{"id":866,"date":"2023-07-28T12:03:55","date_gmt":"2023-07-28T12:03:55","guid":{"rendered":"https:\/\/statorials.org\/pt\/algum-enredo-python\/"},"modified":"2023-07-28T12:03:55","modified_gmt":"2023-07-28T12:03:55","slug":"algum-enredo-python","status":"publish","type":"post","link":"https:\/\/statorials.org\/pt\/algum-enredo-python\/","title":{"rendered":"Como criar um gr\u00e1fico qq em python"},"content":{"rendered":"

<\/p>\n

\n

Um gr\u00e1fico QQ<\/strong> , abrevia\u00e7\u00e3o de “quantil-quantil”, \u00e9 frequentemente usado para avaliar se um conjunto de dados potencialmente vem ou n\u00e3o de uma distribui\u00e7\u00e3o te\u00f3rica.<\/span><\/p>\n

Na maioria dos casos, esse tipo de gr\u00e1fico \u00e9 usado para determinar se um conjunto de dados segue ou n\u00e3o uma distribui\u00e7\u00e3o normal<\/a> .<\/span><\/p>\n

Este tutorial explica como criar um gr\u00e1fico QQ para um conjunto de dados em Python.<\/span><\/p>\n

Exemplo: gr\u00e1fico QQ em Python<\/strong><\/span><\/h3>\n

Suponha que temos o seguinte conjunto de dados de 100 valores:<\/span><\/p>\n

 import<\/span> numpy as<\/span> np\n\n#create dataset with 100 values that follows a normal distribution\n<\/span>np.random.seed(0)\ndata = np.random.normal(0,1, 1000)\n\n#view first 10 values\n<\/span>data[:10] \n\narray([ 1.76405235, 0.40015721, 0.97873798, 2.2408932 , 1.86755799,\n       -0.97727788, 0.95008842, -0.15135721, -0.10321885, 0.4105985 ])<\/strong><\/pre>\n
 import<\/span> statsmodels.api as<\/span> sm\nimport<\/span> matplotlib.pyplot as<\/span> plt\n\n#create QQ plot with 45-degree line added to plot<\/span>\nfig = sm.qqplot(data, line='45')\nplt.show()\n<\/strong><\/pre>\n
\"Gr\u00e1fico<\/p>\n
 Em um gr\u00e1fico QQ, o eixo x exibe os quantis te\u00f3ricos<\/strong> . Isso significa que ele n\u00e3o mostra seus dados reais, mas representa onde seus dados estariam se fossem distribu\u00eddos normalmente.<\/span><\/p>\n
 O eixo Y exibe seus dados atuais<\/strong> . Isso significa que se os valores dos dados seguirem uma linha aproximadamente reta em um \u00e2ngulo de 45 graus, os dados ser\u00e3o distribu\u00eddos normalmente.<\/span><\/p>\n
 Em vez disso, considere se ger\u00e1ssemos um conjunto de dados de 100 valores distribu\u00eddos uniformemente e cri\u00e1ssemos um gr\u00e1fico QQ para esse conjunto de dados:<\/span> <\/p>\n
 #create dataset of 100 uniformly distributed values<\/span>\ndata = np.random.uniform(0,1, 1000)\n\n#generate QQ plot for the dataset\n<\/span>fig = sm.qqplot(data, line='45')\nplt.show()\n<\/strong><\/pre>\n
\"Gr\u00e1fico<\/p>\n
 Os valores dos dados claramente n\u00e3o seguem a linha vermelha de 45 graus, indicando que n\u00e3o seguem uma distribui\u00e7\u00e3o normal.<\/span><\/p>\n
 Notas sobre gr\u00e1ficos QQ<\/strong><\/span><\/h3>\n
 Tenha em mente as seguintes notas sobre gr\u00e1ficos QQ:<\/span><\/p>\n
 Podemos ver em nosso gr\u00e1fico QQ acima que os valores dos dados tendem a seguir de perto os 45 graus, o que significa que os dados provavelmente s\u00e3o distribu\u00eddos normalmente. Isso n\u00e3o deveria ser surpreendente, j\u00e1 que geramos os 100 valores de dados usando a fun\u00e7\u00e3o numpy.random.normal()<\/a> .<\/span><\/p>\n
 Para criar um gr\u00e1fico QQ para este conjunto de dados, podemos usar a fun\u00e7\u00e3o qqplot()<\/a> da biblioteca statsmodels:<\/span> <\/p>\n