Olá!
Neste post vamos analisar duas variáveis continuas no mesmo plot, essa é uma maneira interessante para compreendermos a relação entre as variáveis.
No último post falamos sobre variação e neste falaremos sobre covariação!
Covariação
Se a variação descreve o comportamento de uma variável, a covariação descreve o comportamento entre as variáveis.
Covariação é a tendencia dos valores de duas ou mais variáveis, variarem juntos.
Vamos entender melhor essas relações usando Scatter Plots
Um ScatterPlot mostra a relação entre duas variáveis contínuas.
Fazemos um com a função geom_point():
O código:
library(tidyverse)
library(ggthemes)
iris %>%
ggplot(aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
geom_point() +
labs(
title = "Medidas em centímetros do tamanho das sépalas de flores de 3 espécies",
subtitle = "by: Guilherme Bastos Gomes",
caption = "Source: Edgar Anderson's Iris Data set",
x = "Comprimento da Sépala",
y = "Largura da Sépala"
) +
theme_classic()Perceba como este gráfico nos dá informações sobre duas variáveis contínuas, junto com uma variável categórica:
- O grupo Iris setosa tende a ter menor comprimento de sépala, porém grandes larguras.
- Os outros grupos possuem uma relação muito mais intíma (ou seja, estão distribuidos de forma parecida) do que o grupo Iris setosa. Ainda assim, Iris virginica parece ter os maiores comprimentos, separando-as das outras.
Assim podemos começar a entender melhor como os números se comportam dentro dos grupos, a partir daqui o próximo passo seria modelar, mas vamos continuar trabalhando com scatter plots, pois eles são realmente poderosos, principalmente quando estamos buscando por padrões.
Padrões nos levam a modelos
Padrões nos dados nos provém evidências à respeito do relacionamento das variáveis. Ao encontrar um padrão, pense como foi colocado no livro “R para ciência de dados”:
- Esse padrão pode ter acontecido por coincidência (aleatoriamente)?
- Como é possível descrever a relação evidenciada pelo padrão?
- Quão forte é o relacionamento evidenciado pelo padrão?
- Quais outras variáveis podem afetar esse relacionamento?
- Esse relacionamento muda se olharmos para subgrupos do dado?
Perceba que nesse dado existem os grupos definidos por
Species, sendo assim podemos fazer o seguinte para análisar
a relação entre a largura e o comprimento das pétalas:
iris %>%
ggplot(aes(x = Petal.Length, y = Petal.Width, color = Species)) +
geom_point() +
labs(
title = "Medidas em centímetros do tamanho das sépalas de flores de 3 espécies",
subtitle = "by: Guilherme Bastos Gomes",
caption = "Source: Edgar Anderson's Iris Data set",
x = "Comprimento da Pétala",
y = "Largura da Pétala"
) +
theme_classic() +
facet_grid(~Species)Aqui estamos usando a função facet_grid() para dividir
nosso gráfico pelos grupos definidos pela variável
Species.
Aqui estamos analisando a distribuição das relações entre as variáveis de cada grupo e perceba como seria possível traçar uma linha que representa a posição dos números no gráfico.
Para este código, precisei instalar o pacote hexbin,
para instalar basta:
install.packages("hexbin")E depois seguir o código:
library(hexbin)
iris %>%
ggplot(aes(x = Petal.Length, y = Petal.Width)) +
geom_hex() +
labs(
title = "Medidas em centímetros do tamanho das sépalas de flores de 3 espécies",
subtitle = "by: Guilherme Bastos Gomes",
caption = "Source: Edgar Anderson's Iris Data set",
x = "Comprimento da Pétala",
y = "Largura da Pétala"
) +
facet_grid(~Species)Observando vários Scatter Plots ao mesmo tempo pode ser uma ferramenta poderosa para compreender múltiplas relações nos dados.
Usando R base para plotar múltiplos scatter plots
A função pairs() nos ajuda a plotar diversos gráficos de
pontos ao mesmo tempo:
Para adicionar os grupos nesse tipo de gráfico, precisamos primeiro definir um vetor com as três cores:
cores <- c("#0000FF","#00FF00","#FF0000")
pairs(iris[,1:4], pch = 19, cex = 0.5,
col = cores[iris$Species],
lower.panel=NULL)
A partir desse momento podemos começar a falar sobre o conceito de correlação, mas vou deixar esse para um próximo post!
Obrigado por ter chegado até aqui! Até mais.