The solid blue line represents the observed eigenvalues for the 13 items of the Arabic JoMO scale extracted using Maximum Likelihood estimation. The dashed red line represents the 95th percentile of simulated eigenvalues derived from parallel analysis (100 iterations). The massive initial eigenvalue (5.02) followed by a sharp "elbow" drop strongly supports the unidimensionality of the scale. The dotted horizontal line represents the traditional Kaiser criterion (eigenvalue = 1).

Elaborado por Roberta Lobato (Vice-Presidente e Analista Macro) e Júlia Freitas (Analista Macro), com o auxílio de Luiz Gama (Professor Orientador e Doutor em Economia). Este relatório analisa a trajetória da dívida pública brasileira, abordando sua composição, o comportamento do fluxo fiscal e o custo de financiamento. O estudo examina o atual ciclo de retroalimentação da dívida, a estrutura da curva de juros e o posicionamento do Brasil no contexto global, apresentando perspectivas e cenários para a sustentabilidade das finanças públicas.

Nota ao leitor: Esta apostila resume o Capítulo 2 de An Introduction to Generalized Linear Models (Dobson & Barnett, 4ª ed., 2018). O capítulo apresenta o processo de ajuste de modelos por meio de dois exemplos concretos — dados de contagem (Poisson) e dados contínuos (Normal) — e depois discute os princípios gerais de modelagem estatística, incluindo resíduos, inferência e notação matricial. Este material foi produzido em Quarto Markdown, com apoio de ferramentas de inteligência artificial na organização e síntese do conteúdo, tendo sido integralmente revisado e validado pelo autor

My R journey

Primeros pasos en R

Seqpac provides functions and workflows for analysis of short sequenced reads. It was originally developed for small RNA (sRNA) analysis, but can be implemented on any sequencing raw data (provided as a fastq-file), where the unit of measurement is counts of unique sequences. The core of Seqpac is the generation and subsequent annotation/analysis/ visualization of a standardized object called PAC. Using an target system, Seqpac processes, analyzes and visualizes group differences using the PAC object. Seqpac is particularly useful in generating sequence coverage profiles across reference sequences (such as tRNA or gene coverage) without losing the integrity of the original fastq sequences. Thus, candidate sequences are easily validated by for example a BLAST at a genome browser. This guide will introduce you to the basics of our recommended workflow for sRNA analysis, both fastq-processing (e.g. adapter trimming and generating sequence counts) and post-fastq analysis (e.g filtering, genome and sRNA alignment, differential expression analysis and visualization). To assure package quality, Seqpac has been optimized for Bioconducter.