Uma introdução ao mundo dos dados e do R na Faculdade de Economia da UFF

Acabei de acabar a apresentação para a palestra de Introdução ao mundo dos dados e do R que ocorrerá no auditório da Faculdade de Economia da UFF. Coloquei diversos exemplos de como o $\mathbf{R}$ pode ajudar o analista na coleta, tratamento, análise e apresentação de dados. Procurarei mostrar o quão importante são os dados para a profissão de economista e como o $\mathbf{R}$ pode nos auxiliar no dia a dia. A palestra começará às 18h, pontualmente, nesta quinta-feira, 24/09. Maiores informações, aqui. Para se inscrever, clique aqui. Liberte-se: venha para o mundo do $\mathbf{R}$ ! OBS: A palestra da UERJ, que ocorreria amanhã, foi cancelada. Ou seja, para os interessados que moram no Rio, o $\mathbf{R}$ está a uma Ponte de distância... 🙂

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Devemos usar a métrica MAPE em previsão de demanda?

Regimes inflacionários com Modelo Oculto de Markov usando Python

Regimes da Política Monetária Brasileira com Markov Switching no Python

Como criar janelas móveis de séries temporais usando o Python

Como incorporar choques em cenários de previsão?

Como preparar os dados para um modelo preditivo?

Outros artigos relacionados

Devemos usar a métrica MAPE em previsão de demanda?

A previsão de demanda é um componente essencial da análise econômica e empresarial. Para avaliar a precisão das previsões, diversas métricas de erro são utilizadas. Entre elas, o Erro Percentual Absoluto Médio (MAPE - Mean Absolute Percentage Error) é uma das mais conhecidas. Neste artigo discutimos suas vantagens e desvantagens com exemplos.

Regimes inflacionários com Modelo Oculto de Markov usando Python

Neste exercício, utilizamos Python para aplicar um Modelo Oculto de Markov (HMM) na identificação e análise de regimes inflacionários no Brasil, com base na série temporal do IPCA mensal.

Regimes da Política Monetária Brasileira com Markov Switching no Python

Este exercício analisa a política monetária brasileira utilizando modelos de Markov Switching Regression. O objetivo é identificar diferentes regimes de política monetária e como eles influenciam a taxa Selic, a meta de inflação e o hiato do produto. Usamos a linguagem de programação Python para o processo de coleta, tratamento, análise e modelagem dos dados.

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!