<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Correlacao on Fellipe Gomes</title><link>https://gomesfellipe.github.io/tags/correlacao/</link><description>Recent content in Correlacao on Fellipe Gomes</description><generator>Hugo -- gohugo.io</generator><language>pt-BR</language><copyright>© 2026 Fellipe Gomes</copyright><lastBuildDate>Wed, 25 Mar 2020 00:00:00 +0000</lastBuildDate><atom:link href="https://gomesfellipe.github.io/tags/correlacao/index.xml" rel="self" type="application/rss+xml"/><item><title>Bot com Machine Learning para alertas de investimento</title><link>https://gomesfellipe.github.io/post/2020-03-25-investment-alert/</link><pubDate>Wed, 25 Mar 2020 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2020-03-25-investment-alert/</guid><description>&lt;style&gt;
.column {
 float: left;
 width: 50%;
 padding: 10px;
}

.column4 {
 float: left;
 width: 33%;
 padding: 10px;
}

.column8 {
 float: left;
 width: 66%;
 padding: 10px;
}

.row:after {
 content: "";
 display: table; 
 clear: both;
}
&lt;/style&gt;
&lt;div id="por-que-investir" class="section level2"&gt;
&lt;h1&gt;Por que investir?&lt;/h1&gt;
&lt;p&gt;Como esta sua situação financeira? Caso tenha alguma reserva pode ser interessante pensar em investimentos pois a poupança já não é mais garantia de lucro no longo prazo, não acredita?&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2020-03-25-investment-alert/feature.png"/></item><item><title>Modelos baseados em árvore no R: desafio Ames Housing do Kaggle</title><link>https://gomesfellipe.github.io/post/2018-08-31-modelos-em-arvore/</link><pubDate>Fri, 31 Aug 2018 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2018-08-31-modelos-em-arvore/</guid><description>&lt;div id="kaggle" class="section level2"&gt;
&lt;h1&gt;Kaggle&lt;/h1&gt;
&lt;p&gt;Segundo o &lt;a href="https://en.wikipedia.org/wiki/Kaggle"&gt;Wikipédia&lt;/a&gt;: “Kaggle é a maior comunidade mundial de cientistas de dados e machine learning.” Aprendo muito estudando as resoluções de alguns competidores pois lá é possível conferir tanto as metodologias utilizadas pelos competidores quando os códigos e é notável o cuidado dos participantes para que seja possível a reprodutibilidade dos resultados, o que pode impulsionar o aprendizado.&lt;/p&gt;
&lt;p&gt;O Kaggle trabalha com a ideia de &lt;a href="https://en.wikipedia.org/wiki/Gamification"&gt;gamificação&lt;/a&gt;, que é um assunto do qual já escrevi em um post sobre &lt;a href="https://gomesfellipe.github.io/post/2018-02-17-cheatsheet-gamificacao-r/cheatsheet-gamificacao-r/"&gt;gamificação e porque aprender R é tão divertido&lt;/a&gt; e gosto deste conceito de se criar jogos para motivar e engajar as pessoas em atividades profissionais e a ideia de se estar em um jogo possibilita doses de motivação especialmente a quem gosta de competir.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2018-08-31-modelos-em-arvore/feature.png"/></item><item><title>AED de forma rápida e um pouco de Machine Learning</title><link>https://gomesfellipe.github.io/post/2018-05-26-smarteademachinelearning/</link><pubDate>Sat, 26 May 2018 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2018-05-26-smarteademachinelearning/</guid><description>&lt;style&gt;
 .col2 {
 columns: 2 200px; /* number of columns and width in pixels*/
 -webkit-columns: 2 200px; /* chrome, safari */
 -moz-columns: 2 200px; /* firefox */
 }
 .col3 {
 columns: 3 100px;
 -webkit-columns: 3 100px;
 -moz-columns: 3 100px;
 }
&lt;/style&gt;
&lt;!-- Resumo: Neste post mostro como é possível realizar a AED de forma muito rápida com o pacote SmartEAD, e aplico algumas técnicas de machine learning e estatística para ilustrar alguns possíveis cenários--&gt;
&lt;div id="a-análise-exploratória-dos-dados" class="section level2"&gt;
&lt;h1&gt;A análise exploratória dos dados&lt;/h1&gt;
&lt;p&gt;A análise exploratória dos dados (AED) foi um termo que ganhou bastante popularidade quando Tukey publicou o livro &lt;a href="https://www.amazon.com/Exploratory-Data-Analysis-John-Tukey/dp/0201076160?tag=gomesfellipe-20" target="_blank" rel="sponsored nofollow noopener"&gt;Exploratory Data Analysis&lt;/a&gt; em 1977 que tratava uma “busca por conhecimento antes da análise de dados de fato”. Ocorre quando busca-se obter informações ocultas sobre os dados, tais como: variação, anomalias, distribuição, tendências, padrões e relações&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2018-05-26-smarteademachinelearning/feature.png"/></item><item><title>Pacotes do R para avaliar o ajuste de modelos</title><link>https://gomesfellipe.github.io/post/2017-12-24-diagnostico-de-modelo/</link><pubDate>Sun, 24 Dec 2017 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2017-12-24-diagnostico-de-modelo/</guid><description>&lt;div id="funções-do-r-para-avaliar-o-ajuste-de-modelos" class="section level2"&gt;
&lt;h1&gt;Funções do R para avaliar o ajuste de modelos&lt;/h1&gt;
&lt;p&gt;Traduzindo:&lt;/p&gt;
&lt;p&gt;“&lt;em&gt;Essencialmente, todos os modelos estão errados, mas alguns são úteis&lt;/em&gt;” - George E. P. Box&lt;/p&gt;
&lt;p&gt;Se você estuda estatística provavelmente já deve saber quem é este simpático senhor. Box teve grande contribuição para a estatística. Foi aluno do Ronald Aylmer Fisher e ainda se casou com a filha dele!&lt;/p&gt;
&lt;p&gt;Lendo um &lt;a href="http://jaguar.fcav.unesp.br/RME/fasciculos/v27/v27_n4/A10_Millor.pdf"&gt;artigo sobre a vida de Fisher&lt;/a&gt; um parágrafo me chamou atenção com uma fala de sua filha, que dizia o seguinte:&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2017-12-24-diagnostico-de-modelo/feature.jpg"/></item><item><title>Analisando o mercado de cryptomoedas com R</title><link>https://gomesfellipe.github.io/post/2017-12-04-analisando-o-mercado-de-cryptomoedas-com-r/</link><pubDate>Mon, 04 Dec 2017 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2017-12-04-analisando-o-mercado-de-cryptomoedas-com-r/</guid><description>&lt;div class="w3-panel w3-pale-yellow w3-border"&gt;
&lt;p&gt;&lt;strong&gt;⚠️ Aviso (2026):&lt;/strong&gt; Os pacotes e APIs usados neste post são de 2017 e foram descontinuados: o &lt;code&gt;coinmarketcapr&lt;/code&gt; passou a exigir chave de API paga e a API da BlinkTrade foi encerrada. A lógica de extrair, tratar e monitorar dados no R ainda é válida — veja a versão moderna com agentes de IA em &lt;a href="https://gomesfellipe.github.io/post/2025-05-04-bitcoin-agent/"&gt;Equipe Multiagente para Análise do Bitcoin&lt;/a&gt;.&lt;/p&gt;
&lt;/div&gt;

&lt;div id="as-cryptomoedas" class="section level1"&gt;
&lt;h1&gt;As cryptomoedas&lt;/h1&gt;
&lt;p&gt;Quem acompanha os jornais já deve ter notado que o mercado de cryptomoedas vem crescendo rapidamente, e grandes canais de informação já cobrem o assunto. A cotação do Bitcoin já pode ser acompanhada nos maiores sites do mercado financeiro. Diante de tantas novidades, vale entender como a programação pode ajudar a explorar temas tão recentes.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2017-12-04-analisando-o-mercado-de-cryptomoedas-com-r/feature.png"/></item><item><title>Tipos de relações entre variáveis</title><link>https://gomesfellipe.github.io/post/2017-12-02-tipos-de-relacoes-entre-variaveis/</link><pubDate>Sat, 02 Dec 2017 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2017-12-02-tipos-de-relacoes-entre-variaveis/</guid><description>&lt;div id="tipos-de-relações" class="section level2"&gt;
&lt;h1&gt;Tipos de relações&lt;/h1&gt;
&lt;p&gt;Vimos no &lt;a href="https://gomesfellipe.github.io/post/2017-12-01-tipos-de-correlacoes/"&gt;último post sobre tipos de correlações&lt;/a&gt; quais tipos de medidas de correlação e associação podem ser calculadas para identificar o grau de associação (ou dependência) entre as variáveis. Um exemplo prático dessas técnicas aplicadas a dados reais pode ser visto na &lt;a href="https://gomesfellipe.github.io/post/2017-12-04-analisando-o-mercado-de-cryptomoedas-com-r/"&gt;análise do mercado de criptomoedas com R&lt;/a&gt;.&lt;/p&gt;
&lt;p&gt;Já sabemos que esses coeficientes variam entre 0 e 1 ou entre -1 e +1, de maneira que a proximidade de zero indique a falta de associação entre elas.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2017-12-02-tipos-de-relacoes-entre-variaveis/feature.jpeg"/></item><item><title>Tipos de Correlações em R</title><link>https://gomesfellipe.github.io/post/2017-12-01-tipos-de-correlacoes/</link><pubDate>Fri, 01 Dec 2017 00:00:00 +0000</pubDate><guid>https://gomesfellipe.github.io/post/2017-12-01-tipos-de-correlacoes/</guid><description>&lt;div id="TOC"&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a href="#correlações"&gt;Correlações&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#tipos-de-variáveis"&gt;Tipos de Variáveis&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#tipos-de-correlações"&gt;Tipos de Correlações&lt;/a&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a href="#coeficiente-de-correlação-de-pearson"&gt;Coeficiente de Correlação de Pearson&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#coeficiente-de-correlação-de-spearman-rho"&gt;Coeficiente de Correlação de Spearman &lt;span class="math inline"&gt;\(\rho\)&lt;/span&gt;&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#coeficiente-de-correlação-de-kendall-tau-de-kendall"&gt;Coeficiente de Correlação de Kendall (&lt;span class="math inline"&gt;\(\tau\)&lt;/span&gt; de kendall)&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#qui-quadrado-de-independencia"&gt;Qui-quadrado de independencia&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#teste-exato-de-fisher"&gt;Teste exato de fisher&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#medidas-de-associação"&gt;Medidas de associação&lt;/a&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a href="#phi-phi-é-o-r-de-pearson-quando-aplicado-a-tabelas-2x2"&gt;&lt;span class="math inline"&gt;\(\phi\)&lt;/span&gt; (phi) (é o R de pearson quando aplicado a tabelas 2x2)&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#v-de-crámer"&gt;V de Crámer&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#coeficiente-de-contingência"&gt;Coeficiente de contingência&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#kappa"&gt;Kappa&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#mãos-a-obra"&gt;Mãos a obra&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="#referências"&gt;Referências&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;
&lt;/div&gt;

&lt;!-- # Base de dados: --&gt;
&lt;!-- ```{r,echo=F} --&gt;
&lt;!-- dados &lt;- read_excel("contabilidade.xlsx") --&gt;
&lt;!-- kable(dados,"html")%&gt;% --&gt;
&lt;!-- kable_styling()%&gt;% --&gt;
&lt;!-- scroll_box(width = "700px", height = "250px") --&gt;
&lt;!-- ``` --&gt;
&lt;!-- É possível notar que existem diversos tipos de variáveis --&gt;
&lt;div id="correlações" class="section level1"&gt;
&lt;h1&gt;Correlações&lt;/h1&gt;
&lt;p&gt;De maneira geral, quando estamos interessados em avaliar o grau de associação entre duas variáveis calculamos os &lt;em&gt;coeficientes de associação&lt;/em&gt; ou &lt;em&gt;correlação&lt;/em&gt; entre variáveis.&lt;/p&gt;</description><media:content xmlns:media="http://search.yahoo.com/mrss/" url="https://gomesfellipe.github.io/post/2017-12-01-tipos-de-correlacoes/feature.jpeg"/></item></channel></rss>