Atividade1 - Goias
Marcos Enrique de Alencar Aires(Aires, M. E.)
2023-10-01
Demonstração de métodos e tabelas com uma análise do estado de Goias em relação à Região Centro-Oeste
Demonstrarei tags utilizadas para leitura de dados, sumario e apresentação, com tabelas simples para análise do estado de Goias.
Importação dos bancos de dados e bibliotecas:
knitr::opts_chunk$set(echo = TRUE)
library(readxl)
library(fBasics)
library(ggplot2)
GOData = read_excel("Goias.xlsx",sheet = 1)
MTData = read_excel("MatoGrosso.xlsx",sheet = 1)
MSData = read_excel("MatoGrossoDoSul.xlsx",sheet = 1)
GOdata = as.data.frame(GOData)
MTdata = as.data.frame(MTData)
MSdata = as.data.frame(MSData)Relatorio do Estado de Goias
Esse é um relatório das informações do estado de goias obtido no site do IBGE (https://www.ibge.gov.br/cidades-e-estados/go.html).
Comandos básicos para visualização dos dados:
A tag “head” é utilizada para mostrar um cabeçalho com uma quantidade menor em relação ao banco de dados para fácil visualização.
head(GOdata)## Município Código Gentílico Prefeito2021
## 1 Abadia de Goiás 5200050 abadiense WANDER SARAIVA DE CARVALHO
## 2 Abadiânia 5200100 abadianense JOSÉ APARECIDO ALVES DINIZ
## 3 Acreúna 5200134 acreunense CLAUDIOMAR CONTIN PORTUGAL
## 4 Adelândia 5200159 adelandense EDSON VIEIRA DE PAULA
## 5 Água Fria de Goiás 5200175 águafriense JOSÉ EDUARDO OLIVEIRA NETO
## 6 Água Limpa 5200209 águalimpense JOSÉ CARLOS GUIMARÃES FILHO
## Área_km²2022 Popu.resi2022 Dens.demo2022 Esco.6.a.14.anos.%2010 IDHM2010
## 1 143.357 19128 133.43 97.2 0.708
## 2 1044.555 17228 16.49 94.3 0.689
## 3 1566.742 21568 13.77 97.1 0.686
## 4 115.385 2297 19.91 100.0 0.702
## 5 2023.636 4954 2.45 97.4 0.671
## 6 458.836 1851 4.03 97.4 0.722
## Mort.infa.p.mil.nasc2020 Rec.R$2017 Desp.R$2017 PIB.per.cap.R$2020
## 1 11.81 35644.54 30190.89 31181.96
## 2 32.09 45743.81 40518.08 20179.10
## 3 19.76 69963.06 64395.63 35669.65
## 4 NA 12780.35 11340.79 16858.06
## 5 NA 18592.62 17048.44 60314.60
## 6 NA 15934.67 13860.20 29853.12A tag “str” demonstra com mais detalhes as características do tipo de cada coluna.
str(GOdata)## 'data.frame': 246 obs. of 13 variables:
## $ Município : chr "Abadia de Goiás" "Abadiânia" "Acreúna" "Adelândia" ...
## $ Código : num 5200050 5200100 5200134 5200159 5200175 ...
## $ Gentílico : chr "abadiense" "abadianense" "acreunense" "adelandense" ...
## $ Prefeito2021 : chr "WANDER SARAIVA DE CARVALHO" "JOSÉ APARECIDO ALVES DINIZ" "CLAUDIOMAR CONTIN PORTUGAL" "EDSON VIEIRA DE PAULA" ...
## $ Área_km²2022 : num 143 1045 1567 115 2024 ...
## $ Popu.resi2022 : num 19128 17228 21568 2297 4954 ...
## $ Dens.demo2022 : num 133.43 16.49 13.77 19.91 2.45 ...
## $ Esco.6.a.14.anos.%2010 : num 97.2 94.3 97.1 100 97.4 97.4 96.6 97 98.1 97 ...
## $ IDHM2010 : num 0.708 0.689 0.686 0.702 0.671 0.722 0.686 0.682 0.697 0.719 ...
## $ Mort.infa.p.mil.nasc2020: num 11.8 32.1 19.8 NA NA ...
## $ Rec.R$2017 : num 35645 45744 69963 12780 18593 ...
## $ Desp.R$2017 : num 30191 40518 64396 11341 17048 ...
## $ PIB.per.cap.R$2020 : num 31182 20179 35670 16858 60315 ...A tag “summary” mostra um sumário dos dados, ele retorna o mínimo(Min), o primeiro quarto(1st Qu), o meio(Median), a média(Mean), o terceiro quarto(3rd Qu) e o máximo(Max).
summary(GOdata[5:12])## Área_km²2022 Popu.resi2022 Dens.demo2022 Esco.6.a.14.anos.%2010
## Min. : 55.57 Min. : 924 Min. : 1.380 Min. : 88.50
## 1st Qu.: 408.03 1st Qu.: 3547 1st Qu.: 4.355 1st Qu.: 96.90
## Median : 829.25 Median : 7293 Median : 9.695 Median : 97.80
## Mean :1383.10 Mean : 28680 Mean : 58.830 Mean : 97.55
## 3rd Qu.:1730.77 3rd Qu.: 18259 3rd Qu.: 20.310 3rd Qu.: 98.60
## Max. :9846.29 Max. :1437237 Max. :3234.140 Max. :100.00
##
## IDHM2010 Mort.infa.p.mil.nasc2020 Rec.R$2017 Desp.R$2017
## Min. :0.584 Min. : 2.310 Min. : 10936 Min. : 8754
## 1st Qu.:0.677 1st Qu.: 9.502 1st Qu.: 16613 1st Qu.: 14482
## Median :0.697 Median :14.220 Median : 24327 Median : 21990
## Mean :0.695 Mean :18.492 Mean : 80567 Mean : 72336
## 3rd Qu.:0.718 3rd Qu.:22.953 3rd Qu.: 55924 3rd Qu.: 50189
## Max. :0.799 Max. :83.330 Max. :4526870 Max. :4184020
## NA's :98Análise de goias em relação à região centro-oeste:
Uma análise superficial do estado de goias em relação aos estados da região centro-oeste.
Nesse gráfico podemos ver a média dos estados em relação a sua área por município em km2, existe uma diferença gritante entre a média de Goias com os outros estados que pode ser explicada pela grande quantidade de municípios, mesmo tendo uma área territorial semelhante a Mato Grosso do Sul, Goias contem 246 municípios enquanto Mato Grosso do Sul contem 79.
df = data.frame(Estados = c("GO","MT","MS"),
Area = c(mean(GOdata[,5]),
mean(MTdata[,4]),
mean(MSdata[,4])))
ggplot(df, aes(y = Area, x = Estados)) +
geom_bar(stat = "identity")
Já nesse gráfico vemos a distribuição media da população residente dos estados, mesmo com Goias tendo mais população que os outros 2 estados juntos, ele está relativamente próximo aos outros estados.
df2 = data.frame(Estados = c("GO","MT","MS"),
População = c(mean(GOdata[,6]),
mean(MTdata[,5]),
mean(MSdata[,5])))
ggplot(df2, aes(y = População, x = Estados)) +
geom_bar(stat = "identity")
Pelo oque já foi explicado nos outros 2 gráficos é evidente que pelo seu tamanho e grande quantidade populacional em relação aos outros estados a sua densidade demográfica será quase o dobro dos outros 2 estados combinados, mais evidente por Mato Grosso ter mais que o dobro de área territorial e a metade da população residente de Goias.
df3 = data.frame(Estados = c("GO","MT","MS"),
Densidade.Demografica = c(mean(GOdata[,7]),
mean(MTdata[,6]),
mean(MSdata[,6])))
ggplot(df3, aes(y = Densidade.Demografica, x = Estados)) +
geom_bar(stat = "identity")
Isso é apenas uma demonstração de fatos interessantes do estado de Goias em relação aos outros estados da região centro-oeste em termos de área, população e densidade demográfica. Com essa análise podemos notar que pela quantidade de seus municípios tem uma pequena média de areá km2, mas por sua imensa população fica com uma média relativamente próximo aos outros estados, oque acarreta a altíssima densidade demográfica, ficando quase o dobro da soma dos estados da região.