DSCR CAP03 2024 VA02 LINGUAGEM R INTERVALOS DE CONFIANCA

Agora nós iremos falar sobre intervalo
de confiança e teste de hipóteses.

Para entender isso na prática
com a linguagem R,

se vocês verificarem no documento
que está disponível para vocês

sobre essa explicação,
trouxemos um case real.

Imagine que nós estamos trabalhando
em uma fábrica de software

e você se depara com a situação
de precisar melhorar a performance

dessa equipe de programadores.

Então, foi analisada essa possibilidade
de implementar uma melhoria,

foi descoberta uma ferramenta
para ajudar, e aí precisamos medir

como estava a performance antes
da implementação dessa ferramenta

e após a implementação dessa ferramenta.

Para verificar se após a implementação
da ferramenta ficou igual a performance,

se ficou pior, ou se alcançou o objetivo,
que era melhorar a performance,

nós precisamos analisar
esses dados, o antes e o depois.

E é essa a nossa proposta agora.

Vamos lá?

Aqui eu trago para vocês um resumo.

Como é uma hashtag que está aqui marcada,
não é considerada na execução do código, tá?

Então, caso você queira relembrar
ou queira ter um resumo aí na sua mão,

porque às vezes é um material um pouquinho
extenso, eu deixo aqui para vocês, tá bom?

E agora vamos precisar criar a nossa
situação, o cenário antes e depois.

Então nós temos aqui duas linhas
que nós vamos executar.

O que seria isso?

Eu vou copiar...
Vamos fazer juntos aqui, tá?

Como funciona?

Deixe-me só tirar aqui esse
sinalzinho que nós copiamos.

Aqui é um comentário:

"Dados simulados,
linhas de código por hora

antes e depois da introdução dessa
ferramenta", para melhorar a performance.

E aí, para facilitar para vocês,
vamos deixar alinhados aqui:

hora um, hora dois, hora três,
hora quatro, hora cinco,

hora seis, hora sete, e hora oito.

Se você olhar depois aqui, você
já consegue ter essa certeza, né,

que a performance está sendo melhor.

Mas você não deve pensar que sempre
vai ser um cenário pequeno como esse,

de um intervalo que você consiga
analisar apenas olhando para a tela.

Pode ser uma base
com uma análise de 300 horas.

Então você precisa sim
de uma linguagem como o R

para fazer essa análise por você, tá?

Nós já temos essa certeza, mas
vamos pedir para o R fazer essa análise?

Então primeiro nós vamos
criar essas variáveis.

Vamos imprimir só
para visualizar, como sempre.

Temos que ter uma garantia
que os dados foram armazenados.

"print(linhas_depois)".

Não erre, não pode digitar o nome errado,
senão ele não vai conseguir achar.

Eu vou apertar alguns
Enters aqui para facilitar,

e ir para o meio da tela
para visualizarmos.

Então, legal, criamos a performance
das horas antes e depois.

Agora nós precisamos
fazer essa comparação.

Será que realmente performou mais?

Aqui, novamente, eu deixo um script
para vocês, alguns comentários.

Agora nós vamos fazer
esse teste de hipóteses

para verificar
se a performance aumentou, tá?

E aqui, o que eu vou
interpretar com vocês,

eu deixei anotado aqui como
comentário, um resumo, tá?

"Então, qual a instrução, Rafa,
que vai ser executada agora?".

Olha quanto comentário.

É para poder entender a saída da execução.

"Como fica essa instrução, Rafa?"

Vamos apertar mais uns Enters aqui.

Agora aqui nós vamos pedir
para comparar o antes e o depois.

Como iremos fazer isso?

Temos uma variável aqui
chamada "resultado_test".

Você pode colocar o nome
que você quiser, como sempre.

Aqui nós temos uma primeira instrução,
que vocês têm que aprender agora: "t.teste".

Teste com "t" mudo porque é
uma instrução em inglês do R.

Se vocês buscarem aqui, eu deixei anotado

para vocês poderem estudar depois
ou fazer uma anotação, tá?

O que é o t.teste?

Ele é usado para comparar
o antes e o depois.

É ele que vai fazer essa análise dos dados
de antes e depois, hora a hora.

Aqui nós temos que fornecer
o intervalo de valores.

Está aqui. Se chama "linhas_antes".

Qual é o outro intervalo de valores?

É o "linhas_depois".

E aqui, novamente, nós temos
que fazer uma outra instrução para ele.

Nessa instrução, nós vamos dizer assim:

"Os dados têm relação?".

Sim, é um dado que está
relacionado diretamente.

Eu tenho a informação hora a hora,

eu só não sei se realmente
aumentou essa performance.

Olhando, nós sabemos, né?

Mas supondo que ainda não sabemos.

E aí você coloca true ou false.

Você coloca true quando
está relacionado diretamente.

Às vezes você pode querer comparar coisas
que não estão relacionadas diretamente.

Aí você colocaria o false.

Mas não é o nosso caso aqui.

Eu vou apertar o Enter.

Aí você fala: "Poxa, Rafa, mas e agora?

Cadê o resultado?".

Tudo o que nós iremos
analisar agora está aqui.

Agora você fala: "Rafa,
então vamos imprimir?".

Sim, vamos imprimir.

Como fazemos aqui?

Imprimir, você já sabe, né?

O valor dessa comparação foi
armazenado aqui dentro.

"print"...

"resultado"...

Aquela velha história, né, cuidado
para digitar corretamente o nome da variável.

E aí nós temos o resultado aqui.

Você vai falar: "Poxa Rafa, parte
do resultado está escrito em inglês

e tem alguns números da estatística".

Isso. Agora nós vamos comparar.

Eu vou explicar para vocês...

Eu vou subir um pouquinho.

Novamente, você pode dar uma pausa,
fazer a sua anotação nesse momento.

Eu acho bem rica essa parte
das anotações, desses comentários.

É como programar, sempre deixar o código
comentado para você entender.

O que nós precisamos
focar nesse retorno dessa análise?

Quanto de valor retornado nesse p-value.

"O que seria esse p-value, Rafa?"

Eu tenho aqui para vocês.

Se o valor desse p-value, que é esse
valor, o resultado final, for menor...

Eu deixei aqui anotado, olhe.

Menor que 0,05...

Sim, esse é um valor menor que 0,05.

Ele está mais distante aqui
do ponto da casa.

Quanto mais à direita ele está,
mais distante, então ele é menor.

Significa o quê?

Que há realmente uma diferença
significativa entre o antes e o depois.

"Ah, então, Rafa, como
ele é menor que 0,05,

que é o que aconteceu aqui,

quer dizer que realmente
há uma diferença significativa

entre a performance do antes e o depois?"

Sim.

Então faz sentido a análise
que fizemos sem rodar o código.

Então ele refletiu o resultado
esperado para nós, tudo bem?

E agora conseguimos interpretar.

Nesse momento, o que você deve se preocupar
é com esse resultado, ver esse retorno,

se realmente há essa diferença.

Então ele atendeu.

Agora nós vamos para uma última parte.

Agora nós iremos para a última parte,
que é verificar não somente

se teve realmente significância entre
a performance do antes e o depois.

Isso nós já confirmamos.

Agora nós vamos ver a assertividade,

o quanto está mais assertivo
esse retorno que ele nos deu.

Eu lembro a vocês que agora nós fizemos
com uma base bem pequena de dados.

Fizemos ali só em oito horas de análise,
hora a hora, então oito dados antes e depois.

Mas vocês sempre têm que lembrar

que, quando estamos falando
da ciência dos dados,

pode ser algo muito maior,
uma análise de 300 horas,

300 dados antes e 300 depois.

Então não tem como você fazer uma análise
observando apenas os valores.

Você tem que pedir para uma ferramenta,

ou para uma linguagem como o R,
para fazer isso por você.

Vamos ver o quanto realmente
está fazendo sentido,

ou qual o nível de confiança desse
retorno do que foi processado?

Vem comigo aqui.

Então nós vamos para a última parte.

Como sempre, eu deixo aqui
para vocês um breve resumo

para que vocês depois consigam,
e eu até recomendo,

pausar ou voltar o vídeo para verificar
essas observações que eu deixei para vocês.

Aqui nós vamos fazer duas instruções.

Nós temos aqui essa primeira,
que nós vamos pedir para ele calcular,

e depois para mostrar.

Vamos lá?

Deixe-me copiar aqui para baixo
ou apertar mais alguns Enters

para ficar bem dividido a tela
para não confundir vocês.

Eu falo que essa área que programamos

tem que ser um pouco limpa
para facilitar a interpretação.

Agora vou colar aqui para vocês.

Deixe-me apagar.

Eu não vou executar sem antes explicar.

O que nós vamos fazer então?

Como sempre, criar
uma variável para receber

ou armazenar o valor dessa execução.

E aqui nós temos "resultado_teste".

"Que variável é essa, Rafa?"

Eu vou voltar um pouquinho.

"resultado_teste" é quando nós pedimos
para ele fazer a comparação

do antes e o depois,
que saiu esse resultado.

"Ah, legal, Rafa! Lembrei."

Aí você fala: "Rafa, mais uma instrução
você vai nos ensinar agora?"

Sim.

Essa aqui também é conhecida
como cifrão ou dólar,

como vocês quiserem falar aí
na área da programação, "conf.int".

"Rafa, esse aí eu ainda não vi com você."

Tudo bem. Vamos dar uma olhadinha aqui.

Como sempre, eu deixo anotado
para vocês essas observações

para facilitar depois
na hora da interpretação.

Não dei mancada novamente. Está aqui.

Então, é aquele momento que, se eu
fosse você, dava uma pausa no vídeo

para deixar anotado no seu caderno.

O que é o conf.int?

Ele é usado para acessar o intervalo
de confiança da nossa análise.

Vamos descer de novo.

Nós vamos querer que ele pegue aqui esse
resultado que foi projetado anteriormente.

E agora nós vamos projetar uma outra
execução sobre ele, olha aqui.

E ele vai gerar uma análise estatística,

que é a nossa análise descritiva.

Então eu vou pedir para ele fazer
essa análise, armazenar o valor aqui,

e aí depois, como sempre,
nós iremos visualizá-lo.

Aí você fala: "Rafa, essa
visualização não está simples."

Não. Eu vou trazer mais uma coisa
aqui para a nossa conversa,

para a nossa aula de agora.

Isso é um texto, olhe: "Intervalo
de confiança para a diferença média".

E o que nós trouxemos aqui?

"intervalo_confianca[1],
"a", intervalo_confianca[2]".

Vou apertar o Enter.

Deixe-me mostrar o resultado
e aí vocês vão entender.

Então nós temos aqui um texto,
um texto simples que saiu aqui.

Esse é um intervalo de confiança, de quanto
a quanto é aderência de confiança.

Esse é um modelo confiável.

Ele vai de -23.56...

Aqui é de onde ele parte
até onde ele vai.

Até onde ele vai, é 2.

Percebam que vocês criaram a variável
com nome intervalo_confianca.

De onde ele inicia, você coloca o 1,

e dá onde ele termina
até onde ele vai, é o 2.

E esse é o intervalo de confiança
desse modelo de análise

que nós acabamos de processar.

O que eu espero com isso?

Eu espero que agora
vocês tenham entendido.

Com um case real? Não.

Mas com certeza isso existe.

Quando você trabalha numa empresa,
numa fábrica de software, por exemplo,

às vezes a performance da equipe
não está muito boa no desenvolvimento

e aí alguém vai fazer uma análise,
implementa uma melhoria,

e depois eles querem medir para saber
se após a implementação da melhoria

a performance da equipe aumentou.

E aí, quem vai nos ajudar a fazer essa análise?

A linguagem R com a parte de estatística.