Estatísticas Descritivas Automatizadas
Nesta página
Compreenda os Seus Dados num Instante
As estatísticas descritivas são a base de qualquer análise. Média, mediana, desvio padrão, distribuição: estes indicadores revelam o que os seus dados contêm antes mesmo de tentar explicar qualquer coisa. Ignorar esta etapa é como construir uma recomendação sobre uma média distorcida por três valores extremos e depois defendê-la com uma convicção que os números não merecem. Com o ChatGPT, este diagnóstico resume-se a uma única frase, e a interpretação segue-se imediatamente.
O Resumo Estatístico Expresso
O comando mais simples para começar:
Give me a complete statistical summary of this dataset.
O ChatGPT recorre geralmente à função describe() do pandas e comenta o resultado. Para cada coluna numérica, obtém os seguintes indicadores:
- count — número de valores não vazios
- mean — média
- std — desvio padrão (medida de dispersão)
- min / max — valores extremos
- 25% / 50% / 75% — quartis (mediana = 50%)
O cruzamento destas linhas já é elucidativo. Se o count for 8.400 num ficheiro de 10.000 linhas, 16% dos dados estão em falta e qualquer média calculada aplica-se apenas a parte da carteira. Se a média diferir significativamente da mediana, a distribuição está enviesada. Em vez de fazer estas contas de cabeça, basta pedir:
Interpret these statistics: which columns have high dispersion?
Are there outliers? Which distributions appear skewed?
Estatísticas por Categoria
As médias globais mascaram quase sempre disparidades. Um tamanho médio de cesto de 180 € pode esconder um segmento empresarial a 900 € e um segmento individual a 60 €. Nesse caso, a média não descreve nenhum cliente real e qualquer decisão baseada nela falha completamente em relação a ambas as populações.
Calculate the mean, median, and standard deviation of order amounts
for each product category.
Continua a precisar de escolher o indicador que responde à sua pergunta, pois cada um mede algo diferente.
| Indicador | O que mede | Quando utilizar |
|---|---|---|
| Média | Valor central | Dados simétricos, sem valores extremos |
| Mediana | Valor intermédio | Dados enviesados ou com valores atípicos |
| Desvio padrão | Dispersão em torno da média | Avaliar a variabilidade do desempenho |
| Moda | Valor mais frequente | Dados categóricos ou discretos |
| Correlação | Relação linear entre duas variáveis | Identificar fatores ligados |
Distribuições e Frequências
Para uma variável numérica, a forma da distribuição diz mais do que a média. Um histograma mostra se os seus valores se agrupam em torno de um único pico ou se se espalham por dois picos distintos, sinal de dois comportamentos de compra sobrepostos no mesmo ficheiro.
Show the distribution of the "order_amount" column
with a histogram and indicate whether it follows a normal distribution.
O ChatGPT gera o histograma e pode aplicar um teste de normalidade, como o teste de Shapiro-Wilk, o que influencia a escolha dos testes subsequentes. Em amostras grandes, este teste assinala até o mais ligeiro desvio da normalidade, por isso verifique a forma do histograma antes de tirar conclusões. Para variáveis categóricas, a lógica muda para as frequências:
What is the distribution of clients by industry sector?
Display absolute and relative frequencies.
Obtém a contagem e a percentagem para cada categoria — o suficiente para detetar que um setor representa 60% da carteira, o que significa 60% do seu risco se esse setor abrandar.
Correlações Entre Variáveis
As correlações revelam relações entre as suas colunas numéricas e abrem novas vias de análise.
Calculate the correlation matrix and identify the pairs
of variables with the highest correlations (positive and negative).
O ChatGPT gera a matriz, destaca as correlações significativas e explica o que cada uma significa no seu contexto empresarial. São necessárias três precauções ao ler os resultados. Primeiro, correlação não implica causalidade: um aumento conjunto do orçamento de publicidade e das vendas pode ser apenas o efeito comum da sazonalidade. Segundo, os valores extremos distorcem o coeficiente — peça o cálculo com e sem valores atípicos; a diferença é frequentemente instrutiva. Por fim, as variáveis categóricas não são incluídas por defeito. Para incluir segmentos de clientes ou canais de venda, solicite uma codificação prévia. Para ir mais longe — comparar grupos com um teste t ou ANOVA, ou modelar uma relação com regressão — descreva o que pretende compreender, peça ao ChatGPT a técnica adequada e solicite que explique o resultado.
Deteção de Valores Atípicos
Um valor atípico não é necessariamente um erro. Uma encomenda de 95.000 € pode ser um erro de introdução de dados ou o primeiro grande contrato empresarial do ano. O tratamento difere completamente: num caso corrige-o, no outro destaca-o.
Identify outliers in "order_amount"
using the IQR method. List the affected rows
and indicate whether they appear to be errors or legitimate cases.
O ChatGPT calcula os limites do IQR (Q1 - 1,5 * IQR e Q3 + 1,5 * IQR) e lista os valores fora dos limites com o seu contexto. Decide então linha por linha, em vez de descartar todo o lote — e apagar acidentalmente os próprios clientes que fizeram o seu ano.
Automatizar o Relatório Descritivo
Depois de dominar a abordagem, condense-a num único prompt:
Generate a complete descriptive statistical report for this file.
Include: overview, statistics per numerical column,
distribution of categorical variables, main correlations,
detected outliers, and recommendations for the next analysis step.
Este prompt produz um documento estruturado que deve rever antes de partilhar. Mantenha-o à mão: aplicado à mesma exportação todos os meses, torna-se o seu ponto de partida padrão e permite comparar períodos.
A Sua Vez
O seu primeiro diagnóstico estatístico.
- Solicite o resumo estatístico do seu ficheiro e, em seguida, a sua interpretação
- Compare a média e a mediana na sua coluna principal de valores
- Calcule os mesmos indicadores por categoria
- Apresente a distribuição desta coluna e identifique os valores atípicos
- Classifique cada valor atípico: erro a corrigir ou caso legítimo
Fontes oficiais: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (Centro de Ajuda da OpenAI)
Pontos-chave
- O resumo estatístico é o seu primeiro passo após a limpeza
- Segmente sempre por categoria — as médias globais escondem disparidades
- A mediana é frequentemente mais fiável do que a média para dados do mundo real
- As correlações revelam vias de análise, não certezas
- Peça ao ChatGPT para interpretar os números, não apenas para os calcular