Análise do coronavírus com o R

Foi uma semana excepcionalmente complexa para os mercados financeiros globais. Na BOVESPA, houve quatro circuit breakers, algo inédito na história da bolsa. A conjunção do avanço do coronavírus pelo mundo com a tensão no mercado de petróleo estão por trás do abalo sísmico. De forma a compreender o avanço da doença pelo mundo, há uma boa base de dados disponibilizada pelo Center for Systems Science and Engineering da Johns Hopkins University. Os dados estão disponíveis para o período de 22 de janeiro a 12 de março. O repositório pode ser visto aqui.

Para quem tiver interesse em olhar os dados com o R, é possível ainda baixar um guia bem legal produzido pelo Yanchang Zhao. Há um post no R Bloggers sobre o assunto aqui. A seguir, eu ilustro o avanço da doença pelo mundo e o comportamento da taxa de letalidade.

Os casos confirmados de coronavírus chegaram a 128,3 mil casos, com uma taxa de letalidade de 3,67%. Chama atenção a rapidez com que a doença tem se alastrado pelo mundo. Tendência que deve continuar nas próximas semanas.

___________________

(*) Isso e muito mais você aprende nos nossos Cursos Aplicados de R.


Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando Tabelas com o Python: mostrando o poder da linguagem sobre o Excel

Nos dias atuais, pessoas que trabalham com dados estão constantemente confrontados com um dilema: criar uma tabela não tão genial no Excel ou manter em um formato ainda pior, como um dataframe, mas mantendo a flexibilidade de obtenção dos dados. Podemos resolver esse grande problema, unindo a flexibilidade e beleza ao usar a biblioteca great_tables do Python.

Análise do Censo Demográfico com o R

Como podemos analisar dados do Censo Demográfico para produzir pesquisas e implementar políticas públicas? Mostramos nesta postagem o resultado de uma breve análise dos dados preliminares do Censo Demográfico de 2022 usando o R.

Deploy de modelos com Python + Shinylive + GitHub gastando ZERO reais

Colocar modelos em produção pode ser um grande desafio. Lidar com custos monetários, infraestrutura operacional e complexidades de códigos e ferramentas pode acabar matando potenciais projetos. Uma solução que elimina todos estes obstáculos é a recém lançada Shinylive. Neste artigo mostramos um exemplo com um modelo de previsão para o preço do petróleo Brent.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.