Universidade do Estado do Pará, campus CCNT - Belém

Curso: Bacharelado em Engenharia de Produção

Disciplina: Métodos Quantitativos Para Engenharia I

Grupo: Kailany Paolla da Paixão Serra e Vinicius Dantas Fernandes

1. Contextualização:

A base de dados analisada refere-se ao fluxo estimado de chegadas de turistas internacionais ao Brasil no ano de 2024, incluindo tanto estrangeiros quanto brasileiros residentes no exterior. As informações são oriundas de registros administrativos de migração coletados nos postos de fronteira pela Polícia Federal e disponibilizados ao Ministério do Turismo. Esses dados passam por um rigoroso tratamento estatístico conforme as Recomendações Internacionais de Estatísticas de Turismo da ONU (2008), assegurando a comparabilidade internacional. O processo inclui a exclusão de registros não pertencentes à categoria de turismo, a identificação de turistas que pernoitam, a conversão da nacionalidade em país de residência permanente e o uso de pesquisas de demanda turística internacional. A base está desagregada por país de residência, unidade federativa, mês e via de acesso (aérea, terrestre, marítima ou fluvial), permitindo uma análise detalhada do perfil dos visitantes que ingressaram no país em 2024.

2. Carregamento de pacotes

library(readxl)
library(ggplot2)
library(skimr)
library(dplyr)
library(knitr)

3. Visualização da base de dados

dados <- read_excel("chegadas_2024.xlsx")
kable(head(dados, 10))

Continente	cod continente	País	cod pais	UF	cod uf	Via	cod via	ano	Mês	cod mes	Chegadas
Europa	6	Alemanha	57	Outras Unidades da Federação	99	Aérea	1	2024	Janeiro	1	10
América do Sul	4	Argentina	26	Outras Unidades da Federação	99	Aérea	1	2024	Janeiro	1	1197
Europa	6	Bélgica	59	Outras Unidades da Federação	99	Aérea	1	2024	Janeiro	1	3
América do Norte	3	Canadá	23	Outras Unidades da Federação	99	Aérea	1	2024	Janeiro	1	2
América do Sul	4	Chile	28	Outras Unidades da Federação	99	Aérea	1	2024	Janeiro	1	1
Europa	6	Dinamarca	62	Outras Unidades da Federação	99	Aérea	1	2024	Janeiro	1	2
Europa	6	Eslováquia	63	Outras Unidades da Federação	99	Aérea	1	2024	Janeiro	1	1
Europa	6	Espanha	65	Outras Unidades da Federação	99	Aérea	1	2024	Janeiro	1	9
América do Norte	3	Estados Unidos	24	Outras Unidades da Federação	99	Aérea	1	2024	Janeiro	1	1
Europa	6	França	68	Outras Unidades da Federação	99	Aérea	1	2024	Janeiro	1	8

4. Perguntas a serem respondidas:

De qual país vieram mais pessoas para o Brasil em 2024?
De qual país vieram menos pessoas?
Qual é a média de turistas internacionais recebidos por estado (UF)?
Em qual mês o Brasil recebeu mais turistas internacionais?
Em qual mês cada estado brasileiro recebeu mais turistas?
Qual via de transporte foi mais utilizada pelos turistas internacionais?
Qual o mês em que o Pará recebeu mais visitas internacionais?
Qual estado (Uf) recebeu mais visitas durante o ano?
Qual estado (Uf) recebeu menos visitas durante o ano?
Continente que mais enviou turistas

5. Resultados

5.1 De qual país vieram mais pessoas para o Brasil em 2024?

dados <- read_excel("chegadas_2024.xlsx") 
dados |>
  group_by(País) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  arrange(desc(Total)) |>
  slice(1)

## # A tibble: 1 × 2
##   País        Total
##   <chr>       <dbl>
## 1 Argentina 1960182

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(País) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  arrange(desc(Total)) |>
  slice_max(order_by = Total, n = 10) |>
  ggplot(aes(x = reorder(País, Total), y = Total)) +
  geom_col(fill = "steelblue") +
  coord_flip() +
  labs(title = "Top 10 Países que mais enviaram turistas", x = "País", y = "Total de
Chegadas")

A partir disso, é possível concluir que a Argentina é o país que mais envia turistas para o Brasil, seguido de Estados Unidos e Chile.

5.2 De qual país vieram menos pessoas?

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(País) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  filter(Total > 0) |>
  arrange(Total) |>
  slice(1)

## # A tibble: 1 × 2
##   País            Total
##   <chr>           <dbl>
## 1 Guiana Francesa     4

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(País) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  filter(Total > 0) |>
  arrange(Total) |>
  slice_head(n = 10) |>
  ggplot(aes(x = reorder(País, Total), y = Total)) +
  geom_col(fill = "tomato") +
  coord_flip() +
  labs(title = "Top 10 Países com menos envio de turistas", x = "País", y = "Total de Chegadas")

Portanto, o país que menos enviou turistas para o Brasil durante 2024 foi Guiana Francesa.

5.3 Qual é a média de turistas internacionais recebidos por estado (UF)?

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(UF) |>
  summarise(Media = mean(Chegadas, na.rm = TRUE))

## # A tibble: 18 × 2
##    UF                           Media
##    <chr>                        <dbl>
##  1 Acre                          47.7
##  2 Amapá                         59.8
##  3 Amazonas                      26.3
##  4 Bahia                        137. 
##  5 Ceará                        102. 
##  6 Distrito Federal              65.7
##  7 Mato Grosso do Sul           106. 
##  8 Minas Gerais                  59.4
##  9 Outras Unidades da Federação  31.2
## 10 Paraná                       292. 
## 11 Pará                          47.7
## 12 Pernambuco                    70.1
## 13 Rio Grande do Norte           55.5
## 14 Rio Grande do Sul            350. 
## 15 Rio de Janeiro               651. 
## 16 Roraima                       16.9
## 17 Santa Catarina               337. 
## 18 São Paulo                    710.

dados <- read_excel("chegadas_2024.xlsx")
dados|>
  group_by(UF)|>
  summarise(Media = mean(Chegadas, na.rm = TRUE))|>
  ggplot(aes(x = reorder(UF, Media),y = Media))+
  geom_col(fill = "darkgreen")+
  coord_flip()+
  labs(title = "Média de turistas por UF", x = "UF", y = "Média de chegadas")

5.4 Em qual mês o Brasil recebeu mais turistas internacionais?

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(Mês) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  arrange(desc(Total)) |>
  slice(1)

## # A tibble: 1 × 2
##   Mês      Total
##   <chr>    <dbl>
## 1 Janeiro 956737

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(Mês) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  ggplot(aes(x = Mês, y = Total, group = 1)) +
  geom_line(color = "steelblue", size = 1.2) +
  geom_point(color = "darkblue", size = 2) +
  labs(
    title = "Total de turistas internacionais por mês (Brasil - 2024)",
    x = "Mês",
    y = "Total de Chegadas"
  ) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

Portanto, o mês em que o Brasil recebeu mais turistas em 2024 foi em janeiro.

5.5 Em qual mês cada estado brasileiro recebeu mais turistas?

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(UF, Mês) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  group_by(UF) |>
  filter(Total == max(Total)) |>
  ungroup()

## `summarise()` has grouped output by 'UF'. You can override using the `.groups`
## argument.

## # A tibble: 18 × 3
##    UF                           Mês       Total
##    <chr>                        <chr>     <dbl>
##  1 Acre                         Julho      2592
##  2 Amapá                        Agosto     6366
##  3 Amazonas                     Junho      3341
##  4 Bahia                        Novembro  18842
##  5 Ceará                        Novembro  13549
##  6 Distrito Federal             Dezembro  10071
##  7 Mato Grosso do Sul           Dezembro  13644
##  8 Minas Gerais                 Março      5113
##  9 Outras Unidades da Federação Dezembro   5170
## 10 Paraná                       Janeiro  164530
## 11 Pará                         Setembro   4176
## 12 Pernambuco                   Dezembro  13452
## 13 Rio Grande do Norte          Dezembro   3177
## 14 Rio Grande do Sul            Janeiro  265719
## 15 Rio de Janeiro               Dezembro 176121
## 16 Roraima                      Março      1683
## 17 Santa Catarina               Janeiro  116209
## 18 São Paulo                    Março    242956

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(UF, Mês) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE), .groups = "drop") |>
  slice_max(order_by = Total, n = 1, by = UF) |>
  ggplot(aes(x = reorder(UF, Total), y = Total, fill = Mês)) +
  geom_col() +
  coord_flip() +
  labs(title = "Mês com mais turistas por UF", x = "UF", y = "Chegadas", fill = "Mês")

5.6 Qual via de transporte foi mais utilizada pelos turistas internacionais?

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(Via) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  arrange(desc(Total)) |>
  slice(1)

## # A tibble: 1 × 2
##   Via     Total
##   <chr>   <dbl>
## 1 Aérea 4604346

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(Via) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  ggplot(aes(x = Via, y = Total, fill = Via)) +
  geom_col() +
  labs(title = "Via de transporte mais usada", x = "Via", y = "Total de Chegadas")

Diante da análise, é possível afirmar que meio de transporte mais utilizado pelos turistas internacionais no ano de 2024 é a via aérea, seguido pela via terrestre junto com a marítima.

5.7 Qual o mês em que o Pará recebeu mais visitas internacionais?

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  filter(UF == "Pará") |>
  group_by(Mês) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  arrange(desc(Total)) |>
  slice(1)

## # A tibble: 1 × 2
##   Mês      Total
##   <chr>    <dbl>
## 1 Setembro  4176

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  filter(UF == "Pará") |>
  group_by(Mês) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  mutate(Mês = factor(Mês, levels = c(
    "Janeiro", "Fevereiro", "Março", "Abril", "Maio", "Junho",
    "Julho", "Agosto", "Setembro", "Outubro", "Novembro", "Dezembro"
  ))) |>
  ggplot(aes(x = Mês, y = Total, group = 1)) +
  geom_line(color = "darkgreen", size = 1.2) +
  geom_point(color = "black", size = 2) +
  labs(
    title = "Turistas internacionais recebidos no Pará por mês (2024)",
    x = "Mês",
    y = "Total de Chegadas"
  ) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Portanto, o mês em que a região do Pará recebeu mais turistas em 2024 foi setembro.

5.8 Qual estado (Uf) recebeu mais visitas durante o ano?

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(UF) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  arrange(desc(Total)) |>
  slice(1)

## # A tibble: 1 × 2
##   UF          Total
##   <chr>       <dbl>
## 1 São Paulo 2274932

5.9 Qual estado (Uf) recebeu menos visitas durante o ano?

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(UF) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  filter(Total > 0) |>
  arrange(Total) |>
  slice(1)

## # A tibble: 1 × 2
##   UF      Total
##   <chr>   <dbl>
## 1 Roraima 10868

df_total <- read_excel("chegadas_2024.xlsx") |>
  group_by(UF) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE))  

df_total |>
  arrange(desc(Total))

## # A tibble: 18 × 2
##    UF                             Total
##    <chr>                          <dbl>
##  1 São Paulo                    2274932
##  2 Rio de Janeiro               1528133
##  3 Paraná                        912255
##  4 Rio Grande do Sul             883662
##  5 Santa Catarina                495358
##  6 Bahia                         143605
##  7 Ceará                          96882
##  8 Mato Grosso do Sul             76557
##  9 Pernambuco                     70686
## 10 Distrito Federal               68469
## 11 Minas Gerais                   43287
## 12 Amapá                          38918
## 13 Pará                           33285
## 14 Amazonas                       28514
## 15 Rio Grande do Norte            25919
## 16 Outras Unidades da Federação   22473
## 17 Acre                           19816
## 18 Roraima                        10868

df_total <- read_excel("chegadas_2024.xlsx") |>
  group_by(UF) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  ungroup()

top_mais <- df_total |>
  arrange(desc(Total)) |>
  slice(1:5) |>
  mutate(Grupo = "Mais turistas")

top_menos <- df_total |>
  filter(Total > 0) |>
  arrange(Total) |>
  slice(1:5) |>
  mutate(Grupo = "Menos turistas")

df_comparacao <- bind_rows(top_mais, top_menos)

ggplot(df_comparacao, aes(x = reorder(UF, Total), y = Total, fill = Grupo)) +
  geom_col(show.legend = TRUE) +
  coord_flip() +
  scale_fill_manual(values = c("Mais turistas" = "royalblue", "Menos turistas" = "tomato")) +
  labs(
    title = "Estados com Mais e Menos Turistas Internacionais em 2024",
    x = "Estado (UF)",
    y = "Total de Chegadas",
    fill = "Categoria"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(face = "bold", size = 14),
    axis.text.y = element_text(size = 10)
  )

Portanto, respondendo as perguntas N°8 e N°9, é possível afirmar que o estado (uf) com maior turistas em 2024 é São Paulo, enquanto o estado com menor quantidade de turistas no ano de 2024 é roraima.

5.10 Continente que mais enviou turistas:

dados <- read_excel("chegadas_2024.xlsx")
dados |>
  group_by(Continente) |>
  summarise(Total = sum(Chegadas, na.rm = TRUE)) |>
  arrange(desc(Total)) |>
  slice(1)

## # A tibble: 1 × 2
##   Continente       Total
##   <chr>            <dbl>
## 1 América do Sul 3923828

df_10 <- read_excel("chegadas_2024.xlsx") |>
  group_by(Continente) |>
  summarise(Chegadas = sum(Chegadas, na.rm = TRUE)) |>
  arrange(desc(Chegadas)) 

ggplot(df_10, aes(x = Chegadas, y = reorder(Continente, Chegadas))) +
  geom_segment(aes(x = 0, xend = Chegadas, yend = Continente),
               color = "gray", linewidth = 2) +
  geom_point(color = "forestgreen", size = 5) +
  labs(
    title = "Turistas Internacionais por Continente (2024)",
    x = "Total de Chegadas",
    y = "Continente"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(face = "bold", size = 14),
    axis.text = element_text(size = 10)
  )

Portanto, o Continente que mais enviou turistas em 2024 para o Brasil foi a América do Sul, seguida pela Europa e América do Norte.

6 Conclusões:

Em síntese, a análise dos registros de chegadas de turistas internacionais em 2024 revelou que a Argentina foi o principal país de origem (1 960 182 visitantes), enquanto a Guiana Francesa teve o menor fluxo (apenas 4 chegadas). Em média, unidades como São Paulo e Rio de Janeiro superaram substancialmente outras regiões, com destaque para janeiro como o mês de maior movimento em nível nacional, e setembro como pico para o Pará. O modal aéreo concentrou a maior parte do tráfego (4 604 346 chegadas), refletindo a importância das conexões internacionais por voo. No acumulado anual, São Paulo liderou o recebimento de turistas (2 274 932), ao passo que Roraima registrou o menor total (10 868). Por fim, o continente sul‑americano foi a principal fonte de visitantes (3 923 828), sublinhando a proximidade regional como fator-chave no turismo internacional ao Brasil em 2024.

Análise Estatística das Chegadas de Turistas Internacionais ao Brasil em 2024

Vinicius Dantas

2025-06-18