Neste artigo, vamos apresentar técnicas e métodos úteis para analisar séries temporais e entender suas características. Mostramos as aplicações e interpretações de cada técnica com exemplos de dados reais, usando as linguagens de programação R e Python.
Neste artigo, vamos apresentar o conceito de autocorrelação na estatística, avaliar sua aplicabilidade no mundo real, verificar como estimar e interpretar e, por fim, vamos ver como aplicar a análise de autocorrelação com dados macro-financeiros do Brasil, usando as linguagens de programação R e Python.
Neste artigo entenderemos sobre a importância da visualização de dados e veremos o que é, como funciona e como gerar gráficos de linha. Esse tipo de gráfico é útil para diversas análises e pode ser facilmente produzido e personalizado usando linguagens de programação, como R e Python.
O boxplot resume em um desenho a mediana, os quartis, a amplitude e os valores atípicos de uma variável, e permite comparar distribuições lado a lado. O exemplo compara o interesse de busca pelo termo “Artificial intelligence” no Brasil e nos Estados Unidos, com código em R (gtrendsR e ggplot2) e Python (pytrends e plotnine).
Se não fosse o gráfico de dispersão, a famosa curva de Phillips jamais teria sido descoberta pelos economistas. Essa é uma afirmação forte, mas retrata o poder que a visualização de dados desempenhou nos anos 50 no avanço da pesquisa econômica. Apesar de ser simples, o gráfico de dispersão é útil para entender os dados e suas relações. Neste artigo mostramos as principais aplicações e exemplos práticos feitos em R e Python.