Cadernos Computacionais¶
Como usar estes notebooks
Cada notebook é autocontido e roda no Google Colab sem instalação. Clique no botão "Open in Colab" para começar. Tempo médio: 30–50 minutos por notebook.
Duas linguagens: Todos os notebooks estão disponíveis em Python e R. Escolha a linguagem com que você se sentir mais confortável — o conteúdo econômico é idêntico.
Pré-requisitos: Ter lido o capítulo correspondente. Conhecimento básico de R ou Python é útil mas não obrigatório — os notebooks são comentados passo a passo.
Fontes de dados brasileiros:
| Fonte | URL | Dados |
|---|---|---|
| SIDRA/IBGE | sidra.ibge.gov.br | POF, PNAD, Censo, PIA |
| IPEADATA | ipeadata.gov.br | Séries macro e regionais |
| Comex Stat | comexstat.mdic.gov.br | Comércio exterior |
| RAIS/CAGED | bi.mte.gov.br | Emprego formal |
| BCB/SGS | bcb.gov.br | Séries financeiras |
| ANP | gov.br/anp | Preços de combustíveis |
| CEPEA | cepea.esalq.usp.br | Preços agrícolas |
Cadernos por Tema (Modelos Interativos)¶
Estes cadernos acompanham o livro e permitem explorar os modelos microeconômicos interativamente.
Requisitos Python: numpy, matplotlib, scipy
pip install numpy matplotlib scipy
Requisitos R: tidyverse, ggplot2, rootSolve
install.packages(c("tidyverse", "ggplot2", "rootSolve"))
| Caderno | Capítulos | Temas | Python | R |
|---|---|---|---|---|
| Teoria do Consumidor | 3–6 | Utilidade, otimização, Slutsky, elasticidade | consumidor.py | consumidor.R |
| Incerteza e Comportamento | 7–8 | Utilidade esperada, prospect theory, desconto | incerteza.py | incerteza.R |
| Teoria dos Jogos | 9a–9d | Nash, Cournot, leilões, jogos repetidos | jogos.py | jogos.R |
| Firma e Custos | 10–12 | Produção, custos, oferta competitiva | firma.py | firma.R |
| Mercados | 13–16 | Tributação, equilíbrio geral, monopólio, oligopólio | mercados.py | mercados.R |
| Fatores e Tempo | 17–18 | Oferta de trabalho, VPL, Hotelling | fatores.py | fatores.R |
Notebooks com Dados Reais¶
Estes notebooks usam dados brasileiros reais para aplicar os conceitos do livro. Cada um é autocontido e pode ser executado no Google Colab sem instalação local.
Teoria do Consumidor (Caps. 3–6)¶
| # | Notebook | Dados | O que você faz | Tempo | Python | R |
|---|---|---|---|---|---|---|
| N1 | Elasticidades de alimentos | POF 2017–2018 (IBGE/SIDRA) | Estimar elasticidades-preço e renda para arroz, feijão, carne, frutas usando método de Deaton (1988). Plotar curvas de Engel. | 50 min | Colab | Colab |
| N2 | Decomposição de Slutsky | Dados simulados | Simular choque de preço e decompor efeito total em substituição + renda. Visualizar graficamente com animação. | 30 min | Colab | Colab |
| N3 | Índices de preço e bem-estar | IPCA/IBGE | Calcular índices de Laspeyres, Paasche e Fisher para a cesta de consumo brasileira. Comparar com IPCA oficial. | 40 min | Colab | Colab |
Incerteza e Comportamento (Caps. 7–8)¶
| # | Notebook | Dados | O que você faz | Tempo | Python | R |
|---|---|---|---|---|---|---|
| N4 | Loteria e aversão ao risco | Mega-Sena (Caixa) | Calcular valor esperado da Mega-Sena, estimar CRRA necessário para compra do bilhete, plotar prêmio de risco. | 30 min | Colab | Colab |
| N5 | Vieses cognitivos em dados | Pesquisa experimental | Replicar experimento de ancoragem com dados simulados. Testar representatividade com probabilidades bayesianas. | 40 min | Colab | Colab |
Teoria dos Jogos (Caps. 9a–9d)¶
| # | Notebook | Dados | O que você faz | Tempo | Python | R |
|---|---|---|---|---|---|---|
| N6 | Nash e best-response | Simulação | Simular Cournot com n firmas, visualizar convergência via best-response dynamics. Variar n de 2 a 20. | 40 min | Colab | Colab |
| N7 | Leilões e receita | Simulação | Simular leilões de 1o preço, 2o preço (Vickrey), inglês e holandês. Verificar teorema da equivalência de receita. | 40 min | Colab | Colab |
| N8 | Gale-Shapley | CNRM (residência médica) | Rodar algoritmo Gale-Shapley com dados estilizados de residência médica. Verificar estabilidade e strategy-proofness. | 50 min | Colab | Colab |
Firma e Custos (Caps. 10–12)¶
| # | Notebook | Dados | O que você faz | Tempo | Python | R |
|---|---|---|---|---|---|---|
| N9 | Função de produção Cobb-Douglas | PIA/IBGE | Estimar parâmetros de Cobb-Douglas para indústria brasileira. Testar retornos de escala. | 50 min | Colab | Colab |
| N10 | Curvas de custo | Dados simulados | Gerar custos fixos/variáveis, plotar CMg, CMe, CVMe. Identificar escala eficiente e shutdown point. | 30 min | Colab | Colab |
Mercados (Caps. 13–16)¶
| # | Notebook | Dados | O que você faz | Tempo | Python | R |
|---|---|---|---|---|---|---|
| N11 | Lei do preço único | Comex Stat + CEPEA | Analisar convergência de preços de soja/milho entre Brasil e CBOT. Testar arbitragem. | 50 min | Colab | Colab |
| N12 | Conluio em combustíveis | ANP | Analisar dados de preços de gasolina por posto. Testar assimetria de repasse (rockets and feathers). | 50 min | Colab | Colab |
| N13 | Oligopólio: Cournot vs. Bertrand | Simulação | Comparar equilíbrios Cournot e Bertrand com n firmas. Plotar lucros, preços e excedentes. | 40 min | Colab | Colab |
Fatores, Tempo e Informação (Caps. 17–19)¶
| # | Notebook | Dados | O que você faz | Tempo | Python | R |
|---|---|---|---|---|---|---|
| N14 | Equação de Mincer | PNAD Contínua (IBGE) | Estimar retornos à educação e experiência no Brasil. Incluir dummies de gênero e raça. Plotar perfis salariais. | 50 min | Colab | Colab |
| N15 | Desconto intertemporal | Dados simulados | Calibrar modelo de consumo com desconto exponencial vs. quasi-hiperbólico. Visualizar inconsistência temporal. | 30 min | Colab | Colab |
Tópicos Aplicados (Caps. 20–24)¶
| # | Notebook | Dados | O que você faz | Tempo | Python | R |
|---|---|---|---|---|---|---|
| N16 | RCT simulado | Dados sintéticos | Gerar dados experimentais, aleatorizar, estimar ATE com e sem controles, visualizar DiD com tendências paralelas. | 50 min | Colab | Colab |
| N17 | Modelo DICE simplificado | Parâmetros calibrados | Calibrar DICE com 2 períodos, variar taxa de desconto social, plotar trajetórias ótimas de emissão e temperatura. | 50 min | Colab | Colab |
| N18 | Valoração contingente | Dados simulados | Simular survey de DAP, estimar WTP com logit, calcular benefício agregado. Discutir vieses. | 40 min | Colab | Colab |