Momento Urban Demographics no Análise Real.
O Google lançou uma página, Brazil’s Painted Streets, em que você pode passear pelas ruas decoradas para a copa no Brasil:
E também tem um vídeo no YouTube:
Bem bacana.
Mas, como contraponto, vale colocar as pinturas contra a copa elencadas no The Guardian:
Nate Silver lançou suas previsões para a copa do mundo: Brasil sai como favorito, com 45% chances de ganhar.
O que você acha das previsões? Quer entender como chegaram a esses números? Leia, aqui, a discussão que Nate faz sobre o modelo!
As feministas que buscam mais mulheres como editoras de top journals têm que lutar por mais filmes com Nicolas Cage! Ou será que este applicativo para Google Chrome resolveria? — transforma todas as imagens da sua internet em Nicolas Cages.
O problema com a solução é que há um trade-off: mais filmes com Nicolas Cage aumentarão o número de afogamentos em piscinas.
PS: As correlações acima foram geradas pelo genial site Spurious Correlations. Agora não falta material para ensinar correlação espúria.
Dilbert, resumindo Os Números (não) mentem
Ok, tenho resgatado uns cartoons velhos. Mas valem a pena, não valem!?
Os autoritários:
E os libertários (em inglês):
Via information liberation, lefty cartoons e Economistas X (versão em português).
Procrastinadores, seus problemas acabaram diminuíram.
Há algum tempo descobri o StayFocusd, para o Google Chrome. Recomendo.
Você define quanto tempo por dia quer perder no submundo da internet (facebook etc); quando este tempo se esgota, ele bloqueia o acesso a todos os sites (você pode personalizar, se quer que bloqueie todos, ou se quer que haja uma lista de exceções, entre outras opções – o app é bastante flexível) e te mostra uma carinhosa mensagem:
Shouldn’t you be working?
Continuando o tema de análise de redes, abordado em post passado, vejamos agora um exemplo legal que você mesmo pode reproduzir!
O gráfico abaixo é o da minha rede do Facebook. Cada nódulo representa uma pessoa (não coloquei os nomes, mas você pode colocar caso queira) e cada arco uma relação de amizade entre elas.
Veja que as pessoas foram separadas em grupos com base nas relações de amizade, e cada grupo recebeu uma cor diferente. Isto foi feito por um algoritmo que, no meu caso, corretamente identificou os grupos sociais da rede (trabalho, família, viagens, cursos) com base em quão fortemente conectados os nódulos são. Perceba que algumas pessoas são representadas por nódulos maiores: no caso, elas são pessoas com alto nível de betweeness centrality, isto é, pessoas que são como uma ponte para grupos de amizades distintos dentro da rede – também seria possível mudar o tamanho dos nódulos segundo o número de conexões de cada pessoa (grau, na linguagem de rede) ou outras medidas de centralidade.
Bacana, não?
Quer fazer o seu? Você vai precisar entrar no aplicativo Netvizz para baixar os dados do Facebook e, depois, rodá-los no programa Gephi (que pode ser baixado gratuitamente aqui). Caso tenha alguma dificuldade, há um didático tutorial na internet. Futuramente, para não dizer que não falamos de economia, vamos fazer esse mesmo experimento com a visualização de dados de investimento direto no exterior e ver o que sai.
Análise Real 