0:00:07.850,0:00:11.211
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

0:00:23.823,0:00:27.155
porque ele está demorando [br]cinco minutos para iniciar,

0:00:27.155,0:00:29.095
e aí você coloca uma memória RAM,

0:00:29.095,0:00:32.966
e depois você quer verificar [br]o quanto 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 de uma 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 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

0:01:57.683,0:02:00.748
para ter esse comparativo[br]do antes e do 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 do 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 [br]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 [br]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 o deixa 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.

0:05:16.615,0:05:18.722
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 do depois,

0:05:47.546,0:05:53.023
já fizemos aqui o cálculo [br]da média e da mediana.

0:05:53.023,0:05:54.553
Então já fizemos também.

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 apertar [br]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.

0:06:13.071,0:06:14.139
Opa!

0:06:14.139,0:06:16.809
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 conseguirmos entender[br]essas três linhas de comentários,

0:06:43.969,0:06:46.872
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 sinal de menor, tracinho.

0:06:55.480,0:06:56.682
"Ô, Rafa, eu 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.

0:07:04.015,0:07:08.665
Primeiro vem uma instrução[br]aqui do R, "as.numeric".

0:07:08.665,0:07:10.239
O que é isso?

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

0:07:46.231,0:07:48.061
Se não for, tiver algum probleminha lá

0:07:48.061,0:07:50.181
e o dado for possível [br]de conversão para numérico,

0:07:50.181,0:07:52.468
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.

0:08:12.648,0:08:15.021
É um exemplo um pouco mais simples.

0:08:15.021,0:08:16.881
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
Talvez vocês já tenham utilizado [br]em alguma 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 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
"Por que não, Rafa?"

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

0:08:44.145,0:08:49.028
Supondo que, na primeira hora, [br]demorou 220 segundos para executar,

0:08:49.028,0:08:50.428
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[br]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.

0:09:15.887,0:09:20.587
Se você colocar false, ele vai [br]fazer numa ordem crescente.

0:09:20.587,0:09:23.278
Lembrando que, decrescente, [br]do maior para o menor,

0:09:23.278,0:09:25.397
que vai ser como ele [br]vai analisar esse caso.

0:09:25.397,0:09:30.728
E se fosse crescente, [br]do menor para o maior.

0:09:30.728,0:09:32.804
Esse é o sort.

0:09:32.804,0:09:36.107
Bem recheada de conhecimento [br]essa instrução aqui.

0:09:36.107,0:09:38.710
E o que é o "table"?

0:09:38.710,0:09:41.513
É o conjunto de dados para ser analisado.

0:09:41.513,0:09:45.717
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.

0:09:47.819,0:09:51.590
Então esse é o conjunto de dados[br]que nós estamos pedindo para analisar.

0:09:52.590,0:09:54.063
Vamos apertar um Enter.

0:09:54.993,0:09:56.028
E aí, o que nós temos?

0:09:56.028,0:09:57.507
"Rafa, e agora?"

0:09:57.507,0:09:58.797
Quer olhar o resultado?

0:09:58.797,0:09:59.893
Vamos olhar, lógico.

0:09:59.893,0:10:01.103
"print"...

0:10:01.103,0:10:05.937
Ou você copia e cola, ou você [br]digita, e deixa ele dar a sugestão.

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

0:10:08.173,0:10:13.044
Se eu apertar o Enter,[br]o que ele nos trouxe de resultado?

0:10:13.044,0:10:17.151
Essa análise chegou num resultado de 210.

0:10:17.151,0:10:20.150
Mas o que seria esse número 210?

0:10:20.150,0:10:23.187
Vamos continuar aqui, aí [br]eu vou explicar para vocês.

0:10:23.187,0:10:26.200
Aqui foi a introdução, os dois dados,

0:10:26.200,0:10:29.827
calculamos a média e a mediana do antes.

0:10:29.827,0:10:33.464
E aqui, nós conseguimos fazer a moda,

0:10:33.464,0:10:37.765
qual o número moda que é gerado com essa [br]análise desses dados, desse conjunto.

0:10:37.765,0:10:42.038
De novo, continuamos [br]com o intervalo de valores do antes.

0:10:42.038,0:10:44.275
Ainda não fizemos o depois.

0:10:44.275,0:10:45.500
Vamos continuar?

0:10:45.500,0:10:50.548
Aqui nós vamos para uma outra parte[br]do nosso código, da nossa análise.

0:10:50.548,0:10:54.803
Eu vou copiar e descer um pouquinho.

0:10:55.620,0:10:58.623
Novamente, aquela [br]velha dica: se possível...

0:10:58.623,0:11:02.493
É que aqui, eu que estou transmitindo[br]conhecimento para vocês.

0:11:02.493,0:11:03.787
Se você quiser, não [br]precisa apertar o Enter.

0:11:03.787,0:11:08.232
Mas é legal para vocês dividirem [br]por partes essa análise, tá?

0:11:08.232,0:11:10.168
Aqui, novamente, tem uma hashtag.

0:11:10.168,0:11:11.581
Deixe-me só limpar o código aqui,

0:11:11.581,0:11:14.546
para quando executá-lo depois, [br]não acontecer nenhum erro.

0:11:16.804,0:11:18.476
Aqui eu deixo esse comentário, né?

0:11:18.476,0:11:21.121
Nós iremos verificar a variância.

0:11:21.121,0:11:22.301
O que é a variância?

0:11:22.301,0:11:24.999
Está aqui, olhe: [br]"É uma medida estatística

0:11:24.999,0:11:28.319
que indica a dispersão [br]dos valores em relação à média".

0:11:28.319,0:11:29.774
Nós não temos a média?

0:11:29.774,0:11:31.689
O quanto os valores...

0:11:31.689,0:11:32.989
"Que valores, Rafa?"

0:11:32.989,0:11:38.419
O quanto cada um desses valores[br]está distante da média.

0:11:38.419,0:11:40.298
Por isso que nós fizemos aqui, olhe.

0:11:40.298,0:11:41.719
Essa não é a média?

0:11:41.719,0:11:43.279
Deu 218.

0:11:43.279,0:11:47.050
Se eu olhar aqui, me parece...

0:11:47.050,0:11:50.308
Olhando aqui, interpretando, qual [br]parece que está mais distante?

0:11:50.308,0:11:51.976
Mas não vamos deixar [br]o computador fazer por nós, né?

0:11:51.976,0:11:53.264
Talvez seja esse.

0:11:53.264,0:11:56.414
Qual está mais perto de 218?

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

0:12:00.084,0:12:02.358
Mas deixe que o computador nos fale.

0:12:02.358,0:12:08.192
Nesse intervalo de valores, quais estão [br]mais perto ou menos perto da média?

0:12:08.192,0:12:13.555
Quanto maior a variância,[br]mais dispersos os dados estão.

0:12:13.555,0:12:20.211
Ou seja, o valor do resultado da variância[br]que nós vamos pedir para calcular agora,

0:12:20.211,0:12:24.909
quanto maior o número,[br]mais distante estará da média.

0:12:24.909,0:12:30.248
Então tem uma disparidade aí,[br]uma distância da média dos dados.

0:12:30.248,0:12:32.287
Aí vamos executar.

0:12:32.287,0:12:35.506
Como sempre, para executar, [br]eu vou apertar um Enter aqui,

0:12:35.506,0:12:38.799
e aí nós vamos analisar, [br]olhe: variancia_antes,

0:12:38.799,0:12:42.059
nós queremos saber como [br]eu acho o valor da variância,

0:12:42.059,0:12:44.996
que é isso que acabamos de explicar aqui.

0:12:44.996,0:12:49.533
E, novamente, é melhor [br]você fazer uma pausa, anotar,

0:12:49.533,0:12:53.203
verificar o material escrito [br]que está disponível para vocês

0:12:53.203,0:12:55.906
para depois você conseguir executar aqui.

0:12:55.906,0:13:01.012
Então, aqui, como eu consigo [br]armazenar o valor da variância

0:13:01.012,0:13:05.006
do conjunto de dados tempos_antes,

0:13:05.916,0:13:09.587
como eu consigo pedir[br]para ele achar a variância aqui.

0:13:09.587,0:13:10.631
É simples.

0:13:10.631,0:13:13.691
Depois que você entendeu[br]o conceito, é simples.

0:13:13.691,0:13:19.130
Você cria uma variável, que, nesse caso,[br]eu chamei de "variancia_antes".

0:13:19.130,0:13:22.892
Aqui eu coloco a instrução, [br]que é "var", v-a-r,

0:13:22.892,0:13:25.029
e o nome do conjunto de dados.

0:13:25.029,0:13:27.296
"Ah, Rafa, eu quero dar uma olhadinha".

0:13:27.296,0:13:29.106
Já quer dar uma olhadinha?

0:13:29.106,0:13:30.698
Podemos, não tem problema não.

0:13:30.698,0:13:34.390
Olhe, "variancia_antes", não é isso?

0:13:34.390,0:13:41.138
Se apertarmos o Enter, conseguiremos saber [br]qual é o valor, o resultado da variância.

0:13:41.138,0:13:43.524
Agora o desvio-padrão.

0:13:43.524,0:13:46.924
O desvio-padrão, vocês já [br]têm esse conhecimento.

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

0:13:49.226,0:13:50.431
Vamos criar uma variável.

0:13:50.431,0:13:53.537
Desvio-padrão antes, [br]porque nós estamos analisando

0:13:53.537,0:13:56.567
antes da implementação [br]da melhoria do algoritmo,

0:13:56.567,0:14:00.271
"sd" é a instrução, e qual [br]é o conjunto de dados.

0:14:00.271,0:14:02.648
"Rafa, podemos visualizar?"

0:14:02.648,0:14:04.108
Lógico que podemos.

0:14:04.108,0:14:05.681
Qual é o nome da variável?

0:14:05.681,0:14:08.350
"desvio_padrao_antes".

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

0:14:10.681,0:14:16.820
E aqui nós temos que o desvio-padrão [br]para esse conjunto de valores é 7.03.

0:14:16.820,0:14:23.518
Agora que conseguimos encontrar o valor [br]da variância e do desvio-padrão,

0:14:23.518,0:14:28.966
vamos continuar para conseguir concluir [br]a análise que queremos do antes e o depois.

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

0:14:30.467,0:14:33.395
Retomamos essa parte, criamos os dados,

0:14:33.395,0:14:38.208
criamos a média e a mediana do antes,

0:14:38.208,0:14:40.611
conseguimos achar a moda,

0:14:40.611,0:14:45.869
acabamos de descobrir[br]a variância e o desvio-padrão.

0:14:45.869,0:14:48.485
Agora vamos para essa[br]próxima parte da análise.

0:14:48.485,0:14:50.798
Vou copiar aqui para baixo.

0:14:50.798,0:14:55.025
Aqui, como sempre, eu [br]vou apertar alguns Enters

0:14:55.025,0:14:58.362
para facilitar para vocês a visualização.

0:14:58.362,0:15:00.064
Vou apertar um Control + V.

0:15:00.064,0:15:02.655
Deixe-me arrumar aqui para explicar.

0:15:02.655,0:15:04.395
O que nós vamos fazer agora então?

0:15:04.395,0:15:09.416
Olhe, "calculando medidas [br]descritivas para depois" agora, né?

0:15:09.416,0:15:11.727
Fizemos o antes, vamos para o depois.

0:15:11.727,0:15:15.813
Agora nós iremos repetir o script[br]que nós fizemos anteriormente

0:15:15.813,0:15:19.283
para a parte da execução do antes.

0:15:19.283,0:15:20.918
Agora nós iremos fazer para o 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 não estava[br]com uma performance tão boa de algoritmo.

0:15:28.759,0:15:33.297
Então fizeram uma análise,[br]extraíram os tempos de execução

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

0:15:36.200,0:15:39.603
e aí precisava-se fazer [br]uma análise do depois.

0:15:39.603,0:15:42.339
Então, no depois, nós [br]temos a base de dados,

0:15:42.339,0:15:44.607
como está a performance do depois,

0:15:44.607,0:15:47.911
e agora o R vai verificar [br]o antes e o depois

0:15:47.911,0:15:52.583
para fazer esse comparativo[br]e conseguir ter uma análise descritiva.

0:15:52.583,0:15:55.553
Fizemos para o antes, vamos [br]fazer a mesma coisa agora

0:15:55.553,0:15:57.900
para o conjunto de dados do depois.

0:15:57.900,0:15:58.660
Vem aqui comigo.

0:15:58.660,0:16:04.492
Então, como sempre, eu deixo [br]um comentário para vocês.

0:16:04.492,0:16:07.998
Olhe, calculando medidas [br]descritivas para depois.

0:16:07.998,0:16:10.362
Nós iremos achar a média.

0:16:10.362,0:16:12.202
A média de quem?

0:16:12.202,0:16:16.347
Lembre-se, agora nós vamos [br]trabalhar com essa base de dados,

0:16:16.347,0:16:19.142
a performance do algoritmo do depois.

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

0:16:21.244,0:16:22.583
Estamos aqui.

0:16:22.583,0:16:25.253
Criei uma variável [br]chamada "media_depois".

0:16:25.253,0:16:27.776
Esse é o nome da base de dados.

0:16:27.776,0:16:31.655
E vamos também achar o valor da mediana.

0:16:31.655,0:16:33.386
Se eu apertar o Enter aqui...

0:16:33.386,0:16:38.377
É sempre legal visualizar [br]o resultado, olhe, media_depois.

0:16:39.947,0:16:41.465
Vou apertar o Enter.

0:16:41.465,0:16:44.634
Então essa é a média[br]da performance do depois.

0:16:44.634,0:16:47.545
E agora nós também vamos [br]achar o valor da mediana.

0:16:47.545,0:16:48.858
Visualizar, perdão.

0:16:48.858,0:16:50.618
Nós já temos o valor, né?

0:16:50.618,0:16:55.538
"print(mediana_depois)".

0:16:55.538,0:16:56.680
Eu vou apertar o Enter.

0:16:56.680,0:17:00.579
Então essa é a média, [br]e essa é a mediana do depois.

0:17:00.579,0:17:02.319
Vou subir aqui.

0:17:02.319,0:17:05.756
Vamos pegar o nosso script, tá?

0:17:05.756,0:17:10.908
Já fizemos do antes, agora [br]estamos calculando do depois.

0:17:10.908,0:17:13.730
Vamos achar agora o valor da moda.

0:17:13.730,0:17:16.351
É a mesma coisa que nós fizemos do antes,

0:17:16.351,0:17:18.668
só que agora é a moda para o depois.

0:17:18.668,0:17:23.515
Vamos apertar alguns Enters para ficar [br]limpa a nossa área de programação

0:17:23.515,0:17:25.025
para podermos entender.

0:17:25.025,0:17:28.450
Criar a variável moda_depois,

0:17:28.450,0:17:32.391
"as numeric", que serve [br]para converter os valores numéricos,

0:17:32.391,0:17:33.881
por mais que estejam ali.

0:17:33.881,0:17:37.920
Mas é bom confirmar [br]que os valores são um número,

0:17:37.920,0:17:39.523
eles estão como número.

0:17:39.523,0:17:44.227
E aqui nós temos a parte da organização[br]dos dados em ordem decrescente.

0:17:44.227,0:17:50.485
E aqui, qual é o conjunto de dados que vai [br]ser feita essa moda, o valor da moda.

0:17:50.485,0:17:52.836
Se eu apertar o Enter...[br]É igualzinho ao anterior.

0:17:52.836,0:17:59.440
Só muda que agora nós estamos fazendo [br]a análise para os dados do depois

0:17:59.440,0:18:01.711
após implementação do algoritmo.

0:18:01.711,0:18:07.917
Então, a moda para o depois [br]resultou em um valor de 190.

0:18:07.917,0:18:13.089
Vamos voltar mais um pouquinho aqui,[br]pegar o script que nós deixamos.

0:18:13.089,0:18:15.492
A palavra não é pré-pronto. É pronto.

0:18:15.492,0:18:16.581
E vamos verificar.

0:18:16.581,0:18:21.931
Já geramos a moda, e agora nós vamos [br]criar a variância e o desvio-padrão.

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

0:18:24.734,0:18:27.562
e qual é o valor do desvio-padrão [br]para o depois.

0:18:27.562,0:18:29.789
Irei apertar novamente alguns Enters.

0:18:30.774,0:18:32.643
Vou dar um Control + V.

0:18:32.643,0:18:33.703
Deixe-me limpar aqui.

0:18:33.703,0:18:37.380
Se executarmos com esse tracinho[br]aqui, vai ocorrer um erro.

0:18:37.380,0:18:39.682
O que nós temos aqui então?

0:18:39.682,0:18:42.798
Criamos uma variável [br]chamada variancia_depois.

0:18:42.798,0:18:46.923
A instrução aqui é 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 um Enter.

0:18:51.528,0:18:53.630
Nós esperamos que dê certo, né?

0:18:53.630,0:18:57.967
E aqui vamos só visualizar[br]para confirmar que deu certo.

0:18:57.967,0:18:59.202
Visualizou.

0:18:59.202,0:19:05.090
E agora nós vamos verificar o valor [br]do desvio-padrão que foi encontrado.

0:19:05.090,0:19:07.795
"desvio_padrao_depois".

0:19:07.795,0:19:09.537
Opa, tem um errinho aqui, pessoal.

0:19:09.537,0:19:10.607
Cuidado aqui!

0:19:10.607,0:19:11.957
Eu visualizei o antes.

0:19:11.957,0:19:14.617
Não era o antes e sim o depois.

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

0:19:15.351,0:19:17.585
Oh, então aqui, print...

0:19:18.855,0:19:22.554
Não é um erro do script que nós [br]criamos e sim na hora de visualizar.

0:19:22.554,0:19:24.360
O depois, tá?

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

0:19:27.430,0:19:30.200
E agora esse do depois,[br]que acabamos de fazer, está vendo?

0:19:30.200,0:19:35.672
Tomem cuidado, senão vocês podem visualizar[br]a informação que vocês não queriam.

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

0:19:36.739,0:19:42.361
Agora nós vamos verificar o valor[br]do desvio-padrão do depois, hein!

0:19:42.361,0:19:43.431
Novamente, do depois.

0:19:43.431,0:19:45.381
O antes, nós já passamos.

0:19:45.381,0:19:48.751
Então esse é o valor [br]da variância do depois,

0:19:48.751,0:19:52.488
e esse o valor do desvio-padrão do depois.

0:19:52.488,0:19:58.122
Agora vamos subir aqui e verificar [br]o nosso script que deixamos pronto aqui.

0:19:58.122,0:19:59.128
Legal!

0:19:59.128,0:20:01.768
Nós já conseguimos criar...

0:20:01.768,0:20:07.942
Oh, vamos lembrar: a média, mediana, [br]a moda, a variância, e o desvio-padrão,

0:20:07.942,0:20:11.240
para a base de dados do antes e do depois.

0:20:11.240,0:20:15.511
Agora nós podemos dizer [br]que precisamos juntar tudo isso

0:20:15.511,0:20:18.445
para visualizar esses valores, tá?

0:20:18.445,0:20:22.708
Na verdade, aqui seria uma impressão[br]de tudo que nós fizemos até agora.

0:20:22.708,0:20:26.089
Eu vou apertar alguns Enters aqui,[br]mas é a última parte, tá?

0:20:26.089,0:20:27.924
São apenas duas instruções agora.

0:20:27.924,0:20:29.559
Opa! Vou apagar...

0:20:29.559,0:20:30.712
Control + V.

0:20:30.712,0:20:33.262
"O que é essa última parte, Rafa?"

0:20:33.262,0:20:35.222
"Imprimindo os resultados".

0:20:35.222,0:20:40.477
Vamos trabalhar aqui com todas [br]as informações do antes e do depois.

0:20:40.477,0:20:42.747
Vou apertar o Enter...

0:20:42.747,0:20:45.775
É simples de visualizar, né?

0:20:45.775,0:20:49.579
A riqueza está no entender, né, [br]entender todas essas informações.

0:20:49.579,0:20:51.876
Então o que nós temos aqui?

0:20:51.876,0:20:52.890
"Antes - Média".

0:20:52.890,0:20:54.190
Isso aqui é um texto, né?

0:20:54.190,0:20:56.050
Sempre que eu quero juntar [br]um texto com valores,

0:20:56.050,0:20:59.055
eu coloco o "paste", [br]aí eu coloco a informação,

0:20:59.055,0:21:02.243
divido por vírgula, e o nome da variável.

0:21:02.243,0:21:07.163
Na verdade, aqui é uma impressão mostrando [br]tudo o que nós fizemos anteriormente.

0:21:07.163,0:21:08.565
Vamos pegar o outro script.

0:21:08.565,0:21:10.601
"Rafa, poderíamos fazer [br]aqui na mão agora?"

0:21:10.601,0:21:11.491
Poderíamos.

0:21:11.491,0:21:15.191
Talvez demore só um pouquinho[br]aqui para digitarmos juntos, né...

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

0:21:18.374,0:21:21.209
Eu vou apertar mais alguns [br]Enters aqui, como sempre.

0:21:21.209,0:21:22.619
Eu vou apertar um Enter.

0:21:22.619,0:21:26.363
O que nós temos aqui [br]até o momento de uma revisão?

0:21:26.363,0:21:29.610
"Antes: media_antes", é esse valor,

0:21:29.610,0:21:32.230
media_antes é esse valor.

0:21:32.230,0:21:36.359
"Mediana: mediana_antes".

0:21:36.359,0:21:37.768
Então nós só juntamos aqui.

0:21:37.768,0:21:40.915
Seria uma impressão de tudo [br]o que nós projetamos anteriormente.

0:21:40.915,0:21:42.765
E aqui é do depois.

0:21:42.765,0:21:44.416
E agora fica o quê?

0:21:44.416,0:21:47.036
Se pegarmos todo o nosso script,

0:21:47.036,0:21:51.340
pegamos desde uma introdução,[br]o que é uma análise descritiva,

0:21:51.340,0:21:55.611
duas bases de dados,[br]verificamos o antes e o depois,

0:21:55.611,0:21:58.166
calculamos a média, mediana,

0:21:58.166,0:22:01.556
conseguimos achar o valor da moda também,

0:22:01.556,0:22:04.897
tanto para os dados do antes [br]como para do depois.

0:22:04.897,0:22:05.867
E enfim...

0:22:05.867,0:22:10.414
Só voltando, descendo um pouquinho aqui, [br]agora conseguimos imprimir.

0:22:10.414,0:22:16.065
E com essas informações em mãos, nós[br]conseguimos obter os nossos resultados.

0:22:16.065,0:22:20.669
Então aqui é o conjunto [br]mostrando o resultado,

0:22:20.669,0:22:23.051
todas as informações numa impressão só.

0:22:23.051,0:22:26.242
Tudo que calculamos do antes,[br]tudo que calculamos do depois.

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

0:22:28.411,0:22:30.982
Vamos pegar o mais simples aqui:

0:22:30.982,0:22:36.770
a média de tempo de execução do antes,[br]antes de implementar a melhoria no algoritmo,

0:22:36.770,0:22:41.957
supondo que fossem segundos, o tempo [br]de execução demorava 218 segundos.

0:22:41.957,0:22:44.010
Agora caiu para 196.

0:22:44.010,0:22:44.975
E por aí vai.

0:22:44.975,0:22:50.499
Você consegue comparar o antes[br]e o depois de cada uma dessas informações

0:22:50.499,0:22:56.138
para saber se realmente melhorou [br]a performance do sistema

0:22:56.138,0:22:59.481
após a implementação[br]da melhoria do algoritmo.

0:22:59.481,0:23:01.510
Eu tenho certeza que vocês [br]conseguiram entender

0:23:01.510,0:23:06.034
a importância de saber utilizar todas [br]essas instruções da Linguagem R,

0:23:06.034,0:23:08.608
e até mesmo saber[br]interpretar esses resultados.