QC, imagens quebradas é fogo ein!

Mesmo sem manjar dessa função deu pra resolver meio q por dedução pelas palavras-chave do enunciado.

"gráfico de linhas que mostra a tendência de vendas ao longo do tempo para cada região, utilizando cores diferentes para cada região."

GABARITO: D

O ggplot2 é o pacote mais popular de visualização de dados em R, usado para criar gráficos elegantes e informativos com base na “Gramática de Gráficos”. Ele permite mapear variáveis para elementos visuais (como cores, formas e posições) e escolher geometrias (linhas, pontos, áreas etc.) para representar os dados.

A) ggplot(data = vendas, aes(x = tempo, y = vendas, fill = regiao)) + geom_area()

Problema: Primeiramente, precisamos saber que em ggplot2, o prefixo "geom_" significa “geometria” — ou seja, o tipo de elemento gráfico que será desenhado no gráfico.

O geom_area() cria áreas empilhadas ou sobrepostas, preenchendo o espaço entre a linha e o eixo.

Isso mostra a contribuição acumulada das regiões, mas não destaca claramente tendências individuais de cada região.

O foco fica mais em proporções ou volumes acumulados do que em comparar linhas de evolução.

Obs: No ggplot2, a expressão aes significa “aesthetic mappings” (mapeamentos estéticos).

Ela é usada para indicar como as variáveis do seu conjunto de dados serão representadas visualmente no gráfico. Em outras palavras, o aes() conecta os dados às propriedades gráficas (estéticas) do gráfico.

O que o aes() faz

Mapeia variáveis para elementos visuais:

x → eixo horizontal

y → eixo vertical

color → cor das linhas ou pontos

fill → preenchimento de áreas ou barras (ela é usada para controlar a cor dentro de elementos gráficos que possuem área, como barras, polígonos ou áreas. Diferente de color, que controla a borda ou a linha, o fill colore o interior.

size → tamanho dos pontos

shape → formato dos pontos

B) ggplot(data = vendas, aes(x = tempo, y = vendas, group = regiao)) + geom_line()

Problema: geom_line() é adequado para tendências, mas aqui só há agrupamento por região (group = regiao), sem atribuição de cores.

O resultado será várias linhas sobrepostas, todas da mesma cor, dificultando a distinção visual entre regiões.

Comparar regiões se torna confuso sem diferenciação cromática.

C) ggplot(data = vendas, aes(x = tempo, y = vendas)) + geom_point(aes(color = regiao))

Problema: geom_point() gera um gráfico de dispersão (pontos), não linhas.

Embora as cores diferenciem as regiões, não há representação contínua da tendência temporal.

O usuário quer ver evolução ao longo do tempo, e pontos isolados não transmitem isso tão bem quanto linhas.

D) ggplot(data = vendas, aes(x = tempo, y = vendas, color = regiao)) + geom_line()

Correto: geom_line() mostra a evolução temporal de forma contínua.

O uso de color = regiao garante que cada região seja representada por uma linha com cor distinta.

Isso permite comparar claramente as tendências de vendas ao longo do tempo entre diferentes regiões.

É exatamente o que o profissional de dados precisa: clareza e comparabilidade.

Veja como ficaria na prática: https://drive.google.com/file/d/1P3mHlUYxIMlsuCJSXVl0-FWCCksOEBmV/view?usp=sharing