,0:07:19.304
É utilizado para converter [br]os valores em vetor numérico.

0:07:19.304,0:07:22.586
Aí pode vir uma pergunta na sua cabeça:

0:07:22.586,0:07:24.476
"Mas, Rafa, como assim?

0:07:24.476,0:07:26.211
Os dados são numéricos."

0:07:26.211,0:07:31.244
Você sabe porque o conjunto de dados, [br]essas oito horas, é pequeno.

0:07:31.244,0:07:32.584
Mas quem garante isso?

0:07:32.584,0:07:35.787
É sempre bom você confirmar, tá?

0:07:35.787,0:07:39.458
Então, voltando aqui, olhando,[br]nós sabemos que eles são numéricos,

0:07:39.458,0:07:43.128
mas você tem que garantir isso[br]para poder fazer essa análise.

0:07:43.128,0:07:46.231
É isso que o as.numeric faz.

0:07:46.231,0:07:49.701
Se não for, tiver algum probleminha lá[br]e o dado for possível de conversão para numérico,

0:07:49.701,0:07:52.468
ele vai ser feito, é o as.numeric.

0:07:53.805,0:07:57.637
E aí nós vamos continuar aqui[br]a interpretar essa parte dessa instrução.

0:07:58.677,0:08:00.271
Aqui são os nomes.

0:08:00.271,0:08:01.221
O que são os nomes?

0:08:01.221,0:08:02.681
É o conjunto de valores.

0:08:02.681,0:08:04.716
Nós temos apenas um conjunto de valores.

0:08:04.716,0:08:05.884
Poderíamos ter mais?

0:08:05.884,0:08:06.777
Sim.

0:08:06.777,0:08:09.387
Se fosse um dataframe [br]com diversas colunas? Poderia.

0:08:09.387,0:08:12.648
Aqui nós temos uma linha, ou uma coluna.

0:08:12.648,0:08:15.241
É um exemplo um pouco mais simples.

0:08:15.241,0:08:16.881
E aí você entra aqui no "sort".

0:08:16.881,0:08:18.251
O que seria o sort?

0:08:18.251,0:08:22.238
Novamente, fica aqui [br]um comentário para vocês.

0:08:22.238,0:08:26.004
Vocês já tenham utilizado em alguma [br]outra linguagem de programação.

0:08:26.004,0:08:28.240
Quem não usou, não [br]tem problema nenhum, tá?

0:08:28.240,0:08:30.008
Esse é o momento de aprender.

0:08:30.008,0:08:34.024
Ele é utilizado para ordenar os elementos.

0:08:34.024,0:08:39.317
Porque se vocês pegarem aqui, [br]esse o primeiro aqui do antes,

0:08:39.317,0:08:42.254
não é obrigatório que ele esteja[br]numa ordem crescente ou decrescente.

0:08:42.254,0:08:43.371
"Porque não, Rafa?"

0:08:43.371,0:08:44.145
É uma análise.

0:08:44.145,0:08:50.428
Supondo que, na primeira hora, demorou 220 [br]segundos para executar na segunda, 210.

0:08:50.428,0:08:54.399
Então vai ser difícil você encontrar[br]na ordem crescente ou decrescente.

0:08:54.399,0:08:57.836
Você está olhando hora a hora[br]como ele se comporta.

0:08:57.836,0:08:59.971
O que você vai fazer então?

0:08:59.971,0:09:02.807
Por isso que vem essa instrução sort.

0:09:02.807,0:09:07.389
Você vai dizer que, nessa instrução true ou false,

0:09:07.389,0:09:11.750
se você colocar true, você está [br]pedindo para que essa análise

0:09:11.750,0:09:15.887
seja feita numa ordem decrescente.

0:09:15.987,0:09:18.857
Se você colocar false,[br]ele vai fazendo uma ordem

0:09:18.857,0:09:22.160
numa ordem crescente,[br]lembrando decrescente do maior

0:09:22.160,0:09:25.163
para o menor, que vai ser esse caso,[br]como ele vai analisar?

0:09:25.397,0:09:30.101
E se fosse crescente, do menor[br]para o maior?

0:09:30.168,0:09:32.804
Tudo bem, esse é o sort

0:09:32.804,0:09:36.040
bem recheado de conhecimento[br]aqui essa instrução.

0:09:36.107,0:09:38.643
E aí, o que é o tempo?

0:09:38.710,0:09:41.513
É o conjunto[br]de dados que está para ser analisado.

0:09:41.513,0:09:45.650
Lembrando, aqui é uma linha[br]só que é o tempo antes,

0:09:45.717,0:09:47.819
mas poderia ser um dataframe então.

0:09:47.819,0:09:52.490
Então esse é o conjunto de dados[br]que nós estamos pedindo para analisar.

0:09:52.590,0:09:54.993
Vamos apertar um enter.

0:09:54.993,0:09:56.628
E é aí que nós temos Rafa.

0:09:56.628,0:09:58.797
E agora é que é olhar o resultado.

0:09:58.797,0:10:01.833
Vamos olhar lógico, print ou você

0:10:01.833,0:10:05.937
copia e cola ou você digita[br]e deixe me dar sugestão.

0:10:05.937,0:10:08.173
Realmente é isso que eu quero.

0:10:08.173,0:10:12.977
Se eu apertar o enter,[br]o que ele nos trouxe de resultado, tá?

0:10:13.044,0:10:19.551
Essa análise foi chegou num resultado[br]de 210, mas o que seria esse número 210?

0:10:19.551,0:10:21.920
Rafa? Vamos continuar aqui.

0:10:21.920,0:10:23.187
Aí eu vou explicar para vocês.

0:10:23.187,0:10:26.090
Então aqui está o foi Introdução[br]Os dois dados

0:10:26.090,0:10:29.727
que calculamos,[br]a média e a mediana do antes.

0:10:29.827,0:10:33.398
E aqui[br]nós conseguimos fazer o que a moda AND

0:10:33.464,0:10:36.935
com o número modo que[br]é gerado com essa análise desses dados.

0:10:36.935,0:10:40.638
Nesse conjunto, de novo,[br]continuamos com o intervalo

0:10:40.638,0:10:44.208
de valores do antes[br]ainda não fizemos o depois.

0:10:44.275,0:10:45.810
Vamos continuar aí.

0:10:45.810,0:10:50.315
Aqui nós vamos pôr uma outra parte[br]do nosso código aqui na nossa análise.

0:10:50.548,0:10:55.520
Vou copiar a descer lá para baixo[br]um pouquinho

0:10:55.620,0:10:58.623
novamente aquela velha dica, se possível,

0:10:58.623,0:11:02.393
quer que eu, que estou transmitindo[br]conhecimento para vocês?

0:11:02.493,0:11:05.997
Se você quiser, não precisa apertar muito,[br]mas é legal para vocês dividirem

0:11:06.097,0:11:08.232
por partes. Essa análise tá?

0:11:08.232,0:11:10.168
Aqui novamente, tem um resto,

0:11:10.168,0:11:13.971
é só limpar o código aqui para depois[br]quando executá lo acontecer.

0:11:13.971,0:11:16.207
Nenhum erro

0:11:16.274,0:11:18.476
legal aqui eu deixo esse comentário.

0:11:18.476,0:11:23.114
Aí nós podemos verificar o que a variância[br]que é a variância deixo aqui.

0:11:23.181,0:11:26.818
É uma medida estatística[br]que indica a dispersão dos valores

0:11:26.818,0:11:28.319
em relação à média.

0:11:28.319,0:11:33.024
Nós não temos a média o quanto os valores,[br]que valores,

0:11:33.124,0:11:38.563
o quanto cada um desses valores[br]estão distantes da média.

0:11:38.629,0:11:40.298
Por isso que nós fizemos aqui.

0:11:40.298,0:11:44.469
Essa não é a média, deu 218 a seu olhar.

0:11:44.469,0:11:48.840
Aqui me parece, por exemplo,[br]qual que está mais distante,

0:11:48.840,0:11:50.308
olhando aqui, interpretando.

0:11:50.308,0:11:51.976
Mas você vai deixar o contador[br]fazer por nós?

0:11:51.976,0:11:56.347
Talvez seja esse[br]qual tá mais perto de 218.

0:11:56.414,0:12:00.084
Olhando aqui o valor 220 Tá,

0:12:00.184,0:12:03.788
mas deixa o computador falar pra nós[br]o uso desse intervalo de valores.

0:12:03.788,0:12:08.092
Quais estão mais perto[br]ou menos perto da média?

0:12:08.192,0:12:10.661
Quanto maior a variância,

0:12:10.661,0:12:14.565
mais dispersos os dados estão, ou seja,

0:12:14.632,0:12:18.236
o valor do resultado da variação[br]que nós vamos pedir para calcular.

0:12:18.336,0:12:19.804
Agora

0:12:19.870,0:12:20.571
que quanto

0:12:20.571,0:12:24.809
mais, quanto maior o número,[br]mais distante estará da média.

0:12:24.909,0:12:30.181
Então tem uma disparidade aí,[br]uma distância aí da média dos dados.

0:12:30.248,0:12:33.217
Aí vamos executar para executar.

0:12:33.217,0:12:38.556
Como sempre, eu vou apertar um entre[br]aqui e aí nós vamos analisar o variância

0:12:38.556,0:12:41.892
antes queremos encontrar[br]como que eu acho o valor da variância,

0:12:42.059,0:12:44.996
porque é isso que a gente acabou[br]de explicar aqui.

0:12:44.996,0:12:49.433
E novamente,[br]é mérito você fazer uma pausa, anotar,

0:12:49.533,0:12:52.536
verificar o material[br]que está disponível para vocês, escrito,

0:12:52.703,0:12:55.706
escrito para você[br]depois conseguir executar aqui.

0:12:55.906,0:13:00.945
Então aqui como que eu consigo armazenar[br]o valor da variância

0:13:01.012,0:13:05.816
do tempo[br]do conjunto de dados tempos antes?

0:13:05.916,0:13:09.520
Como que eu consigo pedir[br]para ele achar a variância aqui?

0:13:09.587,0:13:13.624
É simples, depois que você entendeu,[br]o conceito é simples

0:13:13.691,0:13:19.063
você cria uma variável, nesse caso[br]ela de variância antes, onde antes?

0:13:19.130,0:13:21.732
Aqui eu coloca a instrução que é var

0:13:21.732,0:13:25.503
v a r é o nome do conjunto de dados.

0:13:25.569,0:13:26.036
Eu quero dar

0:13:26.036,0:13:29.106
uma olhadinha aqui e dar uma olhadinha[br]já antecipado.

0:13:29.106,0:13:32.943
Podemos não ter problema na variância

0:13:33.010,0:13:36.013
antes não, é só apertar o enter,

0:13:36.113,0:13:40.651
nós conseguimos saber qual que é o valor,[br]o resultado da variância.

0:13:40.718,0:13:41.685
Tá, e aí?

0:13:41.685,0:13:46.924
Agora o desvio padrão desvio padrão,[br]vocês já tem esse conhecimento?

0:13:46.924,0:13:49.226
Como calcular o desvio padrão?

0:13:49.226,0:13:53.531
Vamos criar uma variável desvio padrão[br]antes que nós estamos analisando,

0:13:53.597,0:13:56.567
antes da implementação[br]da melhoria do algoritmo

0:13:56.567,0:14:00.170
e se a instrução é qualquer[br]o conjunto de dados.

0:14:00.271,0:14:04.008
Rafa,[br]podemos visualizar lógico que podemos.

0:14:04.108,0:14:06.911
Qual que é o nome da variável desvio

0:14:06.911,0:14:09.480
padrão antes?

0:14:09.480,0:14:10.681
Legal.

0:14:10.681,0:14:12.917
E aqui nós temos o desvio padrão para esse

0:14:12.917,0:14:16.754
conjunto de valores é 7,03.

0:14:16.820,0:14:20.124
Agora que conseguimos encontrar o valor

0:14:20.190,0:14:21.892
da variância

0:14:21.892,0:14:24.428
e também do desvio padrão, vamos continuar

0:14:24.428,0:14:28.899
para conseguir concluir a análise[br]que queremos do antes e o depois.

0:14:28.966,0:14:30.467
Então, o que nós já vimos?

0:14:30.467,0:14:34.705
Retomando essa parte, criamos os dados,[br]criamos a média

0:14:34.705,0:14:38.208
e a mediana do do antes,

0:14:38.275,0:14:40.611
conseguimos achar a moda,

0:14:40.611,0:14:45.883
acabamos de conseguir descobrir[br]a variância e o desvio padrão.

0:14:45.949,0:14:48.485
Agora vamos para essa[br]próxima parte da análise.

0:14:48.485,0:14:51.488
Vou copiar aqui para baixo aqui.

0:14:51.488,0:14:54.958
Como sempre, eu vou apertar alguns pontos

0:14:55.025,0:14:58.295
para facilitar aqui para vocês[br]a visualização.

0:14:58.362,0:15:00.064
Um Vou apertaram Control v.

0:15:00.064,0:15:04.868
Deixa eu arrumar aqui[br]para explicar o que nós vamos fazer agora

0:15:04.935,0:15:08.806
calculando[br]medidas descritivas para o depois.

0:15:08.806,0:15:11.809
Agora fizemos o antes,[br]vamos para o depois.

0:15:11.942,0:15:15.712
Agora nós iremos repetir o script[br]que nós fizemos anteriormente

0:15:15.813,0:15:19.149
para a parte da execução do antes.

0:15:19.283,0:15:20.918
Agora iremos fazer depois.

0:15:20.918,0:15:23.887
Lembre se do cenário do case.

0:15:23.887,0:15:28.759
Tem um sistema que ele não estava[br]com uma performance de algoritmo tão boa,

0:15:28.826,0:15:33.230
então fizeram uma análise[br]extrair os tempos de execução

0:15:33.297,0:15:36.200
antes da implementação da melhoria[br]no algoritmo.

0:15:36.200,0:15:39.536
E aí precisava[br]se agora fazer uma análise do depois.

0:15:39.603,0:15:42.339
Então no depois nós temos a base de dados.

0:15:42.339,0:15:43.607
Como está a performance?

0:15:43.607,0:15:47.911
Dois Depois e agora o R[br]vai verificar o antes e o depois.

0:15:47.911,0:15:52.516
Para fazer esse comparativo[br]e conseguir ter uma análise descritiva,

0:15:52.583,0:15:53.884
fizemos para o antes.

0:15:53.884,0:15:58.222
Vamos fazer a mesma coisa agora[br]para o conjunto de dados do depois vem

0:15:58.222,0:15:59.289
aqui comigo.

0:15:59.289,0:16:04.995
Então, como sempre discutindo aqui,[br]eu deixo um comentário para vocês,

0:16:05.062,0:16:07.998
calculando medidas descritivas para depois

0:16:07.998,0:16:12.002
nós iremos achar a média,[br]a média de quem alpha.

0:16:12.202,0:16:14.137
Lembre se. Agora

0:16:14.137,0:16:19.042
vamos trabalhar com essa base de dados,[br]a performance do algoritmo do depois.

0:16:19.142,0:16:21.244
Então vamos descer um pouquinho.

0:16:21.244,0:16:26.083
Nós estamos aqui cria uma variável[br]chamado média depois esse é o nome.

0:16:26.083,0:16:29.386
Esse é o nome da base de dados[br]e vamos também achar os valores.

0:16:29.386,0:16:31.655
O valor da mediana.

0:16:31.655,0:16:35.826
Se eu apertar um entra aqui é sempre legal[br]visualizar o resultado,

0:16:35.826,0:16:39.997
a média depois e o depois.

0:16:39.997,0:16:41.465
Vou apertar o enter.

0:16:41.465,0:16:44.468
Então essa é a média[br]da performance do depois.

0:16:44.634,0:16:48.305
E agora nós vamos achar também[br]o valor da mediana Visualizar.

0:16:48.305,0:16:51.641
Perdão, nós já temos o valor 20

0:16:51.708,0:16:54.378
mediano, não underline.

0:16:54.378,0:16:56.680
Depois vou apertar o então.

0:16:56.680,0:17:02.252
Então essa é a média e essa é a mediana do[br]depois vou subir aqui,

0:17:02.319,0:17:05.689
vamos pegar o nosso script, tá?

0:17:05.756,0:17:08.258
Já fizemos antes, agora

0:17:08.258,0:17:13.730
nós estamos calculando tudo,[br]depois vamos achar agora o valor da moda

0:17:13.830,0:17:14.831
é a mesma coisa

0:17:14.831,0:17:18.602
que nós fizemos do antes,[br]só que agora é a moda para depois.

0:17:18.668,0:17:22.005
Vamos apertar alguns enter[br]para ficar limpa a hora

0:17:22.005,0:17:26.443
que nossa de programação[br]poder entender criar a variável modo

0:17:26.610,0:17:31.848
e logo depois depois as numeric len serve[br]serve para converter os valores

0:17:31.882,0:17:36.620
numérico, por mais que estão ali, mas[br]é bom confirmar que os valores existam.

0:17:36.720,0:17:39.523
São um número, eles estão como número.

0:17:39.523,0:17:44.160
E aqui nós temos a parte da organização[br]dos dados em ordem decrescente.

0:17:44.227,0:17:48.965
E aqui, qual que é o conjunto de dados aí[br]que vai ser feita essa moda?

0:17:49.065,0:17:52.736
O valor da moda, se eu apertar o enter[br]é igualzinho anterior,

0:17:52.836,0:17:56.673
só muda que[br]agora nós estamos fazendo a análise

0:17:56.740,0:18:01.611
para os dados do depois,[br]porque após implementação do algoritmo,

0:18:01.711,0:18:07.817
então a moda para o depois de um valor[br]resultou em um valor de 190.

0:18:07.917,0:18:13.023
Vamos voltar mais um pouquinho aqui[br]de pegar o script que nós deixamos

0:18:13.089,0:18:15.492
a palavra pré pronto e pronto

0:18:15.492,0:18:18.161
e vamos verificar o já geramos a moda

0:18:18.161,0:18:21.831
e agora nós vamos criar,[br]que é a variância, é o desvio padrão.

0:18:21.931,0:18:24.734
Vamos descobrir[br]qual é o valor da variância

0:18:24.734,0:18:29.172
e qual o valor do desvio padrão para o[br]depois e de apertar novamente alguns.

0:18:29.239,0:18:30.707
Então

0:18:30.774,0:18:33.643
vou dar um control v se eu só limpar aqui,

0:18:33.643,0:18:37.280
se a gente executar com esse tracinho[br]aqui vai vai ocorrer um erro.

0:18:37.380,0:18:39.682
Então o que nós temos aqui?

0:18:39.682,0:18:41.618
Criamos uma variável chamada variância.

0:18:41.618,0:18:46.823
Depois aqui a instrução para calcular[br]a variância dessa base de dados

0:18:46.923,0:18:49.159
utilizando o VAR e o desvio padrão.

0:18:49.159,0:18:51.528
Vou apertar enter.

0:18:51.528,0:18:53.630
A gente esperava que dá certo.

0:18:53.630,0:18:57.867
E aqui vamos só visualizar[br]para confirmar que deu certo.

0:18:57.967,0:18:59.202
Visualizou?

0:18:59.202,0:19:04.140
E agora vamos verificar[br]o valor do desvio padrão que foi

0:19:04.207,0:19:05.108
encontrado.

0:19:05.108,0:19:08.745
Desvio padrão[br]depois ou pode ter um errinho aqui?

0:19:08.745,0:19:14.517
Pessoal, cuidado aqui eu visualizei[br]o antes, não era o antes e sim o depois.

0:19:14.617,0:19:15.351
Vamos ver.

0:19:15.351,0:19:18.855
Oh, então aqui o print é um erro.

0:19:18.855,0:19:20.824
Não é um erro do script que a gente criou.

0:19:20.824,0:19:24.294
Tais sim, na hora de visualizar o depois.

0:19:24.360,0:19:27.430
Oh, então essa é a variância[br]do que tínhamos feito anteriormente.

0:19:27.430,0:19:29.866
E agora esse erro[br]depois que acabamos de fazer.

0:19:29.866,0:19:30.200
Tá vendo?

0:19:30.200,0:19:31.100
Tomem cuidado,

0:19:31.100,0:19:35.572
senão vocês podem estar a visualizar[br]a informação que você não queria.

0:19:35.672,0:19:36.739
Print.

0:19:36.739,0:19:41.678
Agora vamos verificar o que o valor[br]do desvio padrão do depois.

0:19:41.711,0:19:45.315
Sim, novamente[br]depois ou antes nós já passamos.

0:19:45.381,0:19:46.182
Esse é o valor.

0:19:46.182,0:19:48.751
Então nova aliança do depois.

0:19:48.751,0:19:51.220
É esse o valor do desvio padrão.

0:19:51.220,0:19:52.488
Depois.

0:19:52.488,0:19:55.792
Agora vamos subir aqui[br]e verificar o nosso script

0:19:55.792,0:19:59.028
que nós deixamos pronto aqui. Legal!

0:19:59.128,0:20:01.898
Nós já conseguimos criar,

0:20:01.898,0:20:05.835
vamos lembrar a média mediana, a moda,

0:20:05.902,0:20:11.174
a variância e o desvio padrão[br]para base de dados do antes e do depois.

0:20:11.240,0:20:15.411
Agora podemos dizer que a gente precisa[br]juntar tudo isso

0:20:15.511,0:20:18.815
para visualizar esses valores aqui.

0:20:18.815,0:20:22.285
Na verdade, seria uma impressão[br]de tudo que nós fizemos até agora.

0:20:22.318,0:20:26.089
Só vou apertar alguns em três aqui,[br]mas a última parte

0:20:26.189,0:20:27.924
são apenas duas instruções agora.

0:20:27.924,0:20:29.559
Opa, vou apagar.

0:20:29.559,0:20:33.196
Controlo[br]ver o que essa última parte, Rafa,

0:20:33.262,0:20:36.532
imprimindo os resultados aqui[br]vamos trabalhar

0:20:36.532,0:20:40.670
com todas as informações do antes[br]e o depois.

0:20:40.737,0:20:41.337
Vou apertar.

0:20:41.337,0:20:45.708
Então é assim simples de visualizar

0:20:45.775,0:20:49.512
o entender que está na riqueza,[br]entender todas essas informações.

0:20:49.579,0:20:50.646
Então o que nós temos aqui?

0:20:50.646,0:20:54.550
Olha aqui,[br]antes disso, aqui é um texto sempre.

0:20:54.550,0:20:57.720
Eu quero juntar um texto com valores,[br]eu coloco teste, aí

0:20:57.720,0:20:59.055
eu coloco a informação, lembra?

0:20:59.055,0:21:00.723
Divido por vírgula.

0:21:00.723,0:21:04.460
E o nome da variável só aqui,[br]na verdade é uma impressão

0:21:04.460,0:21:07.163
mostrando tudo o que nós fizemos[br]anteriormente.

0:21:07.163,0:21:08.865
Vamos pegar o outro script.

0:21:08.865,0:21:11.601
Poderíamos fazer aqui na mão[br]agora, poderíamos talvez

0:21:11.601,0:21:15.771
demorar só um pouquinho[br]aqui para vocês, pra gente digitar junto

0:21:15.872,0:21:18.374
para digitarmos essas informações.

0:21:18.374,0:21:20.209
Nós apertar mais alguns inteiros.

0:21:20.209,0:21:23.679
Aqui, como sempre, vou apertar muito[br]o que nós temos aqui

0:21:23.679,0:21:27.183
até um momento de uma revisão antes,

0:21:27.250,0:21:30.920
a média antes e esse valor média antes

0:21:31.020,0:21:34.423
e esse valor mediano

0:21:34.490,0:21:36.359
antes mediana antes.

0:21:36.359,0:21:39.328
Então, aqui nós só juntamos uma impressão[br]de tudo o que nós

0:21:39.328,0:21:42.698
projetamos anteriormente e aqui do depois.

0:21:42.765,0:21:46.969
E é agora que fica o que se a gente pegar[br]o nosso TO do nosso script,

0:21:47.036,0:21:48.704
pegamos desde uma introdução.

0:21:48.704,0:21:51.340
O que é uma análise descritiva,

0:21:51.340,0:21:55.544
duas bases de dados[br]com verificamos o antes e o depois,

0:21:55.611,0:22:00.516
calculamos a média mediana,[br]conseguimos nos achar o valor da moda

0:22:00.516,0:22:04.920
também, tanto para os dados do antes[br]como depois

0:22:04.987,0:22:08.290
e enfim, só voltando,[br]descendo um pouquinho aqui,

0:22:08.357,0:22:11.994
agora a gente consegue imprimir[br]e com essas informações

0:22:11.994,0:22:15.998
em mãos nós conseguimos obter os nossos[br]resultados.

0:22:16.065,0:22:19.468
Então aqui é o conjunto

0:22:19.568,0:22:20.669
mostrando o resultado.

0:22:20.669,0:22:22.471
Todas as informações numa impressão

0:22:22.471,0:22:26.175
só, tudo o que calculamos antes,[br]tudo que calculamos o depois.

0:22:26.242,0:22:28.411
E agora que você consegue fazer[br]a interpretação,

0:22:28.411,0:22:33.482
vamos pegar o mais simples[br]aqui a média de tempo de execução

0:22:33.582,0:22:36.919
do antes antes de implementar[br]a melhoria no algoritmo.

0:22:37.019,0:22:37.720
O tempo de execução.

0:22:37.720,0:22:41.891
Supondo que fossem segundos,[br]demorava 218/2.

0:22:41.957,0:22:44.760
Agora caiu para 196 e por aí vai.

0:22:44.760,0:22:50.432
Você consegue comparar o antes[br]e o depois de cada uma dessas informações

0:22:50.499,0:22:53.169
para saber se realmente

0:22:53.169,0:22:56.138
melhorou a performance do sistema

0:22:56.138,0:22:59.508
após a implementação[br]da melhoria do algoritmo?

0:22:59.608,0:23:01.210
Eu tenho certeza que vocês conseguiram

0:23:01.210,0:23:04.980
entender a importância de saber[br]utilizar todas essas instruções,

0:23:05.014,0:23:09.018
a linguagem R e até mesmo saber[br]interpretar esses resultados e.