Março vermelho no país do negacionismo

É difícil encontrar adjetivo para caracterizar o momento atual que passa o país. A pandemia do Covid-19 atingiu o seu pior momento até aqui: março registrou quase 67 mil mortes pelo novo coronavírus. Nesse post, registramos a soma mensal de mortes provocada pela irresponsabilidade e pelo descaso, no Brasil e nos estados.

Membros do Clube AM, por suposto, têm acesso a todos os códigos desse exercício.

Os dados são coletados como abaixo.


## Carregar pacotes
library(tidyverse)
library(lubridate)

## Coletar dados
covid_df = readr::read_csv("https://raw.githubusercontent.com/wcota/covid19br/master/cases-brazil-states.csv")

A seguir, podemos construir o gráfico abaixo, destacando o mês de março.

Como se vê, o novo coronavírus foi responsável por quase 67 mil mortes somente em março, atingindo o pior momento até aqui. A situação nos estados, por suposto, pode ser vista a seguir.

Um março triste e desolador para todos nós, infelizmente.

Membros do Clube AM, por suposto, têm acesso a todos os códigos desse exercício.

____________________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como treinar e selecionar os melhores modelos de previsão no Python?

Em previsão, há uma infinidade de modelos que podem ser usados. O processo de escolha do(s) modelo(s) deve ser empírico-científico, usando métodos que visem avaliar a generalização dos algoritmos para dados novos. Neste artigo, mostramos como implementar a metodologia de validação cruzada com algoritmos de machine learning no Python, exemplificando para a previsão do IPCA.

Como selecionar variáveis para modelos de previsão no Python?

Em oposição à crença popular, grande parte dos modelos de machine learning não produzem previsões magicamente. É papel do cientista de dados executar uma boa engenharia de variáveis para não cair no clássico problema de “garbage in, garbage out” (GIGO) em aprendizado de máquina. Neste sentido, aprender a fazer uma boa seleção de variáveis é fundamental e neste artigo exploramos algumas possibilidades práticas usando o Python.

Resultado IPCA-15 - Novembro/2024

A Análise Macro apresenta os resultados do IPCA-15 de Novembro de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados. Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

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.