Anda di halaman 1dari 30

Introduo

Interpretao de
Grficos e Anlises
Estatsticas

Arleu Barbosa
Viana Junior

100%

50%

0%

01

02

03

04

100%

100%

0%

0%

100%

100%

0%

0%

05

06

100%

0%

www.biologiadaconservacao.com.br

PREFCIO
Os grcos esto presentes na vida de todos, principalmente no cotidiano de estudantes de diversas reas do conhecimento. extremamente comum ver esses alunos de diversos
nveis acadmicos se deparando com grcos - seja em sala de
aula, artigos, apresentaes de trabalhos em congressos, livros, ou
at em meios cienticamente no convencionais como programas
de televiso, embalagens de alimentos, revistas, entre outros e
tendo diculdade na sua interpretao. Isso ocorre especialmente
quando nos deparamos com os meios de comunicao acadmica,
onde a leitura dos grcos pode se tornar uma tarefa conituosa!

Nas cincias biolgicas, em especial na ecologia, contamos


diariamente com o avano tecnolgico da computao e as melhorias de modelos matemticos. Aliado a isso, devemos ter a capacidade de analisar grandes conjuntos de dados, como por exemplo,
as diversas variveis necessrias para tentar compreender as mudanas climticas e suas consequncias na biodiversidade.
Temos que ter o cuidado de passar as informaes da
maneira mais clara e objetiva nos nossos trabalhos
Os grcos so uma tima ferramenta para isso!

Pgina 2

Grcos so representaes visuais que contem informao numrica ou espacial. Um grco tem a funo de facilitar
a interpretao de resultados de testes estatsticos mais complicados, ou sumarizar as informaes gigantescas que uma tabela
pode ter. Porm, a depender da informao que est sendo colocada ali, ler e interpretar um grco pode ser uma frustrao
para o bilogo.

Fazendo uma rpida pesquisa com alguns amigos de


diversos lugares do Brasil pessoas com distintas formaes
acadmicas sobre quais so seus maiores medos em relao
ao domnio em estatstica, alguns me responderam com a seguinte frase: Uai, meu medo em no saber estatstica no saber
interpretar meus prprios dados... [d pra perceber pelo palavreado que foi um mineiro(a) que respondeu a essa pergunta

].

Outros disseram Ento, acho que as atribuies das variveis.


Receio de escolher elas de forma errada e, na maiorias das vezes,
errar a interpretao dos grcos. E mais um chegou a dizer que
O meu maior medo fazer uma interpretao incorreta dos
dados.

Voc percebe que o verbo INTERPRETAR apareceu em todas as respostas? Parece que no s a
forma de interpretar os resultados analticos um
medo para os estudantes de biologia e de reas ans de
diversos graus acadmicos. Interpretar os grcos tambm
um fator limitante.

Pgina 3

E tanto interpretar resultados analticos quanto interpretar grcos so dois atributos bastante interligados em anlises
de dados biolgicos. Realmente, se essas duas coisas no estiverem bem conectadas, sua capacidade em compreender uma
informao estar prejudicada.
Vamos pensar em um exemplo bem rpido!
muito comum voc encontrar em um artigo cientco
essa sintaxe de linguagem estatstica:
(F3, 36 = 4.56; p < 0.05)
O que cada letra e nmero querem dizer? Quais informaes podemos tirar disso? Podemos ter a capacidade de imaginar quantas unidades amostrais independentes foram obtidas
nesse trabalho? Ser que podemos saber qual o possvel tipo de
grco que um resultado como esse pode gerar?
Bem, a resposta da ltima pergunta SIM!
Novamente, se a sintaxe agora for essa (F1, 58 = 5.1; p < 0.05),
ser que podemos ter uma ideia de que grco pode sair? A resposta tambm SIM!

Agora vamos tentar fazer o inverso. Observando os grcos abaixo, podemos ter uma ideia de que anlise foi
feita?
Pgina 4

12

110
105

Riqueza

Abundncia

14

115

100
95

10
8
6

90

85

2
A

20

reas de Coleta

30

40

50

Umidade (%)

Voc consegue saber quais possveis anlises foram


feitas para gerar esses grcos? Novamente a resposta : SIM!
Eu tenho certeza que olhando esses grcos, com um
pouco de prtica em anlise de dados e conhecimento biolgico,
voc saber facilmente interpretar esses grcos e at dar
um palpite certeiro de quais anlises foram utilizadas para
gerar esses grcos.
Respondendo...
Quem chutou uma ANOVA ou GLM para o grco da
esquerda, acertou.
Quem falou em REGRESSO e CORRELAO para o grco da direita, acertou. Porm nem todo artigo tem grcos to
intuitivos e simplicados como os desses exemplos. Veja as seguir
grcos que mostram vrias informaes:
Pgina 5

Voc saberia acertar que anlise estatstica foi feita para um


grco como esses abaixo? OBS.: Esses grcos foram tirados de
artigos cientcos, dos quais esto referenciados.
Solar et al. 2016
Ant species richness per tansect

a
1.0

b
0.5

NMDS

0.0

-0.5

PFU

PFLB

PFL

SEF

REF

PAS

-1.0

AGR

-0.5

0.0

0.5

NMDS

Land-use class

14
Lentics
Lotics

12

1.5

10

RDA2

Temp.

P. americana

O.M.
Mud

V.C.S.

Depth

-4

M.S.

-6
-6

-4

N. bonettoi

Gra.
pH

-2

-8

C.S.

Cond.

A. pigweti

-2

Meanrange size of birds

1.2

0.9

0.6

0.3
8

10

RDA1

12

14

1.0

0.5

Low

Petsch et al. 2015

0.0

0.5

1.0

1.5

High

Barlow et al. 2016

Acho que agora deve ter cado um pouco mais complicado!


Sendo assim, criamos esse e-book com o objetivo de compilar vrias imagens grcas, de diversos tipos e formas, para que
voc tenha o mnimo de condio de compreender algumas
formas de representao grca e tenha capacidade e conana
na interpretao de anlises estatsticas.
ENTO VAMOS L!!!
Pgina 6

introduo
Antes de olhar para um grco e compreender a informao que ele quer transmitir, muito importante que voc
tenha a noo dos tipos de variveis utilizadas a priori. A ideia
do grco perceber relaes - ou a falta delas - ou ilustrar
o tamanho do efeito de uma predio biolgica.

Em geral, em um grco sempre so plotadas informaes de dados em dois eixos cartesianos: vertical/horizontal,
ordenadas/abcissas, y/x, dependente/independente, resposta/explicativa. Ento, para entender a forma do grco preciso ter
a capacidade de identicar qual tipo de varivel est associada
ao eixo Y (conhecido como eixo da varivel resposta ou dependente) e ao eixo X (conhecida como eixo da varivel explicativa ou independente).

Abcissas
Horizontal

Dependente
Resposta
X
Independente
Explicativa

Vertical
Ordenadas

Pgina 7

Existem dois tipos de variveis: categrica/qualitativa e


numrica/quantitativa. A natureza quanto ao tipo de dado no s
inuenciar na forma grca, como tambm na anlise estatstica. Variveis categricas so aquelas que possuem qualidade,
ou como o prprio nome j diz, categorias: macho/fmea; juvenil/jovem/adulto; dia/noite; seco/chuvoso; inicial/intermedirio/tardio. Essas categorias inclusive podem ser variadas, como cores
por exemplo: vermelho, laranja, amarelo, verde, azul, anil, e violeta. As cores do arco-ris podem ser consideradas classes de uma
categoria.

As variveis numricas podem ser divididas em dois


tipos: i) varivel onde os nmeros so contnuos (representado
por casas decimais). Ex: peso, altura, volume, distncia; ou ii)
varivel onde os nmeros so discretos (representados por
nmeros naturais). Ex. nmero de indivduos de uma populao
(no existe 1 indivduo e meio: ou 1 ou so 2).

Pgina 8

BOX PLOT
um dos grcos mais clssicos, porm no to utilizado
em artigos cientcos. No entanto

, nos dias de hoje, no meio

acadmico se sugere usar com mais frequncia esse tipo de grco, pois ele demonstra com maior delidade a disperso das
observaes (Krzywinski and Altman, 2014).

30

20

10

1
0

A
Tipo de Varivel
Y numrica
X - categrica

{
B
Tipo de Anlises
Teste-t
Teste U de Mann-Whitney
Anova one-way
GLM

1 O quadrado central representa 50% da cobertura central dos dados, tambm conhecida
como IQR (InterQuartile Range). Seus limites inferiores e superiores representam 25 e 75
percentil, tambm podendo ser o 1 quartil e o 3 quartil. A faixa escura do meio o 2 quartil
ou a mediana. A mediana o valor do meio, dentro de um conjunto de dados. Ex.: Se temos
o conjunto de dados 1, 2, 3, 4, e 5, o valor 3 a mediana. O 1 e 3 quartis, que nesse nosso
exemplo so representados pelos valores 2 e 4 respectivamente, representam a mediana
entre o valor mnimo e mximo e o 2 quartil.

Pgina 9

2 As extremidades so conhecidas como bigodes (traduo literal do ingls Whiskers). Elas


representam a extenso mxima de 1.5 x IQR alm da caixa.
3 Os pontos so representados pelos outliers, que so pontos mais isolados da maior concentrao dos dados.

5
4
3
2

3 quartil

IQR

2 quartil
ou mediana
1 quartil

1
Para se ter uma melhor ideia das distribuies dos
pontos pelo grco de caixa, abaixo vai uma comparao de dois
boxplots.

30

30

20

20

10

10

Pgina 10

Perceba que na caixa que representa o lado B h uma


maior concentrao dos pontos prximo em zero, e essa frequncia vai diminuindo com o aumento do eixo Y. Abaixo mais um
exemplo de como os boxplots representam melhor a disperso
em relao a um outro grco que iremos falar na prxima
sesso.

Pgina 11

Bar PLOT
um tipo de grco muito utilizado para representar
mdias e desvios. Um dos tipos de grco mais comum em artigos
cientcos e de interpretao simples e intuitiva.
30

}
*

20

10

0
A

1 Sempre quando trabalhamos com amostras, nossa inteno coletar uma pequena
parte de uma determinada populao para que possamos fazer inferncias sobre ela
como todo. Uma das principais medidas de posio gerada para descrever a populao
atravs de uma amostragem a mdia, representada pela parte superior da barra. Como
a populao varia dentro dessa mdia, existe uma medida da disperso desses dados em
relao a essa mdia, representada pelo numeral 1 no grco. Essas medidas de
disperso podem ser representadas pela amplitude mxima e mnima, varincia, desvio
padro, erro padro ou intervalo de conana e o tipo de medida voc est usando deve
ser informada no rtulo do eixo Y. Para saber mais sobre barras de erro, sugiro ler o artigo
do Cumming e colaboradores (2007).

Pgina 12

2 O asterisco entre as barras geralmente inserido no grco para representar a


signicncia do teste estatstico utilizado. Como queremos comparar valores e saber se as
mdias diferem estatisticamente, quando o resultado analtico ca abaixo do nosso nvel
de signicncia (geralmente < 0.05), essa a forma que representamos esse resultado
no grco. Mas ateno, isso s til quando temos apenas duas barras ou tratamentos! Mais que duas, mostrarei para voc como representamos da maneira correta.

Bem, ainda t fcil, mas o cientista que escolhe o grco


para representar seus resultados da melhor forma possvel. Veja
abaixo uma prancha com diferentes formas grcas que podemos
escolher para representar o mesmo conjunto de dados.
40

35

30
30

25

20

20

15

10

10

5
0

0
A

60

60

40

40

20

20

20

40

40

60

60
A

20

Pgina 13

60

60

40

40

20
t1$y

20
0

20

20

40

40

60

60
A

Ainda na sesso de barplots podemos encontrar outras


variaes de grco. Nesse exemplo a seguir, a interpretao a
mesma. Mas mudaremos as anlises estatsticas utilizadas, alm
de um detalhe na forma de representao.

Riqueza de Aves (Mdia EP)

25

20

15

10

0
A

reas de Coleta

Pgina 14

1 As letras em cima de cada erro padro no grco representam um teste de comparao


mltipla de mdias, denominado Teste de Tukey. Se todos os pressupostos para realizar
uma anlise de varincia (ANOVA) forem aceitos, preciso realizar um teste a posteriori, caso
voc tenha mais de 2 nveis para sua varivel X categrica. Nesse nosso exemplo, temos 3
nveis da varivel rea. Caso a ANOVA gere um resultado abaixo do nvel de signicncia estabelecido, a nica interpretao que voc pode fazer que no mnimo um dos nveis diferente dos outros. A vem a seguinte pergunta: Quem diferente de quem? Dessa forma,
precisamos realizar um teste a posteriori, que nesse nosso caso foi o Teste de Tukey. Aps
interpretar o resultado, letras devem ser colocadas em cima de cada barra. Quando colocamos letras iguais, no existe diferena estatstica entre as mdias; letras diferentes indica a
existncia de diferena.

Pgina 15

scatter PLOT
Saindo dos grcos de barras, os scatter plots ou grcos
de disperso, so extremamente importantes quando queremos
demonstrar a relao entre variveis numricas, seja ilustrando
uma relao de causa e efeito ou uma relao de associao entre
variveis. Esses tipos de grcos so importantes para vericar
padres ecolgicos, diferente dos grcos de barras que representam tamanho de efeito.

Abundncia de Morcegos

20

y = 17.4905 + 0.8156*x
R = 0. 48

15

10

0
26

28

30

32

34

36

38

40

Temperatura (C)
Tipo de Varivel
Y - numrica
X - numrica

Tipo de Anlises
Regresso
Correlao
GLM

Pgina 16

1 Esses valores podem vir diretamente no texto ou na legenda do grco. Essa equao
representa a frmula na qual foi calculada a estimativa da linha reta (geralmente presente
somente em resultados signicativos). Lembrando l do ensino mdio, neste caso apenas
uma equao do primeiro grau Y = a + bx. Porm, vamos entender o que isso signica. O a,
representado no grco pelo valor 27.8, representa o ponto que a reta comea em Y, levando
em considerao que o X zero. Perceba que no nosso grco o eixo X inicia em 10. Esse a
conhecido como o intercepto da reta. O b representa o coeciente angular e ele demonstra
a inclinao da reta e a relao que a varivel Y tem com o X. Ou seja, o quanto cada unidade
de X variando que vai inuenciar na varivel Y.
2 Esse valor conhecido como coeciente de determinao. Esse valor varia entre 0 e 1 e
geralmente o valor do poder de explicao que a varivel X tem em relao a varivel Y.
Quanto mais prximo de 1, mais prximos os pontos esto da reta; quanto mais distante,
mais dispersos em relao a reta os pontos esto. Veja os exemplos abaixo.

10
R = 1

R = 0.86

10

10

x
10

R = 0.65

R = 0.27

4
2

6
4

10

10
8

6
x

10

6
x

10

Pgina 17

At agora, acho que ainda continua tranquilo.


Assim como nos grcos de barras, que permite variadas
maneiras de representao, no scatter plot voc tem formas de
melhorar a reta se ajustando ao padro que observado. Segue
abaixo algumas variaes das retas de regresso e suas formas de
escrever as equaes.

10

y = 0.3333 + 0.9394*x
8

y = 1.24 + 1.13*log(x)

10

10

10

10

y = exp(064 + 0.27*x)
8

y = 4.75 + 1.71*x 0.22*x

6
x

10

10

Pgina 18

Depois de explicar para voc um pouco sobre grcos de


barra, que so para variveis categricas, e grcos de disperso, que so para variveis numricas, ser que temos uma
maneira de, em um mesmo grco, colocar variveis categricas e
numricas? A resposta voc j sabe! claro que tem.
Agora as coisas talvez comecem a complicar um pouco, mas
no tem tanto segredo. Imagine em um caso hipottico que vamos
coletar insetos em duas reas, sitio A e sitio B. S que vamos coletar
todo ms durante dois longos anos. Alm de coletar os insetos nas
duas reas, vamos l medir tambm a temperatura.
A depender do grupo taxonmico e do ambiente no qual
estamos coletando, a temperatura inuencia na quantidade de insetos, e geralmente essa inuncia positiva. Dessa forma, parece
que temos duas variveis: sitio de amostragem e temperatura. Uma
categrica e outra contnua. E agora?!
Como ser um grco e uma anlise quando temos uma
varivel qualitativa e uma quantitativa ao mesmo tempo?

Pgina 19

Abundncia de Morcegos

20

15

10

0
26

28

30

32

34

36

38

40

Temperatura (C)
Tipo de Varivel
Y numrica
X - categrico + numrica

Tipo de Anlises
ANCOVA
GLM

1 O ponto de interseo entre as retas representado pela interao entre os dois


parmetros analisados. Vamos pensar um pouco! [eu sei, foi plgio...]. Eu poderia analisar
as duas variveis de forma separada, fazendo um grco de barras para saber a diferena
das medias entre as reas, e outro grco de disperso para vericar a relao entre quantidade de morcegos e a temperatura. Mas eu iria gastar mais espao na folha do meu artigo
ou relatrio e ainda iria perder uma informao preciosa que a INTERAO. Sabemos
que na natureza no um nico fator no possui a capacidade de explicar todos os padres
que conseguimos enxergar. Na verdade so muitas as variveis explicativas possveis, s
vezes variveis que nem conseguimos medir ou observar. No entanto essas variveis no
agem sozinhas e isoladas, mas interagem entre si para gerar as maravilhas do nosso sistema natural. Esse grco nos d esse exemplo. Essa imagem a mesma imagem do nosso
primeiro exemplo de SCATTER PLOT, no entanto conseguimos colocar mais uma informao que foram as reas de coleta (stio A e stio B).

Pgina 20

Esquecendo a existncia das duas cores, evidente observar que os pontos da rea B
esto h uma maior media de indivduos de morcegos que a rea A (olhando a
distribuio dos pontos em relao ao eixo Y) e que a temperatura inuencia positivamente nessa abundncia. Porm, no sempre que a rea B tem mais morcegos que a
rea A. A temperatura age de maneira distinta nas duas reas de estudo. Se pudssemos
coletar em uma maior amplitude de temperatura na rea A, a quantidade de morcegos
nessa rea iria ser superior que na rea B. Isso mostra que o efeito da temperatura na
quantidade de indivduos de morcegos diferente a depender da rea, e caso zssemos
um grco de disperso ou um grco de barras, essa informao no poderia ser capaz
de visualizar. Ento cabe a voc como pesquisador ou prossional da conservao a tarefa
de compreender e explicar quais so os processos e mecanismos que esto associados s
reas para explicar como o efeito da temperatura difere.

Ok, agora grande parte dos grcos comumente apresentados em artigos de ecologia e conservao foram explanados. O que muda a partir da a abordagem, a criatividade, o rigor
que o redator do trabalho d sua apresentao e anlise. Como
falei no incio do e-book, compreender os tipos de variveis associadas aos eixos fundamental para saber qual tipo de grco devemos gerar e qual(ais) anlise(s) devemos fazer. A partir de agora
vamos falar de algumas variaes grcas referentes s anlises
estatsticas.

Pgina 21

Likelihood of flight event

1.0

12
jun.07 jul.07

4 18

mar.06

fev.07

jun.06

mar.07

may.07

0.5

0.0

50

100

Rainfall (mm)

150

Esse tipo de grco gerado quando temos uma varivel resposta binria. Mas como seria
isso Arleu? Seria assim: Uma varivel resposta binria quando estamos vericando um
evento de forma dual (p. ex. acontece ou no acontece, tem ou no tem, homem ou
mulher...). Estritamente a varivel explicativa tem que ser uma varivel continua. Essa
anlise verica a probabilidade de um determinado fator observacional, ou seja, nossa
varivel de interesse, acontecer ou no acontecer dado a mudana da varivel explicativa.
Vamos ao nosso exemplo! Eu estava vericando mensalmente durante o ano todo, vrios
ninhos de cupins para saber o perodo em que aconteceriam revoadas. Telei os ninhos com
tecido e vericava se em cada vistoria havia buracos abertos, alados mortos ou presos, asas
cadas, qualquer caracterstica que pudesse diagnosticar o evento de revoada. Ento minha
varivel resposta era a presena ou ausncia de revoada em determinado ms. Depois
de nalizar todas as campanhas de campo, eu tinha tambm dados de precipitao daquele
ms. Esta seria minha varivel explicativa. Ento realizando modelos estatsticos com esses
dados eu cheguei a esse grco.

Pgina 22

Mas o que ele me diz Arleu!? Como falei anteriormente, ele nos informa a probabilidade
do evento acontecer ou no acontecer. Se levarmos em considerao que no 50% (no eixo
Y est com o numero 0.5) o momento onde h a probabilidade do evento mudar de no
acontecer, para acontecer (ou vice-versa, dependendo da sua varivel), qual ponto do
eixo X esse fenmeno ocorre? Olhando para o grco, mais ou menos quando atingimos
50 mm de chuva ocorre essa probabilidade de revoada. assim que interpretamos este
grco baseado nesta anlise. Assim, a partir da, eu preciso explicar quais mecanismos
esto por trs dessa inuncia da chuva na probabilidade de revoada por cupins.

Agora vamos falar de uma anlise que muito importante quando queremos vericar algumas questes, como tness
(valor adaptativo) por exemplo.
1.0

Somente Cupins
Controle
Fungo

Sobrevivncia (%)

0.8

0.6

0.4

0.2

0.0
0

10

Tempo (dias)
Tipo de Varivel
Y tempo
X - categrica

Tipo de Anlises
Analise de sobrevivncia

Pgina 23

Temos agora um exemplo bastante peculiar de grco. Olhando o padro da curva se


assemelha bastante ao exemplo anterior, porm com uma relao invertida. Mesmo com
toda essa semelhana, essa anlise traz informaes bem mais complexas e interessantes.
Estamos falando da anlise de sobrevivncia. Essa anlise bem usada pelo pessoal da
agronomia quando querem ver o tempo de germinao de uma espcie de planta em
relao diferentes tratamentos, como tipos de substrato. Mas sem delongas... Vamos
interpretar esse grco! A anlise de sobrevivncia uma anlise vulgarmente conhecida como anlise de tempo at o evento. Para entender o que isto signica, para realizar
uma anlise de sobrevivncia preciso, a priori, estabelecer um evento muito evidente,
que no deixe dvida do que seja. Esse evento tem que ser binrio. Lembra muito a
regresso logstica, no ? No entanto essa analise verica a probabilidade desse evento
acontecer (ou no) no tempo. Como disse anteriormente na caixinha do grco, no foi
colocado que a varivel resposta pode ser contnua ou categrica. Disse que o TEMPO a
nossa varivel de interesse. Um pouco confuso, no ? Mas vamos tentar trabalhar com o
grco. Neste experimento, queria vericar o efeito de diferentes recursos na mortalidade
de cupins [CUPINS DE NOVO, ARLEU! Foi mal, este o grupo que eu trabalho

]. Ento,

inseri em uma placa de petri 25 indivduos de uma mesma colnia em contato com diferentes recursos, separados em trs tratamentos: i) papel ltro contaminado com fungos; ii)
papel ltro umedecido; iii) apenas cupins na placa sem nenhum recurso. Todas foram
alocadas em um ambiente controlado sob os mesmo efeitos externos. Diariamente vericvamos a taxa de sobrevivncia dos indivduos e anotvamos quanto tempo demorava
desde o tempo zero (primeiro dia do experimento) at o dia em que todos os indivduos
morressem. Agora acho que cou mais fcil de entender... Nosso evento era a morte de
todos os indivduos. um evento claro, sem a mnima condio de dvida. Neste caso,
nossa varivel resposta era o dia de morte e nossa varivel explicativa eram os nossos
tratamentos. Logo, fazendo modelos estatsticos para vericar o tempo de morte desses
indivduos frente a um determinado tipo de recurso, chegamos ao resultado apresentado
neste grco. Percebam que a longevidade dos cupins aumenta quando esto em contato
com um recurso contaminado com fungo se comparamos com a falta de recurso ou
quando esto com um recurso mido. O que isso quer dizer ento Arleu?

Pgina 24

simples! Parece que fungos auxiliam na sobrevivncia dessa espcie de cupim,


aumentando seu tempo de vida. A partir da cabe a ns explicar quais benefcios os cupins
tm quando associados aos fungos.
Site 2

log(log(S(t)))

Site 3
3

Site 1

2
1
0
5

10

15

20

t (days)

100

0.8
0.6
0.4
0.2

Malefemale
Malemale
Single male

20
40
60
80
100
Time elapsed until nest establishment (h)

120

Percent germinated

Searching rate

10

80
15

60

40
20

20

0
0

10 15 20 25 30
Days

Ento meu (minha) caro(a) amigo(a), este e-book que preparei para voc s um passo inicial para que voc tenha uma
noo de como observar e interpretar algumas formas grcas e a
quais anlises elas podem est associadas. H muito ainda pela
frente, no s na maneira de apresentar um resultado, como
tambm de compreender algumas anlises. A estatstica multivariada, as famosas anlises de sries temporais, ou at estatsticas
mais complexas - como modelos bayesianos ou modelagens espaciais - podem ser exemplos do que almejar no mundo da estatstica.
Pgina 25

Este e-book pode ser o primeiro passo para voc se


tornar um pouco mais autnomo na sua forma de ver e interpretar um grco em um artigo ou relatrio. Em um segundo momento podemos trabalhar com voc coisas sobre grcos multivariados, erros mais comuns e sugestes de como elaborar um
bom grco. Pginas do prximo captulo... Por enquanto, espero
que este contedo abordado lhe traga um bom desempenho!

Abaixo, deixo para voc links relacionados grcos e


alguns sites onde voc pode brincar de estatstica. Coisa simples,
mas vale a pena dar uma olhada:
1. Esses dois sites so um compilado de exemplos de
plots de diversas formas, com excelente qualidade para anlise de
dados, cincia, publicao, apresentaes, entre outras coisas.
Todos os exemplos grcos destes sites utilizam uma linguagem
baseada no software R, um dos melhores e mais completos programas estatsticos da atualidade. O software gratuito e pode
ser baixado no link https://cran.r-project.org/. Nos sites, eles disponibilizam cdigos de scripts (que so tipo receitas, verdadeiros
passo-a-passo de como elaborar esses grcos) para que voc
possa fazer sozinho(a).
R graph gallery:
http://rgraphgallery.blogspot.com.br/
R graph catalog:
http://shiny.stat.ubc.ca/r-graph-catalog/
Pgina 26

2. Os prximos dois links so uma forma divertida de voc brincar dando palpites de coecientes de correlao, conhecido em trabalhos como r (errezinho). O coeciente de correlao muito semelhante ao coeciente de determinao (R) da regresso. A diferena
que o r uma medida de associao e ela varia entre -1 e 1. Utilizando a
mesma lgica do R, quanto mais dispersos os pontos esto da reta,
mais prximos de zero vo estar. A diferena que como essa mtrica
varia de -1 a 1, ela informa a direo da associao realizada. Se encontrarmos valores entre -1 e 0, teremos uma associao negativa (reta decrescente). Se for entre 0 e 1, uma associao positiva (reta ascendente).
http://guessthecorrelation.com/
http://www.istics.net/Correlations/
Ento isso! Divirta-se e d um bom palpite. At a prxima.

OBRIGADO

Pgina 27

MSc. Arleu Barbosa Viana-Junior


Possuo graduao em Cincias Biolgicas Licenciatura
Plena pela Universidade Tiradentes/SE (UNIT) e sou mestre em Ecologia e Conservao pela Universidade Federal de Sergipe (UFS).
Atualmente sou doutorando do programa de Ecologia, Conservao
e Manejo da Vida Silvestre pela Universidade Federal de Minas
Gerais. Possuo experincia em entomologia, com nfase em
trmitas (cupins), e tenho um grande apreo por anlises de dados
ecolgicos e uso do software R. J ministrei mais de 10 cursos (formais e informais) abordando temas como introduo ao mtodo
cientco, bases para o delineamento experimental e analises de
dados.

Pgina 28

RECOMENDAES DE LEITURA
Cohen J. (1990). Thing I have learned (so far). American Psychologist. 45: 1304-1312.
Cumming G. et al. (2007). Error bars in experiments biology.
The Journal of Cell Biology. 177: 7-11.
Krzywinski M. and Altman N. (2013). Error bars. Nature Methods. 10: 921-922.
Krzywinski M. and Altman N. (2014). Visualizing sample with
box plots. Nature Methods. 11: 119-120.
Streit M. and Gehlenborg N. (2014). Bar charts and box plots.
Nature Methods. 11: 117.
Weissgerber T. L. et al. (2015). Beyond Bar and Line Graphs:
Time for a New Data Presentation Paradigm. Plos One. 13: 1-10

Pgina 29

AGRADECIMENTO
Este E-BOOK foi elaborado em 2016 aps anos de
estudo dentro da minha jornada acadmica em cincias biolgicas da qual gostaria de agradecer os professores doutores Leandro Sousa-Souto (UFS), Frederico Neves (UFMG), Ricardo Solar
(UFMG), Ronaldo Reis (Unimontes), Og de Souza (UFV) que at
hoje so minhas referencias em analises de dados e estudo das
tcnicas com o software R. No poderia deixar de agradecer
tambm os amigos do Laboratrio de Entomologia da UFS e da
Vila Parentoni (UFMG) que enriquecem meus conhecimentos
dentro da biologia e analises de dados. Agradeo a Renata
Muylaert por todas as conversas e aprendizados sobre R e pela
reviso realizada nesse e-book. Agradeo tambm a Bocaina
Biologia da Conservao pela oportunidade de parceria com os
diretores (Lucas Perillo e Felipe Fonseca).

Design: Tiago Bruno - (31) 991776719


tiago211287@gmail.com
Alguns desenhos foram projetados por Freepik

Pgina 30