Introdução

O Brasil possui um elevado déficit habitacional e ao mesmo tempo um crescimento exarcebado das cidades (que não possuem estrutura física que comportem), e, ao mesmo tempo, os grandes centros urbanos possuem um grande número de edifícios abandonados em potencial de uso.O aumento da vida útil de uma edificação, a redução da produção de resíduos, a possibilidade da utilização de eficiência energética e o uso de um território já ocupado juntamente com a manutenção do ecossistema são benefícios proporcionados pela reabilitação de edifícios que vem sendo apresentada como solução para problemas do âmbito social, ambiental e econômico.

Objetivo

Baseado nos fatos apresentados, propõe-se com o trabalho mostrar a realidade do Brasil para indíce de déficit habitacional. Com dados coletados das bases do IBGE - Censo 2010, Fundação João Pinheiro (FJP) e Centro de Estatística e Informações (CEI) - Déficit Habitacional no Brasil 2012, objetiva-se fazer uma comparação estatística do número de pessoas morando em situação precária, com o déficit habitacional e com o número de edifícios vagos em potencial de moradia no Brasil.

A hipótese a ser verificada com a análise estatística é de que o número de moradias abandonadas é maior do que o número de pessoas habitando em situação precária. Podendo assim o estudo servir para uma sensibilização do governo para os problemas de falta de moradia criando uma solução com menor custo e menor produção de resíduos.

Análise Preliminar de Dados

library(readxl)
dados <- read_excel("C:/Users/lfiorot/dados.xlsx")
par(bg="#e0bb8b")
boxplot(DeficitHabTotal~Regiao, data=dados, id=list(method="y"), main="Deficit Habitacional x Região",xlab="Região", 
col=c("#6bc1ce","#4063ce","#8346dd","#42c463","#af1d53"), pch=19)

boxplot(CoabitacaoFamiliar~Regiao, data=dados, id=list(method="y"), main="Coabitação Familiar x Região", xlab="Região", 
col=c("#6bc1ce","#4063ce","#8346dd","#42c463","#af1d53"), pch=19)

boxplot(OnusAluguel~Regiao, data=dados, id=list(method="y"), main="Ônus com Aluguel x Região", xlab="Região", 
col=c("#6bc1ce","#4063ce","#8346dd","#42c463","#af1d53"), pch=19)

boxplot(HabitacaoPrecaria~Regiao, data=dados, id=list(method="y"), main="Habitação Precária x Região", xlab="Região", 
col=c("#6bc1ce","#4063ce","#8346dd","#42c463","#af1d53"), pch=19)

library(RcmdrMisc)
## Loading required package: car
## Loading required package: carData
## Loading required package: sandwich

par(bg="#e0bb8b")
with(dados, hist(DeficitHabRural, groups=Regiao, scale="frequency", breaks="Sturges",
   col=c("#6bc1ce","#4063ce","#8346dd","#42c463","#af1d53")))
## Warning in plot.window(xlim, ylim, "", ...): "groups" não é um parâmetro
## gráfico
## Warning in plot.window(xlim, ylim, "", ...): "scale" não é um parâmetro
## gráfico
## Warning in title(main = main, sub = sub, xlab = xlab, ylab = ylab, ...):
## "groups" não é um parâmetro gráfico
## Warning in title(main = main, sub = sub, xlab = xlab, ylab = ylab, ...):
## "scale" não é um parâmetro gráfico
## Warning in axis(1, ...): "groups" não é um parâmetro gráfico
## Warning in axis(1, ...): "scale" não é um parâmetro gráfico
## Warning in axis(2, ...): "groups" não é um parâmetro gráfico
## Warning in axis(2, ...): "scale" não é um parâmetro gráfico

with(dados, hist(DeficitHabUrbano, groups=Regiao, scale="frequency", 
  breaks="Sturges", col=c("#6bc1ce","#4063ce","#8346dd","#42c463","#af1d53")))
## Warning in plot.window(xlim, ylim, "", ...): "groups" não é um parâmetro
## gráfico
## Warning in plot.window(xlim, ylim, "", ...): "scale" não é um parâmetro
## gráfico
## Warning in title(main = main, sub = sub, xlab = xlab, ylab = ylab, ...):
## "groups" não é um parâmetro gráfico
## Warning in title(main = main, sub = sub, xlab = xlab, ylab = ylab, ...):
## "scale" não é um parâmetro gráfico
## Warning in axis(1, ...): "groups" não é um parâmetro gráfico
## Warning in axis(1, ...): "scale" não é um parâmetro gráfico
## Warning in axis(2, ...): "groups" não é um parâmetro gráfico
## Warning in axis(2, ...): "scale" não é um parâmetro gráfico

library(corrplot)
## corrplot 0.84 loaded
MC<-cor(dados[,c("DeficitHabTotal","CoabitacaoFamiliar","HabitacaoPrecaria",
  "OnusAluguel")], use="complete")
corrplot(MC,method="number")