Trabalho Final- Rio de Janeiro

Curso:Ciência de Dados

Professor: Ricardo Alves de Olinda

Instituição: Universidade Estadual da Paraíba(UEPB)- Campus V.

Introdução

Neste Relatório Final do Periodo 1 da Cadeira de Introdução a ciência de Dados, irei Apresentar os dados municipais do Rio de Janeiro fornecidos pelo site Oficial do IBGE, em formas de dados Estatiscos que servirá para Análises das Hipoteses descrevidas, e que nós fornecerá entendimento melhor sobre como está o Indice do Desenvolvimento econômico dos municipios, a partir das váriaveis Aplicadas e a interpretação dessa análise obteremos uma conclusão sólida a partir de cada coluna do banco de dados, cada gráfico construido que será analisado neste relatório concederá cenários significativos com relação a Econômia, Saúde e Educação. que permitirá a identificação de motivos causadores de cada Indice, é que proporcionará clareza em cada Resposta.

O Objetivo deste Trabalho Final e encontrar por meio Interpretação dos gráficos abordados Mostrar o verdadeiro estágio econômico dos municipios, enfatizando que a partir de Estudos e pesquisas e os Resulatdos obtidos em cada gráfico fornecer resultados Importantes para tomadores de decisão que buscam resolução entre dados inerentes dos Municipios do Rio de Janeiro, E Promover a partir deste estudo aplicado uma contribuição a visão estratégica sobre Propostas de Melhoria para as Comunidades do Rio de Janeiro.

Hipótese Descritiva

Considerando os Indicadores: IDHM, Mortalidade Infantil, Escolarização, Despesas, Receitas e o PIB, é Possivel sugerir que o Rio de Janeiro encontra-se em um estado de desenvolvimento econômico Abaixo do Esperado.

Matériais Usados

Para o Estudo e construção dos gráficos utilizei Dados fornecidos pelo o Instituto Brasileiro de Geografia e Estatística no site oficial-> (https://www.ibge.gov.br/). foi aplicado para as análises as seguinte colunas do Banco de Dados:

Municipios:Apresenta todos os Municipios do Rio de Janeiro.

IDHM= Índice de desenvolvimento humano municipal [2010].

Mi= Mortalidade infantil - óbitos por mil nascidos vivos [2020].

Escolar= Escolarização de 6 a 14 anos [2010].

Despesas Empenhadas= Despesas empenhadas - R$ (×1000) [2017].

Receitas Realizadas= Receitas realizadas - R$ (×1000) [2017].

PIB= PIB per capita - R$ [2020].

Dados Municipais do Estado Rio de Janeiro

library(readxl)

## Warning: package 'readxl' was built under R version 4.3.2

riobc <- read_excel("riobc.xlsx")
View(riobc)
head(riobc)

## # A tibble: 6 × 12
##   municipio   Codigo Prefeito    at  Popul Densidade Escolar  idhm    mi receita
##   <chr>        <dbl> <chr>    <dbl>  <dbl>     <dbl>   <dbl> <dbl> <dbl>   <dbl>
## 1 Angra dos … 3.30e6 FERNAND… 813.  167434      206.    96.4 0.724 13.7   1.05e6
## 2 Aperibé     3.30e6 RONALD …  94.5  11034      117.    96.7 0.692 NA     4.43e4
## 3 Araruama    3.30e6 LIVIA S… 638.  129671      203.    98.3 0.718  9     3.19e5
## 4 Areal       3.30e6 JOSÉ AU… 111.   11828      107.    98   0.684 NA     5.96e4
## 5 Armação do… 3.30e6 ALEXAND…  71.0  40006      564.    97.6 0.728 14.0   2.40e5
## 6 Arraial do… 3.30e6 MARCELO… 152.   30986      204.    99.2 0.733  6.99  1.29e5
## # ℹ 2 more variables: despesas <dbl>, pib <dbl>

Os métodos que Apliquei para a construção do Relatório foram:

ggplot2->Pacote que me Ajudou para Carregar as Funções necessárias do Gráfico.

dplyr->Pacote que me auxiliou em Funções de manipulação dos dados gráficos.

geom_bar->Uma camada do pacote ggplot2 que usei para fazer Gráficos de Barras.

geom_text->São textos adicionaveis em gráficos para melhor ide3ntificação ou aplicação seja valores númericos ou Palavras que permirte melhor conpreensão.

position_dodge->Colocar as barras de valores diferentes no eixo x um ao lado da outra permitindo eu adicionar variaveis de barras diferentes posicionadas um ao lado da outra que pode me ajudar na identificação do maior e menor valor.

%>%->Ele faz com que as váriaveis selecionadas virem parametros de argumentos sem a necessidade de criar variáveis de especificação que de fato sontribuiu de forma mais fácil eu chamar dados especificos.

select->Serviu para que eu escolhesse as colunas desejadas do meu banco de dados para eu realizar as análises.

arrange->É uma função do comando dplyr que permite com que eu visualize os meus dados em ordem correta.

desc->permitiu fornecer dados de ordem descrescente do maior para o menor que forneceu neste trabalho os maiores valores.

head->Foi usado para eu ler as primeiras linhas das variáveis que escolhi análisar.

width-> Foi usado nos gráfico de barras para editar as larguras das barras.

vjust->Foi ultilizado para eu reajustar as posições dos textos apresentado esteticamente no gráfico.

elemente_text->Foi usado para melhorar o ângulo dos textos do eixo x.

scale_fill_manual-> Serviu de indicador de cores que escolhi no preenchimento das barras.

guides(fill=FALSE)-> Ele removeu os Subtitulo de rótulos nos gráficos desempenhados.

mutate-> função do dplyr que serviu para uma modificação de variaveis de um data frame e realizei para relizar calculos de porcentagem.

sprintf-> Ele restrututurou umas palavras que usei para uma resolução mais desejada na saida.

size->Ele modificou o tamanho dos pontos que adicionei no gráfico de de pontos.

theme(axis.text.x-> ele Modificou as posições dos nomes do municipios no eixo x.

theme_minimal()-> Usei para esbranquecer o Fundo do gráfico e deixar o gráfico de barras com um visual leve.

labels-> Usei para realizar modificações necessárias nos titulos dos gráficos ou e nas legendas do eixo x e y.

color-> Usei para definir cor de bordas das barras e no gráfico de Densidade para melhor estética e tmbém ajustar as cores dos rótulos númericos que adicionei no gráfico de barras.

values->Neste código defini conjutos de valores em um vetor para indicar as cores e váriaveis especificas que desejei ser apresentado nos gráficos.

aes->Forneceu um rasteamento das minhas variáveis do banco de dados e dos data.frame, em que ordenadenei elas eixo x e y.

geom_point->É um código do ggplot2 que usei para construir o gráfico de pontos.

data.frame->Ultilizei para eu guardar dados e váriaveis necessárias para eu poder executar o gráfico conforme a esse dado armazenado.

geom_density->É um código do ggplot 2 que usei para criar gráfico de densidade para uma melhor análise total de uma variável.

Resultantes

Estes Municipios Apresentados contém os Maiores valores do IDHM que Estão Acima dos demais municipios Resultando que os fatores contribuentes para este alto nivel são: ótimos investimento em relação de infraestruturas da Educação, saúde, Renda financeira, Saneamento básico e a segurança pública, que favorece para uma boa qualidade de vida para a população residente das comunidades do rio de janeiro. os demais municipios encontra-se na média enfatizando portanto que os municipios do Rio de Janeiro consta num ótimo Desenvolvimento .

Segundo as fontes do IBGE o número de : NASCIDOS VIVOS = 199.124 e ÓBITOS - IDADE MENOR QUE 1 ANO = 2.508 Nos municipios do Rio de Janeiro no Ano de 2020; Esses 4 municipios Apresentados abordam uma alta taxa de óbitos infantil, geralmente causados por condições de falta de recursos em hospitais e a falta e investimentos politicos em relação na Infraestrutura ao setor da Saúde, os demais municipios não apresentados também enfrentam um alto Indice de mortalidade infantil, A politica pública tem grande influência para reverter essa situação pois devem ser aplicados novas medidas estratégicas benéficas a saúde para reverter este cenário, e para cada municipio receber os cuidados médicos Neonatais necessário.

A partir desse gráfico em pontos podemos Identificar os municipios quem contém maiores valores em Escolarização, o municipio Arraial do cabo contém a sua população de 30.986 Habitantes residentes e Sua área territorial 152,106 km², levando em comparação a o municipio comendador levy gasparian, que possui 8.741 habitantes residentes e área territorial 108,639 km². considerando-se que são municipios não muito populosos e que nem possuem áreas territoriais grandes, Enfatizando um contexto que apesar dessas diferenças territorias e a distritibutiva de população, Ambas possuem alta taxa de escolarização infantil entre crianças de 6 a 14 anos podendo considerar a partir disso que são Municipios pequenos de área territórial concluindo assim uma Boa infraestrutura Educaçional nos municipios do rio de Janeiro,

Nota-se uma Elevação maior na coluna de Receitas, refletindo assim que há um alto Indice de recebimentos Financeiros da população e Empresas como impostos dos comercios e outros recursos finaceiros recebidos por meio do trabalho público, este alto Indice demostra a frutuosidade das metas de projetos financeiros Alcançadas tendo como um bom resultado no desenvolvimento da econõmia nos municipios do Rio de Janeiro, Infelizmente o Nivel de despesas não está está sendo arcaica com as necessidades publicas causando um declinios a algumas infraestrutura básicas como no setor da saúde e segurança entre outras necessidades das comunidades .

Neste gráfico de Densidade é possivel nota-se uma maior concentração nos valores inicial é uma Assimetria a direita, que demostra um resultado de distribuição do PIB, nota-se que há maior concentração está em valores baixos conforme o gráfico de densidade mostra, emfatizando que a maioria dos municipios encontra-se em Pib baixo, e as maiores concentração no inicio do gráfico são de alguns municipios que contribui para o Alto nivel econõmico.

Conclusão

Concluindo-se que A partir dessas determinantes gráficas do IDHM que resulta valores Elevado e na média em todos os municipios, as Receitas possuindo altas taxas demostrando que o recebimento de finanças pública estão sendo bem faturadas, e o Alto Indice de Escolarização na Maioria dos municipios principalmente os de área territórial pequenas e de fato um indicador significativo que Aborda assim uma econômia elevada e bem desempenhada pela população ou seja as funções dos trabalhadores públicos estão sendo bem desempenhas que favorece um resultado Positivo na econômia dos municipios, entretanto e válido verificar esses dados que estão um pouco abaixo como os gráficos que apresenta: Mortalidade infantil possuindo uma taxa Alta na maioria das comunidades, o Valor baixo de Despesas e o Alta concentração em valores baixo com Relação ao os dados do PIB, enfatizando que devem se Adotar Ações para reverter essas condições dos municipios respectivos destacando-se que a gestão administrativa de cada municipio devem criar novas estratégias, sejam criações de progamas beneficentes as pessoas de baixa Renda, entre outros métodos favoráveis investir também na melhoria da infraestruturas no setor da saúde em questão a liberação de Acessos básicos que não estão sendo fornecidos por falta de gastos matériais dignos nas comunidades, que de fato e a necessidade o direto da sociedade ser ampliada, desse modo resulturá novas respostas futuramente sobre o melhor qualidade de vida dos municipios que estão em declinio em baixos niveis, levando em conta que a pesar desses fatores ainda o Rio de Janeito possui uma Econômia firme e positiva porém ressaltando e necessário novas ideias de Investimentos.

Referências

UNIOR, Edson N. M. S. Guia do ggplot, 2023. Disponível em: https://rpubs.com/Edbbio/974391 . Acesso em: 28/11/2023.

Fonte da imagem ultilizada: https://th.bing.com/th/id/R.4746cdea93327b831570933d31b59332?rik=kYYi6kfyX%2bOPQw&riu=http%3a%2f%2faimore.org%2fbrasil%2fRio_de_Janeiro.jpg&ehk=mkEwBxM%2fyOxEuN3IwZUv9g6aPEbjotK7%2fyIFlNGTZ2o%3d&risl=&pid=ImgRaw&r=0

Anexos

library(ggplot2)
library(dplyr)
 Chamando os 4 maiores valores
desenvolv<-riobc%>% 
  select(idhm,municipio)%>%
  arrange(desc(idhm))%>%
  head(n= 4)
 Criando o gráfico de barras
ggplot(desenvolv, aes(y = idhm, x = municipio, fill = municipio)) +
  geom_bar(stat = "Identity", width = 0.4) +
  geom_text(aes(label = idhm), position = position_dodge(width = 0.4), vjust = -0.5) + 
  theme_minimal()+
 Aplicando valores nde texto nos gráficos.
  labs(title = "Indice: 4 Municipios mais Desenvolvidos", y = "IDHM") +
   Adicionando cores nas barras
  scale_fill_manual(values = c("red4", "blue4", "orange4", "black")) +
   Retirando rótulo indicador de cor do gráfico.
  guides(fill = FALSE)
  
 
 library(ggplot2)
library(dplyr)
 #chamando 4 maiores valores
mivalor <- riobc %>%
  select(mi, municipio) %>%
  arrange(desc(mi)) %>%
  head(n = 4)
 criando os valores para adicionar porcentagem.
total_mi <- sum(mivalor$mi)
mivalor <- mivalor %>%
  mutate(porcentagem = mi / total_mi * 100)
 Criando o gráfico de barras
ggplot(mivalor, aes(y = mi, x = municipio, fill = municipio)) +
  geom_bar(stat = "identity", width = 0.5) +
   Adicionando es porcentagem em cima das barras.
  geom_text(aes(label = sprintf("%.1f%%", porcentagem), y = mi + 1), vjust = -0.2, size = 4, color = "black") +
  theme_minimal() +
  labs(title = "6 Municipios com Maior taxa de obitos infantis:", x = "Municipios", y = "Valor") +
   Colocando cores para cada barra
  scale_fill_manual(values = c("blue4", "cyan4", "red4", "orange")) +
   Retirando o rotulo de cor 
  guides(fill = FALSE)

 
 library(ggplot2)
library(dplyr)
 Chamando os 4 maiores valores
taxa_escolar<-riobc%>% 
  select(municipio,Escolar)%>%
  arrange(desc(Escolar))%>%
  head(n= 10)
 gráfico de pontos: 
ggplot(taxa_escolar, aes(x = municipio, y = Escolar)) +
  geom_point(color = "red", size=4) +
  labs(title = "10 Municipios com maiores numeros de Matricula Escolar:", x = "Municipios", y = "Valor")+
  theme(axis.text.x = element_text(angle = 45, hjust = 1))
  

library(ggplot2)
#criando data frame para ler as variaveis despesas e receitas 
cust1 <- riobc$despesas
head(cust1)
rend1<-riobc$receita
head(rend1)
estimativax<-data.frame(dados=c("despesas", "receita"), valor=c(cust1,rend1))

ggplot(estimativax,aes(x=dados,y=valor, fill=dados))+
  geom_bar(stat = "identity")+
  labs(title="Indice de Despesas e receita",
       x="dados",
       y="valor")+
  scale_fill_manual(values =c(despesas="blue4", receita="green4"))


library(ggplot2)
library(dplyr)
selecionando as variaveis municipio e pib do meu banco de dados riobc:
total<-riobc%>%
  select(municipio,pib)
gráfico de densidade:  
ggplot(total, aes(x = pib)) +
  geom_density(fill = "green4", color = "black") +
  labs(title = "Grafico de Densidade do Produto Interno Bruto (PIB) dos Municipios",
       x = "Dados PIB")