Daqui consegui gerar alguns gráficos.
O autor fez um ótimo código no R!
De Gustibus Non Est Disputandum
Porque não existe almoço grátis
Uma proposta é esta.
Não sei se já disponibilizei aqui. Acho que não. Então, aí vai uma hora de ideias realmente interessantes. SALSA? Ah sim, assista o vídeo!
A dica é esta.
O prof. Perlin ataca novamente, desta vez com um pacote para o R que vai ajudar muita gente: GetCVMData.
As atualizações na base de dados original me obrigou a rever meus resultados (um resumo está aqui). Mas a conclusão é: parece que o coeficiente se aproxima de -0.8 e não mais de -1. Entretanto, assintoticamente (ainda de forma muito anedótica), parece que a lei será verificada. Eis algumas ilustrações.
Pois é, pessoal. Por enquanto é só.
Passei a colaborar mensalmente com o Brasil.io. Afinal, graças ao pessoal deste ótimo site, tenho o bem público que é a base de dados que tenho utilizado nas minhas estimações diárias sobre a Lei de Zipf (detalhes? Só descer no blog).
Contudo, nos últimos dias, eu já estava chateado pois os dados vinham com uns caracteres estranhos, forçando-me a um repetitivo trabalho de localizar-e-substituir. Bom, como todo preguiçoso, procurei um atalho e a solução deste pessoal, usando LibreOffice funciona.
Talvez ainda valha pedir para que o pessoal do Brasil.io deixe o arquivo mais tratável, mas, veja, é um bem público.
A propósito, uma observação: o número de casos não é necessariamente igual ao do Ministério da Saúde, mas isso está bem explicado na documentação da base de dados. Ah, e o número de casos confirmados deu um salto significativo recentemente. No dia 14/04 eram 482 e, no dia 15/04 passou para 1145 e, no dia 16/04, 1164.
Conforme o que tenho apresentado neste blog aqui e aqui, tenho buscado verificar a validade da Lei de Zipf para os dados municipais de confirmados (com Covid-19) por 100 mil habitantes. Minha referência para a (L)lei de Zipf vem deste artigo do Leo:
Ok, agora vamos aos resultados (já com as ressalvas feitas nos textos anteriores do blog) [ATUALIZADO EM 16/04].
Na coluna da esquerda, os coeficientes estimados para a minha estimação diária da Lei de Zipf. Na da direita, o número de observações.
Repare que a penúltima entrada há uma curiosa queda do número de observações (talvez eu deva fazer o download diário dos dados diários porque o pessoal que coleta os dados deve fazer revisões sem uma periodicidade fixa).
[ATUALIZADO EM 16/04] Independentemente disto, nos últimos dias, parece que o coeficiente estimado começa se aproximando do valor teórico “-1” mas parece estacionar em -0.9 (ou -0.89) a partir de 12/04 . O que significa isto o valor teórico de “-1”? Monasterio (2004), em estudo sobre a lei para a população municipal (nunca vi gostar tanto de economia regional e urbana), dizia:
“Ordene de forma decrescente os dados sobre população das cidades de sua região. Divida o número de habitantes da maior cidade da região por dois. Anote. Siga repetindo a operação acrescentando uma unidade ao denominador. Compare a lista de valores observados com a dos calculados. É provável que ambas sejam bastante semelhantes”.[Monasterio (2004), 181]
Shikida, Fernandez & Carraro (2019), no contexto da Economia dos Esportes, lembram que o coeficiente “-1” representa uma elasticidade unitária. No caso dos dados em análise, um aumento de 1% no número de confirmados com Covid-19 por 100 mil habitantes faz com que o município suba 1% no ranking. É o que Monasterio (2004) disse, de forma mais intuitiva (?), na citação acima.
Acho interessante, no caso em questão, que parece haver uma aproximação da lei, à medida em que os casos de contaminados são atualizados (para cima, a despeito de problemas na coleta/revisão dos dados). Será que a estabilização em -1, por algum motivo, vai se dar perto do achatamento da curva?
Em outras palavras: será que a lei de Zipf – no caso, pensando em elasticidade-unitária, será observada no ponto de máximo (a partir do qual se estabiliza o número de contaminados? Ou será que a estabilização ocorrerá em algum outro valor próximo de -1? Ou isso tudo é um erro?)
Eis uma ideia que pode fazer algum sentido (ou não).
Ótimo blog, este.
Governo da China continental (não o de Taiwan) derrapa outra vez.
Modele o impacto da pandemia no modelo Ramsey-Cass-Koopmans (aproveite e incorpore a política fiscal criada pelo governo).
Pronto, lancei o desafio.
Algumas reflexões.