Você Precisa Mesmo de um Gráfico?

Quando visualizar (e quando não)

A Provação Inicial: Nem Todo Dado Precisa de um Gráfico

Vamos começar com uma verdade inconveniente: nem toda visualização torna as coisas melhores. Sim, você leu certo. Nós vamos passar este capítulo inteiro falando sobre gráficos, mas a primeira lição é aprender quando não fazer um gráfico.

Considere este exemplo simples:

Uma imagem vale mais que mil palavras — seu gráfico realmente te economizou mil palavras?

Vamos ser práticos. Imagine que você coletou dados sobre o sexo dos participantes em um estudo: 234 mulheres e 169 homens (total de 403 pessoas). Agora, o que comunica melhor essa informação?

Opção 1: Tabela (simples e direta)

Ver código R 
dados_sexo <- data.frame(
  Sexo = c("Mulheres", "Homens"),
  N = c(234, 169),
  Percentual = c(58.1, 41.9)
)

knitr::kable(dados_sexo,
             align = "c",
             caption = "Distribuição por sexo dos 403 participantes")
Distribuição por sexo dos 403 participantes
Sexo N Percentual
Mulheres 234 58.1
Homens 169 41.9

Opção 2: Gráfico (um pizza chart bem colorido?)

Ver código R 
dados_sexo_plot <- tibble::tibble(
  Sexo = c("Mulheres", "Homens"),
  N = c(234, 169)
)

ggplot(dados_sexo_plot, aes(x = "", y = N, fill = Sexo)) +
  geom_col(width = 1) +
  coord_polar("y") +
  labs(title = "Distribuição por Sexo",
       y = NULL, x = NULL) +
  tema_graficos() +
  scale_fill_manual(values = c("Mulheres" = paleta_cat[1],
                               "Homens" = paleta_cat[2]))

Uma representação visual… útil?

Uma representação visual… útil?

Se você for honesto: a tabela venceu, certo?

Você consegue ler “234 mulheres” da tabela em 2 segundos. Do gráfico de pizza? Leva mais tempo, e você ainda precisa conferir a legenda de cores. Além disso, aquele gráfico de pizza consome espaço precioso — e em um artigo científico, espaço é ouro. Um gráfico ocupa facilmente 10 cm² ou mais da página, espaço suficiente para vários parágrafos de resultados e discussão.

O Critério de Ouro

Então, quando usar um gráfico? A resposta é simples:

Use um gráfico quando ele revela padrões que números sozinhos não conseguem mostrar.

Use um gráfico quando:

  • Existe uma relação não-óbvia entre variáveis que a visualização torna clara.
  • Os dados mostram uma distribuição complexa ou variabilidade interessante.
  • Você precisa comunicar uma tendência temporal ou padrão espacial.
  • Há outliers ou pontos anômalos que merecem destaque.

Não use um gráfico quando:

  • A resposta cabe em uma frase (“234 mulheres, 169 homens”).
  • Uma tabela comunica com igual clareza mas em menos espaço.
  • O gráfico distorce ou simplifica demais a realidade.

Mas temos um problema: como saber se você realmente descobriu um padrão? Aqui entra a lição mais importante desta disciplina.

O Quarteto de Anscombe: Seu Momento “Eureka”

Em 1973, o estatístico Francis Anscombe enfrentou um problema que ainda nos assombra: números podem mentir lindamente (Anscombe, 1973).

Ele criou 4 conjuntos de dados diferentes. Veja só: todos têm exatamente a mesma média, variância, correlação e até a mesma reta de regressão. Vamos começar exatamente como Anscombe fez — mostrando apenas os números:

Ver código R 
# Carrega o dataset clássico
data(anscombe)

# Calcula estatísticas para cada conjunto
stats_summary <- tibble::tibble(
  Dataset = c("I", "II", "III", "IV"),
  "Média X" = c(
    round(mean(anscombe$x1), 2),
    round(mean(anscombe$x2), 2),
    round(mean(anscombe$x3), 2),
    round(mean(anscombe$x4), 2)
  ),
  "Média Y" = c(
    round(mean(anscombe$y1), 2),
    round(mean(anscombe$y2), 2),
    round(mean(anscombe$y3), 2),
    round(mean(anscombe$y4), 2)
  ),
  "Variância X" = c(
    round(var(anscombe$x1), 2),
    round(var(anscombe$x2), 2),
    round(var(anscombe$x3), 2),
    round(var(anscombe$x4), 2)
  ),
  "Variância Y" = c(
    round(var(anscombe$y1), 2),
    round(var(anscombe$y2), 2),
    round(var(anscombe$y3), 2),
    round(var(anscombe$y4), 2)
  ),
  "Correlação" = c(
    round(cor(anscombe$x1, anscombe$y1), 3),
    round(cor(anscombe$x2, anscombe$y2), 3),
    round(cor(anscombe$x3, anscombe$y3), 3),
    round(cor(anscombe$x4, anscombe$y4), 3)
  )
)

knitr::kable(stats_summary,
             caption = "Estatísticas descritivas do Quarteto de Anscombe — Todos idênticos!",
             align = "c")
Estatísticas descritivas do Quarteto de Anscombe — Todos idênticos!
Dataset Média X Média Y Variância X Variância Y Correlação
I 9 7.5 11 4.13 0.816
II 9 7.5 11 4.13 0.816
III 9 7.5 11 4.12 0.816
IV 9 7.5 11 4.12 0.817

Pausa para pensar

Nesse ponto, a maioria dos estudantes pensa: “Tudo igual? Então são dados iguais.”

Errado! E é por isso que vamos agora plotar essas quatro série de dados — prepare-se para uma surpresa:

Ver código R 
# Prepara os dados em formato longo para faceting
anscombe_long <- anscombe %>%
  mutate(obs = row_number()) %>%
  pivot_longer(
    cols = -obs,
    names_to = c("var", "dataset"),
    names_pattern = "(.)(.)",
    values_to = "value"
  ) %>%
  pivot_wider(
    names_from = var,
    values_from = value
  ) %>%
  mutate(dataset = paste("Dataset", dataset))

# Cria os plots individuais
p_anscombe <- ggplot(anscombe_long, aes(x = x, y = y)) +
  geom_point(size = 3, color = paleta_cat[1], alpha = 0.7) +
  geom_smooth(method = "lm", se = FALSE, color = paleta_cat[2], linewidth = 1.2) +
  facet_wrap(~dataset, nrow = 2, ncol = 2) +
  coord_cartesian(xlim = c(3, 19), ylim = c(3, 13)) +
  labs(
    title = "Quarteto de Anscombe: A Mesma Reta, Dados Completamente Diferentes",
    x = "X",
    y = "Y"
  ) +
  tema_graficos()

print(p_anscombe)

O Quarteto de Anscombe revelado: números iguais, padrões completamente diferentes

O Quarteto de Anscombe revelado: números iguais, padrões completamente diferentes
ImportanteVocê Viu o Que Aconteceu?
  • Dataset I: Relacionamento linear simples e direto ✓
  • Dataset II: Relacionamento curvilíneo — a reta não capture bem o padrão!
  • Dataset III: Relacionamento perfeitamente linear… com um outlier que distorce tudo
  • Dataset IV: Não há padrão algum, exceto por um único ponto extremo que “força” a correlação

Conclusão: Descrição estatística sozinha é cega. Você precisa visualizar.

Agora vamos criar uma versão interativa em Plotly para você explorar os dados:

Ver código R 
# Prepara dados para plotly
anscombe_datasets <- list(
  "Dataset I" = list(x = anscombe$x1, y = anscombe$y1),
  "Dataset II" = list(x = anscombe$x2, y = anscombe$y2),
  "Dataset III" = list(x = anscombe$x3, y = anscombe$y3),
  "Dataset IV" = list(x = anscombe$x4, y = anscombe$y4)
)

# Cria figura base
fig <- plot_ly()

# Adiciona cada dataset
for (name in names(anscombe_datasets)) {
  dataset <- anscombe_datasets[[name]]

  # Pontos
  fig <- fig %>%
    add_trace(
      x = dataset$x, y = dataset$y,
      name = name,
      mode = "markers",
      marker = list(size = 8, opacity = 0.7),
      showlegend = TRUE,
      hovertemplate = paste0(name, "<br>X: %{x}<br>Y: %{y}<extra></extra>")
    )

  # Reta de regressão
  lm_model <- lm(y ~ x, data = data.frame(x = dataset$x, y = dataset$y))
  x_line <- range(dataset$x)
  y_line <- predict(lm_model, newdata = data.frame(x = x_line))

  fig <- fig %>%
    add_trace(
      x = x_line, y = y_line,
      name = paste(name, "(fit)"),
      mode = "lines",
      line = list(dash = "dash"),
      showlegend = FALSE,
      hoverinfo = "skip"
    )
}

fig %>%
  layout(
    title = "Quarteto de Anscombe — Exploração Interativa",
    xaxis = list(title = "X", range = c(2, 20)),
    yaxis = list(title = "Y", range = c(2, 14)),
    hovermode = "closest",
    template = "plotly_white"
  )

Versão interativa do Quarteto de Anscombe

Datasaurus Dozen: A Evolução Moderna da Lição

O Quarteto de Anscombe é uma obra-prima dos anos 1970. Mas em 2017, Matejka e Fitzmaurice levaram a ideia ao extremo com o Datasaurus Dozen — 13 conjuntos de dados diferentes, todos com a mesma média, variância e correlação… incluindo um que forma um dinossauro de verdade (Matejka; Fitzmaurice, 2017)!

Vamos começar novamente apenas com números:

Ver código R 
# Carrega o datasaurus
data(datasaurus_dozen)

# Calcula estatísticas por dataset
datasaurus_stats <- datasaurus_dozen %>%
  group_by(dataset) %>%
  summarise(
    "Média X" = round(mean(x), 2),
    "Média Y" = round(mean(y), 2),
    "DP X" = round(sd(x), 2),
    "DP Y" = round(sd(y), 2),
    "Correlação" = round(cor(x, y), 3),
    .groups = "drop"
  ) %>%
  arrange(dataset)

knitr::kable(datasaurus_stats,
             caption = "Datasaurus Dozen: 13 datasets com estatísticas idênticas (ou quase)",
             align = "c")
Datasaurus Dozen: 13 datasets com estatísticas idênticas (ou quase)
dataset Média X Média Y DP X DP Y Correlação
away 54.27 47.83 16.77 26.94 -0.064
bullseye 54.27 47.83 16.77 26.94 -0.069
circle 54.27 47.84 16.76 26.93 -0.068
dino 54.26 47.83 16.77 26.94 -0.064
dots 54.26 47.84 16.77 26.93 -0.060
h_lines 54.26 47.83 16.77 26.94 -0.062
high_lines 54.27 47.84 16.77 26.94 -0.069
slant_down 54.27 47.84 16.77 26.94 -0.069
slant_up 54.27 47.83 16.77 26.94 -0.069
star 54.27 47.84 16.77 26.93 -0.063
v_lines 54.27 47.84 16.77 26.94 -0.069
wide_lines 54.27 47.83 16.77 26.94 -0.067
x_shape 54.26 47.84 16.77 26.93 -0.066
NotaCuriosidade Histórica

O Datasaurus Dozen foi criado como resposta moderna ao Quarteto de Anscombe. Os autores queriam mostrar que, mesmo com melhor infraestrutura computacional, ainda confiamos demais em estatísticas descritivas. O dataset com formato de dinossauro é particularmente viral — é impossível resistir ao charme de um T-Rex na hora de visualizar dados!

Agora, prepare-se para a grande revelação — vamos visualizar os 13 datasets todos de uma vez:

Ver código R 
p_datasaurus <- ggplot(datasaurus_dozen, aes(x = x, y = y, color = dataset)) +
  geom_point(size = 2, alpha = 0.6) +
  facet_wrap(~dataset, nrow = 3, ncol = 5) +
  tema_graficos() +
  scale_color_manual(values = rep(paleta_cat, length.out = 13)) +
  theme(
    legend.position = "none",
    strip.text = element_text(size = 9, face = "bold")
  ) +
  labs(
    title = "Datasaurus Dozen: 13 Padrões Completamente Diferentes, Mesmas Estatísticas",
    subtitle = "Você consegue encontrar o dinossauro?",
    x = "X",
    y = "Y"
  )

print(p_datasaurus)

O Datasaurus Dozen revelado: estatísticas iguais, padrões incrivelmente diversos

O Datasaurus Dozen revelado: estatísticas iguais, padrões incrivelmente diversos
AvisoA Lição Crítica

Olhe para o painel dino — É um T-Rex! É claro. Mas tecnicamente, ele tem a mesma média, variância e correlação que todos os outros.

Nunca, jamais, confie em números sozinhos. SEMPRE visualize seus dados.

Essa não é uma sugestão. É uma regra ouro da prática estatística em medicina e pesquisa científica. Quantos erros já foram publicados porque alguém olhou apenas para p-valores e tabelas, sem nunca desenhar um gráfico?

Vamos criar uma versão interativa para você explorar cada dataset individualmente. Selecione um dataset no menu e veja como dados com as mesmas estatísticas formam desenhos completamente diferentes:

Ver código R 
library(plotly)

todos_datasets <- unique(datasaurus_dozen$dataset)

# Criar figura plotly com um trace por dataset
fig_dino <- plot_ly()

for (i in seq_along(todos_datasets)) {
  ds <- todos_datasets[i]
  dados_ds <- filter(datasaurus_dozen, dataset == ds)

  # Calcular estatísticas
  r_val <- cor(dados_ds$x, dados_ds$y)
  media_x <- mean(dados_ds$x)
  media_y <- mean(dados_ds$y)

  fig_dino <- fig_dino %>%
    add_trace(
      data = dados_ds,
      x = ~x, y = ~y,
      type = "scatter", mode = "markers",
      name = ds,
      marker = list(size = 6, opacity = 0.7, color = paleta_cat[(i %% 8) + 1]),
      hovertemplate = paste0(
        "<b>", ds, "</b><br>",
        "x: %{x:.1f}<br>y: %{y:.1f}<extra></extra>"
      ),
      visible = (i == 1)  # Só o primeiro visível
    )
}

# Criar botões de dropdown para selecionar dataset
buttons <- lapply(seq_along(todos_datasets), function(i) {
  ds <- todos_datasets[i]
  dados_ds <- filter(datasaurus_dozen, dataset == ds)
  r_val <- round(cor(dados_ds$x, dados_ds$y), 3)

  visibility <- rep(FALSE, length(todos_datasets))
  visibility[i] <- TRUE

  list(
    method = "update",
    args = list(
      list(visible = visibility),
      list(title = list(
        text = paste0(
          "<b>Datasaurus Dozen: ", ds, "</b><br>",
          "<span style='font-size:12px; color:gray'>",
          "Média X ≈ 54.3 | Média Y ≈ 47.8 | r = ", r_val,
          "</span>"
        )
      ))
    ),
    label = ds
  )
})

fig_dino %>%
  layout(
    title = list(
      text = paste0(
        "<b>Datasaurus Dozen: ", todos_datasets[1], "</b><br>",
        "<span style='font-size:12px; color:gray'>",
        "Média X ≈ 54.3 | Média Y ≈ 47.8 | r = ",
        round(cor(filter(datasaurus_dozen, dataset == todos_datasets[1])$x,
                  filter(datasaurus_dozen, dataset == todos_datasets[1])$y), 3),
        "</span>"
      )
    ),
    xaxis = list(title = "X", range = c(10, 100)),
    yaxis = list(title = "Y", range = c(0, 100), scaleanchor = "x"),
    updatemenus = list(
      list(
        type = "dropdown",
        active = 0,
        buttons = buttons,
        x = 0.0, y = 1.15,
        xanchor = "left",
        bgcolor = "#DBEAFE",
        font = list(size = 12)
      )
    ),
    template = "plotly_white"
  ) %>%
  config(displayModeBar = TRUE, displaylogo = FALSE)

Datasaurus Dozen — Selecione cada dataset para explorar

Resumo: Por Que Você Precisa (ou Não) de um Gráfico?

Chegamos ao final desta provação inicial com algumas conclusões:

  1. Nem toda visualização é uma melhoria. Tabelas simples ganham quando os dados são simples.

  2. Gráficos revelam o que números escondem. O Anscombe e o Datasaurus provam isso de forma irrefutável.

  3. No contexto médico e científico, visualizar é obrigatório. Você precisa saber se seus dados fazem sentido antes de fazer qualquer afirmação.

  4. Use gráficos quando eles contam uma história que números não conseguem. Caso contrário, uma tabela com média ± DP é mais honesto e ocupa menos espaço.

  5. Desconfie de correlações, regressões e testes estatísticos que você nunca visualizou. Eles podem estar descrevendo um dinossauro.

Quiz Interativo: Teste Seu Aprendizado

DicaPergunta 1: Quando Uma Tabela é Melhor que um Gráfico?

Clique para revelar a resposta:

Uma tabela é melhor que um gráfico quando:

  • Os dados são simples e poucos (como 2-3 categorias com frequências)
  • A precisão numérica é mais importante que a visualização
  • O espaço é limitado (como em um artigo científico onde cada cm² é ouro)
  • Você precisa que o leitor tenha uma leitura exata dos números, não uma impressão visual

Exemplo: “A amostra consistiu de 234 mulheres (58,1%) e 169 homens (41,9%).” — isso é melhor em tabela, ou até em texto, do que em um gráfico de pizza.

DicaPergunta 2: O Que o Quarteto de Anscombe Nos Ensina?

Clique para revelar a resposta:

O Quarteto de Anscombe nos ensina a lição fundamental da visualização de dados:

Números idênticos podem descrever realidades completamente diferentes.

Até dados com mesma média, variância, correlação e regressão podem ter:

  • Relacionamentos lineares simples (Dataset I)
  • Padrões curvos (Dataset II)
  • Outliers extremos (Dataset III)
  • Sem padrão real, apenas influência de um outlier (Dataset IV)

A consequência: você não pode confiar em estatísticas descritivas sozinhas. Sempre visualize.

DicaPergunta 3: Qual é a Diferença Entre o Anscombe e o Datasaurus?

Clique para revelar a resposta:

Ambos fazem o mesmo ponto (sempre visualize), mas:

  • Quarteto de Anscombe (1973): 4 datasets diferentes que parecem iguais estatisticamente. Criado para alertar estatísticos sobre o perigo de confiar em números.

  • Datasaurus Dozen (2017): 13 datasets, incluindo um com formato de dinossauro real. Criado como versão “moderna e viralável” da mesma lição, mostrando que mesmo com computadores mais poderosos, ainda cometemos o mesmo erro.

O Datasaurus é mais divertido, mais compartilhável nas redes sociais, e igualmente importante educacionalmente.

DicaPergunta 4: Você Seria Capaz de Detectar um Dinossauro em uma Tabela de Números?

Clique para revelar a resposta:

Absolutamente não. A correlação, média e desvio padrão do dataset “dino” são indistinguíveis dos outros 12. Você olharia para uma tabela de 142 pares de números (x, y) e nunca, jamais, veria um T-Rex.

Mas quando você plota os pontos em um gráfico, é óbvio.

Essa é uma metáfora perfeita para a vida científica: padrões importantes, anomalias críticas e estruturas fundamentais ficam invisíveis em tabelas numéricas. Apenas a visualização as revela.

DicaPergunta 5: Se Todos os Dados Fossem Assim, Seria Seguro Confiar Apenas em Testes Estatísticos?

Clique para revelar a resposta:

Não. Alguns exemplos assustadores na literatura:

  • Estudos que encontram correlações significativas em dados aleatórios (porque o tamanho amostral era enorme).
  • Regressões que “controlam” para variáveis sem nunca visualizar o relacionamento.
  • p-valores < 0,05 que descrevem relações que violam toda a lógica biológica.

O protocolo correto é:

  1. Visualize os dados.
  2. Depois faça testes estatísticos.
  3. Se visualização e teste discordam, confie na visualização e investigue.

Em medicina e pesquisa, um bom gráfico pode salvar vidas. Um teste estatístico sem visualização pode enganá-lo para conclusões perigosas.

Próximas Etapas

Agora que você entendeu quando usar gráficos e por que são tão críticos, estamos prontos para aprender como fazer gráficos bem feitos.

No próximo capítulo, entraremos no universo de Gramática de Gráficos — o sistema que nos permite construir qualquer visualização de forma organizada e poderosa usando ggplot2.

Prepare-se para nunca mais ver gráficos da mesma forma.

Referências

ANSCOMBE, Francis J. Graphs in Statistical Analysis. The American Statistician, [s.l.], vol. 27, n.º 1, pp. 17–21, 1973.
MATEJKA, Justin; FITZMAURICE, George. Same Stats, Different Graphs: Generating Datasets with Varied Appearance and Identical Statistics through Simulated Annealing. Em: SAME STATS, DIFFERENT GRAPHS, 2017. Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems. [S.l.]: ACM, 2017. pp. 1290–1294.
De volta ao topo