Gráficos de Dispersão

Prévia do material em texto

1. 
Gráficos de dispersão são extremamente úteis para análise de dados robustos, geralmente auxiliando em tomadas de decisão, por conta de sua eficácia em representar dados.
Qual é a alternativa que melhor define gráficos de dispersão?
B. 
Uma ferramenta que costuma ser usada para explorar a relação entre duas ou três variáveis, o quanto uma variável influencia outra.
Conforme o conceito de gráfico de dispersão, eles são uma ferramenta usada para buscar relação entre duas ou três variáveis, uma maneira eficiente de explorar a existência de tendências, concentrações e valores discrepantes. Logo, é possível fazer e analisar gráficos bivalorados e multivalorados em perspectivas bidimensionais e tridimensionais.
2. 
Os gráficos de dispersão são considerados eficientes para a representação de dados de até três dimensões.
Para a visualização de dados de mais de três dimensões, qual das seguintes formas de visualização deve ser utilizada?
C. 
Matriz de dispersão.
A matriz do gráfico de dispersão é um dos métodos mais comuns para a visualização de dados multidimensionais. A matriz do gráfico de dispersão é geralmente usada para exibir todas as dimensões de dados em pares organizadas em uma matriz. Múltipla dispersão, conjunto de dispersão e matriz N-dimensional não são gráficos de representação de dados e o gráfico de bolhas não é utilizado dessa forma.
3. 
Apesar de o gráfico de dispersão ser uma forma eficiente para encontrar relação entre variáveis, existe um problema quando há muitos pontos de dados a serem plotados, o que pode levar à questão de overplotting, quando os pontos de dados se sobrepõem, dificultando a visualização das relações entre pontos e variáveis.
Existem formas comuns de aliviar esse problema. Quais são elas?
A. 
Amostrar apenas um subconjunto de pontos de dados e alterar a forma dos pontos, adicionando transparência para permitir que as sobreposições sejam visíveis ou reduzindo o tamanho dos pontos para que ocorram menos sobreposições.
Existem maneiras comuns de aliviar o problema de overplotting. Uma alternativa é amostrar apenas um subconjunto de pontos de dados: uma seleção aleatória de pontos ainda deve fornecer a ideia geral dos padrões nos dados completos. Também podemos alterar a forma dos pontos, adicionando transparência para permitir que as sobreposições sejam visíveis ou reduzindo o tamanho dos pontos para que ocorram menos sobreposições. Trocar o formato dos pontos, adicionar cores ou até mesmo aumentar os números de pontos tornará a tarefa de visualizar as relações mais complicada.
4. 
Analisar um gráfico permite criar conhecimento sobre determinado comportamento dos elementos que o compõem.
A respeito da relação apresentada na figura, sobre sistema de injeção (fuelsystem), preço do automóvel (price) e categoria do tipo de combustível (fueltype), qual o tipo de gráfico apresentado e qual análise pode ser realizada?
​​​​​​​​​​​​​​
D. 
O gráfico é do tipo box do método catplot. Nele, é possível notar que existem preços de automóveis com sistema de injeção do tipo mfpi com valores acima do valor máximo (discrepantes) estabelecido pelo box. O sistema de injeção idi, com combustível do tipo diesel, apresenta um valor máximo bem acima de sua mediana.
O gráfico é do tipo box contido na função catplot. Nota-se que automóveis com combustível do tipo diesel são utilizados apenas com injeções do tipo idi, apresentando valor máximo bem acima de sua mediana. Existem apenas dois tipos de injeções com dados discrepantes (outliers), os sistemas de injeção mpfi e 2bbl.
5. 
Gráficos de dispersão são muito utilizados para que se entenda a relação entre duas ou mais variáveis. Um ponto negativo dessa abordagem vai de encontro à organização da dispersão das informações.
Observando a Figura 1, analise como corrigir esse problema de sobreposição de dados, para chegar a um resultado próximo ao encontrado na Figura 2, por meio da biblioteca Seaborn.
C. 
Com a ferramenta Seaborn, pode-se utilizar a função catplot da seguinte maneira: 
seaborn.catplot(x="fuelsystem", y="price", kind='swarm', data=dados);
O método que permite plotar relações de dados numéricos com categóricos no Seaborn é o catplot. Com ele, pode-se escolher a forma de apresentação dos dados, com swarm indicando que serão em forma de "enxame de abelhas". Métodos como relplot apresentam apenas relação com o uso de parâmetros de semântica dos dados, enquanto kdeplot apresenta apenas uma relação de dados numéricos. Além disso, na figura, é possível notar que a variável price está no eixo x e fuelsystem, no eixo y. Assim, têm-se os parâmetros x = "price" e y = "fuelsystem".
image1.jpeg
image2.jpeg