Justificativa

• A cada 2 anos dobramos a quantidade de informação produzida.
• Era do BIG DATA: volume, velocidade e variedade.
• Processamos melhor a informação visual.
• A análise exploratória é parte fundamental do processo de análise.
• Gráficos ruins/inadequados estão por toda parte.
• Gráficos adequados podem complementar ou até descrever melhor resultados das análises estatísticas.

Objetivo

• Definir visualização de dados para análise exploratória e explanatória.
• Apresentar gráficos para compreensão de variáveis categóricas, contínuas e suas relações.
• Apresentar gráficos estáticos e reativos.
• Dar recomendações sobre boas práticas na visualização de dados.
• Mostrar recursos na linguagem R para visualização de dados.

Uma imagem vale mais que mil palavras.

– Provérbio inglês

• São um recurso para visualizar informação dos dados que são representadas de forma ilustrativa, pictorial ou geométrica.
• Mapeiam quantidades em atributos geométricos (posição, comprimento, área, cor, símbolo, linha, curva, polígono) geralmente utilizando um sistema coordenado como referência e elementos estéticos.

Gráficos são usados para

• Explorar a informação contida nos dados.
• Compreender os dados, as variáveis observadas e o fenômeno correspondente de forma rápida.
• Apresentar a informação de/em muitas variáveis em pouco espaço.
• Reconhecer organização, estrutura, padrões e relações entre variáveis.
• Detectar problemas: incompleto, incorreto, inconsistente e impreciso.
• Avaliar as suposições e qualidade de um modelo estatístico.
• Comunicar resultados de análises estatísticas.

• O uso de mapas é bem antigo: cartografia.
• Primeiros gráficos de dados são do século 17.
• Confecção analógica de gráficos: limitação de tempo e quantidade.
• Impulsão em 1970 com os computadores: confecção digital.
• Era do BIG DATA: compreender dados de fenômenos complexos.
  • Grande volume: padrões mais evidentes.
  • Grande variedade: contínuos, categóricos, geográficos, cronológicos, circulares, composicionais, textuais.
  • Grande velocidade: tomar decisões rapidamente.
• O top 10 das tendências para inteligência de mercado.
  1. Inteligência artificial.
  2. Impacto das artes liberais: visualização, design, storytelling.
  3. Processamento de linguagem natural.

Com relação tipo de valor das variáveis:

• Variáveis métricas ou quantitativas.
  • Discretas: valores contáveis em intervalo finito.
    • Número de irmãos.
    • Número de sinistros/acidentes.
  • Contínuas: valores incontáveis em intervalo finito.
    • Altura.
    • Distância percorrida até o trabalho.
• Variáveis categóricas ou qualitativas.
  • Nominais: não pussem ordenação natural.
    • Possuir animal de estimação.
    • Estado em que nasceu.
  • Ordinais: possuem ordenação natural.
    • Nível de escolaridade.
    • Graduação no karatê.

Quanto a limitação do suporte, as variáveis podem ter:

• Suporte aberto: \(-\infty < X < +\infty\).
• Suporte fechado: \(X \in [0, 1)\).
• Suporte semi-aberto: \(X \in [0, \infty)\).
• Suporte circular: \(X \in [0, 2\pi)\).

Com relação a quantidade de variáveis representadas:

• Univariados: representa apenas uma variável.
• Bivariados: representa duas variáveis.
• Multivariados: representa 3 ou mais variáveis.

• Cronológicas: instantes, períodos, durações.
  • Datas: ano, mês e dia.
  • Tempo: hora, minuto e segundo.
  • Data-tempo: a junção das duas.
  • Complicações: irregularidade, fusos, cíclio, censuras.
  • Ex: análise de sobreviência.
• Geográfico: coordenadas, rotas, polígonos.
  • Dados na superfície da Terra.
  • Complicações: projeções cartográficas, polígonos irregulares.
  • EX: geoestatística, processo pontual.
• Espaço-temporal: junção do geográfico com cronológico.
• Composicional: teores que somam um valor fixo.
  • Complicação: a restrição de soma.
  • Ex: modelos de mistura de componentes.

• http://leg.ufpr.br/~walmes/data/coberturas-venda-cwb-26Jan2018.txt;
• http://leg.ufpr.br/~walmes/data/ap_venda7bairros_cwb_210314.txt;
• http://leg.ufpr.br/~walmes/data/carros_venda_webmotors_270314.txt;
• http://leg.ufpr.br/~walmes/data/triathlon.txt;
• http://leg.ufpr.br/~walmes/data/euro_football_players.txt;
• http://leg.ufpr.br/~walmes/data/saosilvestre_fwf.txt;
• http://leg.ufpr.br/~walmes/data/aval_carros_nota.txt;

• Uma alternativa ao histograma quando a variável é discreta.

• Uma representação que mistura o boxplot com o density para acomodar várias densidades conforme muda os níveis de um fator.
• ggplot::geom_violin().

Figura 1: Exemplo de um gráfico de violino. FONTE.

• Uma alternativa para representar a distribuição de dados discretos.
• Pacote R beeswarm.

Figura 1: Número de capulhos produzídos em função no nível de desfolha e fase de desenvolvimento de plantas de algodão. FONTE.

• Alternativa ao violin plot para representar a distribuição de uma variável conforme os nível de outra.

• Para representar a distribuição de dados direcionais ou cíclicos.

• Utilizado para representar movimentos migratórios, ligações gênicas, transações bancárias, etc.

• Representa no plano as divisões de uma árvore.

opts_chunk$set(echo = FALSE)

• Estão todos vivos?
• Gráficos são fundamentais no processo de análise de dados.
• Existe uma variedade grande de opções disponíveis.
• O bom uso de gráficos vem com o tempo.
• Atente-se para que ele seja claro, enxuto e conciso.
• NÃO USE GRÁFICOS EM 3D.
• Invista tempo para aprender um bom software para confecção de gráficos.