Introdução

Em relação aos salários, a média global mensal em salários mínimos para o setor cultural em 2010 foi de 4,2, acima da média geral dos demais setores da economia, que situou-se em 3,2. A relação entre as faixas de pessoal ocupado total e salários médios nas atividades culturais tem comportamento similar ao do universo empresarial, quanto maior a faixa de pessoal ocupado das empresas, maior é a média de salários pagos, como pode ser observado para os anos de 2007 e 2010. As empresas maiores, na faixa de 500 pessoas ocupadas ou mais, pagaram em média os maiores salários: 7,3 salários mínimos em 2010 (Gráfico 3).

No que diz respeito ao número total de pessoas ocupadas no setor cultural, nota-se um crescimento de 13,2% entre 2007 e 2010, passando de 1,9 milhão para 2,1 milhões de pessoas ocupadas. O número de sócios e proprietários, que em 2007 somava 534,5 mil, passou para 557,6 mil, em 2010, o que representou um crescimento de 4,3%. No Brasil, as atividades caracterizadas como culturais registraram aumento no número de pessoas ocupadas assalariadas de 1,3 milhão para 1,5 milhão, entre os anos de 2007-2010. O crescimento dos ocupados assalariados do setor cultural (19,0%) foi maior vis-à-vis a taxa de 17,3% referente ao total de pessoas ocupadas assalariadas da economia.

Tamanho de empresa

Nas estatísticas do Cempre, utiliza-se como proxy para identificar o tamanho das empresas e outras organizações o número de pessoas ocupadas em 31 de dezembro do ano de referência, agrupadas, neste estudo, em cinco faixas de pessoal ocupado total: 0 a 4, 5 a 19, 20 a 99, 100 a 499, 500 e mais (Tabela 2 e Gráfico 1).

A distribuição por faixa de pessoal ocupado total, tanto do número de empresas quanto do pessoal ocupado no setor cultural, se apresentou estável no período de 2007- 2010. A faixa entre 0 e 4 pessoas ocupadas apresentou participação de 76,0% do total de empresas culturais e ocupou 12,7% do pessoal ocupado total no setor em 2010. As maiores empresas, com porte de 500 ou mais pessoas ocupadas, representam apenas 0,1% das empresas que atuaram nas atividades culturais, mas foram responsáveis por aproximadamente 22% do pessoal ocupado e 50% do total de salários pagos. Estas empresas registraram um aumento de participação no total de pessoas ocupadas no setor cultural (de 20,5%, em 2007, para 22,1%, em 2010).

Para as empresas e outras organizações de menor porte do setor cultural (faixa de 0 a 4 pessoas ocupadas), observou-se uma maior participação do pessoal ocupado assalariado em relação ao pessoal ocupado total, aumentando de 20,7%, em 2007, para 21,7%, em 2010. Na faixa das maiores empresas relacionadas ao setor cultural (500 e mais pessoas ocupadas) a participação do pessoal ocupado assalariado não variou entre 2007-2010 (99,9%).

Em 2010, a análise da distribuição do pessoal ocupado assalariado por porte da empresa, permite observar que as menores empresas e outras organizações do setor cultural, situadas na faixa de 0 a 4 pessoas, embora em maior número (330,1 mil
empresas), ocuparam o menor número de pessoas assalariadas (116,9 mil pessoas
assalariadas), conforme Tabela 2. Na outra extremidade, as empresas culturais na faixa de 500 e mais pessoas ocupadas (265 empresas) absorveram cerca de quatro vezes mais pessoal assalariado que as pequenas, ocupando 463,5 mil pessoas assalariadas. O Gráfico 2 mostra que, em 2010, para a faixa de 0 a 4 pessoas ocupadas, o número de sócios e proprietários representava 78,3% do total de pessoas ocupadas e o número de assalariados correspondia a 21,7% desse total. Contudo, na faixa de 500 e mais pessoas ocupadas, o número de sócios e proprietários representava 0,1% do total de pessoas ocupadas, enquanto o número de assalariados representava 99,9% desse total.

R de revolucionário

O R é uma linguagem de programação de código aberto e um ambiente para computação estatística.

• R é a plataforma mais importante para o desenvolvimento de novos métodos estatísticos e para a prática de ciência dos dados. Se você busca os mais recentes métodos estatísticos, a melhor aposta é que eles são implementados em R.
• É fácil utilizar o R para fazer qualquer análise de dados ou atividade estatística. Não custa nada, então universidades, professores, estudantes e startups encontram poucas barreiras para adotá-lo. Entretanto, o R não enfatiza a perspectiva point&click como um software tradicional. Em vez disso, ele usa linha de comando que interage com ferramentas para desenvolvedores
• Existem mais de 11.000 pacotes para R - todos disponíveis gratuitamente - que estendem a sua utilidade. Esses pacotes disponibilizam os mais recentes métodos estatísticos e fornecem as bases para o desenvolvimento futuro.

** A maioria dos softwares é construída para centralizar e controlar os dados, mas não para democratizá-los. Como resultado, as pessoas ficam reféns dos especialistas para responder questões básicas. ** O R é diferente! É democrático! É de graça!

“Winter Is Coming”

Colocando hiperlink

Esse é o site do GAE

Como colocar imagem local?

Basta adicionar o comando:

![](C:/enderenco/da/sua/imagem.png)

ou o comando:

![](https://www.r-project.org/Rlogo.png)

Esse não é o unico tipo de imagem

Podemos colocar memes, gifs, e outros formatos de imagens externas
(é só referenciar o link da imagem).

![](https://media.giphy.com/media/jZtEA0nyCrVxm/giphy.gif)

Quebra de linhas

Podemos adicionar quebras de linha em textos.
Por exemplo: > R Markdown is a file format for making dynamic documents with R. An R Markdown document is written in markdown (an easy-to-write plain text format) and contains chunks of embedded R code, like the document below.

Pode ser formatado dessa maneira: > R Markdown is a file format for making dynamic documents with R.
An R Markdown document is written in markdown (an easy-to-write plain text format) and contains chunks of embedded R code, like the document below.

Basta adicionar a tag

    <br> 

Na posição onde você deseja quebrar a linha (semelhante ao Enter ⏎ do seu teclado).

YAML

YAML é uma linguagem que pretende simplificar a codificação de dados.
No caso do R Markdown, ela define informações (metadados) no início do documento, inclusive sua estilização.
Por padrão, o documento é gerado em uma página HTML, mas podemos escolher outros formatos. Os mais usados são PDF e .Docx (Word).

Basta alterar a opção de output. Exemplo: * Para gerar um PDF: output: pdf_document

• Para gerar um documento do Word: output: word_document

Para consultar outros formatos de saída, veja: http://rmarkdown.rstudio.com/lesson-9.html

output:
  html_document:
    theme: cerulean
    highlight: tango

output: 
  pdf_document:
    toc: true
    highlight: zenburn
    always_allow_html: yes
  word_document:
    fig_width: 5
    fig_height: 5
    fig_caption: true
    always_allow_html: yes
  html_document:
    theme: cerulean
    highlight: tango
    toc: true
    toc_float: true
    code_folding: hide

Programando em R dentro do Markdown

#```{r cars, echo=FALSE}
#```{r cars, results='hide'}
#```{r cars, warning=FALSE}
#```{r cars, menssage=FALSE}
plot(cars$speed, cars$dist)

plot(cars$speed, cars$dist, col="#0d6887",pch=19,main="Diagrama de Dispersão", xlab="Velocidade", ylab ="o que é disp?" )
abline(lsfit(cars$speed, cars$dist),col="#032435", lty=2, lwd=4)

data(mtcars)
library(DT)
datatable(mtcars)

dados <- datasaurus_dozen[1:142,]
cor(dados$x,dados$y)

## [1] -0.06447185

datatable(dados)

#plot(dados$x,dados$y, col="#0d6887",pch=19)

#ggplot(datasaurus_dozen, aes(x = x, y = y, colour = dataset)) +
#    geom_point() +
#    theme_void() +
#    theme(legend.position = "none") +
#facet_wrap( ~ dataset, ncol = 3)

cor(mtcars[,c("disp","drat","hp","mpg","qsec","wt")])

##            disp        drat         hp        mpg        qsec         wt
## disp  1.0000000 -0.71021393  0.7909486 -0.8475514 -0.43369788  0.8879799
## drat -0.7102139  1.00000000 -0.4487591  0.6811719  0.09120476 -0.7124406
## hp    0.7909486 -0.44875912  1.0000000 -0.7761684 -0.70822339  0.6587479
## mpg  -0.8475514  0.68117191 -0.7761684  1.0000000  0.41868403 -0.8676594
## qsec -0.4336979  0.09120476 -0.7082234  0.4186840  1.00000000 -0.1747159
## wt    0.8879799 -0.71244065  0.6587479 -0.8676594 -0.17471588  1.0000000

M <- cor(mtcars[,c("disp","drat","hp","mpg","qsec","wt")])
corrplot(M, method="circle")

#library(ggmap)
#qmap(location = "rio de janeiro")
#qmap(location = "rio de janeiro", zoom = 14)
#qmap(location = "rio de janeiro", zoom = 15, maptype = "satellite")

wordcloud2(data = demoFreq)

data(mtcars)
modelo1<-lm(mpg~hp, data=mtcars)
modelo1

## 
## Call:
## lm(formula = mpg ~ hp, data = mtcars)
## 
## Coefficients:
## (Intercept)           hp  
##    30.09886     -0.06823

E se fosse uma apresentação? como devemos fazer?

Existem diversas forams de apresentações no Rmarkdown. As mais utilizadas são:

1. ioslides_presentation
   
2. slidy_presentation
   
3. beamer_presentation
   
4. slidify
   

Exemplos:

output: ioslides_presentation
output: slidy_presentation

Para maiores informações, esse link é bem útil