2015 foi muito louco Qualquer nutricionista diria que as minhas noites de terça-feira em 2015 eram absurdas. Minha mulher e eu assistíamos, toda semana, uma competição de cozinheiros na TV. Como ficávamos com fome durante o programa, aproveitávamos a promoção de uma pizzaria daqui de Natal: ao comprar uma pizza gigante, ganhávamos outra pizza gigante, de graça. Ocorre que duas pizzas gigantes para duas pessoas é muita comida, o que fez com que ganhássemos muito peso.

Imagine o seguinte procedimento: Sorteie um número entre 1 e 100 Escreva este número por extenso Conte o número de caracteres sem espaço obtidos Represente numericamente este resultado Repita os passos de 2 a 4 até os números começarem a se repetir Seja, por exemplo, o número 40. Se escrevermos 40 por extenso, temos a palavra quarenta. Se contarmos o número de letras de quarenta, obtemos 8.

Introdução Uma das características mais desejáveis em pesquisa científica e análise de dados é a sua reprodutibilidade. É importante que os métodos estatísticos aplicados sejam auditados independentemente por outras pessoas. Entretanto, para que o trabalho possa ser lido, compreendido e reproduzido, é fundamental que, além do código, nosso fluxo de pensamento também possa ser documentado. Em alguns casos, apenas os comentários distribuídos com o código podem não ser suficientes para garantir a compreensão do trabalho realizado.

Um dos pontos que mais reforço em minhas aulas é visualização de dados. A tag visualização aqui no site não me deixa mentir. Um dos exemplos que mais gosto sobre este assunto está presente do pacote datasauRus do R. Este pacote traz 13 conjuntos de dados bivariados que possuem uma característica muito marcante: as correlações entre as variáveis \(x\) e \(y\) destes conjuntos de dados são muito parecidas entre si.

Recentemente fui convidado pela organização do 2º Encontro Paraibano de Estatística para ministrar um minicurso durante o evento. O tema que escolhi foi visualização de dados: Visualização de dados com ggplot2 Seja na análise dos resultados de algum experimento ou na modelagem de big data, todo trabalho estatístico começa com a visualização dos dados coletados. Embora seja negligenciada às vezes, a visualização é de suma importância para ajudar a levantar hipóteses, confirmar suspeitas e avaliar suposições.

tl; dr Este é o link do aplicativo, caso o texto abaixo seja desinteressante. Introdução Regressão linear é um dos tópicos que ensino em uma disciplina chamada Métodos Estatísticos. Como é uma disciplina do terceiro semestre do Bacharelado em Estatística, é comum encontrar alunos que nunca viram um tópico como este ser tratado anteriormente. Assim, alguns ficam sem entender direito quando falo sobre relação linear, pontos de influência e tudo o mais.

Um Pouco de História Eu moro em Natal, RN, mas sou natural de São Leopoldo, RS. Também sou professor de Estatística. Quando falo de análise de dados com meus alunos, tem uma afirmação minha da qual eles sempre duvidam: Porto Alegre é mais quente do que Natal no verão. Só quem morou no sul e sudeste, em cidades com clima subtropical e afetadas pela continentalidade, sabem do que estou falando.

Analisar os resultados do ENEM é uma tarefa difícil. Embora os microdados estejam disponíveis gratuitamente para quem quiser baixá-los, nem todos possuem o conhecimento técnico necessário para analisá-los a partir do zero. Até mesmo pesquisadores experientes precisam pedir ajuda para realizar esta tarefa. Pensando neste problema, orientei uma monografia no Departamento de Estatística da UFRN chamada Visualização dos resultados das edições de 2010 a 2015 do ENEM através de um Shiny App, de autoria de Marylaine Nascimento.