Introdução:

Análise de dados do estado do Rio de Janeiro, localizado em território brasileiro, do ano de 2020.
Os dados apresentados consta com a participação do 93 municípios classificados por ordem alfabetica contendo dados da sua Densidade demográfica, Escolaridade e Municipios.

Materiais e Métodos:

Base de Dados:
https://www.ibge.gov.br/cidades-e-estados/rj.html

Ferramentas:
dim, head, summary, , basicStats

Aplicando:

# Importando a biblioteca
library(readxl)
# A variável meuxlsx recebe nosso arquivo
meuxlsx <- "riodejaneiro.xlsx"
# Dados recebe a aba que será utilizada
Dados<- read_excel(path = meuxlsx, sheet = 1)
# dados recebe a Dados tranformando em um data frame
dados <- as.data.frame(Dados)
dim(dados)
## [1] 92  4
head(dados)
##                  Muni   DensD Escol      PIB
## 1              Japeri 1178.61  96.6 13826.86
## 2            Mesquita 4059.56  97.9 14333.14
## 3        Belford Roxo 6116.19  96.2 17079.09
## 4         São Gonçalo 3613.57  96.7 17406.10
## 5              Tanguá  217.37  98.1 17939.87
## 6 Conceição de Macabu   62.39  98.8 17978.19
summary(dados)
##      Muni               DensD              Escol           PIB        
##  Length:92          Min.   :   12.62   Min.   :93.5   Min.   : 13827  
##  Class :character   1st Qu.:   51.70   1st Qu.:96.9   1st Qu.: 21615  
##  Mode  :character   Median :  109.47   Median :97.7   Median : 28096  
##                     Mean   :  682.03   Mean   :97.6   Mean   : 40461  
##                     3rd Qu.:  311.12   3rd Qu.:98.5   3rd Qu.: 43287  
##                     Max.   :12521.64   Max.   :99.6   Max.   :216520
library(fBasics)
round(basicStats(dados[,2:4]),1)
##                 DensD  Escol          PIB
## nobs             92.0   92.0         92.0
## NAs               0.0    0.0          0.0
## Minimum          12.6   93.5      13826.9
## Maximum       12521.6   99.6     216519.5
## 1. Quartile      51.7   96.9      21615.3
## 3. Quartile     311.1   98.5      43286.9
## Mean            682.0   97.6      40460.9
## Median          109.5   97.7      28095.6
## Sum           62746.9 8979.3    3722407.1
## SE Mean         187.4    0.1       3717.2
## LCL Mean        309.7   97.4      33077.2
## UCL Mean       1054.3   97.8      47844.7
## Variance    3231539.6    1.3 1271226279.4
## Stdev          1797.6    1.2      35654.3
## Skewness          4.3   -1.0          2.9
## Kurtosis         21.4    1.5          9.0
library(ggplot2)

# Agregando os dados por Município e somando a coluna 'DensD'
dados_somados <- aggregate(DensD ~ Muni, data = dados, sum)
# Ordenando os dados pela coluna 'DensD' em ordem decrescente
dados_ordenados <- dados_somados[order(-dados_somados$DensD), ]
# Selecionando apenas os 30 primeiros
top_30 <- head(dados_ordenados, 30)

# Plotando o gráfico de barras
ggplot(top_30, aes(x = DensD, y = reorder(Muni, DensD), fill = "magenta")) +
  geom_bar(stat = "identity", width = .75) +
  ggtitle("30 Municípios com Maiores Densidades Demográficas") +
  xlab("Densidade Demográfica") +
  ylab("Município") +
  scale_x_continuous(labels = scales::comma) +
  theme(legend.position = "none")

Conclusão:

É possível observar no decorrer da análise que a densidade demográfica, indicador de pessoas por área, do município de maior densidade é São João de Meriti, com 12521,6., e o menor sendo Santa Maria Madalena, com 12,62.
Seguindo, o maior PIB per capito é Maricá com 216519,5 e o menor com 13826,86. A análise foi concluída com grande satisfação no decorrer deste relatório.