R

Gráficos Covid-19

Gráficos Covid-19

Gráficos postados diariamente no Twitter:

https://twitter.com/robertodepinho

1. Dashboard online interativo para comparação de Cidades, Estados e Países:

https://ascoisas.shinyapps.io/covid_dashboard/

2. Outros gráficos de Cidades, Estados e Países:

https://ascoisas.shinyapps.io/covid_ascoisas/

2.1 Gráfico conjunto de média móvel de casos e mortes de Cidades, Estados e Países

Plot object

https://ascoisas.shinyapps.io/covid_ascoisas/

2. 2 Evolução semana a semana

Ajustes de projeções exponenciais para períodos superpostos de 9(1+7+1) dias da média móvel de casos e mortes diárias. Números indicam o coef.(%) de crescimento diário

https://ascoisas.shinyapps.io/covid_ascoisas/

2. 3 Covid-19: Mortes Diárias com expectativa por dia da semana

Covid-19: Mortes Diárias com expectativa por dia da semana

3. Tutorial Interativo sobre Crescimento, Correlação e Causalidade e explicação de gráficos em log:

https://ascoisas.shinyapps.io/covid_tutorial/

4. Gráfico de Cobertura de Vacinação

Gráfico de Cobertura de Vacinação

5. Dados:

Brasil: @Brasil_io

Demais Países: @jhusystems

6. Histórico

Entre Março de 2020 e Junho de 2021 os gráficos e painéis estiveram generosamente hospedados pelo:

NBCGIB/CCAM/PPGMC/UESC
Núcleo de Biologia Computacional e Gestão de Informações Biotecnológicas,Centro de Computação Avançada e Modelagem,
Programa de Pós-Graduação em Modelagem Computacional em Ciência e Tecnologia
Universidade Estadual de Santa Cruz
Bahia, Brasil.

Posted by Roberto de Pinho in indicators, Português, R, the world, 0 comments

Alea jacta est

Há quatros anos, desenvolvi este modelo da copa do mundo com dois objetivos: (i) ensinar ao estagiário como construir uma simulação de Monte Carlo usando o pacote estatístico R, e (ii) adquirir um nível de conhecimento compatível com o senso geral sobre a copa do mundo e como ela iria se desenrolar para ao menos poder participar das conversas que eram onipresentes.

E a Alemanha ganhou. O que foi sorte, para o modelo. Obviamente o modelo não tem pretensões de adivinhar o futuro. Comentei sobre isto antes da Copa de 2014. É apenas um forma, que considero elegante, de utilizar padrões e comportamentos passados para desenhar um cenário plausível. E tem sucesso na medida que consegue superar o conhecimento prévio sobre o assunto, o meu conhecimento prévio sobre o assunto, que fique claro. É importante lembrar também que nada no modelo indicava algo como o 7×1. Para aquela copa, ele apontava uma chance de 22% de vitória do Brasil, logo após a Alemanha.

O modelo, no entanto, foi além das minhas expectativas. Como ele participei, e ganhei, um bolão, algo que nunca tinha feito antes – nem participar, e muito menos ganhar. Naquela copa, assisti a um par de jogos, e até passei a gostar do processo. Tenho certeza que a construção do modelo me deu o incentivo necessário para a companhar as partidas com mais atenção. Até aquele momento, para mim, jogos da copa sempre foram festas divertidas, com boa comida e bebida no qual alguma coisa estava acontecendo em campo. O modelo também foi útil no processo de busca por ingressos, diminuindo a incerteza de quais times estariam envolvidos. Por fim, serviu para brincar e construir alguns gráficos legais, como esse aqui.

Este ano, o caminho parece estar mais favorável para o Brasil na Copa, ainda que fora dos estádios, nem tanto:

 

No próximos dias, devo postar outros resultados do modelo, como, por exemplo, o provável caminho de países rumo ao título ou cenários para jogos específicos, aqui ou no twitter:

[twitter_follow screen_name=”robertodepinho”]

O conjunto de dados com a simulação de 1 milhão de copas 2018 está disponível aqui:

DOI

O script em R que gerou este arquivo está disponível aqui:

DOI

Agora é só esperar,

Posted by Roberto de Pinho in Português, R, World Cup, 0 comments