Visão Geral

Curso SAS Graphing Data Effectively and Avoiding Common Pitfalls, A mente humana está preparada para observar padrões e anexar explicações imediatas aos padrões, consciente ou inconscientemente, e às vezes essa conclusão ou explicação pode não ser adequada. Este curso discute as falácias e paradoxos comuns em estatística e análise de dados, bem como armadilhas comuns na visualização de dados. O curso também ensina diretrizes gerais que ajudam a evitar essas armadilhas para garantir uma representação justa e precisa dos fatos.

Aprenda como

• Identifique falácias e paradoxos que possam levar à má interpretação dos dados.
• Identifique armadilhas comuns em visualizações gráficas.
• Meça a distorção em gráficos.
• Use o SAS Visual Analytics para criar vários gráficos, evitando armadilhas comuns.

Publico Alvo

• Analistas visuais, designers de relatórios ou painéis, consultores de inteligência de negócios, analistas de negócios
  

Pre-Requisitos

Antes de participar deste Curso SAS Graphing Data Effectively and Avoiding Common Pitfalls, você deve ser capaz de criar gráficos simples, como gráficos de barras, gráficos de pizza e gráficos de dispersão usando qualquer software. A familiaridade com o SAS Visual Analytics é altamente recomendada, mas não obrigatória.

• Este curso aborda SAS Visual Analytics, SAS Studio software.

Materiais

Conteúdo Programatico

Introduction

1. Introduction to graphicacy.
2. Introduction to SAS Visual Analytics.
3. Introduction to data representation pitfalls.

Common Data Misinterpretations and Paradoxes

1. Common data misinterpretations.
2. Paradoxes in statistics.
3. Spurious correlations.

Common Visual Misrepresentations

1. Common data visualization pitfalls.
2. Measuring distortion in graphs.
3. Reasons for misleading visualizations and consequences.

Common Remedies for Pitfalls in Visualization

1. Avoid inappropriate choice of colors.
2. Avoid inappropriate choice of graphical objects.
3. Avoid overuse of custom or complex graphs.
4. Review case study: Tackling visual clutter.