↓ Ir para o conteúdo principal

Gamificacao

Análise de sobrevivência com dados do PUBG no Kaggle

Análise de sobrevivência com dados do PUBG no Kaggle

Análise de sobrevivência e PUBG Análise de sobrevivência é um termo que se refere a situações médicas e é caracterizada pela sua variável resposta, que pode ser apresentada de três formas: probabilidade de sobrevivência, taxa de incidêcia e taxa de incidência acumulada. Na engenharia este termo também é conhecido como confiabilidade, no entanto, condições parecidas podem ocorrer em (inusitadas) outras áreas. PUBG é um jogo online multiplayer de batalha em que 100 jogadores são lançados em uma ilha e tem como objetivo principal sobreviver, a área de jogo diminui progressivamente, confinando os sobreviventes a um espaço cada vez menor e forçando encontros e o vencedor é o último jogador (ou time) a permanecer vivo. Um único jogo dura aproximadamente de 30-35 minutos e neste tempo o jogador coleta itens (arma, cura, boost), abate outros jogadores, comete e leva dano de seus adversários, pode dirigir veículos dentre outras ações enquanto tentam sobrevier ao mesmo tempo. Assim como no post sobre gamificação e o ranking de competições do Kaggle, a dinâmica de sobrevivência do PUBG também tem seu apelo de disputa entre os jogadores. Questões que surgiram em mente após um período de estudos de análise de sobrevivência e confiabilidade e ouvindo pessoas falarem sobre esta modalidade de jogo: O que interefere na probabilidade de um indivíduo sobreviver? O que tem efeito no risco de um jogador ser abatido em um intervalo de tempo? Faremos uma abordagem estatística aqui, após uma breve análise exploratória os dados serão avaliados utilizando o modelo de Kaplan-Meier, que é um estimador de forma não paramétrica para a função de sobrevivência e o modelo semiparamétrico de regressão de riscos proporcionais de Cox. TL;DR Tratamos cada morte no PUBG como um "evento" e o tempo de sobrevivência do jogador como a variável resposta. Kaplan-Meier estima a curva de sobrevivência; o teste log-rank compara curvas entre grupos. O modelo de Cox ajustado mostra que performance e distância percorrida reduzem o risco de morte, enquanto dirigir aumenta.
Produzindo e formatando um documento Word direto em R

Produzindo e formatando um documento Word direto em R

Relatórios de alta qualidade só com \(\LaTeX\)? Como já mencionei no post sobre tabelas incríveis com R, a tarefa de um estatístico (ou Data Scientist, em sua versão diluída e mais comercial) vai muito além do planejamento, análises, inferência, sumarização e interpretação de observações para fornecer a melhor informação possível a partir do dados disponíveis. A produção final dos relatórios é fundamental e na grande maioria das vezes utiliza-se a linguagem \(\LaTeX\), mas será que ela é realmente a única opção? A escrita para a produção de documentação técnica e científica de alta qualidade é tão importante que até o Facebook permite usar a linguagem \(\LaTeX\) no messenger. Normalmente para gerar arquivos em \(\LaTeX\) existem muitas opções de softwares ou mesmo opções online como o overleaf ou o sharelatex que permitem escrever os documentos online com compilação em tempo real e armazenamento automático na nuvem. Para esse tipo de relatório escrito puramente em \(\LaTeX\), as funções dos pacotes stargazer, xtable, pander dentre outros, podem ser muito úteis na tarefa de produzir as tabelas dos resultados obtidos das análises em R para o formato \(\LaTeX\). Além desses softwares a linguagem \(\LaTeX\) pode ser utilizada diretamente de dentro do R em duas opções: O documento R Sweave e o documento Rmarkdown. Se for em Rmarkdown será necessária algumas configurações, como por exemplo algumas vezes a opção results = "asis" deve ser incluída nos chunks que deseja-se renderizar as tabelas \(\LaTeX\), caso seja R Sweave, pode ser que essa documentação ajude, pois as configurações dos chunks podem ser diferentes das configurações utilizadas em R markdown). TL;DR Rmd to docx: a opção nativa do R já produz um Word formatado, com estilo controlado por um reference_docx. Grmd::docx_document: gera o documento em HTML e abre no Word sem perder a formatação de tabelas mais elaboradas. Uma macro no Word (VBA) resolve ajustes finos, como o tamanho das tabelas, que o R sozinho não cobre. Porém, não basta obter informação através dos dados e com técnicas específicas transformá-los em conhecimento, geralmente tal conhecimento será destinado para alguma finalidade e não necessariamente a pessoa que irá receber nossos resultados vai desejar um documento em PDF ou html, além de não trabalhar com \(\LaTeX\) nem conhecer as linguagens de programação muito utilizadas por nós, como R ou Markdown. Na verdade isso nem é mesmo uma obrigação para quem contrata serviços de analytics.
CheatSheets e gamificação: aprender R de forma divertida

CheatSheets e gamificação: aprender R de forma divertida

Você costuma ler o manual? Quando éramos crianças, geralmente não tínhamos o costume de ler o manual das coisas, não é mesmo? Particularmente eu sempre gostei de aprender como as coisas funcionavam diretamente com a prática para poder usá-las depois. Adorava buscar entender como as coisas se encaixavam ao montar os brinquedinhos do kinder-ovo sem ler as instruções ou criar diferentes combinações com lego customizados, por exemplo. Acredito que isso seja da natureza de toda criança! TL;DR CheatSheets da RStudio/Posit resumem pacotes inteiros numa página, para consulta rápida. DataCamp e Kaggle aplicam gamificação (pontos, medalhas, competição) para tornar o aprendizado mais engajante. Aprender R fica mais leve combinando prática direta com boas referências, sem abrir mão do manual quando travar. Acontece que com o passar dos anos vamos adquirindo conhecimento e começamos a perceber que quanto mais aprendemos maior a quantidade de coisas novas que ainda temos a aprender. Especialmente ao ler noticias do tipo: “Einstein estava certo a cem anos atrás!” depois de ele já ter tomado nota das ondas gravitacionais a tantos anos.. Um dever de casa que durou 100 anos foi deixado por um gênio e isso serve para nos lembra como somos “pequenos”, o quanto é importante seguir boas referências nos apoiando em ombros de gigantes para enxergar mais longe! (Quem ai aos 22 anos, desenvolveu o cálculo infinitesimal, as bases da teoria das cores, contribuiu com o estudo da ótica, formulou conceitos sobre as leis do movimento planetário e virou lenda com um famoso incidente da maçã que levou a formular a teoria da gravidade? Será que Isaac Newton conhece alguem?) Isso faz pensar em como é importante ouvir (ou ler) quem entende do assunto para darmos nossos próximos passos