**Aula 08 - Análise Exploratória de Dados — Transcript & Summary | SozAI**
Source: https://sozai.app/transcript/exploratory-data-analysis-lesson-08/

Aula do PANDA UFSCar sobre Análise Exploratória de Dados: análise do Campeonato Brasileiro (2003-2024) investigando posse de bola, mando de campo e estatísticas na probabilidade de vitória.

## Key Takeaways

- Mando de campo está significativamente associado à probabilidade de vitória no Campeonato Brasileiro.
- Posse de bola deve ser analisada com cuidado, pois a variável do adversário é redundante com a do próprio time.
- Manter duas linhas por partida permite preservar estatísticas de cada time para análise comparativa.
- Modelos baseados em estatísticas de partida conseguem explicar razoavelmente bem a probabilidade de vitória (ROC ~80%).

## What the video covers

- Apresentação de análise exploratória de dados do Campeonato Brasileiro de futebol Série A (2003 a 2024), obtida no Kaggle.
- Objetivo: verificar se posse de bola e mando de campo aumentam a probabilidade de vitória, e analisar chutes, faltas e cartões.
- Uso de duas tabelas (dados gerais das partidas e estatísticas de desempenho) unidas por merge.
- Cada partida foi mantida com duas linhas (uma por time), exceto a posse de bola do adversário, removida para evitar redundância e multicolinearidade.
- Criação de variáveis como mandante (1/0) e vitória, além da variável resultado (vitória, empate ou derrota).
- Tratamento de tipos: porcentagens convertidas para float e valores 'NaN' tratados; linhas com valores faltantes removidas, abordagem considerada subótima pelos apresentadores.
- Análises descritivas e testes indicam associação significativa entre mando de campo e resultado, com taxa de vitória do mandante em torno de 40-50%.
- Modelos preditivos alcançaram curva ROC de cerca de 80%, considerado desempenho razoável.
- Discussão sobre formação tática como variável categórica importante e sobre possibilidade de publicação de artigo com os dados.
- Ao final, são apresentadas orientações para o projeto final da disciplina: formação de grupos, escolha de datasets do Kaggle e entrega de ideias.

## Chapters

1. 00:00 Abertura e início da transmissão
2. 03:00 Introdução e objetivos da análise
3. 06:10 Dados e preparação (merge e estrutura)
4. 11:30 Variáveis e tratamento de dados
5. 20:30 Análise de posse de bola e mando de campo
6. 30:00 Modelagem e resultados
7. 45:00 Perguntas do público e discussão
8. 55:00 Orientações para o projeto final

Answers

## Questions about this video

Qual base de dados foi usada na análise?

Foi utilizada uma base do Kaggle com dados da Série A do Campeonato Brasileiro de 2003 a 2024, incluindo informações gerais das partidas e estatísticas de desempenho dos times. Apenas parte das informações foi usada, selecionada para responder às perguntas da análise.

Por que cada partida foi mantida com duas linhas?

Porque cada linha representa o desempenho de um time na partida, e as estatísticas como chutes, cartões e posse precisavam ser preservadas para cada lado. A única exceção foi a posse de bola do adversário, removida por ser redundante e gerar multicolinearidade.

O mando de campo aumenta as chances de vitória?

Sim, a análise indica uma associação significativa entre mandar o jogo e vencer, com taxa de vitória do mandante em torno de 40% a quase 50%. Os apresentadores relacionam esse resultado ao que se costuma observar no futebol.

## Full Transcript — Download SRT & Markdown

00:13

Speaker A

Lucas Sala Battisti: Já tá transmitindo? Izabela Nascimento: transmissão ao vivo Lucas Sala Battisti: No YouTube já tá aparecendo.

00:32

Speaker A

Izabela Nascimento: vamos Lucas Sala Battisti: Na boa. Pode iniciar então. Processamento e Análise de Dados da Ufscar (panda): Eu acho que pode parecer como é que faz para ver quantas pessoas estão?

00:51

Speaker A

Copiar Deixa, eu só entrar no YouTube para conferir mesmo. Estamos 100% ao vivo, pode começar.

01:02

Speaker A

Lucas Sala Battisti: Ah beleza Processamento e Análise de Dados da Ufscar (panda): sim Lucas Sala Battisti: Ah beleza essa quarta-feira então Que eu vou apresentar aqui para vocês. A análise que eu fiz e junto com a Isa com duas ises e

01:40

Speaker A

com a Vitória para Entrar no pandas. Na verdade essa análise. Eu já tinha feito.

01:58

Speaker A

um tempo antes de entrar no pandas porque eu tinha feito um processo seletivo de estágio e daí uma das etapas era. uma das etapas era com esses dados exatamente e fazer uma análise a respeito da probabilidade de Vitória usando

02:17

Speaker A

esses dados então quando a gente foi. fazer esse trabalho pro panda a gente utilizou bastante do que eu já tinha feito nisso aqui e Aliás. Tá disponível no meu.

02:36

Speaker A

Nugget Hub tem bem mais coisas assim e bem mais análise porque foi uma análise que tinha uma parte de modelagem mais pesada assim e eu não trouxe isso trouxe a gente trouxe uma.

02:52

Speaker A

Uma parte mais exploratória mesmo, mas porque quem tiver interesse tá no github. Enfim, acho que é isso vamos entender tanto isso. Certo então, como vocês estão vendo aí?

03:10

Speaker A

foi uma análise de dados a respeito do campeonato brasileiro de futebol? Então a gente vai ter introdução uma análise descritiva exploratória. E daí a gente vai analisar a relação.

03:31

Speaker A

entre a probabilidade de Vitória e a posse de bola e a probabilidade de Vitória. E mando de campo e depois a gente vai.

03:43

Speaker A

fazer uma análise da probabilidade de Vitória com as outras os outros dados que a gente tem nessa base.

03:55

Speaker A

Certo o datas 7, ele é do keagle ele reúne os dados da série A 2003 até 2024.

04:02

Speaker A

E tem as informações das partidas dos times também. estatísticas de desempenho Que eu me lembre não foi utilizado tudo a gente usou algumas informações, só vou fazer para vocês.

04:27

Speaker A

Né? Trouxe aquilo que a gente achava que fazia sentido para responder as perguntas que a gente queria responder.

04:36

Speaker A

E quais que são essas perguntas são principalmente três que eu tinha comentado anteriormente a posse de bola influencia a probabilidade de Vitória. né?

04:49

Speaker A

Então será que na maioria das partidas? o time que tem mais posse de bola Né, a gente tem essa hipótese e a gente queria através dos dados ver se fazer sentido. Jogar em casa aumenta as chances de vitória, né? Isso é uma coisa

05:06

Speaker A

que é muito falado, né? Que o time mandante que tá jogando em casa, ele tem mais chance de vencer e a gente queria ver através dos dados. se isso se esse padrão realmente existia.

05:23

Speaker A

E depois a gente vai olhar para as outras estatísticas que tem no nosso dado chutes faltas e cartões e ver como que isso impacta na probabilidade de Vitória. Aqui o que eu tinha comentado a gente não usou todos os dados que

05:38

Speaker A

tinham a gente usou só dois. csv, né? Que tinha que é usado gerais da partida e algumas estatísticas de desempenho. E daí aqui a gente.

06:01

Speaker A

fez uma coisa bem legal que a gente fez o merge, né? Então a gente tinha duas tabelas de fontes diferentes, mas elas tinham uma relação entre si, né das partidas o outro era as estatísticas de desempenho então. uma um primeiro passo

06:14

Speaker A

dessa análise. foi juntar esses dois dados em som para a gente conseguir fazer análise unificada.

06:28

Speaker A

Esses dados eles têm um detalhe meio complicado porque. Cada partida tinha duas linhas, porque cada linha representava o desempenho do time de um time na partida então, né? Como cada partida são dois times cada jogo tinha.

06:52

Speaker A

Tem duas linhas representando nos dados e daí a gente não começou nessa discussão, né?

06:57

Speaker A

Como que a gente faria análise a gente olharia para as duas linhas ou a gente só olharia para uma mas a gente pensou e que a gente teve que fazer mais sentido era manter as duas linhas. Porque como a cadelinha

07:10

Speaker A

tinha as estatísticas do time como os cartões chutes a posse a gente queria. preservar essas informações para análise. Então por causa disso a gente achou que fazia mais sentido manter as duas linhas a mesma partida a única exceção, foi na variável,

07:33

Speaker A

posse de bola porque se um time tem 60% de posse de bola numa partida, o outro time vai ter 40% de posse de bola Então, o que que acontece?

08:00

Speaker A

fica meio redundante, sabe como se uma variável dependência da outra então como a gente tinha uma variável de posse de bola, é outra de posse de bola do adversário ficava essa informação repetida numa mesma linha então nessa variável

08:12

Speaker A

nessa como a gente tirou uma das apostas de bola. porque a gente não queria que tivesse essa redundância. E também porque geraria multicolineridade.

08:27

Speaker A

E a gente vai fazer uma parte de modelagem. Então esse ponto de culinária muito importante.

08:35

Speaker A

certo Aqui foi basicamente o que a gente fez, né? a gente pegou os dados de E daí a gente fez o merj.

09:03

Speaker A

da base de estatísticas com uma cópia que seria do adversário. e daí assim a gente chegou na configuração que a gente queria dos dados para que tivesse duas linhas para cada partida. A gente fez o merge.

09:25

Speaker A

Depois a gente é removeu as linhas que o clube era igual adversário. depois esse DF fu que é o J7 que tinha as outras informações da partida a gente juntou também nesse data 7 que tinha. Para cada partida.

09:56

Speaker A

E daí a gente fez aqui um ajuste não a gente criou as colunas. Vendo se o mandante era igual clube e seria mandante seria um né caso contrário seria zero.

10:10

Speaker A

E também a gente criou a coluna Vitória. que era se o vencedor fosse igual ao cubo, então a gente adicionou essa informação porque a gente vai acabar usando e também a variável resultado que poderia ser derrota empate ou Vitória

10:30

Speaker A

empatera quando o vencedor tava com esse tracinho. certo Agora a gente vai falar. um pouco das variáveis que tinham só para você se conhecerem.

10:51

Speaker A

Tinha variáveis de chute que era o número de finalizações. No alvo finalizações querem em direção ao gol a posse de bola que eu falei percentual total de Passes pelo time. é percentual de Passes completos quer abrir decisão.

11:16

Speaker A

número de faltas número de cartão amarelo número de cartão vermelho número de empreendimentos números de escanteio a Formação Tática que é uma variável muito importante, depois a gente vai discutir melhor.

11:28

Speaker A

Depois tinha essas mesmas colunas como adversário também que a gente usou no nosso modelo.

11:34

Speaker A

Processamento e Análise de Dados da Ufscar (panda): Ô Lucas, depois passa o seu kit huble pessoal.

11:40

Speaker A

Lucas Sala Battisti: Passam pode deixar é no é bem mais detalhado assim. e nessa Tem bem mais coisa aqui tá mais rápido.

11:55

Speaker A

Porque era era quando a gente fez uma apresentação que era mais rápido assim então não tem tanta coisa.

12:05

Speaker A

Mas enfim, as variáveis são essas né? Tem variáveis dos Passos asfaltos cartões amarelos Empreendimentos. Se é mandante se teve Vitória. né?

12:18

Speaker A

Seu time venceu ou não resultado que é derrota empate ou Vitória? E daí a gente teve que fazer alguns tratamentos. não posso não posso de boa e na precisão.

12:34

Speaker A

É as variáveis, elas estavam. então, a gente teve que fazer o tratamento para transformar em número inteiro ou na verdade foi para fold. A gente transformou essas porcentagens para fold e o que era Noni, a gente colocou como n a n. não

12:58

Speaker A

um tratamento básico que a gente tem que fazer porque né o texto 49 49 porcentagem, ele não é um número então se a gente quer falar média.

13:14

Speaker A

desvio Box Pot a gente não ia conseguir porque ele entender que isso seria como se fosse uma variável categórica.

13:26

Speaker A

A gente também fez um tratamento para os valores faltantes. A gente removeu as linhas com dados rotantes.

13:40

Speaker A

Eu acho que isso aqui foi um erro que o erro não mas uma coisa que poderia ter sido melhor. nosso trabalho, porque né que nem eu apresentei dar uma passada a gente tem várias formas de trabalhar com assaltante seja substituindo com

13:50

Speaker A

a média mediana. de várias formas E aqui a gente. Não tratou muito bem. Eu imagino que seja porque era um pouco os dados faltantes, então a gente removeu essas linhas e não teve tanto impacto.

14:18

Speaker A

Mas eu acho que aqui a gente também substituiu por alguns dos valores pela média.

14:26

Speaker A

então para eu imagino que seja para as colunas que tinham mais altos faltantes a gente substituiu pela média.

14:35

Speaker A

e agora a posse de bola que é uma variável especial assim que a gente Vai trabalhar bastante, a gente substituiu por 50% né? Tipo seria. o meio de um percentual.

15:02

Speaker A

Certo a verdade tinha esquecido disso uma coisa que a gente viu é que a gente. Fez fez esses dois tratamentos, né de substituir pela média e de remover as linhas.

15:19

Speaker A

e nos dois os resultados ficaram parecidos. Então por facilidade a gente removeu as linhas mesmo, mas a gente podia ter tratado de outras formas na fazer mediana.

15:28

Speaker A

Criar uma variável auxiliar para indicar que teve dados Mutantes eu acho uma abordagem interessante também, mas no fim a opção final foi remover esses valores faltantes. E daí aqui a gente tem.

15:48

Speaker A

A gente tem as estatísticas para os principais. Então, o que que a gente pode observar?

16:00

Speaker A

a variável cartão vermelho que teve a maior variabilidade em relação a média né? Esse CV ele é divisão entre a média e desvio padrão. É bem alto.

16:12

Speaker A

As médias parecem fazer sentido então não tem nenhum valor absurdo, né? Principalmente aqui a posse de bola.

16:22

Speaker A

Então, parece tudo ok? E aqui a gente tem. Os Box Box né? A gente vê que tem bastante assimetria nas variáveis variável de chute chutes no Alves canteiros faltas.

16:47

Speaker A

Então aqui uma coisa que faltou eu penso seria tratar esses de alguma forma, né? Dá uma passada a gente viu várias formas de tratar isso.

17:02

Speaker A

A gente podia ter feito algo assim. Acho que foi um erro nosso não ter. Tratado esses dados.

17:13

Speaker A

Certo então agora o que que a gente vai fazer? A gente vai ir para o nosso objetivo, né? A gente quer entender. Quais que são as variáveis as estatísticas que tem impacto na probabilidade de Vitória de um time e a gente

17:28

Speaker A

vai começar. Que é a posse de bola? E se o time é mandante ou não? Então a gente vai começar fazendo uma análise que a gente fala que é parapar.

17:48

Speaker A

porque a gente vai olhar só para essas duas variáveis isoladamente análise para par. Ela é mais como uma análise.

18:02

Speaker A

tipo assim a primeira análise que você vai fazer porque Se você tem nos seus dados outras variáveis e você tá só olhando para apargos, tá? Só olhando o impacto de uma com o outro e não tá olhando para as

18:18

Speaker A

demais variáveis, você não vai estar olhando o efeito. Que essas variáveis podem ter nessas outras duas que você tá analisando então.

18:38

Speaker A

às vezes você pode encontrar uma relação, mas essa relação ela não faz sentido porque na verdade ela tá sendo impactada por outras variáveis. Então essa análise para a parte que a gente faz é só uma análise do começo para a gente entender

18:46

Speaker A

melhor. a ideia é sempre a gente tentar fazer uma análise multivariada que considera a relação de todas as variáveis.

19:01

Speaker A

Eu acho que tem até um nome isso chama. paradoxo de Simpsons Que tem a ver com isso você você tá você? Tem várias coisas assim que estão impactando você, olha só para duas e daí você encontra uma relação mais na

19:22

Speaker A

verdade essa relação não faz sentido porque tem uma variável terceira ali que tá. influenciando nessa relação, então a gente faz essa análise para par, mas a gente tem que sempre ter esse cuidado de que não é porque a gente viu uma

19:38

Speaker A

relação ou porque a gente não viu uma relação que tem ou não tem. É mais um primeiro passo.

19:48

Speaker A

Então dito isso. vamos lá, como que a gente fez a gente considerou dois grupos os times que venceram e os times que não venceram que seria derrotas ou empates. E daí a gente primeiro fez um box plot.

20:08

Speaker A

Olhando esse bloco Explode a gente. observa que dos times que venceram e dos que não venceram não aparenta ter uma Uma diferença significativa né?

20:28

Speaker A

Então, eles parecem ter a mesma distribuição a posse de bola dos times que não tiveram Vitória parece um pouquinho para cima.

20:38

Speaker A

Mas eles parecem bem sobrepostas, né olhando assim dessa forma a gente não diz que eles são muito diferentes, mas para complementar essa análise a gente fez um teste estatístico que provavelmente não devem conhecer porque é um teste não paramétrico chama teste de

20:55

Speaker A

mean Whitney e esse teste ele vai olhar para duas populações então aqui seria os times que venceram contra os times que venceram. e a gente vai ver se Teve diferença significativa na posse de bola, então o teste vai

21:13

Speaker A

vai apontar isso. Será que a posse de bola do time dos homens desempenho dos times que venceram tem uma posse de bola diferente do que não venceram.

21:27

Speaker A

Então esse teste ele vai Observar isso de forma não paramétrica a gente optou por fazer um não paramétrico. que não usados não tem que ser normais que quadrado ou nenhuma distribuição porque tinham muitos dados. Então os grande quantidade de dados

21:45

Speaker A

permitia isso. Aqui é basicamente que eu tava comentando, né? O que o teste de tá tentando responder os valores de posse de bola do grupo de Vitória entender a ser sistematicamente maiores ou menores do que os valores do

22:02

Speaker A

grupo de novo, Vitória. Ou seja a gente tá vendo se vai ter uma diferença ele concluiu que sim tem diferença estatística entre a posse de bola. Apesar dos gráficos terem mostrado distribuições sobre pós o teste de ecorrice. Então a gente tem um

22:32

Speaker A

indicativo de que a posse de bola de um time ela tem um uma relação. Com aquele time vencer ou não, mas como eu comentei né?

22:39

Speaker A

Essa que é só uma análise para a gente tem muitas variáveis, né? Não dá para a gente olhar só para posse de bola para saber se um time vai ganhar ou não. Tem muita coisa tem as faltas tem esse time é

22:57

Speaker A

mandante. Então essa aqui é só uma análise. Primária assim vamos dizer. certo É a questão do de ser mandante, né? O modo de campo então, será que o time que está jogando em casa, ele tem uma probabilidade de Vitória maior.

23:25

Speaker A

Aqui a gente optou em usar as classes reais de resultado entre Vitória em parte derrota.

23:38

Speaker A

Esse aqui é o percentual para cada um dos resultados. dos times mandantes, então a gente vê que no geral os times mandantes eles né? Tem Vitória e depois empate e depois derrota, então tipo assim, a gente tem um

23:53

Speaker A

indicativo por esse gráfico que realmente você tá jogando em casa tem? um tem um impacto na probabilidade de Vitória e daí aqui a gente fez um outro teste que é um teste que quadrado de independência. E ele vai.

24:21

Speaker A

e a questão de ser derrota empate ou Vitória E aqui a gente teve um valor mais baixo ainda.

24:38

Speaker A

então ela indica uma associação extremamente significativa entre o mando de campo resultado da partida que bate muito com o que a gente tem aqui, né no gráfico a taxa de Vitória é bem alta 40% mais de 40% Quase 50.

24:55

Speaker A

de Vitória nas partidas do time mandante E essa interpretação que a gente tem. aqui Mas como eu comentei nessa aqui uma análise?

25:13

Speaker A

para pai então, a gente tem que ter cuidado a gente não pode assumir tanto porque tem não É só humano do time que influencia nisso, né, mas parece ter parece ter bastante efeito sim, né pelo gráfico e pelo

25:30

Speaker A

teste, mas é sempre ideal a gente fazer uma análise multilariada considera tudo conjuntamente para a gente entender o que cada variável tá impactando.

25:44

Speaker A

E daí para isso, a gente queria muito usar variável de formação. Só que a variável de informação ela tava como texto e daí ela tava dessa forma aqui 422.

26:00

Speaker A

E daí, eu não tinha muito conhecimento de como que funcionava isso de formação. E eu fui pesquisar e eu entendi que o primeiro número é o número de defensores e último número é o número de atacantes e os números

26:14

Speaker A

do meio. eles são os meio-campistas então aqui a gente tem duas formações Diferentes, né?

26:25

Speaker A

Só que em questão de número de defensores número de atacante número de meio-campistas é a mesma formação?

26:38

Speaker A

Então é isso que é o que eles chamam de feature ingerir, né você pegar como dado vem e você de alguma forma trazer uma informação a mais se a gente simplesmente pegar essa variável jogasse para o modelo, ele é

26:51

Speaker A

entender que esse aqui é diferente desse como é diferente de qualquer formação, né? Cada formação específica é diferente da outra no mesmo peso, mas a gente fazendo isso a gente consegue trazer uma informação então. Essas formações aqui elas são mais

27:12

Speaker A

parecidas se a gente tivesse. Quatro atacante de dois defensores a gente ia entender que é uma formação mais diferente, né então. A gente tentou fazer um.

27:33

Speaker A

Também trazer essa informação para o modelo. Para ele tratar essa variável de formação de uma forma diferente.

27:47

Speaker A

Ah beleza, então. Como que foi a nossa análise multivariada? A gente tem técnicas estatísticas que poderiam fazer essa essa análise, né? Então trazer várias variáveis ver qual que foi Impacto de cada uma mas o que a gente optou aqui foi por

28:08

Speaker A

Então, a gente pegou um modelo de aprendizado de máquina, eu acho que foram dois é foi a logística e foi a floresta aleatória, eu não vou entrar em detalhe de que funciona. Mas qual que é a ideia o modelo, né? Ele vai.

28:28

Speaker A

descrever através de uma função qualquer relação. entre as variáveis as covariáveis, né? Que no caso seriam todas as estatísticas da partida número de faltas número de cartões, posse de bola.

28:52

Speaker A

precisão escanteios, então o modelo através de um algoritmo ele vai descrever. Qual que é a relação? dessas estatísticas da partida com a Vitória?

29:04

Speaker A

Então é se a gente colocar todas essas variáveis no modelo, ele vai dar o peso adequado para cada uma delas não vai acontecer de uma variável ter uma diferente do que é quando a gente faz.

29:22

Speaker A

uma análise parar que é a gente vê uma relação entre duas variáveis, mas na verdade é outra variável que tá.

29:34

Speaker A

fazendo aquele efeito aparecendo nossos dados. Então se a gente coloca todas essas variáveis na análise cada uma vai ter um peso específico.

29:43

Speaker A

Cada uma vai ter um peso específico que a gente vai conseguir entender melhor. Qual que é o impacto de cada uma?

29:57

Speaker A

E aqui a gente tem uma curva rock. curva rock ela é uma medida basicamente de desempenho do modelo ela vai de 0 a 100. 50% vamos dizer assim a mediana do modelo um modelo que usa média tipo assim o modelo mais básico

30:24

Speaker A

possível, ele vai ter 50% de desempenho na curva rock. 100% seria o desempenho máximo.

30:29

Speaker A

Então nossos modelos tiveram. uma curva rock de 80% é um desempenho vamos assim mais que razoável é bom então fica a gente entende disso significa que as estatísticas do significa que as estatísticas do partida elas conseguem escrever bem uma relação da probabilidade

30:56

Speaker A

de vitória do time Então significa que elas têm um efeito legal. e aqui a gente tem o peso, lembra que eu tinha comentado quando a gente coloca no modelo todas as todas as Variáveis da partida a gente consegue entender. Qual que é o

31:21

Speaker A

real peso de cada uma delas. na nossa variável resposta que vai ser a Vitória, o que que a gente observa aqui. O número de chutes do alvo foi o que mais teve peso. Foi o que mais TV é

31:39

Speaker A

feito então é uma variável que no começo nosso estudo a gente nem tinha considerado estudar, mas que aparentemente tem bastante efeito outra variável que tenha feito é o chute no alvo do adversário o que faz sentido quando eu digo que tem

31:54

Speaker A

efeito no sempre fica que é um efeito positivo, porque aqui provavelmente se o seu adversário teve muitos chutes no alvo. Provavelmente a sua probabilidade de Vitória diminui, né?

32:11

Speaker A

Então, provavelmente aqui deve ter um efeito negativo. depois veio o número de passos que teve efeito seguido pelo número de passes do adversário.

32:20

Speaker A

Aqui a precisão. É do adversário pois a precisão do próprio time a posse de bola.

32:31

Speaker A

Então teve bastante coisa que ficou na frente. As faltas os chutes e aqui o mandante ficou bem atrás e daí aqui seria uma análise futura a gente entender né que acontece.

32:52

Speaker A

para essa variável tá tão para baixo sendo que nossa análise ela tinha bastante relação. Ou essas variáveis aqui que a gente tem né? Elas têm mais relação.

33:01

Speaker A

do que o humano do Campo. Ou a variável manto Campo ela tava passando por aquele efeito que eu comentei, né que eu paradoxo de Simpsons que a gente a gente faz uma análise para par a gente vê uma

33:19

Speaker A

relação forte e na verdade essa relação não existe porque ela tá sendo impactada por outra variável. então a gente tem essas duas hipóteses deveria estudar para entender melhor, mas é isso que é legal do modelo porque a gente consegue dar um

33:35

Speaker A

peso para cada uma das variáveis que a gente tem para entender realmente o que que tá tendo Impacto, né?

33:51

Speaker A

Então, a conclusão é basicamente isso, né? Eu vou ler aqui análise indica que embora a posse de bola presente alguma relação com o resultado da partida seu efeito isolado não há determinante para Vitória ter mais tempo com a bola, nem

34:03

Speaker A

sempre significa maior chance de vencer. Especialmente quando não é acompanhado de ações ofensivas. por outro lado tá Comandante se mostrar um fator relevante, mas que dobrado mas ah teve essa análise também, mas que dobrando a chance de Vitória o time da

34:21

Speaker A

casa então o modelo trouxe essa análise também, provavelmente foi o modelo Logístico que Tem essa.

34:32

Speaker A

E considerando todas as variáveis simultaneamente os fatores que mais se destacaram foram número de passos e chutes ao álcool, eu tinha comentado e outras variáveis que também se montaram relevantes. número de fotos cometidas Agora a Formação Tática número

34:54

Speaker A

de cartões escanteios tiveram Impacto E daí a conclusão que a gente teve foi que o desempenho ofensivo. Então os passes e as finalizações e o fator da casa são os elementos mais Associados a probabilidade de Vitória, mas que nem eu

35:10

Speaker A

comentei, né? Teve aqui entender melhor como que esse mandante relacionamento porque ele não tá acho que não tá nem no top 10 mais importantes.

35:32

Speaker A

Na TV essa questão de que você ser mandante mais que dobrou a chance de Vitória. então acho que seria um ponto que teria que melhorar para entender melhor essa esses dois pontos.

35:48

Speaker A

A gente era basicamente isso. eu não sei se a apresentação tava muito boa não, tinha tanta coisa também. Faz um tempo que eu.

36:01

Speaker A

Eu apresentei isso, mas espero que vocês tenham tirado alguma coisa. gostar da análise. Espero que não tenha sido muito complexo pelo uso do modelo que eu acho que foi uma. Uma parte que não foi abordada.

36:24

Speaker A

Para você saber em que vocês podem usar o modelo até uma análise exploratória e fica bem interessante, principalmente se você estiverem muito dados quiserem fazer uma análise.

36:45

Speaker A

Não sei se alguém vai perguntar alguma coisa se mandar alguma coisa no chat. Processamento e Análise de Dados da Ufscar (panda): Eu te chamo qualquer coisa.

37:02

Speaker A

Lucas Sala Battisti: Ah eu vou mandar meu. Processamento e Análise de Dados da Ufscar (panda): Se você quiser mostrar ele sabe só página inicial.

37:20

Speaker A

Lucas Sala Battisti: Amor vou mostrar Processamento e Análise de Dados da Ufscar (panda): Tem uma pergunta no nosso projeto final precisamos utilizar esses testes estatísticos.

37:41

Speaker A

Lucas Sala Battisti: Ah eu acho que não né, gente. Acho que tem que fazer o que é mais eu apropriado, eu acho que esses testes não foram passados também, né? Teve aula estatística teste.

37:51

Speaker A

Processamento e Análise de Dados da Ufscar (panda): Eu acredito que não é só fazer uma ideia.

37:53

Speaker A

Lucas Sala Battisti: então Sim, eu eu optei por fazer teste porque eu sou da estatística, né? Então assim a gente tem esse esse daqui grau de ver os testes e tudo então eu acabei.

38:08

Speaker A

utilizando por ser uma ferramenta mais. Mas complexa assim. Processamento e Análise de Dados da Ufscar (panda): Trabalho final é vocês pegarem um banco de dados que a gente vai fornecer para vocês e vocês tentarem aplicar o que vocês

38:27

Speaker A

viram. Lucas Sala Battisti: Aqui ó que eu que eu fiz tenho redmi aqui tem toda análise era basicamente as mesmas perguntas, né o impacto da posse de bola a existência e a magnitude da vantagem do mundo de campo e quais as estatísticas

38:56

Speaker A

do jogo que Que são mais relevantes para explicar o resultado final. Daí tem a manipulação de dados eu fiz com esses ql porque.

39:14

Speaker A

eu comentei né? Isso aqui foi para um processo seletivo de estágio. Então eles exigiam que fosse com eles querem.

39:17

Speaker A

Processamento e Análise de Dados da Ufscar (panda): Lucas Lucas Sala Battisti: Daí aqui tem.

39:30

Speaker A

Processamento e Análise de Dados da Ufscar (panda): mais uma pergunta, você acha que esses dados é você acha que esses estados esporádicos é o suficiente para publicar um artigo fazer uma ideia com os dados.

39:34

Speaker A

Lucas Sala Battisti: para publicar artigo Processamento e Análise de Dados da Ufscar (panda): para a gente publicar algum artigo, eu acho que Lucas Sala Battisti: Então assim.

39:54

Speaker A

Não sei eu eu tipo assim é uma análise mais simples. Eu acho que também não é uma análise muito adequada geralmente quando a gente tem esses modelos esportivos a gente não olha para probabilidade de Vitória. A gente olha para quantos gols o

40:10

Speaker A

time fez porque a gente consegue entender melhor, né? Tipo assim se Processamento e Análise de Dados da Ufscar (panda): eu acho que Que a pergunta foi mais ou menos.

40:25

Speaker A

Lucas Sala Battisti: perdão Processamento e Análise de Dados da Ufscar (panda): se ele fazer uma eda em algum banco de dados ele consegue fazer um artigo, eu acho que seria mais um sentido ele fazia uma pesquisa e fazer uma eda sobre

40:41

Speaker A

os dados para ver se consegue publicar em algum lugar. Também não sei eu acho que depende alguns.

40:47

Speaker A

Lucas Sala Battisti: Eu acho que depende. Processamento e Análise de Dados da Ufscar (panda): casos deve ser o suficiente em outros.

40:51

Speaker A

Lucas Sala Battisti: é Processamento e Análise de Dados da Ufscar (panda): sim Lucas Sala Battisti: Uma análise porque a gente tem a gente na estatística tem tantos a gente tem tantos tipos de análise e para tantos tipos de

41:08

Speaker A

dados então só fazer análise gráfica é um ótimo começo, né? A gente consegue. aprender muita coisa, mas eu o ideal é que a gente usa as várias ferramentas que a gente tem.

41:35

Speaker A

Foi é que nem eu comentei do Campeonato Brasileiro é do que é gol se vocês pesquisarem que é eu acho que deve ter aqui tem o csb. Mas se vocês pesquisarem cagam Campeonato Brasileiro, vocês vão achar esses dados.

41:49

Speaker A

Processamento e Análise de Dados da Ufscar (panda): Isso aí no final da aula. o pessoal vai mandar para vocês um documento com alguns bancos de dados sugeridos para vocês fazerem trabalho, final eu acho que só não vai dar do Lucas porque

42:04

Speaker A

aí é muita muito fácil, ele já explicou mais ou menos como ele fez e mostrou que te roube, mas tem outros legais. Aí se vocês quiserem pegar algum Fora esse.

42:19

Speaker A

vocês podem mandar mensagem para gente a gente ver se faz sentido ou não. Lucas Sala Battisti: isso aí Mais alguma pergunta.

42:34

Speaker A

Processamento e Análise de Dados da Ufscar (panda): Aí gente a gente colocou nos comentários do YouTube o nosso forms e a palavra chave que é ideal 2026.

42:43

Speaker A

Izabela Nascimento: um pouquinho do trabalho final também para eles Processamento e Análise de Dados da Ufscar (panda): você consegue abrir a Isa porque eu Izabela Nascimento: sim Processamento e Análise de Dados da Ufscar (panda): Vou mandar para mim por e-mail.

42:57

Speaker A

Izabela Nascimento: consigo Processamento e Análise de Dados da Ufscar (panda): Fechou, a gente vai abrir o grupo também para vocês. formulário tá fechado. Espera aí gente, eu vou olhar aqui.

43:28

Speaker A

A gente vai abrir o grupo também para vocês encontrarem o pessoal para vocês fazerem um grupo.

43:44

Speaker A

Eu abri vocês podem conferir para mim se consegue. Acessar ele. Porque ele tá aceitando a resposta. Deixa eu ver. Foi perfeito. O Lucas Muito obrigado pela aula de hoje pela outra aula.

44:20

Speaker A

Lucas Sala Battisti: essa é a última, né do Processamento e Análise de Dados da Ufscar (panda): Esse é a última eu tô meio por fora do calendário. Mas normalmente eles têm um mês para desenvolver o trabalho final é como que é

44:30

Speaker A

muita gente esse ano a gente não vai. conseguir fazer as apresentações, a gente vai dar uma olhada em todos os trabalhos enviados pelo e-mail.

44:45

Speaker A

Lucas Sala Battisti: Ah legal Processamento e Análise de Dados da Ufscar (panda): Deixa eu tentar assim aqui.

45:30

Speaker A

Eduardo Eudoro Lemos de Oliveira: Boa noite eu sou Eduardo, acho que a gente queria. dois Isabela, a gente queria dar uma passadinha rápida com vocês sobre o projeto final para garantir que não fique dúvidas. Não fiquem problemas no

45:41

Speaker A

entendimento de que será realizado. durante o projeto bom o projeto nós vamos o projeto. Ele É consideravelmente simples, vocês vão ter que fazer uma pequena ideal para gente Para vocês poderem mostrar um pouco os conhecimentos que você adquiriram ao longo do curso de

46:00

Speaker A

CD. é um projeto gente que a gente gosta muito de ver vocês podem fazer e tudo mais bom.

46:10

Speaker A

basicamente A análise você vão ter que usar as ferramentas técnicas de taxas para explorar os dados de forma sistemática isso você tem que produzir as perguntas sobre os dados.

46:31

Speaker A

e procurar as respostas visualizando transformando e criando hipóteses sobre os seus dados gente nessa etapa.

46:36

Speaker A

curiosidade. É a palavra chave para essa etapa gente não tem o medo de fazer perguntas loucas de tipo. Ah, sei lá.

46:47

Speaker A

comer banana com pudim na sexta-feira, mas por exemplo é uma pergunta i\*\*\*\*\* mas a criatividade que vai que vai editar o quanto vocês vão conseguir chegar longe nessa etapa.

46:59

Speaker A

E por exemplo vocês também tem que ele Justamente não é um processo que é formal, ele não tem um conjunto de regras restrito ele vocês vão ter que ser criativos e Curiosos. mas é o objetivo é entender o

47:18

Speaker A

conhecimento profundo dos dados, vocês vão ter que basicamente mergulhar nesses dados para conseguir entender como eles funcionam e responder perguntas vocês por exemplo. Lógico, vocês vão fazer uma análise como por exemplo com Lucas fez não data 7 de futebol, não tem

47:35

Speaker A

como você querer responder pergunta de coisas fora do futebol, mas é o básico bom a gente vai dar uns exemplos para você sobre por exemplo se data 7 da covid 19 que foi disponibilizado pelo governo mexicano.

48:10

Speaker A

Temos aqui você vai encontrar o link do Ego. Esse se eu não me engano esse data 7, ele não está sendo ele não vai ser válido para o uso do trabalho final.

48:19

Speaker A

pois aqui nós estamos dando uma um contato é muito forte para vocês começarem. Então não é interessante você fazer isso aí mas aqui vocês encontram.

48:30

Speaker A

algumas variáveis como por exemplo algumas atributos sexo com o número um para você feminino e dois para masculino a idade que é uma variável numérica que vai mostrar a idade do paciente.

48:45

Speaker A

o classificação de um a três significa o diagnóstico positivo para corrigir em diferentes graus quatro ou superior vai identificar teste negativo ou inconclusivo eles não conseguiram perceber se isso realmente.

49:05

Speaker A

Tem os tipos de paciente se o paciente ele é de prioridade altas, ele é um paciente de interação.

49:14

Speaker A

que vai ser paciente de um paciente de alta. Se essa pessoa tem pneumonia gravidez diabetes depoc. asma e mundo supressão hipertensão.

49:39

Speaker A

Também tem a variável e seu indica se o paciente ficou internado em uma unidade terapia intensiva.

49:49

Speaker A

a data do falecimento da data real ou 99 vários nomes a qual significa caso o paciente não tenha falecido então fica esse valor de variável. Bom com esses dados a gente consegue formular algumas coisas como por exemplo. Se existe relação

50:09

Speaker A

entre a doença pré-existente e a probabilidade na internação e UTI. A identidade a idade influencia na probabilidade de da infecção é fatores como gravidez e tabagismo a gravidade da refeição? você conseguem perceber que você com essas perguntas básicas? Vocês

50:31

Speaker A

conseguem perceber que essa fase do DDA, ela é muito mais criativa com as suas ideias, você pode você tem que começa com perguntas gente é sempre assim começa com uma pergunta onde você vai falar isso aqui muda.

50:45

Speaker A

não faz nada e não é uma resposta. Isso que acontece o não, ele pode influenciar muito uma resposta no sentido de a por exemplo e vou inventar aqui fatores como gravidez de trabalhos na exemplo essa resposta for não tá aí uma

51:06

Speaker A

resposta, o não é uma resposta gente uma negativa que você recebe de uma resposta é uma resposta tão grande quanto assim.

51:20

Speaker A

Agora a gente vai falar um pouquinho do cronograma do CD. O icd a gente tem aqui as datas, vocês vão ter do dia 21 hoje.

51:32

Speaker A

Até o dia 28 que a semana que vem para formulação dos grupos, isso quer dizer que Como já foi escrito.

51:44

Speaker A

os grupos vão ser abertos para você poder fazer comunicar fazer os grupos e falar conversar para poder fazer o projeto. Vocês vão ter no dia 22/10?

51:56

Speaker A

Ou seja hoje ou amanhã no caso? para até o dia 19/11 para enviar o projeto a entrega final vai ser dia 19/11 pessoal, a gente não aceita projetos que forem entregues. Tudo bem. Bom falar um pouquinho da especificação do

52:16

Speaker A

projeto. você vai ter que determinar o conjunto de dados você vai ter que descrever o conjunto de dados escolhido e o tema analisado vocês vão ter que colocar o link da base de dados a descrição geral que é o número

52:30

Speaker A

de atributos número de duplas descrição dos atributos presentes na base as coisas vão ter que determinar o qual o conjunto de dados que vocês vão utilizar. Também vai ter etapa de preparação dos dados nessa etapa, você vai verificar a

52:49

Speaker A

qualidade dos dados. Você vai procurar valor ausente ruído inconsistência Outlander você vai escrever os problemas que Vocês encontraram nesse data certa é muito importante que você se inscrevam que Vocês encontraram e vocês tem que justificar as estratégias que

53:04

Speaker A

vocês adotaram para tratar vocês vão considerando valores ausentes, vocês vão ter que indicar. Como foram tratados por exemplo por remoção dos registros ou preenchimento com o de valores por é ruídos inconsistência vai ser explicar como vocês podem identificados e

53:24

Speaker A

como vocês corrigiram esses ruídos. de discritização. E normalização caso essas técnicas tenham sido utilizadas descrevam a sua aplicação e justifique porque vocês escolheram essa técnica.

53:38

Speaker A

os artilares vocês vão ter que identificar esses valores atípicos por meio de gráficos e vamos discutir a sua influência a influência na análise e justificar a sua manutenção ou remoção lembrando gente outlanders nem sempre podem ser removidos, porque às

53:56

Speaker A

vezes eles dizem isso com muita coisa pode abaixar bom aí a gente chega na tá na etapa da análise descritiva análise descritiva vai buscar as perguntas a responder as questões seguintes questões, Qual é a frequência de cada valor ou intervalo desses

54:19

Speaker A

valores? Quais são os valores mínimos e máximos? Qual o valor Central representativo? Qual é a medida de variabilidade ou expressão se tem Outlander sou simétricos? E nisso a gente faz alguma sugestões para você fazer uma análise de uma variável

54:41

Speaker A

pode abaixar o toque para mim Favorito. Fazer análise de uma variável ou análise das varias duas variáveis em conjunto.

54:53

Speaker A

Depois dessa etapa vai ter etapa de visualização. Onde vocês vão ter que fornecer? no mínimo cinco visualizações que vocês obtiveram no conjunto de dados.

55:04

Speaker A

Vai ser pelo menos três dessas devem ser bidimensionais. A cada e as visualizações devem responder perguntas específicas e incluir por exemplo a informação que você desejava visualizar. E também o código que gera essa visualização é muito importante a parte do

55:23

Speaker A

código gente. E bom, qual seria a próxima parte organização do notebook o notebook do Google colab leve identificar o grupo os integrantes e apresentar o trabalho em três partes, introdução metodologia e resultados na introdução você vai perguntas de pesquisa.

55:51

Speaker A

Na parte de metodologia, vocês vão colocar as partes para processamento de análise com os códigos e justificativas das coisas, lembre-se gente tem que justificar o porquê vocês utilizaram a área técnica não vai esquecer. Oi a partir dos resultados vocês vão ter que

56:08

Speaker A

mostrar os gráficos as análises as explicações que respondem as perguntas as quais foram foram feitas. os resultados que vão refutar as perguntas que vocês quiser mesmo fizeram. Agora bom vamos para a parte que é importante mais importante que

56:26

Speaker A

são as regras do trabalho entrega o trabalho e critério de avaliação. O trabalho deve ser de grupo em grupo de duas a cinco pessoas. Não haverá apresentação, olha ficar tranquilos, mas aí a entrega será feita exclusivamente no notebook em formato e ping pong.

56:50

Speaker A

É reunindo os códigos as análises e as explicações. o arquivo deve ser enviado até 19/11/2016 para o e-mail quando a roupa ficar.

57:08

Speaker A

com.br com o assunto projeto final traço e CD 2016 o corpo e no corpo dele. o arquivo e nome completo dos integrantes do grupo.

57:19

Speaker A

Vai ser considerado o atendimento aos requisitos a organização do notebook a clareza das explicações a coerência entre os objetivos e resultados e a complexidade das análises e o comprimento do prazo para fazer a sua nota, lembrando gente se estourar o

57:34

Speaker A

prazo. Aqui embaixo nós temos algumas bases de dado que são. de música do Spotify check jamers de saúde do no show a Point mas de educação. de esporte e do agronegócio. se você gente se vocês quiserem utilizar alguma outra base algum

58:01

Speaker A

outro data 7 que vocês acham legais. Você tem solicitar previamente para gente. Para a gente avaliar bastante pode ser utilizado?

58:17

Speaker A

Porque às vezes é muito simples ou até mesmo muito muito complexo, então é muito bom.

58:23

Speaker A

Você é importante que vocês vão dar certo para gente se vocês não enviarem ainda tá 7 e enviarem o trabalho com análise da paciente que a foi aprovado não o trabalho vai ser considerado. Ué você dá recebido uma nota zero por

58:37

Speaker A

exemplo, porque ele é incapaz de ser avaliado porque a data o data 7 não foi aprovado. Tem alguma dúvida pessoal?

59:09

Speaker A

Processamento e Análise de Dados da Ufscar (panda): documento para vocês no grupo do WhatsApp. E eu acho que é isso gente. Muito obrigado. Aí a gente vai abrir o grupo também.

59:17

Speaker A

Aí vocês podem mandar mensagem lá procurar alguém para fazer o trabalho com vocês. Agora o grupo é de vocês.

59:30

Speaker A

Izabela Nascimento: o grupo? Já enviamos o trabalho? E acho que é isso, se vocês tiverem alguma dúvida vocês podem ir mandando lá também.

59:42

Speaker A

Processamento e Análise de Dados da Ufscar (panda): Isa tem uma pergunta. Izabela Nascimento: A gente especificou no documento.

59:54

Speaker A

Processamento e Análise de Dados da Ufscar (panda): colab Izabela Nascimento: Vai estar em paz então, né? A gente entra no Google colab e o arquivo deve ser ponto ipynb leitor do pai tá mesmo a ideia.

60:14

Speaker A

Mas tá especificado certinho. No documento tá pessoal. Processamento e Análise de Dados da Ufscar (panda): A outra pergunta acho que tem pessoa.

60:32

Speaker A

Izabela Nascimento: a senha do formulário tá então já podem responder o formato para enviar o trabalho também. Já respondemos o documento foi disponibilizado no grupo do WhatsApp. a entrar no grupo. Se não me engano tá na descrição.

60:41

Speaker A

Deixa eu ver. Processamento e Análise de Dados da Ufscar (panda): gente uma coisa a gente coloca no COHAB ou se você conseguir mandar para mim que eu mando lá ou você manda.

60:52

Speaker A

Izabela Nascimento: Pegar aqui. YouTube Pessoal já tá na no chat o link do grupo do WhatsApp, tá? Então se vocês tiverem alguma pergunta podem mandar pelo chat ou se vocês preferirem. Pode mandar depois para gente pelo grupo dos

61:34

Speaker A

CD mesmo. Eu acho que a gente pode encerrar, né? Processamento e Análise de Dados da Ufscar (panda): Obrigado, obrigada Eduardo Isa e Lucas. Obrigada pessoal. Tchau, tchau.

62:06

Speaker A

Lucas Sala Battisti: ultimamente Eduardo Eudoro Lemos de Oliveira: até a próxima

Topics: análise exploratória de dados campeonato brasileiro futebol probabilidade de vitória posse de bola mando de campo Kaggle Python pandas PANDA UFSCar

Estudar este vídeo

- [Flashcards deste vídeo](https://sozai.app/pt/tools/flashcard-maker/?from=transcript&id=88724)
- [Quiz sobre este vídeo](https://sozai.app/pt/tools/quiz-generator/?from=transcript&id=88724)
- [Cruzadinha a partir deste vídeo](https://sozai.app/pt/tools/crossword-maker/?from=transcript&id=88724)
- [Caça-palavras a partir deste vídeo](https://sozai.app/pt/tools/word-search-maker/?from=transcript&id=88724)
- [Guia de estudo a partir deste vídeo](https://sozai.app/pt/tools/study-guide-maker/?from=transcript&id=88724)

Grátis, feito por IA a partir desta transcrição. Sem cadastro.


---
This is the markdown twin of https://sozai.app/transcript/exploratory-data-analysis-lesson-08/ — the same content, without the markup.
Published by SozAI (https://sozai.app). Reuse and quotation are allowed with attribution and a link back.
Machine-readable index: https://sozai.app/llms.txt · data API: https://sozai.app/api/