Demonstração de métodos e tabelas com uma análise do estado de Goias em relação à Região Centro-Oeste

Introdução:

Demonstrarei tags utilizadas para leitura de dados, sumario e apresentação, com tabelas simples para análise do estado de Goias. Utilizando as informações de área por km2, população e densidade demográfica da região centro-oeste, para mostrar correlações do estado de Goias aos outros estados.

Para essa demonstração importarei os 3 bancos de dados da região centro-oeste e apresento as informações organizada em tabelas para fácil entendimento das relações entre elas.

Material e Métodos:

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           29853.12

A 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   :98

Aplicação:

Análise 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")

Conclusão:

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.