library(readxl)
BasesEstados <- read_excel("C:/Users/SHELTA/Downloads/Base_de_dados-master/Base_de_dados-master/BasesEstados.xlsx")
View(BasesEstados)
head(BasesEstados)
## # A tibble: 6 x 35
## S Sigla Codigo Estado Região CodigoReg PIB Gini Agua Banheiro
## <chr> <chr> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 AC AC 12 Acre Norte N 9.63e6 0.63 86.5 47.4
## 2 AL AL 27 Alago~ Norde~ NE 2.95e7 0.63 77.6 75.6
## 3 AM AM 13 Amazo~ Norte N 6.41e7 0.65 77.3 62.2
## 4 AP AP 16 Amapa Norte N 1.04e7 0.6 91.4 66.4
## 5 BA BA 29 Bahia Norde~ NE 1.68e8 0.62 85.7 77.6
## 6 CE CE 23 Ceara Norde~ NE 9.01e7 0.61 86.1 76.3
## # ... with 25 more variables: Lixo <dbl>, Energia <dbl>, Densidade <dbl>,
## # Esperancadevida <dbl>, Populacao <dbl>, Mortalidade_infantil <dbl>,
## # Prob_sobrevivencia <dbl>, IDH <dbl>, IDH_Renda <dbl>,
## # IDH_Longevidade <dbl>, IDH_Educacao <dbl>, Probab_sobrev60 <dbl>,
## # TFT <dbl>, Taxa_envelhecimento <dbl>, Taxa_analfabetismo <dbl>,
## # frequencia_liquida_EM <dbl>, Expectativa_anos_de_estudo <dbl>,
## # frequencia_liquida_Superior <dbl>, perc_com_2_anos_de_de_atraso <dbl>,
## # Renda_per_capita <dbl>, Renda_per_capita_nula <dbl>,
## # Perc_pobres <dbl>, Perc_extremamente_pobres <dbl>,
## # Despesa_Corrente <dbl>, Despesa_Corrente_per_capita <dbl>
library(knitr)
kable(head(BasesEstados))
| S | Sigla | Codigo | Estado | Região | CodigoReg | PIB | Gini | Agua | Banheiro | Lixo | Energia | Densidade | Esperancadevida | Populacao | Mortalidade_infantil | Prob_sobrevivencia | IDH | IDH_Renda | IDH_Longevidade | IDH_Educacao | Probab_sobrev60 | TFT | Taxa_envelhecimento | Taxa_analfabetismo | frequencia_liquida_EM | Expectativa_anos_de_estudo | frequencia_liquida_Superior | perc_com_2_anos_de_de_atraso | Renda_per_capita | Renda_per_capita_nula | Perc_pobres | Perc_extremamente_pobres | Despesa_Corrente | Despesa_Corrente_per_capita |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| AC | AC | 12 | Acre | Norte | N | 9629239 | 0.63 | 86.51 | 47.42 | 93.63 | 91.14 | 46.05 | 71.63 | 733559 | 23.01 | 94.62 | 0.663 | 0.671 | 0.777 | 0.559 | 84.53 | 2.95 | 4.32 | 21.29 | 48.45 | 8.69 | 10.50 | 22.57 | 522.15 | 550.76 | 29.46 | 22.69 | 2739927889 | 3735.116 |
| AL | AL | 27 | Alagoas | Nordeste | NE | 29544708 | 0.63 | 77.56 | 75.64 | 96.16 | 98.98 | 35.04 | 70.32 | 3120494 | 28.40 | 93.36 | 0.631 | 0.641 | 0.755 | 0.520 | 82.31 | 2.22 | 6.01 | 30.57 | 36.86 | 9.07 | 9.18 | 27.34 | 432.56 | 439.17 | 34.29 | 24.77 | 4408229588 | 1412.670 |
| AM | AM | 13 | Amazonas | Norte | N | 64119836 | 0.65 | 77.32 | 62.16 | 92.98 | 92.18 | 57.95 | 73.30 | 3483985 | 17.01 | 96.03 | 0.674 | 0.677 | 0.805 | 0.561 | 87.24 | 2.59 | 4.03 | 12.30 | 39.09 | 8.54 | 10.06 | 26.68 | 539.80 | 565.89 | 30.78 | 23.38 | 7778802887 | 2232.731 |
| AP | AP | 16 | Amapa | Norte | N | 10419539 | 0.60 | 91.44 | 66.38 | 96.38 | 98.27 | 53.98 | 73.80 | 669526 | 15.14 | 96.47 | 0.708 | 0.694 | 0.813 | 0.629 | 88.14 | 2.48 | 3.44 | 11.20 | 50.97 | 9.44 | 12.95 | 22.08 | 598.98 | 609.44 | 24.07 | 14.45 | 2317897869 | 3461.998 |
| BA | BA | 29 | Bahia | Nordeste | NE | 167727375 | 0.62 | 85.66 | 77.60 | 95.35 | 96.45 | 27.91 | 71.97 | 14016906 | 21.73 | 94.92 | 0.660 | 0.663 | 0.783 | 0.555 | 85.09 | 2.05 | 7.23 | 20.92 | 40.53 | 8.63 | 7.86 | 29.80 | 496.73 | 503.15 | 28.72 | 21.24 | 21502299427 | 1534.026 |
| CE | CE | 23 | Ceara | Nordeste | NE | 90131724 | 0.61 | 86.08 | 76.28 | 93.56 | 99.08 | 34.13 | 72.60 | 8452381 | 19.29 | 95.50 | 0.682 | 0.651 | 0.793 | 0.615 | 86.20 | 1.99 | 7.54 | 23.95 | 52.18 | 9.82 | 9.68 | 18.54 | 460.63 | 465.38 | 30.32 | 22.38 | 12325234404 | 1458.197 |
par(mfrow=c(1,1))
par(bg = "skyblue4")
plot(BasesEstados$Lixo,BasesEstados$Energia,
col="orange",pch=20,
xlab = "Lixo", ylab = "Energia",
main ="Nível Lixo por Energia",
col.axis="blue",col.main="red")
A partir do gráfico ou gráfico acima, analisa-se que há um número maior % da população nos 27 estados com coleta de Lixo e energia elétrica em domicílios (2010), entre 95-100 coleta de lixo e 98 - 100 de Energia elétrica . A partir disso, posso dizer que há uma forte correlação entre as duas variáveis …
library(ggplot2)
ggplot(BasesEstados) +
aes(x = Lixo, y = Energia, colour = Populacao) +
geom_point(size = 3L) +
scale_color_viridis_c(option = "inferno") +
labs(title = "LIXO,ENERGIA E POPULACAO", subtitle = "ATIVIDADE 6 & 7") +
theme_minimal()