0:00:08.141,0:00:08.441
Uma das maneiras [br]de se aprender é na prática.

0:00:11.911,0:00:15.482
E agora nós temos um case para trazer aqui

0:00:15.482,0:00:20.053
onde nós iremos conseguir executar[br]a partir de hipóteses e intervalos.

0:00:20.120,0:00:21.354
Pense no cenário:

0:00:21.354,0:00:24.924
vocês têm um sistema que [br]não está performando muito bem,

0:00:24.924,0:00:28.194
e aí é feita uma análise e coleta.

0:00:28.194,0:00:29.496
São coletados os dados de hora em hora,

0:00:29.496,0:00:33.399
para saber como está [br]a performance daquele sistema.

0:00:33.466,0:00:39.139
Então é estudado e verificado que existe[br]a possibilidade de se melhorar o algoritmo,

0:00:39.205,0:00:44.110
implementar essas melhorias [br]do algoritmo, e, posteriormente,

0:00:44.110,0:00:48.481
são coletados novamente os dados[br]com relação à performance do sistema.

0:00:48.548,0:00:51.551
Então você tem o antes e o depois.

0:00:51.684,0:00:56.055
Se você tem o antes e o depois [br]dos dados, você pode comparar.

0:00:56.122,0:00:58.658
Se for um intervalo bem pequeno,[br]talvez você consiga comparar olhando.

0:01:02.061,0:01:05.398
Mas imagine uma situação [br]real em uma empresa

0:01:05.398,0:01:09.469
onde um sistema fica processando [br]durante 24 horas durante um mês.

0:01:10.103,0:01:13.506
Quantos dados você tem ali [br]para fazer essa comparação?

0:01:13.573,0:01:17.777
Então vamos fazer isso aqui na prática,[br]deixar o script pré-pronto,

0:01:17.877,0:01:21.314
sempre daquela maneira,[br]deixando essa parte com a hashtag,

0:01:21.481,0:01:24.751
que é um resumo teórico [br]do que nós iremos analisar,

0:01:24.751,0:01:28.488
até mesmo algumas explicações um pouco [br]mais técnicas, ou com a parte de estatística.

0:01:31.791,0:01:34.360
Então, aqui nós temos duas bases de dados.

0:01:34.360,0:01:35.395
Se você apertar um Enter,[br]isso vai ser executado.

0:01:35.395,0:01:38.798
Mas sempre gostamos de fazer na prática.

0:01:38.865,0:01:42.068
Vamos apertar Ao entrar aqui,

0:01:42.135,0:01:46.439
iremos copiar essas duas[br]bases de dados, porque se traz pronto.

0:01:46.539,0:01:48.307
Não precisa criar agora[br]dois conjuntos de dados.

0:01:50.243,0:01:51.611
Eu vou limpar aqui.

0:01:51.611,0:01:53.980
Vamos interpretar o que nós temos

0:01:53.980,0:01:57.550
são os dados para análise,[br]ou pode tirar isso daqui, o sinalzinho.

0:01:57.617,0:02:02.055
Então nós temos aqui[br]antes da implementação do algoritmo.

0:02:02.121,0:02:05.058
Vamos supor que nós for[br]o que foi analisado.

0:02:05.058,0:02:09.195
Nós temos aqui hora um,[br]hora um, hora dois, hora três,

0:02:09.195,0:02:14.033
hora quatro, hora cinco, [br]hora seis, hora sete, e hora oito.

0:02:14.133,0:02:17.036
Então, antes de implementar [br]essa melhoria no algoritmo,

0:02:17.036,0:02:19.705
esses são os valores[br]dos tempo de execução.

0:02:19.705,0:02:21.607
Vamos supor que em segundos.

0:02:21.607,0:02:23.543
E aí foi implementada a melhoria.

0:02:23.543,0:02:27.146
E aí fizeram uma nova coleta de dados.

0:02:27.246,0:02:30.216
Em segundos, quanto tempo demorou?

0:02:30.216,0:02:33.219
"Se você olhar aqui, Rafa,[br]não precisa nem processar.

0:02:33.286,0:02:36.756
Já fica visível que sim, está melhor."

0:02:36.823,0:02:37.390
Mas lembre-se que, no dia a dia,

0:02:38.908,0:02:39.908
você geralmente tem um conjunto [br]de dados muito maior.

0:02:41.427,0:02:46.933
Então, se você for fazer análise no papel, [br]você vai demorar muitas horas.

0:02:46.999,0:02:50.203
E aqui, o mesmo script[br]que nós vamos executar agora,

0:02:50.269,0:02:55.141
serve para um conjunto pequeno de dados[br]como esse ou para um conjunto muito maior.

0:02:55.208,0:02:56.809
Vamos ver como fica.

0:02:56.809,0:03:00.913
Então nós vamos apertar [br]Enter aqui, como sempre.

0:03:00.980,0:03:03.449
Não é obrigatório, mas é sempre [br]legal você visualizar os dados

0:03:03.449,0:03:07.620
para confirmar que está tudo certinho.

0:03:07.720,0:03:12.224
Criamos o tempo antes e pedimos [br]para mostrar o tempo antes.

0:03:12.291,0:03:16.996
Vamos apertar 2 a 3 aqui, gente,[br]vamos mostrá-lo de novo.

0:03:16.996,0:03:21.934
Você pode digitar tempos_depois

0:03:22.001,0:03:26.806
ou você pode utilizar a sugestão dele[br]para cima, ou apertar Enter.

0:03:26.872,0:03:30.109
Então nós criamos aqui o antes e o depois.

0:03:32.678,0:03:33.045
Legal!

0:03:33.045,0:03:35.915
Vamos subir um pouquinho[br]então novamente aqui.

0:03:35.915,0:03:38.951
Aquela velha dica: se tem alguma [br]dúvida das análises que iremos fazer,

0:03:38.951,0:03:41.987
fica um resumo aqui para vocês.

0:03:41.987,0:03:44.390
Pode pausar e anotar aqui.

0:03:44.390,0:03:48.928
São os dois dados, os dois conjuntos[br]de dados, que acabamos de criar.

0:03:49.028,0:03:51.931
E agora nós vamos para uma próxima parte.

0:03:51.931,0:03:54.668
"Deixe-me pegar, Rafa.

0:03:54.668,0:03:55.668
Tem mais comentário aí do que execução.

0:03:55.668,0:03:59.071
Sim, é sempre legal[br]vocês terem esse resumo.

0:03:59.171,0:04:01.640
Eu gosto de deixar um resumo para vocês.

0:04:01.640,0:04:05.745
Eu vou dar um Enter aqui[br]para a tela ficar um pouco limpa.

0:04:05.945,0:04:10.216
Deixe-me só arrumar aqui[br]só um minuto que nós temos aqui.

0:04:10.216,0:04:11.984
Rafa.

0:04:11.984,0:04:13.686
Porque voltando a primeira, que é o título,[br]realizando o teste de hipóteses.

0:04:17.123,0:04:22.128
E aí, aqui nós temos [br]o que nós queremos analisar.

0:04:22.128,0:04:25.231
Eu vou apertar o Enter, vou imprimir, [br]e aí nós vamos interpretar juntos, tudo bem?

0:04:25.264,0:04:28.534
Para teste um de lá na hipótese legal.

0:04:28.601,0:04:33.038
Que construção é essa, Rafa, que vocês[br]escutou e você ainda não ensinou?

0:04:33.305,0:04:35.307
Vamos tentar entender o que está aqui.

0:04:35.307,0:04:37.576
Vamos tentar? Não vamos entender, né?

0:04:37.576,0:04:42.314
Teste anterior Hipótese é um nome[br]de uma variável, aí sinal de menor assim.

0:04:42.448,0:04:46.886
Então o que acontecer aqui[br]será atribuído para dentro desse

0:04:46.986,0:04:50.522
essa variável tender lá teste.

0:04:50.589,0:04:54.193
É mais um tema que vocês [br]precisam aprender.

0:04:54.260,0:04:56.195
O que seria isso?

0:04:56.195,0:04:57.796
Oh, ele é usado.

0:04:57.796,0:05:01.166
Ele é mais usado para comparar [br]a média de dois grupos

0:05:01.267,0:05:06.238
e determinar estatisticamente[br]se há diferença entre eles.

0:05:06.338,0:05:08.874
Então nós não temos duas bases de dados.

0:05:08.874,0:05:14.179
Vamos lembrar que é a base de dados [br]da análise da performance do sistema do antes

0:05:14.280,0:05:18.917
e a análise dos dados com a base de dados[br]do depois com a performance.

0:05:18.984,0:05:19.752
Se você olhar um a um, você [br]vai ver que está melhor mesmo.

0:05:23.122,0:05:25.691
Mas vamos deixar o R fazer isso para nós.

0:05:25.691,0:05:28.027
Então nós temos que fornecer [br]a base de dados,

0:05:28.027,0:05:31.997
o conjunto de dados do antes e do depois.

0:05:32.064,0:05:37.236
E aqui nós fazemos uma instrução [br]para dizer que nós estamos fazendo

0:05:37.236,0:05:41.373
uma comparação com duas bases de dados.

0:05:41.440,0:05:44.576
"Rafa, poderíamos fazer uma análise[br]com mais base de dados?"

0:05:44.777,0:05:45.711
Sim, poderíamos.

0:05:45.711,0:05:48.714
Aqui nós só estamos comparando duas.

0:05:48.814,0:05:53.118
E aí você fala: "Nossa, Rafa, saiu [br]um resultado um pouquinho extenso."

0:05:53.185,0:05:55.120
Calma aí que nós iremos [br]interpretá-lo, tudo bem?

0:05:55.120,0:05:58.123
Vem aqui comigo, por favor.

0:05:58.123,0:05:59.124
O que nós fizemos então?

0:05:59.124,0:06:01.427
Estamos indo interpretar aquele [br]resultado onde estão os comentários,

0:06:01.427,0:06:05.697
os dados do antes e do depois,

0:06:08.333,0:06:11.670
um primeiro teste [br]de hipótese que nós fizemos.

0:06:11.770,0:06:14.506
E aqui nós vamos imprimir esse [br]resultado do teste de hipótese,

0:06:14.506,0:06:16.175
que é o que acabamos de fazer.

0:06:16.175,0:06:20.145
Vou deixar só comentado, mas [br]vai se fazer a mesma saída, tá?

0:06:21.914,0:06:24.049
O que nós temos aqui então?

0:06:24.049,0:06:25.651
Como podemos interpretar?

0:06:25.651,0:06:29.454
"Você só mandou imprimir e colocou [br]o título aqui, que é o resto entregue."

0:06:29.555,0:06:34.793
E aí você tem que novamente focar[br]na análise da saída dos dados.

0:06:34.893,0:06:39.598
Tem esse p-value aqui, que é [br]um dos focos da nossa análise.

0:06:39.698,0:06:42.668
Se vocês voltarem para o começo aqui,

0:06:42.868,0:06:45.871
vocês podem tirar algumas análises[br]do que estamos buscando,

0:06:46.071,0:06:49.942
os intervalos de confiança,

0:06:49.942,0:06:54.279
usados para estimar a incerteza [br]associada à uma estimativa pontual.

0:06:54.346,0:06:59.451
O quanto temos a certeza,[br]ou incerteza, que isso está nos ajudando.

0:06:59.551,0:07:02.554
Então nós conseguimos fazer[br]com que a linguagem R

0:07:02.688,0:07:06.458
fizesse essa análise do tempo,[br]o antes e o depois.

0:07:06.525,0:07:10.062
Olhando antes da execução,[br]nós conseguimos ter a certeza.

0:07:10.128,0:07:13.198
Mas lembre-se sempre [br]no dia a dia do seu trabalho,

0:07:13.198,0:07:16.201
na sua vida pessoal, que você [br]vai precisar analisar dados

0:07:16.401,0:07:20.639
onde geralmente esse conjunto [br]de dados é muito maior.

0:07:20.739,0:07:24.576
Então utilize o R para que faça [br]essa análise por você.

0:07:24.643,0:07:30.215
E agora fica uma dica: [br]pense em um cenário,

0:07:30.215,0:07:34.219
algo da sua vida pessoal ou de algum [br]familiar seu, ou até mesmo da sua empresa,

0:07:34.219,0:07:37.990
que você tem esse conjunto [br]de dados do antes e o depois,

0:07:37.990,0:07:38.990
e você precisa fazer essa análise,

0:07:38.990,0:07:41.993
de preferência[br]um conjunto de dados até maior,

0:07:42.027,0:07:45.697
e aí tente executar esse script novamente,

0:07:45.764,0:07:50.235
buscando essa análise nos comentários,[br]e tente chegar no seu resultado.

0:07:50.469,0:07:53.305
Então você terá certeza que, na prática,

0:07:53.305,0:07:56.741
você consegue absorver [br]esse conhecimento.