Nessa atividade, devemos criar um mapa dos municípios do Rio de Janeiro, com base na variável Esperança de vida.

Importar dados

Em primeiro lugar, iremos importar a base de dados BasesMunicipios, assim como o mapa de municípios do Rio de Janeiro por meio da biblioteca geobr.

library(readxl)

BasesMunicipios <- read_excel("C:/Users/Lenovo/Base_de_dados-master/BasesMunicipios.xlsx")

library(geobr)
## Loading required namespace: sf
desenho_rio_municipio = read_municipality(code_muni = "RJ", showProgress = FALSE)
## Using year 2010

Combinar dados

Em seguida, iremos combinar as informações da base de dados com o mapa do Rio de Janeiro.

BasesMunicipios$`COD IBGE2` = as.numeric(BasesMunicipios$`COD IBGE2`)

library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
BasesMunicipios = BasesMunicipios %>% rename(code_muni=`COD IBGE2`)
mapa_municipios = desenho_rio_municipio %>% left_join(BasesMunicipios)
## Joining with `by = join_by(code_muni)`
summary(BasesMunicipios$Esperancadevida)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   71.93   73.26   73.74   73.96   74.83   76.27

Visualizar resultados

Por último, iremos visualizar os resultados por meio das bibliotecas ggplot2, e deixá-los mais dinâmicos por meio da biblioteca plotly.

library(ggplot2)
mapa1 = ggplot() +
  geom_sf(data=mapa_municipios, aes(fill=Esperancadevida)) +
  scale_fill_distiller(palette = "Purples",direction = 1, name="Esperança de vida", 
                       limits = c(71.93,76.27))

library(plotly)
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
ggplotly(mapa1)

Análise de resultados e conclusão

Por meio da análise dos dados obtidos pelo mapa, podemos concluir que os municípios: Teresópolis, Rio das Ostras, Niterói, Maricá e Valença possuem as maiores expectativas de vida do Estado, em detrimento da concepção precipitada de que a capital possuiria os maiores números, já que o Rio de Janeiro se encontra somente em décimo lugar.

Já os municípios Cardoso Moreira, Aperibé, Comendador Levy Gasparian, São Fidélis e São Sebastião do Alto possuem as menores expectativas de vida, de acordo com a tabela. Após análise de outras variáveis, podemos sugerir que fatores como o IDH influenciam na expectativa de vida, já que Cardoso Moreira e São Sebastião do Alto estão entre os menores índices de IDH do estado. Os maiores índices, por outro lado, indicam Niterói e Rio das Ostras, que se encontram entre os cinco primeiros municípios de acordo com a expectativa de vida.

Além disso, podemos insinuar que há uma relação entre a localização dos municípios no território do Estado, já que os municípios com os menores índices de expetativa de vida se encontram na região fluminense do Rio de Janeiro, excluido-se São Sebastião do Alto, que se encontra na região serrana. Enquanto, entre os melhores índices, podemos notar que dois se encontram na região metropolitana, enquanto Teresópolis se encontra na região serrana e Rio das Ostras, no litoral.