1 Introdução

Com base nesse relatório, irei desmonstrar informações relevantes sobre o estado do Mato Grosso, utilizando dados provenientes do Istituto Brasileiro de Geografia e Estatísca (IBGE). Trarei aspectos socioeconômicos cruciais, tais como o PIB per capita, mortalidade infantil, IDHM e entre outros. A análise desses indicadores nos possibilitará obter uma compreensão mais aprofundada da realidade socioeconômica do estado e identificar áreas que podem requerer políticas públicas específicas.

2 Informações sobre o Mato Grosso

Mato Grosso é um estado situado na região Centro-Oeste do Brasil, e está localizado no coração da América do Sul. Sua geografia é notavelmente influenciada pela presença de três importantes biomas em seu território: a Floresta Amazônica, o Cerrado e o Pantanal. Com uma população aproximada de 3,5 milhões de habitantes, o estado possui uma cultura rica e diversificada, marcada pelas influências indígenas, africanas e dos colonizadores europeus.

3 Significado da Bandeira

A bandeira do Mato Grosso possui 3 elementos; O primeiro é o losango, sua cor vibrante amarela representa a riqueza do estado; O segundo é o círculo azul, ele representa o céu do Mato Grosso e a lealdade dos cidadãos; O terceiro elemento é a estrela verde, ela representa o estado do Mato Grosso e seus 5 rios: Cuiabá, Paranatinga, Paraguai, Juruena e São Lourenço.


4 Materiais e Métodos

4.1 Blibiotecas que foram usadas para fazer as análises:

library(ggplot2)
library(readxl)
library(dplyr)
library(kableExtra)

ggplot2 -> A função ggplot2 é usada para a criação de gráficos como gráficos de dispersão, gráficos de barras, gráficos de linha, gráficos de boxplot, entre outros.

readxl -> A função readxl serve para ler dados do Exel.

dplyr -> O dplyr é uma biblioteca em R que simplifica e agiliza a manipulação, transformação e resumo de dados de maneira eficaz.

kableExtra -> O kableExtra é uma extensão da biblioteca knitr no R, usada para criar relatórios dinâmicos e documentos que mesclam texto, código e resultados de análise.

4.2 Métodos usados

Utilizei os dados obtidos através Instituto Brasileiro de Geografia e Estatística (IBGE), que é uma fonte confiável de informações e estatística no Brasil. Através da função readxl foram carregados os dados da planilha do Excel. Em seguida usei a função kableExtra para criar e organizar a tabela das 10 primeiras linhas dos meus dados, como também organizar o summary dos dados. Por fim adcionei o ggplot para gerar gráficos com base nos meus dados.


5 A tabela a seguir é uma prévia dos dados que foram analisados nesse relatório.


5.1 Exploração dos Dados

5.1.1 Dados dos Múnicipíos do Mato Grosso

Municipio AreaTerritorial Populacao Densidadedemografica Escolarizacao IDHM Mortalidadeinfantil Receitasrealizadas Despesasempenhadas PIBpc
Acorizal 850.763 5014 5.89 96.6 0.628 34.48 14794.38 13392.39 19748.54
Água Boa 7549.308 29219 3.87 99.2 0.729 18.78 100991.13 86715.32 56766.67
Alta Floresta 8955.410 58613 6.54 98.0 0.714 12.30 146439.79 118288.02 34915.67
Alto Araguaia 5402.308 17193 3.18 96.7 0.704 NA 72551.43 63288.78 48719.66
Alto Boa Vista 2248.414 5639 2.51 96.8 0.651 21.98 24524.46 21727.15 25569.37
Alto Garças 3858.153 13052 3.38 98.0 0.701 NA 34498.41 33495.49 69913.81
Alto Paraguai 1847.354 8009 4.34 95.4 0.638 NA 21877.68 20862.93 11871.55
Alto Taquari 1436.582 10904 7.59 98.3 0.705 6.85 53111.84 42129.44 87586.68
Apiacás 20489.024 8590 0.42 95.0 0.675 24.59 37080.77 29954.73 17758.77
Araguaiana 6380.700 3795 0.59 98.3 0.687 NA 20686.02 18850.71 30194.91

6 Summary

dados_sumario <- summary(dados[3:9])
knitr::kable(dados_sumario)
Populacao Densidadedemografica Escolarizacao IDHM Mortalidadeinfantil Receitasrealizadas Despesasempenhadas
Min. : 1010 Min. : 0.280 Min. :66.30 Min. :0.5380 Min. : 2.85 Min. : 11893 Min. : 10487
1st Qu.: 4903 1st Qu.: 1.300 1st Qu.:95.70 1st Qu.:0.6610 1st Qu.:10.19 1st Qu.: 21743 1st Qu.: 18575
Median : 10332 Median : 2.380 Median :97.20 Median :0.6860 Median :13.93 Median : 37686 Median : 32798
Mean : 25949 Mean : 8.385 Mean :96.21 Mean :0.6843 Mean :16.38 Mean : 80141 Mean : 70403
3rd Qu.: 20091 3rd Qu.: 4.460 3rd Qu.:98.10 3rd Qu.:0.7070 3rd Qu.:19.23 3rd Qu.: 65850 3rd Qu.: 57544
Max. :650912 Max. :413.480 Max. :99.70 Max. :0.7850 Max. :58.82 Max. :2153679 Max. :2043592
NA NA NA NA NA’s :40 NA NA

7 Densidade Demográfica do Mato Grosso


A densidade demográfica é de 4,05 habitantes por quilômetro quadrado, a segunda menor do país. A capital, Cuiabá, é a cidade mais populosa, com 4806,2 habitantes por km².

8 Indice de Desenvolvimento Humano Múnicipal (IDHM) do Mato Grosso

Em 2023 e 2024, Mato Grosso se destaca como um dos 11 estados com projeção de alto Índice de Desenvolvimento Humano (IDH) no Brasil. A perspectiva indica que o IDH do estado, com uma taxa de 0,823 considerada muito elevada, permanecerá acima da média nacional, que é de 0,808.No gráfico gerado com o meu banco de dados observa-se que Cuiabá é o melhor IDHM do Mato grosso, por isso é a cidade melhor colocada (92º) com índice de 0,785.

top5_municipios <- dados %>%
  arrange(desc(IDHM)) %>%
  head(5)


ggplot(top5_municipios, aes(x = reorder(Municipio, IDHM), y = IDHM, fill = Municipio)) +
  geom_bar(stat = "identity") +
  labs(title = "Municipios com maiores IDHM", x = "IDHM", y = "Municipio") +
  scale_fill_discrete() +
  coord_flip()

9 Economia do Mato Grosso

O estado do Mato Grosso é amplamente reconhecido como um dos principais polos agrícolas do Brasil. Sua economia tem na agricultura uma peça-chave, com um foco marcante na produção de soja, milho, algodão, cana-de-açúcar, feijão, entre outras. Além disso, o estado desempenha um papel importante na produção de carne bovina e suína. A expansão contínua dos setores agrícola e pecuário tem se destacado como um dos principais impulsionadores do crescimento econômico em Mato Grosso.

9.1 PIB per capita

No gráfico é possível verificar os cincos maiores PIBS do estado do Mato Grosso

library(ggplot2)

top5_municipios <- dados %>%
  arrange(desc(PIBpc)) %>%
  head(5) %>%
  mutate(Municipio = factor(Municipio, levels = rev(Municipio)))

cores <- c("#4B0082", "#800000", "#008080", "#0000CD", "#00FA9A")

ggplot(top5_municipios, aes(x = PIBpc, y = Municipio, fill = Municipio)) +
  geom_bar(stat = "identity") +
  scale_fill_manual(values = cores) +
  labs(title = "Cinco maiores PIB per capita do Mato Grosso",
       x = "PIB per capita",
       y = "Municipio") +
  theme_minimal() +
  theme(axis.text.y = element_text(hjust = 1))

10 Mortalidade Infantil

Apesar de registrar queda em 20 anos, a taxa de mortalidade infantil em Mato Grosso ainda é maior do que a média brasileira: 15,4 óbitos por mil nascidos vivos.

top5_municipios <- dados %>%
  arrange(desc(Mortalidadeinfantil)) %>%
  head(5)


cores <- c("#4B0082", "#800000", "#008080", "#0000CD", "#00FA9A")


ggplot(top5_municipios, aes(x = reorder(Municipio, -Mortalidadeinfantil), y = Mortalidadeinfantil, fill = Municipio)) +
  geom_bar(stat = "identity") +
  scale_fill_manual(values = cores) +
  labs(title = "Os 5 municipios com as maiores taxas de Mortalidade Infantil",
       x = "Municipio",
       y = "PIB per capita") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 90, hjust = 1))

11 Media de IDHM e IDH

11.1 (Estado x Média Nacional)

De acordo com uma pesquisa que fiz nos dados recentes do Instituto Brasileiro de Geografia e Estátística (IBGE) obtive informações da média nacional e a media do estado. No gráfico abaixo é posível analisar que o Mato Grosso está acima da média nacional do país, isso implica dizer que o estado possui um ótimo grau de desenvolvimento econômico.

Para criar gráfico pesquisei qual era a atual média do IDH Nacional e qual era media do IDH do Mato Grosso, criei variavéis para adicionar os resultados e logo em seguida eu usei a library ggpolt2 para gerar o gráfico.

media_mato_grosso <- 0.808
media_pais <- 0.754


medias <- data.frame(
  Categoria = c("Mato Grosso", "Media Nacional"),
  Media_IDH = c(media_mato_grosso, media_pais)
)

library(ggplot2)

ggplot(medias, aes(x = Categoria, y = Media_IDH, fill = Categoria)) +
  geom_bar(stat = "identity") +
  labs(
    title = "Media do IDHM de Mato Grosso vs. IDH Nacional",
    y = "Media IDH",
    x = "",
    fill = ""
  ) +
  theme_minimal()


11.2 ( A capital do Mato Grosso vs.múnicipio)

No gráfico abaixo é possivel analisar que o IDHM de Cuiabá é maior que Campinápolis,isso ocorre devido à provável presença de um maior número de escolas, universidades e acesso a uma educação de maior qualidade em Cuiabá em comparação com Campinápolis. Além disso, é comum que cidades maiores, como Cuiabá, disponham de mais recursos na área da saúde, incluindo hospitais e clínicas.

idh_cuiaba <- 0.661
idh_campinapolis <- 0.538


media_idh_cuiaba <- mean(c(idh_cuiaba, idh_campinapolis))


cidades <- c("Cuiaba", "Campinapolis")


idh_valores <- c(idh_cuiaba, idh_campinapolis)


dados <- data.frame(Cidade = cidades, IDH = idh_valores)


barplot(dados$IDH, names.arg = dados$Cidade, main = "Media do IDH de Cuiaba e Campinapolis", ylab = "IDH", col = "purple")
abline(h = media_idh_cuiaba, col = "red", lty = 2)
legend("topright", legend = paste("Media: ", round(media_idh_cuiaba, 3)), col = "red", lty = 2)

12 Conclusão

Nesse relatório foram realizadas manipulações de dados para obter informações do estado do Mato Grosso, como PIB per capita, mortalidade infantil, IDHM, dentre outros. Com isso observamos dados econômicos que demonstram a estabilidade financeira do Mato Grosso. Embora o Mato Grosso tenha demonstrado estabilidade financeira, conforme indicado pelo PIB per capita, o alto índice de mortalidade infantil sugere que ainda existem desafios significativos a serem enfrentados no setor de saúde.

O Índice de Desenvolvimento Humano Municipal (IDHM) também foi analisado, fornecendo uma visão abrangente do desenvolvimento humano nos cincos maiores múnicipios. O IDHM é uma medida composta que considera três dimensões do desenvolvimento humano: longevidade, educação e renda.