Descontinuidade

Objetivos

Busca-se nesse estudo, a compreensão das ocorrências de descontinuidade dos municípios, procurando classificá-los, dentro de uma metodologia, nos que apresentam maiores e menores índices.

Introdução

Devido a disparidade entre eles, o modo encontrado para realizar as comparações, foi efetuar-se as razões entre as seguintes variáveis:

1. “número de reclamacões de falta d’água”;
2. “número de ligacões ativas”.

Chegou-se, dessa forma, aos valores de descontinuidade em base de “/mil ligacões”.

Para tanto, foram disponibilizadas séries de dados de dois bancos distintos:

1. do banco de dados “Relatorio-de-Manifestacoes-SABESP.xlsx”, foram extraídos os dados acerca das variáveis supracitadas, em todo o período disponível, qual seja, de MAI/2017 a JUN/2019;
2. do banco de dados “LISIANE_IRFA.xlsx”, foram extraídos os dados cujo período não constava no banco anterior (basicamente de JAN/2016 a ABR/2017) , ou seja, na existência de dados comuns nos dois repertórios, privilegiou-se o primeiro (Relatorio-de-Manifestacoes-SABESP.xlsx).

Considerações

Seguem alguns apontamentos:

• O dado de falta d’água do município de Cananéia OUT/2018 foi alterado para o valor “2” (dois) devido a uma inconsistência no banco “principal” - “Relatorio-de-Manifestacoes-SABESP.xlsx”. Pode-se constatar, na análise do outro repertório (LISIANE_IRFA.xlsx), que o valor correto seria esse valor “2”;
• o código de município de Vicente de Carvalho refere-se, na verdade, ao município de Guarujá (Relatorio-de-Manifestacoes-SABESP.xlsx);
• os dados de Vicente de Carvalho disponíveis no arquivo “Relatorio-de-Manifestacoes-SABESP.xlsx”, encontram-se duplicados, ou seja, existem duas observações das variáveis na mesma data. Como solução, somou-se os valores disponíveis, entendendo-se tratar de dados provenientes de Vicente de Carvalho e Guarujá, os quais foram consolidados, apenas, como o município de Guarujá;
• no arquivo “LISIANE_IRFA.xlsx” não há observações acerca do município de Saltinho;
• no arquivo “Relatorio-de-Manifestacoes-SABESP.xlsx” nao ha a denominação dos municípios de Pereiras e Saltinho (apenas código IBGE);
• as variáveis “UN” e “REGIÃO” foram extraídas do arquivo “cadastro_sabesp.xlsx”.

Códigos e Resultados:

Apresentação dos “Rankings” por municípios:

A seguir, classificação dos 10 (dez) primeiros Municípios, conforme critérios enunciados de descontinuidade:

Municípios - Piores Médias

Nome_Municipio	Media_Municipio_P
Pirapora do Bom Jesus	16.107701
Mairiporã	12.198108
Santa Branca	11.482586
Santana de Parnaíba	9.286729
Juquitiba	8.692663
Ilhabela	8.223100
Cajamar	7.090448
Alambari	6.491006
Francisco Morato	6.340466
Itapevi	6.144529

Municípios - Melhores Médias

Nome_Municipio	Media_Municipio_P
Marinópolis	0.00000000
Mira Estrela	0.00000000
Turmalina	0.00000000
Uru	0.00000000
Gastão Vidigal	0.03875969
Magda	0.03921569
Ribeirão Corrente	0.04105090
Macedônia	0.04118616
Nova Luzitânia	0.04191115
Floreal	0.04317789

Municípios - Piores Medianas

Nome_Municipio	Mediana_Municipio_P
Pirapora do Bom Jesus	14.922280
Mairiporã	10.833880
Santa Branca	10.799781
Santana de Parnaíba	9.402769
Juquitiba	7.036622
Itapevi	6.037977
Ilhabela	5.721393
Alambari	5.705394
Cajamar	5.483650
Ribeirão Grande	5.459891

Municípios - Melhores Medianas

Observação: Existem 103 Municípios com medianas iguais a 0 (zero), ou seja, detentores das melhores medianas.

Abaixo, segue listagem dos 10 (dez) primeiros, por ordem alfabética:

Nome_Municipio	Mediana_Municipio_P
Adolfo	0
Altair	0
Alto Alegre	0
Álvaro de Carvalho	0
Anhumas	0
Aparecida d’Oeste	0
Arco-Íris	0
Aspásia	0
Avaí	0
Balbinos	0

A listagem completa será extraída em formato CSV, arquivo: “Municipio_P_Descr_Mediana_Zero_R.csv”

Excetuando-se, os 113 (cento e treze) municípios acima, os que apresentaram melhores medianas (porém com valores diferentes de zero), são os seguintes:

Nome_Municipio	Mediana_Municipio_P
Ouroeste	0.1176747
Nova Granada	0.1357790
Bofete	0.1597444
Valentim Gentil	0.1952362
Quatá	0.2004899
Bocaina	0.2214839
General Salgado	0.2281542
Mirante do Paranapanema	0.2338091
Flórida Paulista	0.2416043
Nhandeara	0.2441110

Municípios - Distribuições mais heterogêneas

Dentre os munícipios que apresentaram ocorrências de descontinuidade, segue listados 10 (dez) cujas distribuições foram mais heterogêneas:

Nome_Municipio	CV_Municipio_P
Floreal	4.472136
Gastão Vidigal	4.472136
Magda	4.472136
Nova Luzitânia	4.472136
Ribeirão Corrente	4.472136
Santa Clara d’Oeste	4.472136
São João das Duas Pontes	4.472136
Turiúba	4.472136
Macedônia	4.472136
São Francisco	4.472136

Municípios - Distribuições mais homogêneas

Dentre os munícipios que apresentaram ocorrências de descontinuidade, segue listados 10 (dez) cujas distribuições foram mais homogêneas:

Nome_Municipio	CV_Municipio_P
Osasco	0.2413906
Carapicuíba	0.2615969
Embu das Artes	0.2726580
Barueri	0.2824048
Botucatu	0.2891201
Cotia	0.2996586
Laranjal Paulista	0.3103740
Piedade	0.3135628
São Bernardo do Campo	0.3229271
Hortolândia	0.3249698

Concentrações de falta d’água por Municípios

A seguir, segue descrição (densidade de ocorrências) de descontinuidades, por ordem decrescente das UNs:

Cumpre esclarecer, que a “condição ideal” seria que a “onda” estivesse localizada sob a marca “zero”, ou seja, a concentração da maioria das ocorrências de descontinuidade estivessem situadas nas proximidades do valor “zero”.

Para efeito de análises e comparações, está assinalada em vermelho a reta vertical representativa da média da respectiva Unidade de Negócio.

MO:

RN:

MN:

MS:

RS:

MC:

RR:

ML:

RA:

RV:

RJ:

RM:

RG:

RB:

RT:

Boxplots por Municípios:

A seguir, segue descrição (boxplots) de ocorrências de descontinuidades, por ordem decrescente das UNs.

Cumpre esclarecer, que a “condição ideal” seria que a “caixa” estivesse “achatada” muito próxima ao valor “zero”, além de não existirem “pontos avulsos” dispersos nos gráficos.

Em outros termos: as medidas separatrizes (quartis, medianas) encontrarem-se nas proximidades do valor “zero”, além da inexistência de “outliers”.

MO:

RN:

MN:

MS:

RS:

MC:

RR:

ML:

RA:

RV:

RJ:

RM:

RG:

RB:

RT:

Séries temporais por Municípios:

A seguir, segue descrição das séries temporais, tanto agrupadas por UNs, quanto isoladas.

Para as séries individualizadas serão projetadas as linhas de regressão linear com intervalo de confiança (95%) assinalados.

Abaixo, séries:

MO:

RN:

MN:

MS:

RS:

MC:

Para série de São Paulo, observar, no estudo por UN, a unidade MC!

RR:

ML:

RA:

RV:

RJ:

RM:

RG:

RB:

RT:

Apresentação dos “Rankings” por UNs:

A seguir, classificação das Unidades de Negócio, conforme critérios enunciados de descontinuidade:

Unidades de Negócio - Piores Médias

UN	Media_UN_P
MO	5.8288716
RN	4.7468546
MN	4.6749560
MS	4.3619262
RS	3.6930042
MC	2.6338005
RR	2.3554494
ML	2.2654791
RA	2.1557443
RV	2.1249429
RJ	1.7710682
RM	1.6366705
RG	0.9831186
RB	0.8916354
RT	0.3544946

Unidades de Negócio - Melhores Médias

UN	Media_UN_P
RT	0.3544946
RB	0.8916354
RG	0.9831186
RM	1.6366705
RJ	1.7710682
RV	2.1249429
RA	2.1557443
ML	2.2654791
RR	2.3554494
MC	2.6338005
RS	3.6930042
MS	4.3619262
MN	4.6749560
RN	4.7468546
MO	5.8288716

Unidades de Negócio - Piores Medianas

UN	Mediana_UN_P
MO	4.1267069
MS	4.0552895
RN	3.6408247
MN	3.4815200
RS	2.7632586
MC	2.5494561
ML	1.7597426
RR	1.4858841
RJ	1.4762742
RV	1.2121212
RA	1.1770861
RM	1.0413051
RG	0.6531679
RB	0.4066143
RT	0.0000000

Unidades de Negócio - Melhores Medianas

UN	Mediana_UN_P
RT	0.0000000
RB	0.4066143
RG	0.6531679
RM	1.0413051
RA	1.1770861
RV	1.2121212
RJ	1.4762742
RR	1.4858841
ML	1.7597426
MC	2.5494561
RS	2.7632586
MN	3.4815200
RN	3.6408247
MS	4.0552895
MO	4.1267069

Unidades de Negócio - Distribuições mais heterogêneas

UN	CV_UN_P
RT	2.3789092
RB	2.2904244
RG	1.5149896
RV	1.4082475
RA	1.3702148
RR	1.2073006
RM	1.1312009
MN	0.9945634
MO	0.9123130
RN	0.9070516
ML	0.8808914
RS	0.7957305
RJ	0.7850234
MS	0.4939190
MC	0.3406365

Unidades de Negócio - Distribuições mais homogêneas

UN	CV_UN_P
MC	0.3406365
MS	0.4939190
RJ	0.7850234
RS	0.7957305
ML	0.8808914
RN	0.9070516
MO	0.9123130
MN	0.9945634
RM	1.1312009
RR	1.2073006
RA	1.3702148
RV	1.4082475
RG	1.5149896
RB	2.2904244
RT	2.3789092

Concentrações de falta d’água por UN:

Vale as mesmas considerações feitas na classificação por municípios.

Boxplots por UNs:

Vale as mesmas considerações feitas na classificação por municípios.

Séries temporais por UNs:

## [1] "Date"

Apresentação dos “Rankings” por Região:

A seguir, classificação das Regiões (Litoral, Metropolitana e Interior), conforme critérios enunciados de descontinuidade:

Regiões - Piores Médias

REGIAO	Media_REG_P
RMSP	4.461077
Litoral	3.438815
Interior	1.325080

Regiões - Melhores Médias

REGIAO	Media_REG_P
Interior	1.325080
Litoral	3.438815
RMSP	4.461077

Regiões - Piores Medianas

REGIAO	Mediana_REG_P
RMSP	3.3050228
Litoral	2.6037998
Interior	0.6644518

Regiões - Melhores Medianas

REGIAO	Mediana_REG_P
Interior	0.6644518
Litoral	2.6037998
RMSP	3.3050228

Regiões - Distribuições mais heterogêneas

REGIAO	CV_REG_P
Interior	1.6779719
Litoral	0.9734149
RMSP	0.9310517

Regiões - Distribuições mais homogêneas

REGIAO	CV_REG_P
RMSP	0.9310517
Litoral	0.9734149
Interior	1.6779719

Concentrações de falta d’água por Região:

Vale as mesmas considerações feitas na classificação por municípios.

Boxplots por Região:

Vale as mesmas considerações feitas na classificação por municípios.

Séries temporais por Região:

Apresentação do “Mapa de Calor”: Falta de água / 1000 ligações