Tabela com 16 índices de inflação feita com o pacote STARGAZER

**Índices de Inflaçao no Brasil (%)**

	Mensal Set/15	Mensal Out/15	Mensal Nov/15	Anual Set/15	Anual Out/15	Anual Nov/15

igp10	0,61	1,88	1,64	7,82	9,83	10,72
ipa10	0,82	2,62	2,15	7,37	10,36	11,55
ipc10	0,15	0,59	0,76	9,39	9,50	9,86
incc10	0,36	0,23	0,37	7,21	7,30	7,53
igpm	0,95	1,89	1,52	8,35	10,09	10,69
ipam	1,30	2,63	1,93	8,14	10,72	11,47
ipcm	0,32	0,64	0,90	9,46	9,66	10,06
inccm	0,22	0,27	0,40	7,19	7,26	7,36
igpdi	1,42	1,76	1,19	9,31	10,58	10,64
ipadi	2,02	2,38	1,41	9,52	11,31	11,27
ipcdi	0,42	0,76	1	9,65	10,01	10,39
inccdi	0,22	0,36	0,34	7,37	7,57	7,46
ipaagro	3,40	2,75	2,48	14,66	15,23	14,72
ipaind	1,49	2,23	0,99	7,62	9,84	9,95
ipca15	0,39	0,66	0,85	9,57	9,77	10,28
ipca	0,54	0,82	1,01	9,49	9,93	10,48

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

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

Assinar

Encontre o seu conteúdo

Categorias

Artigos mais acessados

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

Como selecionar variáveis para modelos de previsão no Python?

Resultado IPCA-15 - Novembro/2024

Resultado PNADc Trimestral - 3° Trimestre/2024

Análise exploratória para modelagem preditiva no Python

Como usar modelos do Sklearn para previsão? Uma introdução ao Skforecast

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!