Análise: Produção de Petróleo vs Desigualdade

1. Importação e Limpeza dos Dados

Produção de Petróleo

petro_prod_total <- read_csv(
  "C:/Users/Guilherme/Downloads/petro/oil-production-by-country.csv"
) |>
  rename(
    pais         = Entity,
    codigo       = Code,
    ano          = Year,
    producao_oil = Oil
  ) |>
  drop_na() |>
  filter(!is.na(codigo) & codigo != "")

Índice GINI

gini_index <- read_csv(
  "C:/Users/Guilherme/Downloads/GINI/API_SI.POV.GINI_DS2_en_csv_v2_288.csv",
  skip = 4
) |>
  select(-"Indicator Name", -"Indicator Code") |>
  pivot_longer(
    cols      = -c("Country Name", "Country Code"),
    names_to  = "ano",
    values_to = "gini"
  ) |>
  rename(pais = "Country Name", codigo = "Country Code") |>
  mutate(ano = as.integer(ano)) |>
  filter(ano <= 2023) |>
  drop_na(gini)

---

2. Filtro para 2015 — Países em Comum

# Países que existem nas duas bases em 2015
paises_comuns_gini <- inner_join(
  gini_index       |> filter(ano == 2015) |> select(codigo),
  petro_prod_total |> filter(ano == 2015) |> select(codigo),
  by = "codigo"
)

# Filtra cada base mantendo só os países em comum
gini_2015       <- gini_index       |> filter(ano == 2015, codigo %in% paises_comuns_gini$codigo)
petro_gini_2015 <- petro_prod_total |> filter(ano == 2015, codigo %in% paises_comuns_gini$codigo)

cat("Países em comum:", nrow(paises_comuns_gini))

## Países em comum: 86

---

3. Teste 1 — Todos os Países (Incluindo Não Produtores)

H₀: A média do GINI é igual entre ambas amostras (pequenos e grandes produtores de petróleo).
H₁: A média do GINI é diferente entre grandes e pequenos produtores de petróleo.

# Une as duas bases
dados_gini <- inner_join(gini_2015, petro_gini_2015, by = "codigo")

# Divide pela mediana de produção
mediana_producao <- median(dados_gini$producao_oil)

dados_gini <- dados_gini |>
  mutate(grupo = ifelse(producao_oil >= mediana_producao,
                        "Acima da mediana",
                        "Abaixo da mediana"))

# Quantos países em cada grupo
table(dados_gini$grupo)

## 
## Abaixo da mediana  Acima da mediana 
##                43                43

Visualizações — Teste 1

dados_gini <- dados_gini |>
  mutate(gini_norm = (gini - min(gini)) / (max(gini) - min(gini)))

ggplot(dados_gini, aes(x = gini_norm, fill = grupo)) +
  geom_density(alpha = 0.5) +
  geom_vline(xintercept = median(dados_gini$gini_norm[dados_gini$grupo == "Acima da mediana"]),
             color = "blue", linetype = "dashed", show.legend = FALSE) +
  geom_vline(xintercept = median(dados_gini$gini_norm[dados_gini$grupo == "Abaixo da mediana"]),
             color = "red", linetype = "dashed", show.legend = FALSE) +
  scale_x_continuous(limits = c(-1.5, 1.5)) +
  labs(
    title = "Distribuição Normalizada do GINI por Grupo de Produção de Petróleo (2015)",
    x     = "Índice GINI Normalizado (0-1)",
    y     = "Densidade",
    fill  = "Grupo"
  ) +
  theme_minimal()

dados_gini <- dados_gini |>
  group_by(grupo) |>
  mutate(gini_centrado = gini_norm - mean(gini_norm)) |>
  ungroup()

ggplot(dados_gini, aes(x = gini_centrado, fill = grupo)) +
  geom_density(alpha = 0.5) +
  geom_vline(xintercept = 0, color = "black", linetype = "dashed", show.legend = FALSE) +
  facet_wrap(~ grupo, ncol = 1) +
  scale_x_continuous(limits = c(-1.5, 1.5)) +
  labs(
    title = "Distribuição do GINI Centrada na Média por Grupo (2015)",
    x     = "Desvio em relação à média do grupo",
    y     = "Densidade",
    fill  = "Grupo"
  ) +
  theme_minimal()

Resultados — Teste 1

dados_gini |>
  group_by(grupo) |>
  summarise(
    n          = n(),
    media_gini = round(mean(gini), 2),
    dp_gini    = round(sd(gini), 2)
  ) |>
  kable(caption = "Estatísticas Descritivas — Teste 1")

Estatísticas Descritivas — Teste 1

grupo	n	media_gini	dp_gini
Abaixo da mediana	43	37.67	8.52
Acima da mediana	43	35.88	6.81

resultado_teste_gini <- t.test(
  gini ~ grupo,
  data      = dados_gini,
  var.equal = FALSE
)
resultado_teste_gini

## 
##  Welch Two Sample t-test
## 
## data:  gini by grupo
## t = 1.0749, df = 80.082, p-value = 0.2856
## alternative hypothesis: true difference in means between group Abaixo da mediana and group Acima da mediana is not equal to 0
## 95 percent confidence interval:
##  -1.522428  5.099173
## sample estimates:
## mean in group Abaixo da mediana  mean in group Acima da mediana 
##                        37.66977                        35.88140

graus_de_liberdade <- 2 * 43 - 2
t_critico          <- qt(1 - 0.05 / 2, df = graus_de_liberdade)

cat("Graus de liberdade:", graus_de_liberdade, "\n")

## Graus de liberdade: 84

cat("Valor crítico (±t):", round(t_critico, 4), "\n")

## Valor crítico (±t): 1.9886

cat("t observado:", round(resultado_teste_gini$statistic, 4), "\n")

## t observado: 1.0749

cat("p-valor:", round(resultado_teste_gini$p.value, 4), "\n")

## p-valor: 0.2856

cat("Rejeita H0 se t <", round(-t_critico, 4), "ou t >", round(t_critico, 4), "\n")

## Rejeita H0 se t < -1.9886 ou t > 1.9886

cat("Resultado:",
    ifelse(abs(resultado_teste_gini$statistic) > t_critico,
           "REJEIÇÃO", "NÃO REJEIÇÃO"), "\n")

## Resultado: NÃO REJEIÇÃO

x <- seq(-4, 4, length.out = 1000)
y <- dt(x, df = graus_de_liberdade)

ggplot(data.frame(x, y), aes(x, y)) +
  geom_line(linewidth = 1) +
  geom_area(data = subset(data.frame(x, y), x >  t_critico), aes(x, y), fill = "red", alpha = 0.4) +
  geom_area(data = subset(data.frame(x, y), x < -t_critico), aes(x, y), fill = "red", alpha = 0.4) +
  geom_vline(xintercept =  t_critico, color = "red",  linetype = "dashed") +
  geom_vline(xintercept = -t_critico, color = "red",  linetype = "dashed") +
  geom_vline(xintercept = resultado_teste_gini$statistic, color = "blue", linetype = "solid", linewidth = 1) +
  annotate("text", x =  t_critico + 0.4, y = 0.35, label = paste("t crítico =",  round( t_critico, 2)), color = "red") +
  annotate("text", x = -t_critico - 0.4, y = 0.35, label = paste("t crítico =", round(-t_critico, 2)), color = "red") +
  annotate("text", x = resultado_teste_gini$statistic, y = 0.38,
           label = paste("t obs =", round(resultado_teste_gini$statistic, 2)), color = "blue") +
  labs(
    title = "Distribuição t com Regiões Críticas — Teste 1",
    x = "Valor t", y = "Densidade"
  ) +
  theme_minimal()

media_acima  <- mean(dados_gini$gini[dados_gini$grupo == "Acima da mediana"])
media_abaixo <- mean(dados_gini$gini[dados_gini$grupo == "Abaixo da mediana"])
dp_acima     <- sd(dados_gini$gini[dados_gini$grupo == "Acima da mediana"])
dp_abaixo    <- sd(dados_gini$gini[dados_gini$grupo == "Abaixo da mediana"])
dp_pooled    <- sqrt((dp_acima^2 + dp_abaixo^2) / 2)
d_cohen      <- (media_acima - media_abaixo) / dp_pooled

poder <- pwr.t.test(n = 43, d = d_cohen, sig.level = 0.05, type = "two.sample")

cat("╔══════════════════════════════════════════╗\n")

## ╔══════════════════════════════════════════╗

cat("║         RESULTADO DO TESTE 1             ║\n")

## ║         RESULTADO DO TESTE 1             ║

cat("╠══════════════════════════════════════════╣\n")

## ╠══════════════════════════════════════════╣

cat("║ t observado :", round(resultado_teste_gini$statistic, 4), "\n")

## ║ t observado : 1.0749

cat("║ t crítico   : ±", round(t_critico, 4), "\n")

## ║ t crítico   : ± 1.9886

cat("║ p-valor     :", round(resultado_teste_gini$p.value, 4), "\n")

## ║ p-valor     : 0.2856

cat("║ alfa        : 0.05\n")

## ║ alfa        : 0.05

cat("╠══════════════════════════════════════════╣\n")

## ╠══════════════════════════════════════════╣

cat("║ d de Cohen  :", round(d_cohen, 4), "\n")

## ║ d de Cohen  : -0.2318

cat("║ Poder       :", round(poder$power, 4), "\n")

## ║ Poder       : 0.186

cat("║ Erro Tipo 2 :", round(1 - poder$power, 4), "\n")

## ║ Erro Tipo 2 : 0.814

cat("╠══════════════════════════════════════════╣\n")

## ╠══════════════════════════════════════════╣

cat("║ DECISÃO:",
    ifelse(resultado_teste_gini$p.value < 0.05, "REJEITA H0", "NÃO REJEITA H0"), "\n")

## ║ DECISÃO: NÃO REJEITA H0

cat("╚══════════════════════════════════════════╝\n")

## ╚══════════════════════════════════════════╝

---

4. Teste 2 — Apenas Países Produtores (Eliminando Zeros)

H₀: A média do GINI é igual entre pequenos e grandes produtores de petróleo.
H₁: A média do GINI é diferente entre grandes e pequenos produtores de petróleo.

# Elimina países com produção zero
Amostra_petro2 <- petro_gini_2015 |>
  filter(producao_oil > 0)

# Une os dados completos
dados_gini_2 <- inner_join(gini_2015, Amostra_petro2, by = "codigo")

# Divide pela mediana
mediana_producao_2 <- median(dados_gini_2$producao_oil)

dados_gini_2 <- dados_gini_2 |>
  mutate(grupo = ifelse(producao_oil >= mediana_producao_2,
                        "Acima da mediana",
                        "Abaixo da mediana"))

table(dados_gini_2$grupo)

## 
## Abaixo da mediana  Acima da mediana 
##                25                26

Visualizações — Teste 2

dados_gini_2 <- dados_gini_2 |>
  mutate(gini_norm = (gini - min(gini)) / (max(gini) - min(gini)))

ggplot(dados_gini_2, aes(x = gini_norm, fill = grupo)) +
  geom_density(alpha = 0.5) +
  geom_vline(xintercept = median(dados_gini_2$gini_norm[dados_gini_2$grupo == "Acima da mediana"]),
             color = "blue", linetype = "dashed", show.legend = FALSE) +
  geom_vline(xintercept = median(dados_gini_2$gini_norm[dados_gini_2$grupo == "Abaixo da mediana"]),
             color = "red", linetype = "dashed", show.legend = FALSE) +
  scale_x_continuous(limits = c(-1.5, 1.5)) +
  labs(
    title = "Distribuição Normalizada do GINI — Apenas Produtores de Petróleo (2015)",
    x     = "Índice GINI Normalizado (0-1)",
    y     = "Densidade",
    fill  = "Grupo"
  ) +
  theme_minimal()

dados_gini_2 <- dados_gini_2 |>
  group_by(grupo) |>
  mutate(gini_centrado = gini_norm - mean(gini_norm)) |>
  ungroup()

ggplot(dados_gini_2, aes(x = gini_centrado, fill = grupo)) +
  geom_density(alpha = 0.5) +
  geom_vline(xintercept = 0, color = "black", linetype = "dashed", show.legend = FALSE) +
  facet_wrap(~ grupo, ncol = 1) +
  scale_x_continuous(limits = c(-1.5, 1.5)) +
  labs(
    title = "Distribuição do GINI Centrada na Média — Apenas Produtores de Petróleo (2015)",
    x     = "Desvio em relação à média do grupo",
    y     = "Densidade",
    fill  = "Grupo"
  ) +
  theme_minimal()

Resultados — Teste 2

dados_gini_2 |>
  group_by(grupo) |>
  summarise(
    n          = n(),
    media_gini = round(mean(gini), 2),
    dp_gini    = round(sd(gini), 2)
  ) |>
  kable(caption = "Estatísticas Descritivas — Teste 2")

Estatísticas Descritivas — Teste 2

grupo	n	media_gini	dp_gini
Abaixo da mediana	25	33.96	5.82
Acima da mediana	26	36.91	7.17

resultado_teste_gini_2 <- t.test(
  gini ~ grupo,
  data      = dados_gini_2,
  var.equal = FALSE
)
resultado_teste_gini_2

## 
##  Welch Two Sample t-test
## 
## data:  gini by grupo
## t = -1.6148, df = 47.683, p-value = 0.1129
## alternative hypothesis: true difference in means between group Abaixo da mediana and group Acima da mediana is not equal to 0
## 95 percent confidence interval:
##  -6.6184869  0.7231023
## sample estimates:
## mean in group Abaixo da mediana  mean in group Acima da mediana 
##                        33.96000                        36.90769

n_grupo_2          <- min(table(dados_gini_2$grupo))
graus_de_liberdade_2 <- 2 * n_grupo_2 - 2
t_critico_2          <- qt(1 - 0.05 / 2, df = graus_de_liberdade_2)

cat("Graus de liberdade:", graus_de_liberdade_2, "\n")

## Graus de liberdade: 48

cat("Valor crítico (±t):", round(t_critico_2, 4), "\n")

## Valor crítico (±t): 2.0106

cat("t observado:", round(resultado_teste_gini_2$statistic, 4), "\n")

## t observado: -1.6148

cat("p-valor:", round(resultado_teste_gini_2$p.value, 4), "\n")

## p-valor: 0.1129

cat("Rejeita H0 se t <", round(-t_critico_2, 4), "ou t >", round(t_critico_2, 4), "\n")

## Rejeita H0 se t < -2.0106 ou t > 2.0106

cat("Resultado:",
    ifelse(abs(resultado_teste_gini_2$statistic) > t_critico_2,
           "REJEIÇÃO", "NÃO REJEIÇÃO"), "\n")

## Resultado: NÃO REJEIÇÃO

x2 <- seq(-4, 4, length.out = 1000)
y2 <- dt(x2, df = graus_de_liberdade_2)

ggplot(data.frame(x2, y2), aes(x2, y2)) +
  geom_line(linewidth = 1) +
  geom_area(data = subset(data.frame(x2, y2), x2 >  t_critico_2), aes(x2, y2), fill = "red", alpha = 0.4) +
  geom_area(data = subset(data.frame(x2, y2), x2 < -t_critico_2), aes(x2, y2), fill = "red", alpha = 0.4) +
  geom_vline(xintercept =  t_critico_2, color = "red",  linetype = "dashed") +
  geom_vline(xintercept = -t_critico_2, color = "red",  linetype = "dashed") +
  geom_vline(xintercept = resultado_teste_gini_2$statistic, color = "blue", linetype = "solid", linewidth = 1) +
  annotate("text", x =  t_critico_2 + 0.4, y = 0.35, label = paste("t crítico =",  round( t_critico_2, 2)), color = "red") +
  annotate("text", x = -t_critico_2 - 0.4, y = 0.35, label = paste("t crítico =", round(-t_critico_2, 2)), color = "red") +
  annotate("text", x = resultado_teste_gini_2$statistic, y = 0.38,
           label = paste("t obs =", round(resultado_teste_gini_2$statistic, 2)), color = "blue") +
  labs(
    title = "Distribuição t com Regiões Críticas — Teste 2",
    x = "Valor t", y = "Densidade"
  ) +
  theme_minimal()

media_acima_2  <- mean(dados_gini_2$gini[dados_gini_2$grupo == "Acima da mediana"])
media_abaixo_2 <- mean(dados_gini_2$gini[dados_gini_2$grupo == "Abaixo da mediana"])
dp_acima_2     <- sd(dados_gini_2$gini[dados_gini_2$grupo == "Acima da mediana"])
dp_abaixo_2    <- sd(dados_gini_2$gini[dados_gini_2$grupo == "Abaixo da mediana"])
dp_pooled_2    <- sqrt((dp_acima_2^2 + dp_abaixo_2^2) / 2)
d_cohen_2      <- (media_acima_2 - media_abaixo_2) / dp_pooled_2

poder_2 <- pwr.t.test(n = n_grupo_2, d = d_cohen_2, sig.level = 0.05, type = "two.sample")

cat("╔══════════════════════════════════════════╗\n")

## ╔══════════════════════════════════════════╗

cat("║         RESULTADO DO TESTE 2             ║\n")

## ║         RESULTADO DO TESTE 2             ║

cat("╠══════════════════════════════════════════╣\n")

## ╠══════════════════════════════════════════╣

cat("║ t observado :", round(resultado_teste_gini_2$statistic, 4), "\n")

## ║ t observado : -1.6148

cat("║ t crítico   : ±", round(t_critico_2, 4), "\n")

## ║ t crítico   : ± 2.0106

cat("║ p-valor     :", round(resultado_teste_gini_2$p.value, 4), "\n")

## ║ p-valor     : 0.1129

cat("║ alfa        : 0.05\n")

## ║ alfa        : 0.05

cat("╠══════════════════════════════════════════╣\n")

## ╠══════════════════════════════════════════╣

cat("║ d de Cohen  :", round(d_cohen_2, 4), "\n")

## ║ d de Cohen  : 0.4514

cat("║ Poder       :", round(poder_2$power, 4), "\n")

## ║ Poder       : 0.3463

cat("║ Erro Tipo 2 :", round(1 - poder_2$power, 4), "\n")

## ║ Erro Tipo 2 : 0.6537

cat("╠══════════════════════════════════════════╣\n")

## ╠══════════════════════════════════════════╣

cat("║ DECISÃO:",
    ifelse(resultado_teste_gini_2$p.value < 0.05, "REJEITA H0", "NÃO REJEITA H0"), "\n")

## ║ DECISÃO: NÃO REJEITA H0

cat("╚══════════════════════════════════════════╝\n")

## ╚══════════════════════════════════════════╝

---

5. Conclusão

Com p-valor = 0.2856 no Teste 1 e p-valor = 0.1129 no Teste 2 (ambos maiores que α = 0.05), não rejeitamos H₀ em nenhum dos testes.

Não há evidência estatística de que países grandes produtores de petróleo apresentam índice GINI significativamente diferente dos pequenos produtores em 2015, independentemente de incluir ou não os países não produtores na amostra.

---

6. Base de Dados

Produção de Petróleo 2015

kable(petro_gini_2015, caption = "Produção de Petróleo 2015")

Produção de Petróleo 2015

pais	codigo	ano	producao_oil
Albania	ALB	2015	13.6098960
Armenia	ARM	2015	0.0000000
Austria	AUT	2015	11.0892760
Belarus	BLR	2015	16.4216750
Belgium	BEL	2015	0.0000000
Benin	BEN	2015	0.0000000
Bolivia	BOL	2015	38.6284100
Bosnia and Herzegovina	BIH	2015	0.0000000
Botswana	BWA	2015	0.0000000
Brazil	BRA	2015	1537.4033000
Bulgaria	BGR	2015	0.6294261
Canada	CAN	2015	2512.9456000
Cape Verde	CPV	2015	0.0000000
Chile	CHL	2015	4.3186530
China	CHN	2015	2495.3328000
Colombia	COL	2015	615.9615000
Costa Rica	CRI	2015	0.0000000
Cote d’Ivoire	CIV	2015	18.3169800
Croatia	HRV	2015	8.6738580
Cyprus	CYP	2015	0.0000000
Czechia	CZE	2015	1.8857336
Denmark	DNK	2015	89.4325200
Dominican Republic	DOM	2015	0.0000000
Ecuador	ECU	2015	338.5331000
Egypt	EGY	2015	412.0625300
El Salvador	SLV	2015	0.0000000
Estonia	EST	2015	0.0000000
Ethiopia	ETH	2015	0.0000000
Finland	FIN	2015	0.0000000
France	FRA	2015	10.6635100
Gambia	GMB	2015	0.0000000
Georgia	GEO	2015	0.5032920
Germany	DEU	2015	30.4941770
Greece	GRC	2015	0.6831989
Honduras	HND	2015	0.0000000
Hungary	HUN	2015	11.3161930
Iceland	ISL	2015	0.0000000
Indonesia	IDN	2015	471.9417400
Iran	IRN	2015	2096.2253000
Ireland	IRL	2015	0.0000000
Israel	ISR	2015	0.2471874
Italy	ITA	2015	63.6184900
Japan	JPN	2015	7.7782335
Kazakhstan	KAZ	2015	924.0779000
Kenya	KEN	2015	0.0000000
Kyrgyzstan	KGZ	2015	0.6295463
Latvia	LVA	2015	0.0000000
Lithuania	LTU	2015	1.2590928
Luxembourg	LUX	2015	0.0000000
Malaysia	MYS	2015	374.3543700
Malta	MLT	2015	0.0000000
Moldova	MDA	2015	0.0000000
Montenegro	MNE	2015	0.0000000
Myanmar	MMR	2015	9.7612050
Namibia	NAM	2015	0.0000000
Netherlands	NLD	2015	22.1901470
Nigeria	NGA	2015	1228.8460000
North Macedonia	MKD	2015	0.0000000
Norway	NOR	2015	1022.8952600
Pakistan	PAK	2015	57.6735400
Panama	PAN	2015	0.0000000
Paraguay	PRY	2015	0.0000000
Peru	PER	2015	76.0068360
Philippines	PHL	2015	15.2426320
Poland	POL	2015	11.4750595
Portugal	PRT	2015	0.0000000
Romania	ROU	2015	46.5548860
Russia	RUS	2015	6333.1440000
Saint Lucia	LCA	2015	0.0000000
Serbia	SRB	2015	13.1393740
Slovakia	SVK	2015	0.1330033
Slovenia	SVN	2015	0.0031093
Spain	ESP	2015	2.8786798
Sweden	SWE	2015	0.0000000
Switzerland	CHE	2015	0.0000000
Tajikistan	TJK	2015	0.1143360
Thailand	THA	2015	204.6671300
Togo	TGO	2015	0.0000000
Tonga	TON	2015	0.0000000
Tunisia	TUN	2015	30.5520110
Turkey	TUR	2015	31.0374320
Ukraine	UKR	2015	30.5043240
United Kingdom	GBR	2015	526.6963000
United States	USA	2015	6590.3604000
Uruguay	URY	2015	0.0000000
Zambia	ZMB	2015	0.0000000

Índice GINI 2015

kable(gini_2015, caption = "Índice GINI 2015")

Índice GINI 2015

pais	codigo	ano	gini
Albania	ALB	2015	32.8
Armenia	ARM	2015	32.4
Austria	AUT	2015	30.5
Belgium	BEL	2015	27.7
Benin	BEN	2015	47.6
Bulgaria	BGR	2015	38.6
Bosnia and Herzegovina	BIH	2015	32.9
Belarus	BLR	2015	25.6
Bolivia	BOL	2015	46.7
Brazil	BRA	2015	51.9
Botswana	BWA	2015	54.9
Canada	CAN	2015	33.7
Switzerland	CHE	2015	32.3
Chile	CHL	2015	45.3
China	CHN	2015	38.6
Cote d’Ivoire	CIV	2015	41.5
Colombia	COL	2015	52.0
Cabo Verde	CPV	2015	42.4
Costa Rica	CRI	2015	48.4
Cyprus	CYP	2015	34.0
Czechia	CZE	2015	25.9
Germany	DEU	2015	31.4
Denmark	DNK	2015	28.2
Dominican Republic	DOM	2015	45.2
Ecuador	ECU	2015	46.0
Egypt, Arab Rep.	EGY	2015	31.8
Spain	ESP	2015	36.2
Estonia	EST	2015	32.7
Ethiopia	ETH	2015	35.0
Finland	FIN	2015	27.1
France	FRA	2015	32.7
United Kingdom	GBR	2015	33.3
Georgia	GEO	2015	36.5
Gambia, The	GMB	2015	35.9
Greece	GRC	2015	36.0
Honduras	HND	2015	49.2
Croatia	HRV	2015	31.1
Hungary	HUN	2015	30.4
Indonesia	IDN	2015	38.2
Ireland	IRL	2015	31.8
Iran, Islamic Rep.	IRN	2015	35.3
Iceland	ISL	2015	26.8
Israel	ISR	2015	39.7
Italy	ITA	2015	35.4
Japan	JPN	2015	30.7
Kazakhstan	KAZ	2015	26.8
Kenya	KEN	2015	40.8
Kyrgyz Republic	KGZ	2015	29.0
St. Lucia	LCA	2015	43.7
Lithuania	LTU	2015	37.4
Luxembourg	LUX	2015	32.9
Latvia	LVA	2015	34.2
Moldova	MDA	2015	27.0
North Macedonia	MKD	2015	35.6
Malta	MLT	2015	29.4
Myanmar	MMR	2015	38.1
Montenegro	MNE	2015	39.0
Malaysia	MYS	2015	41.1
Namibia	NAM	2015	59.1
Nigeria	NGA	2015	35.9
Netherlands	NLD	2015	28.2
Norway	NOR	2015	27.5
Pakistan	PAK	2015	31.3
Panama	PAN	2015	50.8
Peru	PER	2015	43.4
Philippines	PHL	2015	44.6
Poland	POL	2015	31.8
Portugal	PRT	2015	35.5
Paraguay	PRY	2015	47.6
Romania	ROU	2015	35.9
Russian Federation	RUS	2015	36.5
El Salvador	SLV	2015	40.6
Serbia	SRB	2015	40.5
Slovak Republic	SVK	2015	26.5
Slovenia	SVN	2015	25.4
Sweden	SWE	2015	29.2
Togo	TGO	2015	43.0
Thailand	THA	2015	36.0
Tajikistan	TJK	2015	34.0
Tonga	TON	2015	33.5
Tunisia	TUN	2015	32.8
Turkiye	TUR	2015	42.9
Ukraine	UKR	2015	25.5
Uruguay	URY	2015	40.1
United States	USA	2015	41.5
Zambia	ZMB	2015	55.8

---

Fontes:

• Índice GINI: World Bank
• Produção de Petróleo: Our World in Data