Ciência de dados aplicada à uma análise do desemprego no Brasil antes e depois da covid-19: uma abordagem por algoritmos de séries temporais
dc.contributor.advisor | Vallim Filho, Arnaldo Rabello de Aguiar | |
dc.contributor.author | Barroso, Bianca A. | |
dc.contributor.author | Moura, Danielle P. | |
dc.contributor.author | Navarro, Larissa | |
dc.contributor.author | Reis, Thaina Santos | |
dc.date.accessioned | 2022-10-19T14:20:40Z | |
dc.date.available | 2022-10-19T14:20:40Z | |
dc.date.issued | 2022-09-09 | |
dc.description.abstract | Este documento descreve as pesquisas e observações de um Trabalho de Conclusão de Curso - TCC, que teve como objetivo estudar os efeitos da pandemia do Coronavírus (SARS-CoV-2) no desemprego do Brasil, por meio de um estudo do tipo “antes e depois”. A análise foi desenvolvida por meio de técnicas de Ciência de Dados, com uma abordagem de algoritmos de séries temporais no período entre 2012 e 2021, baseados em modelos estatísticos seguindo a metodologia Box-Jenkins, no qual o modelo SARIMAX apresentou a melhor solução para a previsão. A aplicação do modelo possibilita demonstrar o impacto da pandemia no comportamento da série temporal do desemprego no país como uma ferramenta de auxílio ao gerenciamento de risco e tomada de decisão. | pt_BR |
dc.description.abstract | This document describes the research and in observations of a Final Paper – TCC of an undergraduate course, which aimed to study the effects of the Coronavirus pandemic (SARS-CoV-2) on unemployment in Brazil, through a "before and after" study. The analysis was developed through Data Science techniques, with an approach of time series algorithms in the period between 2012 and 2021, based on statistical models following the Box-Jenkins methodology, the SARIMAX model that presented the best solution for the forecast. The application of the model makes it possible to demonstrate the impact of the pandemic on the behavior of the unemployment time series in the Brazil as a tool of risk management and decision making. | pt_BR |
dc.identifier.uri | https://dspace.mackenzie.br/handle/10899/30894 | |
dc.language | pt_BR | pt_BR |
dc.publisher | Universidade Presbiteriana Mackenzie | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | pandemia | pt_BR |
dc.subject | coronavírus | pt_BR |
dc.subject | desemprego | pt_BR |
dc.subject | ciência de dados | pt_BR |
dc.subject | metodologia box-jenkins | pt_BR |
dc.subject | pandemic | pt_BR |
dc.subject | coronavirus | pt_BR |
dc.subject | unemployment | pt_BR |
dc.subject | data science | pt_BR |
dc.subject | box-jenkins methodology | pt_BR |
dc.title | Ciência de dados aplicada à uma análise do desemprego no Brasil antes e depois da covid-19: uma abordagem por algoritmos de séries temporais | pt_BR |
dc.type | TCC | pt_BR |
local.publisher.department | Faculdade de Computação e Informática (FCI) | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1
Carregando...
- Nome:
- Bianca A. Barroso....pdf
- Tamanho:
- 415.05 KB
- Formato:
- Adobe Portable Document Format
- Descrição:
- Bianca A. Barroso...
Licença do Pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 1.95 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: