Análise População Carcerária de 2016 a 2019 no Brasil

1 Proposta de projeto

O objetivo desse projeto é demonstrar minhas habilidades com R em manipulação e estruturação de dados, bem como uma análise dos dados apresentados. Com isso em vista, vou deixar exposto boa parte dos códigos, mas não todos para que não fique muito repetitivo. Devo ressaltar que embora presente em algumas tabelas, a etnia “amarela ou indígena” não será apresentada no relatório final, uma vez que hpá uma quantidade grande de outliers e que acabam inviesando a análise.

Todos os arquivos utilizados nesse projetos podem ser encontrados no link abaixo.
link para os arquivos

1.1 Método de Análises

No decorrer da análise vou fazer várias previsões de população, pois nem todas as tabelas apresentam dados de 2019. Para previsão da população, vou me basear no método aritmético presente no livro de Marcos Von Sperling (Von Sperling 2014).

Método aritmético

Este método pressupõe uma taxa de crescimento constante para os anos que se seguem, a partir de dados conhecidos, por exemplo, a população do último censo. Matematicamente, pode ser representado da seguinte forma:

\[\frac{dP}{dt} = k_a\] nos quais dP/dt representa a variação da população (P) por unidade de tempo (t), e ka éuma constante. Considerando que P1 é a população do penúltimo censo (ano t1) e P2, a população do último censo (ano t2), tem-se:

\[\int_{P_2}^{P_1} = k_a\int_{t_1}^{t_2}dt\]

Integrando entre os limites definidos, tem-se:

\[P_2-P_1 = k_a(t_2-t_1)\] \[k_a = \frac{P_2-P_1}{t_2-t_1}\]

Utilizando-se a equação, chega-se à expressão geral do método aritmético:

\[P=P_2 + k_n(t-t_2)\]

onde t representa o ano da projeção.

Este método admite que a população varie linearmente com o tempo e pode ser utilizado para a previsão populacional para um período pequeno, de 1 a 5 anos. Para previsão por período muito longo, toma-se acentuada a discrepância com a realidade histórica, uma vez que o crescimento é pressuposto ilimitado.

Para aplicar essa fórmula do método aritmético, vou usar essa função logo a baixo.

formula <- function(P2, t2, P0, t0, t) {
  Ka <- (P2 - P0) / (t2 - t0)
  Pt <- P2 + Ka * (t - t2)
  return(Pt)
}

1.2 Preparação do Ambiente R

Antes de mais nada, vou carregar os pacotes que vou usar para manipular os dados, fazer análises e gerar esse relatório.

knitr::opts_chunk$set(cache= TRUE, warning=FALSE, message=FALSE)
library(foreign)
library(lmtest)
library(readxl)
library(writexl)
library(stringi)
library(stringr)
library(purrr)
library(tidyverse)
library(knitr)
library(markdown)
library(kableExtra)
library(htmltools)
library(rstatix)                                
library(emmeans)

2 O INFOPEN

“O Infopen é um sistema de informações estatísticas do sistema penitenciário brasileiro. O sistema, atualizado pelos gestores dos estabelecimentos desde 2004, sintetiza informações sobre os estabelecimentos penais e a população prisional. Em 2014, o DEPEN reformulou a metodologia utilizada, com vistas a modernizar o instrumento de coleta e ampliar o leque de informações coletadas. O tratamento dos dados permitiu amplo diagnóstico da realidade estudada, mas que não esgotam, de forma alguma, todas as possibilidades de análise.”

2.1 Carregamentos dos Dados Iniciais Passo a Passo

Primeiro vou criar um dicionário de estados que vou usar. Fiz isso afim de padroniazar os nomes dos estados, pois algumas tabelas apresentam os nomes completos, outras apresentam apenas as siglas dos estados.

head(uf_dict, 20)

##                Acre             Alagoas               Amapá            Amazonas 
##                "AC"                "AL"                "AP"                "AM" 
##               Bahia               Ceará    Distrito Federal      Espírito Santo 
##                "BA"                "CE"                "DF"                "ES" 
##               Goiás            Maranhão         Mato Grosso  Mato Grosso do Sul 
##                "GO"                "MA"                "MT"                "MS" 
##        Minas Gerais                Pará             Paraíba              Paraná 
##                "MG"                "PA"                "PB"                "PR" 
##          Pernambuco               Piauí      Rio de Janeiro Rio Grande do Norte 
##                "PE"                "PI"                "RJ"                "RN"

Aqui a lista de colunas que vou estrair das tabelas do INFOPEN. Criei essa lista usando manipulação com Excel.

Fazer um loop nos arquivos das tabelas do INFOPEN e listar os nomes deles

Combinar o diretorio ao nome do arquivo

arquivos_infopen <- str_c("INFOPEN/tabelas excel/",nome_dos_arquivos_infopen)

Dar nome a cada elemento do vetor

names(arquivos_infopen) <- gsub("\\.xlsx$", "", nome_dos_arquivos_infopen)

Aplicar a função read_excel para cada elemento do vetor importando assim todos os arquivos de uma só vez

infopen_br<- map_df(.x = arquivos_infopen, .f = read_excel, .id = "data") %>% 
  select("UF",data, all_of(colunas))

2.2 Reconhecendo a Tabela

As tabelas do INFOPEN apresentam dados em painel, onde cada individo é representado mais de uma vez.

Cada tabela do INFOPEN contém mais de 1300 colunas e aproximadamente 1500 linhas.

jun_2017 <- read_excel("INFOPEN/tabelas excel/jun 2017.xlsx")

Numero de colunas: 1332
Número de linas: 1514

Após analisar cada tabela, decidi filtrar apenas as colunas mais interessantes para a minha analise e o resultado foi uma tabela com 8932 linhas e 328 colunas.

2.3 Começando manipular o dataframe

Após agrupar todas as tabelas e escolher apenas as colunas que vou utiliar, o próximo passo será transformar de formato largo para longo. O Formato longo facilita algumas manipulações,e o formato largo outras. No decorrer dessa análise vou utilizar os dois formatos.

infopen_2_formato_longo <-infopen_br%>% 
  gather(variavel , quantidade, - c(UF,data)) %>% 
  drop_na()

Vou resumir os valores para que sejam removidas as linhas repetidas e obtenha-se o total de cada variavel

infopen_3_resumido <- infopen_2_formato_longo %>%
  group_by(UF, data, variavel) %>%
  mutate(data = gsub("dez", "dec", data))%>% ## precisei usar "dec" para que o programa entendesse que se referia ao mes de dezembro
  summarise(presos = sum(quantidade, na.rm = TRUE)) %>% 
  merge(uf_regiao, by = "UF", all.x = TRUE)

2.4 Criar as Variáveis Que Vou Trabalhar

Após resumir os dados e remover os ‘NAs’, chegou o momento de separar os dados em colunas que vou utilizar.

infopen_4_final <- infopen_3_resumido %>%
  rowwise() %>% ## define o escopo das operacoes seguinte, para serem trabalhadas por linha e nao colunas
  filter(!str_detect(variavel, "Não_Informado|Não_informado|Sem informação"))%>% ## remover as variáveis que nao serao necessarias
  mutate( ## aqui comeco a definir as colunas que vou usar. Vou extrair as novas colunas da coluna variavel
    genero = case_when(
      str_detect(variavel, "(Feminino)") ~ "Feminino",
      str_detect(variavel, "(Masculino)") ~ "Masculino",
      TRUE ~ NA_character_),
    variavel = gsub("_Masculino|_Feminino|", "", variavel), ## nesse ponto eu preciso remover a string de genero para evitar conflitos mais a frente no código
    etnia = ifelse(grepl("etnia_", variavel),
                   sub("etnia_", "", variavel), NA),
    etnia = if_else(etnia == "Branca", "Branca", 
                    if_else(etnia %in% c("Preta", "Parda"), "Preta ou Parda", 
                           if_else(etnia %in% c("Amarela", "Indigena"), "Amarela ou Indigena"
                                   ,NA))),
    grau_de_instrucao = ifelse(grepl("grau_de_instrucao_", variavel),
                               sub("grau_de_instrucao_","", variavel), NA), 
    remuneracao = ifelse(grepl("remuneracao_",variavel),
                         sub("remuneracao_","",variavel),NA),
    faixa_etaria = ifelse(grepl("faixa_etaria_", variavel),
                          sub("faixa_etaria_","",variavel),NA))%>% 
  mutate_at(vars(-presos), as.factor) %>% 
  ungroup() %>% 
  select("data","regiao","UF", "genero","etnia", 
         "grau_de_instrucao", "faixa_etaria", "remuneracao","presos") %>% ## usei select() apenas porque gostaria de vizualiar as colunas nessa ordem
  filter(!is.na(genero))

2.5 Geração das Tabelas

Em relação à quantidade de presos, essa é a tabela mais confiável pois nem todos os presídios têm capacidade de recolher todos os dados. Logo, com as outras tabelas vou trabalhar apenas a porcentagem de presos em relacao ao total e extrair daqui o valor correspondente.

2.5.1 Tabela com a população prisional total

populacao_prisional <-infopen_3_resumido %>%
  filter(str_detect(variavel, "População_prisional"))%>%
  rowwise() %>% 
  mutate(
    genero = case_when(
      str_detect(variavel, "(Feminino)") ~ "Feminino",
      str_detect(variavel, "(Masculino)") ~ "Masculino",
      TRUE ~ NA_character_)) %>% 
  select(regiao, UF,data,genero, presos) %>% 
  drop_na() %>% 
  ungroup()

populacao_prisional_2_resumido <- populacao_prisional %>% 
  filter(grepl("^dec", data) | data == "jun 2019") %>% ## após algumas análises decidí usar apenas 1 referência por ano, ao inves de uma média dos valores. 
  group_by(regiao, UF, data) %>%
  mutate(ano = str_replace(data, "\\D*(\\d{4}).*", "\\1")) %>% ## removendo os 4 primerios characteres dos valores na coluna 'ano'
  ungroup() %>% 
  group_by(ano, regiao, UF) %>% 
  summarise(total_presos = sum(presos)) %>% 
  ungroup() %>% 
  select(ano, regiao, UF, total_presos)

Vou deixar apenas mais esse exmplo de código, pois para a criação das demais tabelas não há muita diferença em relação ao processo dessa. O que pode mudar são alguns ajustes pontuais, mas nada que mereça mensão.

infopen_faixa_de_idade <-infopen_4_final %>% 
  select(regiao,UF,data,genero, faixa_etaria, presos) %>% ## selecionar as colunas
  mutate(faixa_etaria = gsub("_", " ", faixa_etaria)) %>% ## remover os "_" para facilitar leitura e exportacao para csv 
  mutate_at(vars(-presos), as.factor) %>% ## converter todas as colunas para factor - presos
  drop_na() ## remover NA

infopen_faixa_de_idade_2_porcentagem <- infopen_faixa_de_idade %>% 
  filter(grepl("^dec", data) | data == "jun 2019") %>%
  group_by(regiao, UF, data) %>%
  mutate(ano = str_replace(data, "\\D*(\\d{4}).*", "\\1"),
         total_presos_faixa = sum(presos, na.rm = TRUE), # soma total de presos por região, UF, gênero e ano
         porcentagem_presos = round(((presos / total_presos_faixa) * 100),2),
         UF = as.factor(UF),
         ano = as.character(ano)) %>% 
  ungroup() %>% 
  select(ano, regiao, UF, genero, faixa_etaria, porcentagem_presos)

infopen_faixa_de_idade_3_final <- infopen_faixa_de_idade_2_porcentagem %>%
  left_join(populacao_prisional_2_resumido, by = c("ano", "regiao", "UF")) %>%
  mutate(presos = round(((porcentagem_presos / 100) * total_presos), 0)) %>%
  select(ano, regiao, UF, genero, faixa_etaria, presos)

infopen_faixa_de_idade_4 <- infopen_faixa_de_idade_3_final %>% 
  group_by(ano,faixa_etaria) %>% 
  summarise(presos = sum(presos)) %>% 
  mutate(ano = as.numeric(ano))

2.6 Visualização dos Dados do INFOPEN

Aqui estão as tabelas do INFOPEN que irei utilizar. Obseve que combinei várias tabelas, rearanjei as colunas e extraí 5 tabelas distintas, com dados em painel.

2.6.1 Populacao prisional

regiao	UF	data	genero	presos
Sudeste	SP	jun 2019	Masculino	134002
Sudeste	SP	dec 2018	Masculino	129255
Sudeste	SP	jun 2018	Masculino	124912
Sudeste	SP	dec 2017	Masculino	121808
Sudeste	SP	jun 2017	Masculino	120332
Sudeste	SP	dec 2016	Masculino	119372
Sudeste	SP	dec 2016	Masculino	56185
Sudeste	SP	jun 2017	Masculino	54000
Sudeste	SP	dec 2017	Masculino	51915
Sudeste	SP	jun 2018	Masculino	51270

2.6.2 Etnia

ano	regiao	UF	etnia	presos
2019	Sudeste	SP	preta ou parda	136560
2018	Sudeste	SP	preta ou parda	132756
2016	Sudeste	SP	preta ou parda	129392
2017	Sudeste	SP	preta ou parda	128026
2016	Sudeste	SP	branca	100415
2019	Sudeste	SP	branca	96821
2017	Sudeste	SP	branca	95929
2018	Sudeste	SP	branca	94901
2018	Sudeste	MG	preta ou parda	57464
2019	Sudeste	MG	preta ou parda	56521

2.6.3 Grau de instrução

ano	regiao	UF	genero	grau_de_instrucao	presos
2019	Sudeste	SP	Masculino	Ensino Fundamental Incompleto	99346
2017	Sudeste	SP	Masculino	Ensino Fundamental Incompleto	98797
2018	Sudeste	SP	Masculino	Ensino Fundamental Incompleto	97082
2016	Sudeste	SP	Masculino	Ensino Fundamental Incompleto	96434
2019	Sudeste	SP	Masculino	Ensino Médio Incompleto	47265
2018	Sudeste	SP	Masculino	Ensino Médio Incompleto	46693
2017	Sudeste	SP	Masculino	Ensino Médio Incompleto	43707
2016	Sudeste	SP	Masculino	Ensino Médio Incompleto	42049
2018	Sudeste	MG	Masculino	Ensino Fundamental Incompleto	41789
2019	Sudeste	MG	Masculino	Ensino Fundamental Incompleto	40967

2.6.4 Faixa etária

ano	faixa_etaria	presos
2016	18 a 24 anos	214624
2018	18 a 24 anos	206467
2019	18 a 24 anos	204917
2017	18 a 24 anos	202629
2019	25 a 29 anos	178737
2018	25 a 29 anos	173891
2016	25 a 29 anos	169540
2017	25 a 29 anos	168851
2019	35 a 45 anos	157032
2018	35 a 45 anos	145968

2.6.5 Faixa de remuneração

ano	regiao	UF	remuneracao	presos
2016	Sudeste	SP	Entre 3/4 e 1 salário mínimo mensal	230152
2019	Sudeste	SP	Menos do que 3/4 do salário mínimo mensal	155026
2018	Sudeste	SP	Menos do que 3/4 do salário mínimo mensal	106953
2018	Sudeste	SP	Não recebe	94809
2017	Sudeste	RJ	Entre 3/4 e 1 salário mínimo mensal	51132
2019	Sudeste	RJ	Não recebe	49260
2019	Sudeste	SP	Entre 3/4 e 1 salário mínimo mensal	47639
2019	Sudeste	MG	Não recebe	46006
2016	Sudeste	RJ	Entre 3/4 e 1 salário mínimo mensal	38273
2016	Sudeste	MG	Não recebe	37727

3 Tabela IBGE Grau de Instrução

A proposta dessa análise é comparar os dados da população carcerária com os dados do IBGE, e fazer uma correlação entre eles. Os dados que vou utilizar aqui fazem parte da Pesquina Nacional Por Amostra de Domicílios Continua (PNADC) e podem ser encontradas na página de estatísticas do IBGE.

Aqui começo trabalhar a segunda tabela que será usada. Essa tabela única possui varias folhas que vou extrair e manipular os dados. A tabela “PNAD_Continua_2018_Educacao.xls”, possui dados referentes à educação da população. São várias informações, dentre as quais: nível educacional por região, gereno e etnia. Essa tabela também apresenta dados em painel.
Amarelos e Indigenas constam no Total

Vou pular a parte de importação da tabela e ir diretamente para o dataframe.

Visualização da Tabela do PNAD

indicador	nivel_territorial	abertura_territorial	variavel_1	categoria_1	variavel_2	categoria_2	2016	2017	2018
População (mil pessoas)	País	Brasil	Sexo	Total	Grupos de idade	Total	204325.470	205999.691	207651.621
População (mil pessoas)	País	Brasil	Sexo	Total	Grupos de idade	0 a 3 anos	10223.229	10141.908	10171.730
População (mil pessoas)	País	Brasil	Sexo	Total	Grupos de idade	4 e 5 anos	5262.563	5268.945	5350.024
População (mil pessoas)	País	Brasil	Sexo	Total	Grupos de idade	6 a 9 anos	11100.370	10962.806	10947.352
População (mil pessoas)	País	Brasil	Sexo	Total	Grupos de idade	10 a 14 anos	15445.672	15363.810	15023.146
População (mil pessoas)	País	Brasil	Sexo	Total	Grupos de idade	15 a 17 anos	10617.588	10426.076	9752.471
População (mil pessoas)	País	Brasil	Sexo	Total	Grupos de idade	18 a 24 anos	22234.284	22727.774	22703.814
População (mil pessoas)	País	Brasil	Sexo	Total	Grupos de idade	25 a 29 anos	15306.030	15138.452	14890.647
População (mil pessoas)	País	Brasil	Sexo	Total	Grupos de idade	30 a 39 anos	32134.993	32462.937	32597.356
População (mil pessoas)	País	Brasil	Sexo	Total	Grupos de idade	40 a 59 anos	52417.780	53172.422	54100.608

Esse dataframe reune dados de todas as abas do arquivo “PNAD_Continua_2018_Educacao.xls”, ainda há muita manipulação a ser feita.

3.1 Manipulação dos Dados

Primeiro, vou transpor os dados para que eu possa transformá-los em formato longo, tal como no modelo anterior, com a tabela do INFOPEN.

pnad_2_formato_longo <- pivot_longer(pnad_br, 8:10, 
                                     names_to = "ano", 
                                     values_to = "valor", 
                                     values_drop_na = TRUE)

Vou multiplicar o valor na coluna ‘valor’ por 1000 se a coluna ‘indicador’ contiver a string ‘(mil pessoas)’ e, em seguida, removê-la. Depois vou criar uma variável ‘regiao’ para armazenar a região de cada estado.

pnad_3_com_regioes <- pnad_2_formato_longo %>%
  mutate(valor = ifelse(grepl("(mil pessoas)", indicador), valor * 1000, valor),
         indicador = gsub("\\s*\\(mil pessoas\\)", "", indicador),
         regiao = case_when(abertura_territorial %in% c("Acre", "Amazonas", "Amapá", "Pará", "Rondônia", "Roraima", "Tocantins") ~ "Norte",
                            abertura_territorial %in% c("Maranhão", "Piauí", "Ceará", "Rio Grande do Norte", "Paraíba", "Pernambuco", "Alagoas", "Sergipe", "Bahia") ~ "Nordeste",
                            abertura_territorial %in% c("Minas Gerais", "Espírito Santo", "Rio de Janeiro", "São Paulo") ~ "Sudeste",
                            abertura_territorial %in% c("Paraná", "Santa Catarina", "Rio Grande do Sul") ~ "Sul",
                            abertura_territorial %in% c("Mato Grosso", "Mato Grosso do Sul", "Goiás", "Distrito Federal") ~ "Centro-Oeste",
                            TRUE ~ NA_character_))

3.1.1 Tabela PNAD População com 18 anos ou mais

Vou combinar essa tabela do IBGE , com a primeira tabela do INFOPEN que diz respeito a população carcerária, podendo assim tambem correlacionar o total de presos com pessoas de 18 anos ou mais, mas de forma resumida.

Aqui podemos ter uma ideia dos dados presentes nessa tabela.

## # A tibble: 6 × 4
## # Groups:   ano, regiao [2]
##   ano   regiao       UF       total
##   <chr> <chr>        <chr>    <dbl>
## 1 2016  Centro-Oeste DF     2141121
## 2 2016  Centro-Oeste GO     4946837
## 3 2016  Centro-Oeste MS     1915936
## 4 2016  Centro-Oeste MT     2389984
## 5 2016  Nordeste     AL     2306187
## 6 2016  Nordeste     BA    10517994

Essa tabela possui dados de 2016 a 2018. O primeiro passo vai ser calcular o total de pessoas para cada variável no ano de 2019, usando o método aritimético descrito no começo dessa análise.

3.2 Usando Método Aritmético Para Estimar uma População

Vou começar transformando esses dados em formato largo (wide), logo em seguida aplico a função com a fórmula e por fim volto com a tabela para formato longo(long).

populacao_18_anos_ou_mais_3 <- pivot_wider(populacao_18_anos_ou_mais_2,
                                            names_from = ano,
                                            values_from = total)

populacao_18_anos_ou_mais_4 <- populacao_18_anos_ou_mais_3 %>% 
 mutate(
    `2019` = round(formula(`2018`,2018,`2016`,2016,2019))
  )
populacao_18_anos_ou_mais_5 <- pivot_longer(populacao_18_anos_ou_mais_4, cols = -c(UF,regiao),names_to = "ano",values_to = "populacao") %>% 
  mutate(across(-populacao, as.factor))

Vou agora combinar essa tabela com a população prisional do INFOPEN.

ano	regiao	UF	presos	populacao
2016	Centro-Oeste	DF	14958	2141121
2016	Centro-Oeste	GO	18626	4946837
2016	Centro-Oeste	MS	18320	1915936
2016	Centro-Oeste	MT	11642	2389984
2016	Nordeste	AL	7111	2306187
2016	Nordeste	BA	13596	10517994
2016	Nordeste	CE	24682	6460288
2016	Nordeste	MA	8187	4577042
2016	Nordeste	PB	12241	2838058
2016	Nordeste	PE	45878	6858365

3.3 Tabela PNAD Dados Sobre a Educação

Vou repetir basicamente o mesmo processo na tabela com dados sobre a população. Essa tabela porém, consideda pessoas de 14 anos ou mais de idade, como pode se notar pelo indicador.

alfabetizacao_populacao <- pnad_3_com_regioes %>%
  filter(indicador == "Pessoas de 14 anos ou mais de idade",
         nivel_territorial == "Unidade da Federação",
         categoria_1 %in% c("Homem", "Mulher","Branca","Preta ou parda","Total¹"),
         variavel_2 == "Nível de instrução",
         !(categoria_2 %in% c("Total"))) %>%
  mutate( ano = as.numeric(ano),
    genero = ifelse(categoria_1 == "Homem", "Masculino",
                         ifelse(categoria_1 == "Mulher", "Feminino", NA)),
         UF = uf_dict[as.character(abertura_territorial)]) %>%
  select(regiao, UF, genero, grau_de_instrucao = categoria_2, ano, total = valor) %>% 
  drop_na()

Mesmo Processo para calcular a população no ano de 2019.

alfabetizacao_populacao_2 <- pivot_wider(alfabetizacao_populacao,
                                            names_from = ano,
                                            values_from = total)

alfabetizacao_populacao_3 <- alfabetizacao_populacao_2 %>% 
 mutate(
    `2019` = round(formula(`2018`,2018,`2016`,2016,2019))
  )
alfabetizacao_populacao_4 <- pivot_longer(alfabetizacao_populacao_3, cols = -c(regiao:grau_de_instrucao),names_to = "ano",values_to = "populacao") %>% 
  mutate(across(-populacao, as.factor))

## # A tibble: 6 × 6
##   regiao UF    genero    grau_de_instrucao                       ano   populacao
##   <fct>  <fct> <fct>     <fct>                                   <fct>     <dbl>
## 1 Norte  RO    Masculino Sem instrução                           2016      51545
## 2 Norte  RO    Masculino Sem instrução                           2017      45943
## 3 Norte  RO    Masculino Sem instrução                           2018      44963
## 4 Norte  RO    Masculino Sem instrução                           2019      41672
## 5 Norte  RO    Masculino Fundamental incompleto (ou curso equiv… 2016     265952
## 6 Norte  RO    Masculino Fundamental incompleto (ou curso equiv… 2017     277958

Como pode se imaginar, as distribuições de grau de instrução não estão padronizadas, vou usar uma função para criar esse padrão entre a tabela do PNAD e a do INFOPEN.

padronizar_grau_de_instrucao <- function(grau) {
  grau_simplificado <- gsub(" \\(ou curso equivalente\\)", "", grau)
  recode(grau_simplificado,
         "Sem instrução" = "Analfabeto",
         "Fundamental incompleto" = "Ensino Fundamental Incompleto",
         "Fundamental completo" = "Ensino Fundamental Completo",
         "Médio incompleto" = "Ensino Médio Incompleto",
         "Médio completo" = "Ensino Médio Completo",
         "Superior incompleto" = "Ensino Superior Incompleto",
         "Superior completo" = "Ensino Superior Completo",
         "Alfabetizado sem cursos regulares" = "Ensino Fundamental Incompleto")
}

depois de rodar a função nas duas tabelas, eis o resultado:

3.4 Tabelas Padronizadas PNADC e INFOPEN

3.4.1 Alfabetização da população

ano	regiao	UF	genero	grau_de_instrucao	populacao
2016	Centro-Oeste	DF	Feminino	Analfabeto	36913
2016	Centro-Oeste	DF	Feminino	Ensino Fundamental Completo	115600
2016	Centro-Oeste	DF	Feminino	Ensino Fundamental Incompleto	243841
2016	Centro-Oeste	DF	Feminino	Ensino Médio Completo	361021
2016	Centro-Oeste	DF	Feminino	Ensino Médio Incompleto	79367
2016	Centro-Oeste	DF	Feminino	Ensino Superior Completo	326836
2016	Centro-Oeste	DF	Feminino	Ensino Superior Incompleto	81125
2016	Centro-Oeste	DF	Masculino	Analfabeto	35713
2016	Centro-Oeste	DF	Masculino	Ensino Fundamental Completo	112742
2016	Centro-Oeste	DF	Masculino	Ensino Fundamental Incompleto	222558

3.4.2 Alfabetização dos presos

ano	regiao	UF	genero	grau_de_instrucao	presos
2016	Centro-Oeste	DF	Feminino	Analfabeto	12
2016	Centro-Oeste	DF	Feminino	Ensino Fundamental Completo	34
2016	Centro-Oeste	DF	Feminino	Ensino Fundamental Incompleto	317
2016	Centro-Oeste	DF	Feminino	Ensino Médio Completo	127
2016	Centro-Oeste	DF	Feminino	Ensino Médio Incompleto	118
2016	Centro-Oeste	DF	Feminino	Ensino Superior Completo	10
2016	Centro-Oeste	DF	Feminino	Ensino Superior Incompleto	39
2016	Centro-Oeste	DF	Masculino	Analfabeto	311
2016	Centro-Oeste	DF	Masculino	Ensino Fundamental Completo	1496
2016	Centro-Oeste	DF	Masculino	Ensino Fundamental Incompleto	8489

3.5 Dados Ausentes na Tabela INFOPEN

Percebi que após todas as padronizações as tabelas voltaram com quantidades diferentes de observações. A tabela infopen_grau_de_instrucao_31_padrao possui 1509 observações, enquanto alfabetizacao_populacao_5 possui 1512 observações. Resolvi investigar usando anti_join e descobri que a tabela do infopen não tem as observações da tabela criada abaixo.

## # A tibble: 3 × 6
##   ano   regiao   UF    genero   grau_de_instrucao        populacao
##   <fct> <fct>    <fct> <fct>    <chr>                        <dbl>
## 1 2016  Norte    RR    Feminino Ensino Superior Completo     30467
## 2 2017  Nordeste MA    Feminino Ensino Superior Completo    199776
## 3 2016  Nordeste SE    Feminino Ensino Superior Completo    101357

Para não deixar esses valores em branco, decidi usar media simples do número de presos nos outros anos para cada observação ausente, usar essa média como valor e só então combinar as tabelas do PNADC com INFOPEN.

Agora a tabela do INFOPEN contém 1512 colunas, tal como a tabela do PNAD, logo posso combiná-las.

3.6 Tabela PNADC - INFOPEN Grau de Instrução

ano	regiao	UF	genero	grau_de_instrucao	presos	populacao
2016	Centro-Oeste	DF	Feminino	Analfabeto	12	36913
2016	Centro-Oeste	DF	Feminino	Ensino Fundamental Completo	34	115600
2016	Centro-Oeste	DF	Feminino	Ensino Fundamental Incompleto	317	243841
2016	Centro-Oeste	DF	Feminino	Ensino Médio Completo	127	361021
2016	Centro-Oeste	DF	Feminino	Ensino Médio Incompleto	118	79367
2016	Centro-Oeste	DF	Feminino	Ensino Superior Completo	10	326836
2016	Centro-Oeste	DF	Feminino	Ensino Superior Incompleto	39	81125
2016	Centro-Oeste	DF	Masculino	Analfabeto	311	35713
2016	Centro-Oeste	DF	Masculino	Ensino Fundamental Completo	1496	112742
2016	Centro-Oeste	DF	Masculino	Ensino Fundamental Incompleto	8489	222558

4 Tabela IBGE Etnia

Essa Tabela possui a distribuição percentual etnica da população brasileira por estado. O arquivo a ser trabalhado aqui chama-se “Tabela 1.1 DIST PERCET RACA.xls”, e pode ser encontrado no site do IBGE

Vou pular a parte de leitura dos dados pois não difere em nada das tabelas anteriores.

	ano	UF	Total	Branca	Preta	Parda
1	2018	RO	1747.154	29.47056	6.710325	62.40118
2	2018	AC	853.023	21.02601	5.346175	72.31678
3	2018	AM	3921.508	16.80872	2.989718	77.40833
4	2018	RR	513.466	23.69004	7.674129	60.86162
5	2018	PA	8472.029	17.83819	8.171171	72.69580
6	2018	AP	821.545	17.42855	6.996881	74.26081
7	2018	TO	1542.150	21.09303	12.447240	65.01775
9	2018	MA	7000.726	18.29311	11.947581	68.54424
10	2018	PI	3263.754	19.79728	9.072589	70.89077
11	2018	CE	9072.980	28.22352	5.288679	65.71442

Essa tabela possui dados de 2012 a 2018. Vou utilizar a fórmula que discutimos no começo para estimar a população em 2019.
Vou começar transformando os dados da tabela, pois o numero presente na coluna total ainda deve ser multiplicado por 1000, e os valores das etnias estão em porcentagem em relação ao total.

distribuicao_populacao_por_etnia_e_regiao_3 <- distribuicao_populacao_por_etnia_e_regiao_2 %>% 
  mutate(
    Total = round(Total*1000),
    Branca = round(Branca*Total/100),
    Preta = round(Preta*Total/100),
    Parda = round(Parda*Total/100))

Por fim a tabela que iremos utilizar para combinar com a do INFOPEN

4.1 Distribuição Étnica da População Brasileira

ano	regiao	UF	etnia	populacao
2016	Norte	AC	branca	149493
2016	Norte	AC	preta ou parda	674372
2016	Nordeste	AL	branca	788828
2016	Nordeste	AL	preta ou parda	2470246
2016	Norte	AM	branca	679764
2016	Norte	AM	preta ou parda	3034052
2016	Norte	AP	branca	162565
2016	Norte	AP	preta ou parda	619211
2016	Nordeste	BA	branca	2608310
2016	Nordeste	BA	preta ou parda	11944048

4.2 Observações Ausentes na Tabela do INFOPEN

Após manipulação dos dados dessa tabela do IBGE, vou combiná-la com a tabela do INFOPEN, para ter como correlacionar o total de presos e a população para cada variável. Porém, na hora de combinar os dataframes, descobri que que há observações faltantes na tabela infopen_etnia_3_final pois ela possui menos linhas que a tabela do PNAD. Vou usar anti-join para descobrí-los e regressao linear para calcular-los

São essas as observações ausentes na tabela do INFOPEN

head(diferenca_infopen_populacao_etnia)

## # A tibble: 2 × 4
## # Groups:   ano, UF, regiao [1]
##     ano regiao   UF    etnia         
##   <dbl> <chr>    <chr> <chr>         
## 1  2019 Nordeste SE    branca        
## 2  2019 Nordeste SE    preta ou parda

Após alguns cálculos, cheguei nesse resultado de previão de presos e cada observação:

head(previsoes_2019_infopen_etnia)

## # A tibble: 2 × 5
## # Groups:   regiao, UF, etnia [2]
##   regiao   UF    etnia          presos   ano
##   <chr>    <chr> <chr>           <dbl> <dbl>
## 1 Nordeste SE    branca            457  2019
## 2 Nordeste SE    preta ou parda   5124  2019

Agora basta combinar as tabelas com dados sobre a etnia da população brasileira total com a população carcerária e então chegaremos nessa tabela:

4.3 Tabela PNADC - INFOPEN Etnia

ano	regiao	UF	etnia	presos	populacao
2016	Centro-Oeste	DF	branca	2515	1113132
2016	Centro-Oeste	DF	preta ou parda	12364	1753738
2016	Centro-Oeste	GO	branca	4266	2426334
2016	Centro-Oeste	GO	preta ou parda	14288	4253442
2016	Centro-Oeste	MS	branca	5560	1130769
2016	Centro-Oeste	MS	preta ou parda	12737	1452699
2016	Centro-Oeste	MT	branca	2660	1076121
2016	Centro-Oeste	MT	preta ou parda	8916	2211143
2016	Nordeste	AL	branca	1377	788828
2016	Nordeste	AL	preta ou parda	5735	2470246

5 Tabela IBGE Faixa Etária

O arquivo a ser trabalhado aqui chama-se “Tabela 1.2 DIST POP ETARIA.xls”, e pode ser encontrado no site do IBGE

Essa tabela possui dados sobre a distribuição da faixa etária da população por etnia. Indígenas, amarelos e pessoas sem declaração de cor ou raça constam no total.

faixa_etaria	Total	cv_total	branca	cv_branca	Preta_ou_Parda	cv_preta_parda	proporcao_branca	cv_proporcao_branca	proporcao_preta_parda	cv_proporcao_preta_parda	ano
0 a 4 anos	13124.30	0.88427169197711608	6076.469	1.451866	6939.813	1.155815	46.29937	1.021138	52.87758	0.8912887	2018
5 a 9 anos	13645.48	0.85759498658148692	5629.184	1.409402	7899.687	1.121951	41.25310	1.074214	57.89233	0.7720677	2018
10 a 14 anos	14923.04	0.77302798278891072	5756.714	1.359373	9039.822	1.043748	38.57603	1.111292	60.57629	0.7071651	2018
15 a 19 anos	16442.07	0.75758111621423652	6010.282	1.296194	10293.966	1.031182	36.55429	1.105113	62.60748	0.6485969	2018
20 a 24 anos	16048.18	0.75135656586436339	6348.342	1.308184	9541.958	1.019381	39.55802	1.057401	59.45820	0.7094211	2018
25 a 29 anos	15006.06	0.83216738688741987	6160.098	1.441365	8686.275	1.068971	41.05073	1.082387	57.88510	0.7691143	2018
30 a 34 anos	16071.92	0.84090771846315848	6600.026	1.448793	9274.408	1.043940	41.06559	1.057334	57.70568	0.7619637	2018
35 a 39 anos	16905.90	0.82142719564900768	7026.611	1.517426	9688.656	1.026723	41.56308	1.113020	57.30932	0.8102016	2018
40 a 44 anos	15186.72	0.78765297599262696	6390.305	1.356850	8621.957	1.049632	42.07823	1.035301	56.77299	0.7678529	2018
45 a 49 anos	13519.07	0.83775955165508598	5857.937	1.412991	7506.854	1.127709	43.33091	1.061985	55.52788	0.8343097	2018

Assim como a tabela anterior, essa possui dados apenas de 2012 a 2018, logo vou utilizar a mesma fórmula para prever a população em 2019.

5.1 Padronização das Faixas de Idade

Como é possivel ver logo a baixo, embora agora tenhamos os dados de 2016 a 2019, as faixas etárias não são exatamente iguais às do INFOPEN, mas são bem proximas.

faixa_etaria	ano	populacao
25 a 29 anos	2018	15006064
25 a 29 anos	2017	15361348
25 a 29 anos	2016	15417271
25 a 29 anos	2019	14834679
30 a 34 anos	2018	16071915
30 a 34 anos	2017	16187827
30 a 34 anos	2016	16565123
30 a 34 anos	2019	16054589
35 a 39 anos	2018	16905898
35 a 39 anos	2017	16504662

O que vou fazer, é criar uma função que ajusta as faixas etárias para estarem de acordo com as do INFOPEN

ajusta_faixa_etaria <- function(faixa) {
  if (faixa %in% c("25 a 29 anos")) {
    return("25 a 29 anos")
  } else if (faixa %in% c("30 a 34 anos")) {
    return("30 a 34 anos")
  } else if (faixa %in% c("35 a 39 anos", "40 a 44 anos")) {
    return("35 a 45 anos")
  } else if (faixa %in% c("45 a 49 anos", "50 a 54 anos", "55 a 59 anos")) {
    return("46 a 60 anos")
  } else if (faixa %in% c("60 a 64 anos", "65 a 69 anos")) {
    return("61 a 70 anos")
  } else if (faixa %in% c("70 a 74 anos", "75 a 79 anos", "80 anos e mais")) {
    return("Mais de 70 anos")
  } else {
    return(NA)
  }
}

Aqui dá pra se ter uma visualização da tabela que tenho até então.

ano	faixa_etaria	populacao
2016	25 a 29 anos	15417271
2016	30 a 34 anos	16565123
2016	35 a 45 anos	30697363
2016	46 a 60 anos	37633650
2016	61 a 70 anos	16444403
2016	Mais de 70 anos	12997738
2017	25 a 29 anos	15361348
2017	30 a 34 anos	16187827
2017	35 a 45 anos	31462107
2017	46 a 60 anos	37959837

Pode-se notar que não tenho a população de 18 a 24 anos. Vou extrair essa faixa etária de outra tabela do PNAD, que já trabalhamos antes.

populacao_18_a_24_anos <- pnad_4_populacao_idade %>%
  filter(grepl("18 a 24 anos", grupo_de_idade),
         grepl("Total¹", etnia)) %>% 
  select(-genero) %>% # vou remover genero para remover duplicados (pois tenho genero e etnia)
  rename(faixa_etaria = grupo_de_idade,
         populacao = valor)%>%
  group_by(ano,faixa_etaria, etnia) %>% 
  summarise(populacao = sum(populacao)) %>% 
  select(-etnia) %>% # por fim removo a coluna de etnia que consta apenas 'Total'
  drop_na()

Como já demonstrado anteriormente, vou usar aritmérica para prever a população em 2019.

5.2 Distribuição da Faixa Etária da População Brasileira

Finalmente a tabela com todas as faixas etarias igual a do INFOPEN

faixa_etaria	ano	populacao
18 a 24 anos	2016	22234284
25 a 29 anos	2016	15417271
30 a 34 anos	2016	16565123
35 a 45 anos	2016	30697363
46 a 60 anos	2016	37633650
61 a 70 anos	2016	16444403
Mais de 70 anos	2016	12997738
18 a 24 anos	2017	22727774
25 a 29 anos	2017	15361348
30 a 34 anos	2017	16187827

Agora resta apenas combinar as tabelas de faixa etária.

populacao_infopen_faixa_etaria <- as.data.frame(left_join(infopen_faixa_de_idade_4,
                                            populacao_faixa_etaria,
                                            by = join_by(ano, faixa_etaria))) %>% 
  mutate(faixa_etaria = as.factor(faixa_etaria))

5.3 Tabela PNADC - INFOPEN por Faixa etária

ano	faixa_etaria	presos	populacao
2016	18 a 24 anos	214624	22234284
2016	25 a 29 anos	169540	15417271
2016	30 a 34 anos	127187	16565123
2016	35 a 45 anos	133083	30697363
2016	46 a 60 anos	49033	37633650
2016	61 a 70 anos	7527	16444403
2016	Mais de 70 anos	1376	12997738
2017	18 a 24 anos	202629	22727774
2017	25 a 29 anos	168851	15361348
2017	30 a 34 anos	130889	16187827

6 Tabela IBGE Rendimentos

6.1 População Total com 14 Anos ou Mais.

Preciso dessa tabela com a populacao geral acima de 14 anos, pois a tabela com rendimentos do IBGE considera apenas essa faixa de idade. A tabela sobre educação, que já usamos considera essa faixa da população.

6.1.1 Tabela Com a População Total com 14 Anos ou Mais.

regiao	UF	ano	populacao
Centro-Oeste	DF	2016	2335338
Centro-Oeste	DF	2017	2391985
Centro-Oeste	DF	2018	2452741
Centro-Oeste	DF	2019	2511443
Centro-Oeste	GO	2016	5384235
Centro-Oeste	GO	2017	5505555
Centro-Oeste	GO	2018	5599123
Centro-Oeste	GO	2019	5706569
Centro-Oeste	MS	2016	2073359
Centro-Oeste	MS	2017	2109297

6.2 Explicação dos Dados

Essa tabela possui a distribuição de rendimentos da população brasileira. O próprio IBGE divulgou um informativo sobre a distribuição dos rendimentos da população brasileira entre 2012 e 2019.

Eu vou trabalhar apenas com uma fração dos dados disponíveis nessa tabela: o rendimento habitualmente recebido, a preços médio e somente para as pessoas de 14 anos ou mais de idade. De acordo com o IBGE, rendimento habitual se define da seguinte forma:

” O rendimento habitual consiste no rendimento recebido por empregados, empregadores e trabalhadores por conta própria, mensalmente, sem acréscimos extraordinários ou descontos esporádicos. Para o empregado, o rendimento mensal habitualmente recebido exclui todas as parcelas que não tenham caráter contínuo (bonificação anual, salário atrasado, horas extras, participação anual nos lucros, 13o salário, 14o salário, adiantamento de salário, etc.) e não considera os descontos ocasionais (faltas, parte do 13o salário antecipado, prejuízo eventual causado ao empreendimento etc.).

Caso o rendimento recebido de empregado, de trabalhador por conta própria e de empregador seja variável, considera-se o rendimento habitual aquele em média recebido pela pessoa no período em que realizava o trabalho declarado na semana de referência. Quando a remuneração varia em função do período ou estação do ano, considera-se o rendimento mensal que a pessoa ganha habitualmente nesse período sazonal.” fonte: glossário

6.3 Exploração de Dados

Essa tabela é bem simples. Na coluna ‘classe’, temos a classe percentual de pessoas por rendimento, e nas demais colunas o rendimento habitual dessa classe de pessoas.

Vou utilizar uma tabela ja presente no relatorio do IBGE para melhor exemplificar a utilizadade da tabela

Na primeira linha ‘2012’, na coluna ‘Mais de 80% até 90%’, temos o valor 3 351, que representa um rendimento habitual de R$ 3.351,00 mensal. Ou seja, 90% dos brasileiros recebem até esse valor, apenas 10% recebem mais que isso.

6.4 Manipulando os Dados

Para que possa ter como padronizar as tabelas de rendimento do PNAD e do INFOPEN vou precisar de um ajuste de acordo com o salário mínimo. Para isso vou criar uma tabela com os valores do anos 2016 a 2019.

ano <- c(2019, 2018, 2017, 2016)
salario_minimo <- c(998.00, 954.00, 937.00, 880.00)
salario_minimo_2016_a_2019 <- data.frame(ano, salario_minimo)

Essa tabela considera apenas percentual de pessoas com algum rendimento. O IBGE considera desempregados pessoas que estão a procura de trabalho no periodo da amostra. Porém, não considera pessoas sem rendimentos que não estavam a procura de emprego como desempregadas. Essa parcela de pessoas sem rendimentos é a que vamos tratar aqui.

Para extrair esses dados, vou utilizar a mesma tabela já usada, que também possui essas informações. A tabela ‘PNAD_Continua_2019_Rendimento_de_Todas_as_Fontes’, possui como indicador o “Percentual de pessoas com rendimento”, logo vou extrair ‘100%’ desse valor e obeter o percentual de pessoas sem rendimentos.

percentual_empregados <-rendimentos %>% 
  filter(`Abertura geográfica` == "Brasil",
         Tipo == "Valor",
         sub.classe %in% c("Todas as fontes¹"   ),
         ind == "Percentual de pessoas com rendimento, na população residente") %>% 
  select(sub.classe, '2016','2017','2018','2019') %>% 
  unique()

percentual_empregados_2_formato_longo <- pivot_longer(percentual_empregados, 
                                                                   cols = c("2016", "2017", "2018", "2019"), 
                                                                   names_to = "ano", 
                                                                   values_to = "valor")

percentual_sem_rendimentos <- percentual_empregados_2_formato_longo %>% 
  mutate(sub.classe = (100 - valor),
         valor = 0,
         remuneracao = "Não recebe",
         ano = as.factor(ano))

sem_rendimentos <- left_join(percentual_sem_rendimentos, populacao_total_14_anos_ou_mais, by = join_by(ano)) %>% 
  mutate(populacao = (sub.classe*populacao)/100,) %>% 
  group_by(ano, remuneracao) %>% 
  summarise(populacao = sum(populacao)) %>% 
  select(ano, remuneracao, populacao)

Antes de combinar as tabelas, preciso ainda padronizar as variaveis.

# Criando a nova coluna com as categorias
remuneracao_populacao_3 <- remuneracao_populacao_2_salario_minimo %>%
  mutate(remuneracao = case_when(
    valor >= salario_minimo & valor < 2 * salario_minimo ~ "Entre 1 e 2 salários mínimos mensais",
    valor >= 3/4 * salario_minimo & valor < salario_minimo ~ "Entre 3/4 e 1 salário mínimo mensal",
    valor >= 2 * salario_minimo ~ "Mais que 2 salários mínimos mensais",
    valor > 0 & valor< 3/4 * salario_minimo ~ "Menos do que 3/4 do salário mínimo mensal"
  )) %>% 
  select(classe, ano, porcentagem_populacao, remuneracao)


remuneracao_populacao_4 <-merge(remuneracao_populacao_3, 
                                populacao_total_14_anos_ou_mais, by = "ano") %>% 
  mutate(populacao_remunerada = (populacao * porcentagem_populacao)/100) %>% 
  select(ano, remuneracao, populacao_remunerada) %>% 
  rename(populacao = populacao_remunerada)

remuneracao_populacao_5 <- remuneracao_populacao_4 %>% 
  group_by(ano, remuneracao) %>% 
  summarise(populacao = sum(populacao)) %>% 
  mutate( ano = as.factor(ano))

# Definir a ordem correta de rendimentos
ordem_correta_rendimentos <- c("Não recebe",
                               "Menos do que 3/4 do salário mínimo mensal",
                               "Entre 3/4 e 1 salário mínimo mensal", 
                               "Entre 1 e 2 salários mínimos mensais",
                               "Mais que 2 salários mínimos mensais")

remuneracao_populacao_6 <- rbind(remuneracao_populacao_5, sem_rendimentos)%>% 
  mutate(remuneracao = as.factor(remuneracao),
         remuneracao = factor(remuneracao, levels = ordem_correta_rendimentos))

Por fim uma visão sobre a distribuição de rendimentos no pais:

6.5 Distribuição população com e sem rendimentos

ano	remuneracao	populacao
2016	Não recebe	64375850
2017	Não recebe	65298473
2018	Não recebe	64819488
2019	Não recebe	63997726
2016	Menos do que 3/4 do salário mínimo mensal	16549062
2017	Menos do que 3/4 do salário mínimo mensal	33486397
2018	Menos do que 3/4 do salário mínimo mensal	33848297
2019	Menos do que 3/4 do salário mínimo mensal	34223383
2016	Entre 3/4 e 1 salário mínimo mensal	33098124
2017	Entre 3/4 e 1 salário mínimo mensal	16743198

Antes de combinar os dataframes, observei que a tabela do Infopen não possui dados sobre remuneração dos presos em 2017 para o estado de Sao Paulo. vou usar interpolação linear (Larson 1988) para prever esses dados.

# Subconjunto dos dados para o estado de São Paulo
infopen_sp <- infopen_remuneracao_3_final[infopen_remuneracao_3_final$UF == 'SP', ]

Função para prever os dados ausentes sobre a remuneração de presos em SP em 2017

predict_na <- function(ano, presos) {
  complete_cases <- !is.na(presos)
  approx(x = as.numeric(ano[complete_cases]), 
         y = presos[complete_cases], 
         xout = as.numeric(ano))$y
}

Aplicar a função para cada combinação de gênero e remuneração

infopen_sp <- infopen_sp %>% 
  group_by(remuneracao) %>% 
  mutate(presos = round(predict_na(ano, presos))) %>% 
  ungroup()

Substituir os dados originais para São Paulo com os novos dados preenchidos

infopen_remuneracao_3_final[infopen_remuneracao_3_final$UF == 'SP', ] <- infopen_sp

Finalmente a tabela final a quantidade estimada de presos por remuneração

infopen_remuneracao_4 <- infopen_remuneracao_3_final %>% 
  group_by(ano, remuneracao) %>% 
  mutate(ano = as.factor(ano)) %>% 
  summarise(presos = sum(presos))

Após todas as manipulações, posso finalmente combinar as tabelas.

6.6 Tabela PNADC - INFOPEN Rendimentos

ano	remuneracao	presos	populacao
2016	Entre 1 e 2 salários mínimos mensais	45996	66196247
2016	Entre 3/4 e 1 salário mínimo mensal	383948	33098124
2016	Mais que 2 salários mínimos mensais	16286	49647185
2016	Menos do que 3/4 do salário mínimo mensal	81645	16549062
2016	Não recebe	174533	64375850
2017	Entre 1 e 2 salários mínimos mensais	40861	66972793
2017	Entre 3/4 e 1 salário mínimo mensal	289068	16743198
2017	Mais que 2 salários mínimos mensais	2858	50229595
2017	Menos do que 3/4 do salário mínimo mensal	120993	33486397
2017	Não recebe	251953	65298473

7 Apresentação dos Dados Coletados e Manipulados:

7.1 Tabela PNAD - INFOPEN Total

ano	regiao	UF	presos	populacao
2016	Centro-Oeste	DF	14958	2141121
2016	Centro-Oeste	GO	18626	4946837
2016	Centro-Oeste	MS	18320	1915936
2016	Centro-Oeste	MT	11642	2389984
2016	Nordeste	AL	7111	2306187
2016	Nordeste	BA	13596	10517994
2016	Nordeste	CE	24682	6460288
2016	Nordeste	MA	8187	4577042
2016	Nordeste	PB	12241	2838058
2016	Nordeste	PE	45878	6858365

7.2 Tabela PNADC - INFOPEN Grau de Instrução

ano	regiao	UF	genero	grau_de_instrucao	presos	populacao
2016	Centro-Oeste	DF	Feminino	Analfabeto	12	36913
2016	Centro-Oeste	DF	Feminino	Ensino Fundamental Completo	34	115600
2016	Centro-Oeste	DF	Feminino	Ensino Fundamental Incompleto	317	243841
2016	Centro-Oeste	DF	Feminino	Ensino Médio Completo	127	361021
2016	Centro-Oeste	DF	Feminino	Ensino Médio Incompleto	118	79367
2016	Centro-Oeste	DF	Feminino	Ensino Superior Completo	10	326836
2016	Centro-Oeste	DF	Feminino	Ensino Superior Incompleto	39	81125
2016	Centro-Oeste	DF	Masculino	Analfabeto	311	35713
2016	Centro-Oeste	DF	Masculino	Ensino Fundamental Completo	1496	112742
2016	Centro-Oeste	DF	Masculino	Ensino Fundamental Incompleto	8489	222558

7.3 Tabela PNADC - INFOPEN Etnia

ano	regiao	UF	etnia	presos	populacao
2016	Centro-Oeste	DF	branca	2515	1113132
2016	Centro-Oeste	DF	preta ou parda	12364	1753738
2016	Centro-Oeste	GO	branca	4266	2426334
2016	Centro-Oeste	GO	preta ou parda	14288	4253442
2016	Centro-Oeste	MS	branca	5560	1130769
2016	Centro-Oeste	MS	preta ou parda	12737	1452699
2016	Centro-Oeste	MT	branca	2660	1076121
2016	Centro-Oeste	MT	preta ou parda	8916	2211143
2016	Nordeste	AL	branca	1377	788828
2016	Nordeste	AL	preta ou parda	5735	2470246

7.4 Tabela PNADC - INFOPEN Faixa etária

ano	faixa_etaria	presos	populacao
2016	18 a 24 anos	214624	22234284
2016	25 a 29 anos	169540	15417271
2016	30 a 34 anos	127187	16565123
2016	35 a 45 anos	133083	30697363
2016	46 a 60 anos	49033	37633650
2016	61 a 70 anos	7527	16444403
2016	Mais de 70 anos	1376	12997738
2017	18 a 24 anos	202629	22727774
2017	25 a 29 anos	168851	15361348
2017	30 a 34 anos	130889	16187827

7.5 Tabela PNADC - INFOPEN Rendimentos

ano	regiao	UF	genero	grau_de_instrucao	presos	populacao
2016	Centro-Oeste	DF	Feminino	Analfabeto	12	36913
2016	Centro-Oeste	DF	Feminino	Ensino Fundamental Completo	34	115600
2016	Centro-Oeste	DF	Feminino	Ensino Fundamental Incompleto	317	243841
2016	Centro-Oeste	DF	Feminino	Ensino Médio Completo	127	361021
2016	Centro-Oeste	DF	Feminino	Ensino Médio Incompleto	118	79367
2016	Centro-Oeste	DF	Feminino	Ensino Superior Completo	10	326836
2016	Centro-Oeste	DF	Feminino	Ensino Superior Incompleto	39	81125
2016	Centro-Oeste	DF	Masculino	Analfabeto	311	35713
2016	Centro-Oeste	DF	Masculino	Ensino Fundamental Completo	1496	112742
2016	Centro-Oeste	DF	Masculino	Ensino Fundamental Incompleto	8489	222558

8 Análises e Correlações.

A Maior parde da proposta do projeto já foi passada. Desse ponto em diante, foco mais em presentar algumas correlações encontradas nas tabelas que montamos e apresentamos um pouco acima.

Vou começar criando uma coluna que relaciona a quantidade de presos ao total da população, e logo após plotar alguns graficos que ilustram a correlação entre cada variável

8.1 dataframe etnia

A variação do percentual de presos pela populacao em relação a etnia, nos mostra que em praticamente todos os estados há uma incidencia maior de presos pardos e pretos em relação à população. Isso não indica causalidade, uma vez que há outros fatores que podem influenciar o indivíduo a cometer algum crime e acabar atras das grades. Porém é um fato que precisa ser investigado mais a fundo. Seria ideal se houvesse uma forma de avaliar mais variáveis como possível racismo por parte do poder judiciário, ou até mesmo educação e renda, como estamos fazendo aqui. Nos próximos gráficos, apresento algumas correlações entre essas variáveis.

8.2 dataframe faixa_etaria

Aqui podemos observar uma diminuicão no índice de presos na faixa etária de 18 a 24 anos no decorrer do tempo. Isso pode se dar por diversas razões, dentre elas o envelhecimento da populaçãocarcerária. Porém, se pegarmos todas as outras faixas-etárias, temos um aumento considerável no número de presos no que chamamos “idade ativa”, que compreende a população até 61 anos de idade. É realmente frustrante perceber que os nossos “Bill Gates”, “Zuckerbergs”, e “Elon Musks” estão atrás das grades. A população que deveria estar na faculade, está presa, por inúmeros fatores, dentre os quais a pouca idade, junto com a baixa escolaridade e a falta de grana. Realmente seria um sonho não ter tantos jovens presos.

8.3 dataframe grau de instrução

Essa tabela mostra a distribuição de presos por grau de instrução. Claramente a chave vira no ensino médio incompleto, uma vez que a partir daí, o percentual de presos sobre a população cai drásticamente. Já não é mistério algum que uma população com baixa educação normalmente tem como resposta um grau elevado de violência, pegue países como noruéga, holanda e japão por exemplo onde há pouquíssimos presos, e compare o nível de acesso ao Ensino Superior com o do Brasil.

8.4 dataframe rendimentos

Aqui podemos observaer que a maior parte da população carcerária são pessoas que recebem até 1 salário mínimo mensal. Esse valor entre 3/4 e 1 salário mínimo mensal inclui diversas pessoas que recebem auxílios governamentais como o “Bolsa Família” ou outros. Elas não podem ser, de acordo com o IBGE classificadas como sem renda ou desempregadas.

O Departamento Intersindical de Estatpistica e Estudos Socioeconômicos (Dieese), divulga mensalmente o valor do custo da Cesta Básica de Alimentos que seria de acordo com o òrgão, “suficiente para o sustento e bem estar de um trabalhador em idade adulta, contendo quantidades balanceadas de proteínas, calorias, ferro cálcio e fósforo.(DIEESE 2019a)”. Em 2019, o valor médio da cesta-básica nacional era de R$ 422,19, o que representa quase metade o salário mínimo da época (R$ 998,00).

8.4.1 Salário Mínimo Necessário

A Constituição do Brasil, de outubro de 1988, estipula que o salário mínimo deve ser um valor estabelecido em lei e uniforme em todo o país. Este valor deve ser suficiente para cobrir as necessidades básicas de um trabalhador e de sua família, incluindo despesas com moradia, alimentação, educação, saúde, lazer, roupas, higiene, transporte e previdência social. Além disso, a Constituição prevê que esse salário mínimo deve ter reajustes periódicos para garantir seu poder de compra (Art. 7º, IV da Constituição Federal do Brasil).

O DIEESE, ao calcular o Salário Mínimo Necessário, leva em consideração estas disposições constitucionais. Eles se baseiam no Decreto Lei nº 399, que determina que os gastos com alimentação de um trabalhador adulto não devem ser menores que o custo da Cesta Básica de Alimentos.

Para esses cálculos, o DIEESE considera um modelo de família composto por 2 adultos e 2 crianças, onde se supõe que o consumo destas crianças é equivalente ao de um adulto.

O método usado para calcular o gasto alimentar de uma família começa com o custo da Cesta Básica de Alimentos mais cara entre as 27 capitais brasileiras. Esse valor é então multiplicado por 3.

O DIEESE(DIEESE 2019b) realizou a Pesquisa de Orçamento Familiar (POF) em São Paulo no período de 94/95. Os resultados mostraram que a alimentação correspondia a 35,71% das despesas das famílias do estrato mais baixo de renda. Ao comparar o custo da alimentação para uma família (a cesta mais cara multiplicada por 3) com a proporção do orçamento dessas famílias dedicado à alimentação (35,71%), é possível deduzir o orçamento total necessário para cobrir também outras despesas, como moradia, vestuário, transporte e assim por diante.

Portanto, podemos resumir a fórmula para calcular o Salário Mínimo Necessário da seguinte forma:

\[C.F.A. = 3(CC)\]

\[\frac{C.F.A.}{X} = \frac{0,3571}{1,00}\] Usando regra de 3, temos que:

\[C.F.A. = X(0,3571)\] logo:

\[ X = \frac{C.F.A.}{0,3571} \] Onde: C.F.A. = Custo Familiar de Alimentação e C.C. = Custo da Cesta Básica de maior valor

O Salário Mínimo Necessário, que é calculado mensalmente como uma avaliação do que deveria ser o salário mínimo atual, também serve como uma ferramenta que os sindicatos dos trabalhadores usam para expor a violação do princípio constitucional que define os parâmetros para a determinação do menor salário permitido no país.

Temos abaixo o valor do que seria o salário ideal do trabalhador, previsto em lei, para arcar com todos custos mensais de sua residência.

Mês	Salário Minimo	Salário Necessário
Dezembro	998	4342.57
Novembro	998	4021.39
Outubro	998	3978.63
Setembro	998	3980.82
Agosto	998	4044.58
Julho	998	4143.55
Junho	998	4214.62
Maio	998	4259.90
Abril	998	4385.75
Março	998	4277.04

Atravez desses dados, podemos ver a discrepância entre os valores mínimos e os necessários para a manutenção do lar no Brasil. Não é recente a queixa por reformas políticas e econômicas no Brasil. Ainda na década de 1970, o grupo “Legião Urbana” já levantava protesto com a música “Que país é esse?”. Podemos ver na decada seguinte o cantor Cazuza protestar em forma de canto a música “Brasil” que claramente já denunciava a pobreza da nação.

A população carcerária diz muito sobre o país. Jovens, pobres, pessoas de baixa escolaridade e de pele escura estão nos topos das estatísticas, isso sinaliza uma omissão por parte do governo. O Código Penal, em seu artigo 135, descreve o delito de omissão de socorro, que consiste na atitude de deixar de socorrer pessoas em situação de vulnerabilidade, como crianças abandonadas ou perdidas, pessoas inválidas, com ferimentos, ou em situação de risco ou perigo. Por esse fator, o governo também deveria estar atrás das grades.

Biografia

DIEESE. 2019a. “Metodologia Da Cesta Básica de Alimentos.” https://www.dieese.org.br/metodologia/metodologiaCestaBasica/?page=1.

———. 2019b. “Pesquisa Nacional Da Cesta Básica de Alimentos.” https://www.dieese.org.br/analisecestabasica/salarioMinimo.html#2019.

Larson, David R. 1988. “Reflexivity, Algebraic Reflexivity and Linear Interpolation.” American Journal of Mathematics 110 (2): 283–99.

Von Sperling, M. 2014. Princípios Do Tratamento Biológico de Águas Residuárias. Vol. 1. Introdução à Qualidade Das Águas e Ao Tratamento de Esgotos. 4th ed. Editora UFMG.