library(gplots)
library(dplyr)
library(ggplot2)
library(RColorBrewer)

1 Resumo

O projeto Cidades Digitais estabelece uma política contínua e efetiva que promove a inclusão das prefeituras municipais no mundo das Novas Tecnologias de Informação, com o objetivo de desenvolver uma cultura digital na sociedade brasileira. Os municípios participantes do projeto foram selecionados por meio de processo seletivo público, onde um dos critérios de seleção foi o número de habitantes. Posto isto, este estudo teve como propósito analisar, através de comparações, se a quantidade de habitantes de fato foi um fator importante para a aprovação das cidades, e se esse número influenciou também no valor monetário requisitado pelos municípios para a implementação do projeto. Na metodologia deste trabalho foram utilizados testes de hipóteses e gráficos para auxiliar nas análises e interpretação dos resultados. Os resultados mostraram que há relação entre o número de habitantes e os status de implantação das cidades, e que esse número influenciou também no valor monetário previsto para as regiões brasileiras, com exceção da região Centro- Oeste.

2 Introdução

A inclusão digital estimula o exercício da cidadania, a procura do conhecimento e da informação e o poder de autodeterminação das pessoas. Foi pensando em modernizar a gestão, aumentar o acesso aos serviços públicos e estimular o desenvolvimento dos municípios brasileiros através da tecnologia que o projeto Cidades Digitais foi criado e ofertado para todas as regiões brasileiras.

A seleção dos municípios ocorreu entre os anos de 2012 e 2014, considerando vários critérios, entre eles, o número de habitantes de até 50.000 (BRASIL, 2013). Foram aprovadas inicialmente 80 cidades para a participação no projeto, que abrange a implantação de rede metropolitana, baseada em fibra óptica, composta de hardware, software e acessórios complementares para a instalação da rede, incluindo solução de gerenciamento da infraestrutura, com operação assistida por seis meses, e na posterior doação com encargos da infraestrutura implantada; instalação de aplicativos de governo eletrônico, com suporte para migração, treinamento, hospedagem e operação assistida; e formação de servidores públicos sobre o funcionamento da rede e no uso das Novas Tecnologias da Informação (TIC) para melhoria da gestão pública.

Até outubro de 2020, o projeto implantou 176 Cidades Digitais em todas as regiões do Brasil, sendo 42% dos municípios contemplados situados no Nordeste (Portal Tele.Síntese, 2013).

Mediante a importância do projeto Cidades Digitais para as cidades brasileiras, o presente trabalho busca analisar se a quantidade populacional influenciou para a aprovação ou reprovação das cidades, e também para o valor financeiro solicitado por elas. Acredita-se que estudos como este possam auxiliar para a melhoria nas regras da seleção do projeto, de tal modo que mais pessoas possam ser atendidas por ele.

3 Objetivos

O estudo teve como objetivo comparar o número de habitantes das cidades selecionadas pelo projeto Cidades Digitais com o status de implantação dessas cidades, e o número de habitantes pelo valor previsto per capta solicitado por cada cidade ao projeto, a fim de analisar se a população regional foi um requisito fundamental para a solicitação do valor previsto e para o status de implantação de cada uma das cidades.

4 Metodologia

4.1 Descrição da base de dados

Foi utilizada para realização das análises, a base de dados ‘Cidades Digitais4.xlsx’, adaptada da base de dados ‘dadosabertos_cidadesdigitais.csv’, obtida no endereço eletrônico https://www.gov.br/mcom/pt-br/acesso.a-informacao/dados-abertos/bases-abertas, pertencente ao Ministério das Comunicações.

library(kableExtra) 

library(readxl)
CD <- read_excel("D:/_Mestrado Civil UFF/Estatistica_Aplicada/Relatorio_Final/Cidades Digitiais4.xlsx")

CD$Vlr_PerCapta<-(CD$`Valor Previsto`/CD$`População Estimada`)

options(scipen = 999)

kable(CD, row.names = FALSE)%>%
  kable_styling( full_width = T,bootstrap_options = c("striped", "hover", "condensed", "responsive"),
                 position = "center", fixed_thead = T) %>%
  scroll_box(width = "900px", height = "300px")
UF Regiao Cidade Cod_IBGE População Estimada Valor Previsto Status Vlr_PerCapta
AC Norte Tarauacá 1200609 39427 484547.5 Não Implantada 12.289739
AL Nordeste Delmiro Gouveia 2702405 52306 1169381.7 Implantada 22.356550
AL Nordeste Estrela de Alagoas 2702553 18373 527206.8 Implantada 28.694651
AM Norte Autazes 1300300 37752 1171151.9 Não Implantada 31.022248
AM Norte Benjamin Constant 1300607 40417 844586.5 Não Implantada 20.896813
AM Norte Careiro 1301100 36922 748797.1 Não Implantada 20.280512
AM Norte Coari 1301209 83929 800654.8 Implantada 9.539668
AM Norte Codajás 1301308 27303 757706.7 Não Implantada 27.751776
AM Norte Iranduba 1301852 46703 800655.0 Não Implantada 17.143546
AM Norte Manacapuru 1302504 95330 877796.9 Implantada 9.207981
AM Norte Manaquiri 1302553 29327 622382.2 Implantada 21.222155
AM Norte Maraã 1302801 18477 427516.8 Não Implantada 23.137781
AP Norte Amapá 1600105 8690 459240.6 Não Implantada 52.847017
AP Norte Laranjal do Jari 1600279 46639 896578.1 Não Implantada 19.223784
AP Norte Mazagão 1600402 19981 594149.7 Não Implantada 29.735734
AP Norte Porto Grande 1600535 20143 800403.5 Não Implantada 39.736062
AP Norte Serra do Navio 1600055 5025 575773.2 Implantada 114.581721
AP Norte Vitória do Jari 1600808 14680 687756.2 Não Implantada 46.849879
BA Nordeste Abaré 2900207 19939 490227.4 Não Implantada 24.586360
BA Nordeste Anagé 2901205 19824 510328.6 Não Implantada 25.742966
BA Nordeste Anguera 2901502 11402 441915.0 Não Implantada 38.757678
BA Nordeste Baianópolis 2902500 14262 499499.1 Implantada 35.023077
BA Nordeste Barra 2902708 54563 1210503.9 Implantada 22.185434
BA Nordeste Barra do Choça 2902906 34421 747990.3 Não Implantada 21.730639
BA Nordeste Boa Vista do Tupim 2903805 19516 548582.1 Não Implantada 28.109349
BA Nordeste Bom Jesus da Serra 2903953 10515 413597.6 Não Implantada 39.334055
BA Nordeste Brejolândia 2904407 10768 437370.1 Implantada 40.617584
BA Nordeste Buritirama 2904753 21671 486364.5 Implantada 22.443106
BA Nordeste Coronel João Sá 2909208 16951 623361.1 Implantada 36.774295
BA Nordeste Cotegipe 2909406 14409 687927.7 Implantada 47.742918
BA Nordeste Curaçá 2909901 35320 544494.1 Não Implantada 15.416026
BA Nordeste Encruzilhada 2910404 19837 401380.7 Não Implantada 20.233940
BA Nordeste Guanambi 2911709 86320 524280.2 Implantada 6.073681
BA Nordeste Guaratinga 2911808 22251 464626.9 Não Implantada 20.881170
BA Nordeste Itaberaba 2914703 66592 524141.4 Implantada 7.870936
BA Nordeste Itabuna 2914802 220386 614465.8 Implantada 2.788135
BA Nordeste Jeremoabo 2918100 41387 703108.9 Implantada 16.988641
BA Nordeste Juazeiro 2918407 220253 321126.8 Implantada 1.457990
BA Nordeste Lauro de Freitas 2919207 194641 701369.3 Implantada 3.603399
BA Nordeste Nilo Peçanha 2922607 14279 458506.1 Implantada 32.110518
BA Nordeste Pedro Alexandre 2924207 18173 584854.3 Não Implantada 32.182598
BA Nordeste Piatã 2924306 18366 480760.3 Não Implantada 26.176647
BA Nordeste Piraí do Norte 2924678 10386 424652.0 Implantada 40.886961
BA Nordeste Presidente Tancredo Neves 2925758 27803 553392.2 Não Implantada 19.904045
BA Nordeste Rafael Jambeiro 2925956 23525 441036.0 Não Implantada 18.747546
BA Nordeste Riacho de Santana 2926400 36246 678170.4 Não Implantada 18.710215
BA Nordeste Rio do Pires 2926905 12109 473521.6 Não Implantada 39.104928
BA Nordeste Santa Rita de Cássia 2928406 28988 674932.8 Implantada 23.283181
BA Nordeste São Desidério 2928901 33168 674932.8 Implantada 20.348916
BA Nordeste Uruçuca 2932705 21778 606435.0 Implantada 27.846219
BA Nordeste Vitória da Conquista 2933307 346069 761718.5 Implantada 2.201060
CE Nordeste Aiuaba 2300408 17098 608224.0 Não Implantada 35.572816
CE Nordeste Amontada 2300754 42508 479642.9 Não Implantada 11.283591
CE Nordeste Araripe 2301307 21345 436666.0 Implantada 20.457531
CE Nordeste Barreira 2301950 20835 553945.0 Implantada 26.587233
CE Nordeste Brejo Santo 2302503 48451 398916.9 Implantada 8.233408
CE Nordeste Caririaçu 2303204 26876 855645.4 Não Implantada 31.836783
CE Nordeste Ibaretama 2305266 13203 395211.0 Não Implantada 29.933428
CE Nordeste Irauçuba 2306108 23704 602490.7 Não Implantada 25.417260
CE Nordeste Itatira 2306603 20484 360412.8 Não Implantada 17.594845
CE Nordeste Jaguaruana 2307007 33607 662559.0 Implantada 19.714911
CE Nordeste Jardim 2307106 27074 525693.8 Não Implantada 19.416922
CE Nordeste Jucás 2307403 24540 811165.2 Não Implantada 33.054816
CE Nordeste Maracanaú 2307650 223188 902430.0 Implantada 4.043362
CE Nordeste Mauriti 2308104 46335 800468.7 Não Implantada 17.275682
CE Nordeste Missão Velha 2308401 35326 982422.5 Não Implantada 27.810183
CE Nordeste Ocara 2309458 25261 932719.9 Não Implantada 36.923316
CE Nordeste Orós 2309508 21342 776132.0 Implantada 36.366412
CE Nordeste Quixeramobim 2311405 77931 596283.0 Implantada 7.651422
CE Nordeste Redenção 2311603 27358 541709.7 Implantada 19.800777
CE Nordeste Santa Quitéria 2312205 43359 778971.5 Não Implantada 17.965624
CE Nordeste Santana do Acaraú 2312007 31814 880816.4 Implantada 27.686441
CE Nordeste São Benedito 2312304 46414 856321.1 Não Implantada 18.449628
CE Nordeste São Gonçalo do Amarante 2312403 47791 450384.0 Implantada 9.424034
CE Nordeste Tururu 2313559 15768 572200.4 Não Implantada 36.288711
CE Nordeste Varjota 2313955 18188 596607.6 Implantada 32.802266
CE Nordeste Viçosa do Ceará 2314102 59487 506781.0 Implantada 8.519189
DF Centro Oeste Estrutural 5300108 39015 406777.1 Implantada 10.426172
ES Sudeste Afonso Cláudio 3200102 32407 780654.2 Não Implantada 24.089061
ES Sudeste Ecoporanga 3202108 24243 540762.7 Não Implantada 22.305930
ES Sudeste Pinheiros 3204104 26863 998180.6 Não Implantada 37.158195
ES Sudeste Santa Maria de Jetibá 3204559 39396 794170.3 Não Implantada 20.158654
GO Centro Oeste Caiapônia 5204409 18329 906494.1 Não Implantada 49.456822
GO Centro Oeste Divinópolis de Goiás 5208301 5007 360499.2 Não Implantada 71.999039
GO Centro Oeste Itapuranga 5211206 26612 885670.2 Não Implantada 33.280856
GO Centro Oeste Jandaia 5211701 6263 549369.2 Não Implantada 87.716626
GO Centro Oeste Matrinchã 5212956 4495 276226.9 Não Implantada 61.452033
GO Centro Oeste Nerópolis 5214507 27812 876496.9 Não Implantada 31.515061
GO Centro Oeste Niquelândia 5214606 45582 1099715.6 Não Implantada 24.126093
GO Centro Oeste Paranaiguara 5216304 9841 502769.8 Não Implantada 51.089295
GO Centro Oeste Rubiataba 5218904 19914 1018336.1 Não Implantada 51.136693
GO Centro Oeste Teresina de Goiás 5221080 3327 328258.5 Não Implantada 98.665029
MA Nordeste Amarante do Maranhão 2100600 40756 945609.1 Não Implantada 23.201715
MA Nordeste Apicum-Açu 2100832 18169 592591.7 Não Implantada 32.615538
MA Nordeste Arari 2101004 29297 871581.2 Não Implantada 29.749843
MA Nordeste Buriti 2102200 27013 677397.6 Não Implantada 25.076727
MA Nordeste Buriti Bravo 2102309 23437 928283.7 Não Implantada 39.607615
MA Nordeste Buritirana 2102358 15142 465860.2 Não Implantada 30.766097
MA Nordeste Cajari 2102507 19030 592591.7 Não Implantada 31.139869
MA Nordeste Cândido Mendes 2102606 19827 418515.7 Não Implantada 21.108374
MA Nordeste Cantanhede 2102705 21617 900614.4 Não Implantada 41.662320
MA Nordeste Duque Bacelar 2103901 11148 498937.5 Não Implantada 44.755790
MA Nordeste Godofredo Viana 2104305 11654 291229.7 Não Implantada 24.989681
MA Nordeste Governador Nunes Freire 2104677 25052 750281.5 Não Implantada 29.948966
MA Nordeste Humberto de Campos 2105005 28252 577921.7 Não Implantada 20.455959
MA Nordeste Jenipapo dos Vieiras 2105476 16226 477330.0 Não Implantada 29.417604
MA Nordeste Magalhães de Almeida 2106300 19532 572200.4 Não Implantada 29.295535
MA Nordeste Matões 2106607 33188 779497.9 Não Implantada 23.487342
MA Nordeste Pastos Bons 2108009 19140 856076.5 Não Implantada 44.727091
MA Nordeste Pedro do Rosário 2108256 24748 555385.5 Não Implantada 22.441630
MA Nordeste Santa Rita 2110203 36556 918594.7 Não Implantada 25.128425
MA Nordeste São Félix de Balsas 2110807 4484 277811.5 Não Implantada 61.956178
MA Nordeste São João Batista 2111003 20272 664540.5 Não Implantada 32.781203
MA Nordeste São João do Soter 2111078 18225 592549.7 Não Implantada 32.513015
MA Nordeste São José de Ribamar 2111201 176008 524280.8 Implantada 2.978733
MA Nordeste São José dos Basílios 2111250 7489 453268.9 Não Implantada 60.524617
MA Nordeste Urbano Santos 2112605 32629 935412.7 Não Implantada 28.668139
MA Nordeste Viana 2112803 51503 772597.3 Não Implantada 15.001015
MG Sudeste Araçuaí 3103405 37317 1226878.4 Implantada 32.877199
MG Sudeste Ataléia 3104700 13897 677429.8 Não Implantada 48.746478
MG Sudeste Bonito de Minas 3108255 10797 493606.2 Não Implantada 45.716975
MG Sudeste Botumirim 3108503 6557 372703.8 Não Implantada 56.840598
MG Sudeste Buritizeiro 3109402 28251 1204352.2 Implantada 42.630428
MG Sudeste Chapada Gaúcha 3116159 12739 625142.5 Implantada 49.073120
MG Sudeste Francisco Badaró 3126505 10553 507294.6 Não Implantada 48.071129
MG Sudeste Grão Mogol 3127800 15870 543768.8 Não Implantada 34.263945
MG Sudeste Inhapim 3130903 24813 638250.8 Não Implantada 25.722437
MG Sudeste Itamarandiba 3132503 34462 789334.9 Implantada 22.904501
MG Sudeste Itambacuri 3132701 23612 684848.9 Implantada 29.004272
MG Sudeste Itinga 3134004 15104 600277.2 Não Implantada 39.742930
MG Sudeste Japonvar 3135357 8664 507879.3 Implantada 58.619497
MG Sudeste Jequeri 3135506 12901 452115.7 Não Implantada 35.045011
MG Sudeste Manga 3139300 19494 884532.6 Implantada 45.374606
MG Sudeste Monte Azul 3142908 21884 866711.4 Implantada 39.604800
MG Sudeste Nepomuceno 3144607 26977 635396.0 Implantada 23.553249
MG Sudeste Pimenta 3150505 8688 290227.0 Implantada 33.405497
MG Sudeste Piranga 3150802 17892 518720.0 Não Implantada 28.991728
MG Sudeste Porteirinha 3152204 38730 821017.2 Implantada 21.198481
MG Sudeste Rio Acima 3154804 10026 270662.8 Implantada 26.996090
MG Sudeste Rubelita 3156502 6937 449756.8 Não Implantada 64.834479
MG Sudeste Salinas 3157005 41494 1072570.7 Não Implantada 25.848814
MG Sudeste Santana do Manhuaçu 3158904 8849 417308.1 Não Implantada 47.158790
MG Sudeste Santo Antônio do Retiro 3160454 7315 354122.3 Implantada 48.410436
MG Sudeste Simonésia 3167608 19530 415175.5 Não Implantada 21.258345
MG Sudeste Varzelândia 3170909 19712 586097.6 Implantada 29.733036
MG Sudeste Verdelândia 3171030 9140 538911.9 Implantada 58.961910
MS Centro Oeste Aquidauana 5001102 47323 1796471.8 Implantada 37.961917
MS Centro Oeste Sidrolândia 5007901 52975 1050595.6 Implantada 19.831913
MS Centro Oeste Terenos 5008008 20387 680997.6 Implantada 33.403522
MT Centro Oeste Campinápolis 5102603 15252 700685.4 Não Implantada 45.940561
MT Centro Oeste Colniza 5103254 34885 1120514.5 Não Implantada 32.120238
MT Centro Oeste Nossa Senhora do Livramento 5106109 12518 586821.5 Não Implantada 46.878213
MT Centro Oeste Rosário Oeste 5107701 17016 1084905.8 Não Implantada 63.757980
PA Norte Água Azul do Norte 1500347 25057 918552.7 Não Implantada 36.658527
PA Norte Almeirim 1500503 33282 741201.9 Não Implantada 22.270352
PA Norte Augusto Corrêa 1500909 44227 911062.2 Não Implantada 20.599683
PA Norte Baião 1501204 44956 761373.6 Não Implantada 16.935973
PA Norte Chaves 1502509 22821 920152.7 Não Implantada 40.320438
PA Norte Conceição do Araguaia 1502707 46485 886824.8 Implantada 19.077654
PA Norte Curralinho 1502806 32881 514114.5 Não Implantada 15.635609
PA Norte Curuçá 1502905 38391 410530.8 Implantada 10.693414
PA Norte Goianésia do Pará 1503093 38677 542790.8 Implantada 14.033941
PA Norte Itaituba 1503606 98485 912156.7 Implantada 9.261884
PA Norte Mãe do Rio 1504059 29112 752184.8 Não Implantada 25.837619
PA Norte Marituba 1504422 125435 731889.8 Implantada 5.834813
PA Norte Muaná 1504901 38616 791851.9 Não Implantada 20.505798
PA Norte Novo Progresso 1505031 25102 1435144.5 Não Implantada 57.172515
PA Norte Óbidos 1505106 50596 1065228.3 Não Implantada 21.053606
PA Norte Pacajá 1505486 45596 918477.2 Não Implantada 20.143811
PA Norte Palestina do Pará 1505494 7404 721189.0 Não Implantada 97.405327
PA Norte Paragominas 1505502 108547 1009539.8 Implantada 9.300485
PA Norte São Domingos do Araguaia 1507151 24659 944073.6 Não Implantada 38.285155
PA Norte São Sebastião da Boa Vista 1507706 25540 1019380.7 Não Implantada 39.913106
PA Norte Soure 1507904 24488 1436297.7 Não Implantada 58.653124
PA Norte Trairão 1508050 18280 508526.1 Implantada 27.818715
PA Norte Tucuruí 1508100 108885 544884.3 Implantada 5.004219
PA Norte Uruará 1508159 44370 769563.9 Implantada 17.344240
PB Nordeste Algodão de Jandaíra 2500577 2488 289596.4 Não Implantada 116.397255
PB Nordeste Cabaceiras 2503100 5511 342116.8 Implantada 62.078897
PB Nordeste Cachoeira dos Índios 2503308 10191 413399.5 Implantada 40.565156
PB Nordeste Esperança 2506004 33031 633303.8 Implantada 19.173013
PB Nordeste Itaporanga 2507002 24674 639547.2 Implantada 25.919883
PB Nordeste Lagoa Seca 2508307 27398 588578.6 Implantada 21.482539
PB Nordeste Mari 2509107 21806 820023.0 Não Implantada 37.605384
PB Nordeste Nova Floresta 2510105 10644 254079.9 Implantada 23.870716
PB Nordeste Pocinhos 2512002 18451 406851.1 Implantada 22.050354
PB Nordeste Queimadas 2512507 43945 527688.7 Implantada 12.007934
PB Nordeste Riachão do Poço 2512762 4164 271785.8 Não Implantada 65.270353
PB Nordeste São João do Rio do Peixe 2500700 17934 539615.4 Implantada 30.088960
PB Nordeste Seridó 2515401 10994 414241.0 Não Implantada 37.678827
PB Nordeste Sobrado 2515971 7373 313026.3 Não Implantada 42.455760
PB Nordeste Solânea 2516003 26551 823494.8 Não Implantada 31.015586
PB Nordeste Sumé 2516300 16872 560687.2 Não Implantada 33.231818
PB Nordeste Teixeira 2516706 15085 629847.4 Não Implantada 41.753225
PB Nordeste Vieirópolis 2517209 5327 360130.0 Não Implantada 67.604661
PE Nordeste Altinho 2600807 22886 535504.8 Implantada 23.398793
PE Nordeste Bodocó 2602001 37571 470084.1 Implantada 12.511887
PE Nordeste Bom Conselho 2602100 47991 1055014.9 Implantada 21.983598
PE Nordeste Camutanga 2603603 8472 401410.8 Implantada 47.380881
PE Nordeste Cortês 2604809 12581 508256.4 Implantada 40.398726
PE Nordeste Dormentes 2605152 18510 481178.8 Não Implantada 25.995615
PE Nordeste Exu 2605301 31858 661855.4 Não Implantada 20.775171
PE Nordeste Granito 2606309 7363 456930.2 Não Implantada 62.057611
PE Nordeste Itambé 2607653 36299 910778.4 Implantada 25.091006
PE Nordeste Lagoa Grande 2608750 25030 560139.8 Não Implantada 22.378736
PE Nordeste Machados 2609105 15571 584854.3 Implantada 37.560487
PE Nordeste Moreilândia 2614303 11240 591799.0 Não Implantada 52.651157
PE Nordeste Santa Cruz 2612455 15032 471426.1 Não Implantada 31.361500
PE Nordeste Tupanatinga 2615805 26727 562734.6 Implantada 21.054911
PE Nordeste Tuparetama 2615904 8159 409294.8 Não Implantada 50.164818
PE Nordeste Vicência 2616308 32296 413073.3 Implantada 12.790231
PI Nordeste Canto do Buriti 2202307 20770 813893.1 Implantada 39.185994
PI Nordeste Coronel José Dias 2202851 4605 229837.0 Implantada 49.910311
PI Nordeste Curimatá 2203206 11158 738588.1 Implantada 66.193596
PI Nordeste Inhuma 2204709 15056 483830.0 Implantada 32.135361
PI Nordeste Joca Marques 2205458 5331 340013.4 Não Implantada 63.780415
PI Nordeste Júlio Borges 2205524 5523 381318.4 Implantada 69.041894
PI Nordeste Luís Correia 2205706 29683 824906.7 Não Implantada 27.790542
PI Nordeste Nossa Senhora de Nazaré 2206753 4768 240826.4 Não Implantada 50.508899
PI Nordeste Nossa Senhora dos Remédios 2206803 8521 444251.3 Implantada 52.136049
PI Nordeste Oeiras 2207009 36385 945054.7 Implantada 25.973744
PI Nordeste Pedro II 2207900 38090 1171791.8 Não Implantada 30.763763
PI Nordeste Regeneração 2208809 17697 583779.0 Implantada 32.987456
PI Nordeste Ribeira do Piauí 2208874 4393 242612.5 Implantada 55.227066
PI Nordeste São João da Fronteira 2209872 5919 410240.3 Não Implantada 69.309061
PI Nordeste São José do Divino 2210052 5253 309418.3 Implantada 58.903170
PI Nordeste Sebastião Barros 2210623 3437 235680.0 Implantada 68.571423
PI Nordeste Socorro do Piauí 2210904 4506 288380.6 Implantada 63.999237
PI Nordeste Várzea Branca 2211357 4881 261639.6 Implantada 53.603684
PR Sul Assis Chateaubriand 4102000 34046 657654.0 Implantada 19.316631
PR Sul Bandeirantes 4102406 32562 264229.7 Não Implantada 8.114664
PR Sul Ibaiti 4109708 30888 876774.6 Não Implantada 28.385607
PR Sul Ibiporã 4109807 52848 451469.6 Implantada 8.542795
PR Sul Imbituva 4110102 31391 730635.4 Implantada 23.275314
PR Sul Jacarezinho 4111803 40253 1097593.4 Implantada 27.267369
PR Sul Jaguariaíva 4112009 34647 1289645.0 Implantada 37.222416
PR Sul Palmas 4117602 48339 859789.4 Implantada 17.786661
PR Sul Pinhão 4119301 32152 916825.3 Implantada 28.515343
PR Sul Piraí do Sul 4119400 25117 785249.0 Implantada 31.263647
PR Sul Quatro Barras 4120804 22353 494728.9 Implantada 22.132552
PR Sul Reserva 4121703 26643 671768.7 Implantada 25.213701
PR Sul Santa Cecília do Pavão 4123204 3570 254905.8 Implantada 71.402177
PR Sul Santo Antônio da Platina 4124103 45562 1067635.1 Não Implantada 23.432578
PR Sul São Mateus do Sul 4125605 45000 1306948.0 Implantada 29.043290
PR Sul São Miguel do Iguaçu 4125704 27330 766644.0 Implantada 28.051372
PR Sul Toledo 4127700 133824 665373.7 Implantada 4.972006
RJ Sudeste Bom Jardim 3300506 26424 770980.3 Não Implantada 29.177276
RJ Sudeste Casimiro de Abreu 3301306 41167 842187.3 Não Implantada 20.457826
RJ Sudeste Engenheiro Paulo de Frontin 3301801 13521 337395.0 Implantada 24.953406
RJ Sudeste Itaocara 3302106 22736 709169.3 Não Implantada 31.191472
RJ Sudeste Maricá 3302700 149876 462754.0 Implantada 3.087579
RJ Sudeste Miguel Pereira 3302908 24855 1387111.8 Implantada 55.808160
RJ Sudeste Paraíba do Sul 3303708 42737 1267858.8 Implantada 29.666537
RJ Sudeste Paraty 3303807 40975 1050686.9 Não Implantada 25.642146
RJ Sudeste Piraí 3304003 28088 907753.8 Não Implantada 32.318208
RJ Sudeste Santo Antônio de Pádua 3304706 41246 1338880.4 Implantada 32.460854
RJ Sudeste São Francisco de Itabapoana 3304755 41240 610045.0 Implantada 14.792555
RJ Sudeste São João da Barra 3305000 34884 547506.0 Implantada 15.695046
RJ Sudeste São José do Vale do Rio Preto 3305158 21017 585771.9 Não Implantada 27.871338
RJ Sudeste Silva Jardim 3305604 21279 859484.4 Implantada 40.391203
RJ Sudeste Vassouras 3306206 35622 1200224.8 Implantada 33.693358
RN Nordeste Baía Formosa 2401404 9247 528313.6 Não Implantada 57.133513
RN Nordeste Frutuoso Gomes 2404002 4204 303633.9 Implantada 72.225007
RN Nordeste Ipanguaçu 2404705 15308 467851.2 Não Implantada 30.562526
RN Nordeste Jaçanã 2405009 8949 624127.8 Não Implantada 69.742746
RN Nordeste Lajes 2406700 11234 577091.9 Não Implantada 51.370116
RN Nordeste Portalegre 2410207 7861 434838.3 Implantada 55.315897
RN Nordeste Riachuelo 2410900 7970 478919.6 Não Implantada 60.090294
RN Nordeste Santana do Matos 2411403 13445 577091.9 Implantada 42.922416
RN Nordeste São João do Sabugi 2412104 6240 399082.8 Implantada 63.955577
RO Norte Buritis 1100452 38450 1035208.8 Não Implantada 26.923505
RO Norte Guajará-Mirim 1100106 47048 1132841.7 Não Implantada 24.078425
RR Norte Rorainópolis 1400472 27756 1038572.2 Não Implantada 37.417936
RS Sul Caçapava do Sul 4302808 34644 1305619.6 Não Implantada 37.686744
RS Sul Candelária 4304200 31541 550506.0 Não Implantada 17.453664
RS Sul Canela 4304408 42746 880570.7 Implantada 20.600073
RS Sul Cerro Grande do Sul 4305173 11377 441659.1 Não Implantada 38.820346
RS Sul Fontoura Xavier 4308300 10861 488185.4 Não Implantada 44.948476
RS Sul Igrejinha 4310108 34630 1204058.7 Implantada 34.769238
RS Sul Itaqui 4310603 39049 1471652.9 Não Implantada 37.687340
RS Sul Jari 4311130 3650 219572.5 Implantada 60.156849
RS Sul Não-Me-Toque 4312658 17094 551800.3 Implantada 32.280347
RS Sul Nova Bassano 4312906 9540 366833.2 Não Implantada 38.452117
RS Sul Rio Pardo 4315701 38968 1205607.5 Não Implantada 30.938397
RS Sul Rolante 4316006 20819 855245.3 Implantada 41.080039
RS Sul Rosário do Sul 4316402 40750 1116548.0 Não Implantada 27.399952
RS Sul Santo Ângelo 4317509 79040 1009260.4 Implantada 12.768983
RS Sul São José do Norte 4318507 27095 715597.5 Não Implantada 26.410685
RS Sul São Miguel das Missões 4319158 7742 449550.3 Implantada 58.066436
SC Sul Araquari 4201307 33867 502951.3 Implantada 14.850778
SC Sul Curitibanos 4204806 39399 1425445.8 Não Implantada 36.179746
SC Sul Guaramirim 4206504 41879 791902.6 Não Implantada 18.909301
SC Sul Joaçaba 4209003 29310 582602.8 Implantada 19.877271
SC Sul São Francisco do Sul 4216206 49658 765171.0 Não Implantada 15.408817
SC Sul São Joaquim 4216503 26447 777440.2 Não Implantada 29.396160
SE Nordeste Nossa Senhora da Glória 2804508 36174 907385.2 Implantada 25.083905
SE Nordeste Pacatuba 2804904 14293 547876.3 Implantada 38.331792
SE Nordeste Riachão do Dantas 2805802 19995 473310.9 Implantada 23.671464
SE Nordeste Tobias Barreto 2807402 51770 829388.4 Implantada 16.020638
SP Sudeste Apiaí 3502705 25077 957039.4 Implantada 38.164029
SP Sudeste Araçoiaba da Serra 3502903 31915 1625187.5 Implantada 50.922373
SP Sudeste Barra do Chapéu 3505351 5619 335161.3 Implantada 59.647859
SP Sudeste Boituva 3507001 56830 1391367.1 Não Implantada 24.482969
SP Sudeste Cachoeira Paulista 3508603 32536 935119.7 Implantada 28.741077
SP Sudeste Casa Branca 3510807 30012 606721.9 Implantada 20.215975
SP Sudeste Conchal 3512209 27345 1135692.7 Implantada 41.532005
SP Sudeste Descalvado 3513702 33165 436060.3 Implantada 13.148208
SP Sudeste Espírito Santo do Pinhal 3515186 44036 1661169.7 Implantada 37.722994
SP Sudeste Guararapes 3518206 32502 816511.6 Implantada 25.121888
SP Sudeste Guareí 3518503 17213 505817.0 Implantada 29.385757
SP Sudeste Ibaté 3519303 33884 1584846.9 Implantada 46.772721
SP Sudeste Ituverava 3524105 41206 1448262.9 Implantada 35.146894
SP Sudeste Jales 3524808 49017 1705825.3 Implantada 34.800687
SP Sudeste Jarinu 3525201 28012 1277621.8 Implantada 45.609804
SP Sudeste Lourdes 3527256 2260 423265.3 Implantada 187.285525
SP Sudeste Louveira 3527306 44904 1204519.2 Não Implantada 26.824319
SP Sudeste Mairinque 3528403 46294 1390757.8 Implantada 30.041859
SP Sudeste Miracatu 3529906 20409 652792.7 Implantada 31.985530
SP Sudeste Mirante do Paranapanema 3530201 18056 610647.2 Implantada 33.819630
SP Sudeste Orlândia 3534302 42996 1595135.4 Implantada 37.099624
SP Sudeste Pederneiras 3536703 45314 1516904.6 Implantada 33.475408
SP Sudeste Penápolis 3537305 62409 687521.6 Implantada 11.016385
SP Sudeste Presidente Epitácio 3541307 43718 568973.4 Implantada 13.014626
SP Sudeste Presidente Venceslau 3541505 39476 1347227.1 Implantada 34.127750
SP Sudeste Promissão 3541604 39139 864957.8 Implantada 22.099639
SP Sudeste Santa Gertrudes 3546702 25192 715076.0 Implantada 28.385043
SP Sudeste São Joaquim da Barra 3549409 50520 1536581.6 Implantada 30.415313
SP Sudeste São Manuel 3550100 40532 1119305.9 Implantada 27.615364
SP Sudeste São Pedro 3550407 34595 1015248.5 Implantada 29.346684
SP Sudeste Serrana 3551504 43293 1199583.9 Implantada 27.708496
SP Sudeste Socorro 3552106 39896 725236.4 Implantada 18.178172
SP Sudeste Tietê 3554508 40613 1980602.7 Implantada 48.767702
SP Sudeste Valparaíso 3556305 25316 978516.7 Implantada 38.652106
SP Sudeste Vargem Grande do Sul 3556404 42061 1525640.5 Implantada 36.272094
TO Norte Paraíso do Tocantins 1716109 49727 1872693.9 Implantada 37.659499
TO Norte Ponte Alta do Bom Jesus 1717800 4647 251266.4 Implantada 54.070678
TO Norte Porto Nacional 1718204 52510 1101168.8 Implantada 20.970649
TO Norte São Miguel do Tocantins 1720200 11754 592549.7 Não Implantada 50.412600

A referida base de dados apresenta informações sobre o processo de implantação do projeto Cidades Digitais, contemplando 338 cidades distribuídas entre as 27 unidades federativas brasileiras.

4.1.1 Tamanho da amostra

A base de dados utilizada contém 8 variáveis com 338 amostras. Essas variáveis são divididas da seguinte maneira:

  • Qualitativas: UF, Regiao, Cidade, Cod_IBGE e Status.

  • Quantitativas: População Estimada, Valor Previsto e Vlr_PerCapta

4.1.2 Dicionário de dados

  • UF: Siglas das unidades federativas;

  • Regiao: Nomes das regiões brasileiras;

  • Cidade: Nomes das cidades contempladas pelo programa;

  • Cod_IBGE: Código do IBGE para identificação da cidade;

  • População estimada: População estimada de cada cidade de acordo com o último Censo realizado;

  • Valor Previsto: Valor previsto para investimento em cada cidade;

  • Status: Status de implantação do projeto nas cidades selecionadas;

  • Vlr_PerCapta: Resultado do Valor Previsto dividido pela População estimada.

4.1.3 Variáveis utilizadas nesse estudo

  • Região: Representadas por Norte, Nordeste, Centro-Oeste, Sudente e Sul;
  • População estimada: Representa o número de total de pessoas a serem alcançadas pelas implantações previstas no projeto;
  • Valor previsto: Representa o valor de investimento previsto para cada região, de acordo com os valores solicitados pelas cidades selecionadas pelo projeto, inclusive aquelas em que o projeto não foi implementado;
  • Status: Representa o status de implantação nas cidades selecionadas pelo projeto; são identificados como Implantada - quando o projeto foi totalmente implantado na cidade -, ou, Não implantada - quando os projetos encontram-se como “em implantação”, “sem previsão” ou “cancelada”;
  • Valor per capta: Representa o valor de investimento per capta previsto por região.

4.2 Indicadores

Nesse relatório são trabalhados 4 indicadores os quais são:

  • População Estimada x Região: Apresenta o alcance piopulacional que o projeto terá em cada região atendida.

  • Valor previsto x Região: Apresenta o valor de investimento previsto para cada região do país.

  • Status de implantação por região: Apresenta a quantidade de cidades atendidas e não atendidas pelo projeto em cada região.

  • Valor Per Capta x Região: Apresenta o valor per capta previsto para investimento por região do país.

4.3 Ferramentas gráficas utilizadas

A fim de auxiliar na visualização dos dados, foram elaborados 4 gráficos, sendo 3 com o modelo de barras e 1 com o modelo boxplot, sendo eles:

  • Gráfico 1: gráfico de barras horizontais entre as variáveis qualitativas “Regiao” e “População Estimada”;

  • Gráfico 2: gráfico de barras horizontais entre as variáveis “Regiao” e “Valor Previsto”, respectivamente, qualitativa e quantitativa;

  • Gráfico 3: gráfico de barras verticais entre as variáveis qualitativas “Regiao” e “Status”;

  • Gráfico 4: gráfico do tipo Boxplot entre as variáveis quantitativa “Vlr_PerCapta”, e qualitativa “Regiao”.

4.4 Testes de hipóteses aplicados

Teste Qui-Quadrado

Utilizado para averiguar se há uma relação entre as variáveis “Regiao” e “Status”. As hipóteses levantadas foram:

H0 : Existe associação entre as variáveis.
H1 : Não existe associação entre as variáveis.

Onde, H0 é a hipótese nula e H1 é a hipótese alternativa.

Teste de Shapiro-Wilk

Após a verificação da existência de uma relação entre as variáveis, foi feito o teste de Shapiro Wilk, com o intuito de verificar se a variável “Vlr_PerCapta” segue uma distribuição normal de dados. O teste segue a conjectura de que os dados são independentes e apresenta as hipóteses:

H0: Os dados seguem uma distribuição normal.
H1: Os dados não seguem uma distribuição normal.

Teste de Kruskal-Wallis

Uma vez averiguado o pressuposto de normalidade, realizou-se, para os dados que não seguem distribuição normal, o teste não-paramétrico Kruskal-Wallis, a fim de analisar a distribuição de dados da variável “Vlr_PerCapta”. Para este teste, as hipóteses foram:

H0: Os grupos são amostras de populações com distribuições idênticas.
H1: Os grupos são amostras de populações com diferentes distribuições.

Parâmetros de Alpha

Para os três testes foi adotado alpha=0,05. Em cada resultado, a regra de decisão seguiu o critério abaixo:

Se p-valor ≤ alpha, rejeita H0.
Se p-valor > alpha, não rejeita H0.

5 Análise dos Resultados

5.1 Análise dos Gráficos

5.1.1 Gráfico 1: Estimava de população a ser atendida por Região

O Gráfico 1 mostra a população estimada atendida nas cinco regiões brasileiras. Esta estimativa representa o quantitativo de pessoas atendidas pelo projeto, além daquelas que seriam atendidas, caso o projeto fosse totalmente implementado na região. Observa-se que a maior estimativa populacional está na região Nordeste. Isto é, estima-se que 4.699.169 de pessoas dessa região foram ou poderiam ser atendidas pelo projeto. Por outro lado, nota-se que na região Centro-Oeste encontra-se a menor população estimada a ser atendida, com um total de 406.553 indivíduos.

options(scipen = 999)
Região <- factor(CD$Regiao,levels = c("Nordeste","Sudeste","Norte","Sul","Centro Oeste"))
graf_pop_reg <- CD %>% ggplot(aes(x = Região, y = `População Estimada`)) + labs(title = "") + geom_col(fill = "dodgerblue") + coord_flip() 
graf_pop_reg

5.1.2 Gráfico 2: Valor de investimento previsto por Região

O Gráfico 2 apresenta o valor de investimento previsto para as cinco regiões brasileiras. A presente estimativa caracteriza o valor aprovado pelo projeto para cada região, e também o valor que foi solicitado e não foi aprovado pelo projeto. Pode-se notar que o valor previsto mais significativo está associado à região Nordeste. Enquanto que o menos significativo, está vinculado à região Centro-Oeste. Estima-se que o valor de R$ 14.231.605,74 foi destinado ao à região Centro-Oeste e, que parte dele foi aprovada, enquanto que a outra parte, foi solicitada porém não obteve aprovação. Já para a região Nordeste, 88.159.266,02 representam a soma dos valores solicitados e aprovados ou não aprovados para essa região.

options(scipen = 999)
graf_pop_vlr <- CD %>% ggplot(aes(x = Região, y = `Valor Previsto`)) + labs(title = "") + geom_col(fill = "dodgerblue") + coord_flip() 
graf_pop_vlr

5.1.3 Gráfico 3: Status de implantação por Região

O Gráfico 3 apresenta as condições de “implantada” e “não implantada” para as cinco regiões brasileiras. Ou seja, cidades cujo o projeto foi aprovado e implementado, e cidades em que houve aprovação, mas não ocorreu a implantação. No gráfico é possível observar que:

  1. Quando comparamos os status de implantação das regiões nordeste e sudeste, há para a região Sudeste um número superior de cidades com o status “implantada” do que com o status ‘não implantada”, diferentemente do que ocorreu na região Nordeste. No Nordeste, há mais cidades não implantadas do que cidades implantadas. Voltando ao gráfico 2, observa-se que o valor de investimento previsto para a região Sudeste é menor que o da região Nordeste, o que poderia implicar em uma quantidade de cidades implantadas no Nordeste maior que a do Sudeste, o que não ocorre.

  2. Isso também aconteceu para as regiões sul e o norte. Há mais cidades sulistas implantadas do que não implantadas; enquanto que no Norte o número de cidades implantadas foi inferior ao de não de implantadas. No entanto, se observarmos novamente o gráfico 2, constatamos que o valor de investimento previsto para a região Norte é superior ao valor da região Sul; o que poderia implicar mais uma vez em um número de cidades implantadas no Sul menor que o do Norte, o que também não ocorre.

  3. Para a região Centro-Oeste, a quantidade de cidades implantadas e não implantadas é a menor de todas as demais regiões brasileiras.

  4. Relacionando os gráficos 1, 2 e 3, tem-se que no Nordeste 3.023.235 pessoas, cerca de 64,34% da população estimada, o que representa 47,37% das cidades que se candidataram para participar do projeto, ou seja, 72 cidades, foram atendidas. Por outro lado, para o Sudeste, 1.845.899 pessoas foram atendidas pelo projeto. Isso representa 75,15% da população estimada, isto é, 57 cidades ou 69,51% das cidades participantes. No Sul, 826.411 pessoas foram atendidas, o que representa 61,83% da população estimada, um total de 23 cidades, cerca de 58,97% das cidades envolvidas na seleção. Para o Norte, há 948.050 pessoas atendidas, caracterizando 49,78% da população estimada, um total de 16 cidades ou 34,04% das cidades que participaram do projeto. Por fim, no Centro-Oeste tem-se que 159.700 pessoas foram atendidas; isto é, 39,28% das população estimada, o que significa 4 cidades implantadas ou, aproximadamente, 22,22% das cidades selecionadas.

tab_reg_status <- table(Região,CD$Status)
tab_reg_status
##               
## Região         Implantada Não Implantada
##   Nordeste             72             80
##   Sudeste              57             25
##   Norte                16             31
##   Sul                  23             16
##   Centro Oeste          4             14
cols <- brewer.pal(5,"Blues")

graf_reg <- barplot(tab_reg_status,
                  beside=TRUE,
                  col=cols,
                  main = "",
                  ylim = c(0,100),ylab="Qtd Cidades",legend.text = TRUE)

5.1.4 Gráfico 4: Previsão de Investimento per capta por Região

O Gráfico 4 mostra o valor de investimento per capta previsto para as cinco regiões. Observa-se neste gráfico a assimetria dos dados. A região Centro-Oeste apresenta a maior variância, e na região Sudeste há menor variância. Pode-se perceber ainda, que no Norte a mediana está próxima do primeiro quartil e que as medianas das regiões Nordeste e Sudeste são as mais próximas. Além disso, há a presença de outliers superiores nas regiões Nordeste, Sudeste, Norte e Sul. E que apenas a região Sudeste apresenta outlier inferior.

boxplot(Vlr_PerCapta~Região, data=CD,
        col=cols,
        ylab="Valor Per Capta", xlab="Região",
        main="" )

5.2 Análise dos Testes de hipóteses

5.2.1 Teste Qui-Quadrado: Status de implantação por região

Os gráficos 1, 2, 3 e 4 sugerem que há uma relação entre a variável “Regiao” e a variável “Status” e, esta relação, podendo ser direta ou inversa, dependerá da região brasileira (Norte, Nordeste, Centro-Oeste, Sudeste ou Sul) e seu status de implantação (implantada ou não implantada).

Para entender melhor essa relação, foi feito o teste de hipótese Qui-Quadrado, onde comparamos as variáveis qualitativas “Regiao” e “Status” do gráfico 3, conforme apresentado a seguir:

M <- matrix(c(16, 72, 23, 57, 4, c(31, 80, 16, 25, 14)), ncol=5, byrow=TRUE)
colnames(M) <- c("Norte", "Nordeste", "Sul", "Sudeste", "Centro Oeste")
rownames(M) <- c("Implantada", "Não Implantada")
M <- as.table(M)
M
##                Norte Nordeste Sul Sudeste Centro Oeste
## Implantada        16       72  23      57            4
## Não Implantada    31       80  16      25           14
teste_qui <- chisq.test(M)
teste_qui
## 
##  Pearson's Chi-squared test
## 
## data:  M
## X-squared = 24.409, df = 4, p-value = 0.00006612

Supondo as hipóteses nula (H0), onde não não existe associação entre as variáveis e, alternativa (H1), onde existe associação entre as variáveis, os resultados obtidos mostraram uma probabilidade menor que alpha (p<∝), permitindo, assim, rejeitar a hipótese nula e assumir a hipótese alternativa. Concluímos nessa primeira análise, que existe associação entre as variáveis “Regiao” e “Status”.

5.2.2 Testes de Shapiro Wilk e Kruskal Wallis: Valor de investimento per capta por região

Para continuar a investigação foi realizada uma análise dos gráficos 1 e 2, e da relação entre eles e o gráfico 3. Para tanto, usamos o teste de hipótese Shapiro Wilk para verificar se a variável “Vlr_PerCapta” (valor previsto por população estimada) segue uma distribuição normal de dados.

Teste de Shapiro Wilk

modelo <- aov(Vlr_PerCapta~Regiao, data = CD)
residuos<-residuals(modelo)

shapiro.test(residuos)
## 
##  Shapiro-Wilk normality test
## 
## data:  residuos
## W = 0.84844, p-value < 0.00000000000000022

O resultado (p<∝) revelou que a variável não segue uma distribuição normal. Logo, não se pode validar uma conclusão sobre a distribuição dos dados da variável “Vlr_PerCapta”. Assim sendo, utilizamos o teste não-paramétrico Kruskal-Wallis, teste este que não assume uma distribuição normal para analisar a distribuição de dados da variável “Vlr_PerCapta”. Sua hipótese nula é de que todas as amostras possuem distribuição igual, caso contrário, podemos dizer que ao menos uma amostra é diferente das demais.

Teste de Kruskal Wallis

kruskal.test(Vlr_PerCapta~Regiao, data = CD)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  Vlr_PerCapta by Regiao
## Kruskal-Wallis chi-squared = 17.919, df = 4, p-value = 0.00128

O resultado do teste mostrou mais uma vez que (p<∝), isto é, que há pelo menos uma distribuição diferente das outras. No entanto, ele não revela qual é a amostra ou as amostras com distribuição diferente.

Sendo assim, foi construído o gráfico “Previsão de investimento per capta por região” (Gráfico 4), comparando o investimento per capta previsto para as cinco regiões brasileiras, com intuito de identificar diferenças na distribuição de dados das amostras, conforme indicado pelo teste não-paramétrico.

Os resultados mostraram, entre outras coisas, que a região Centro-Oeste é a única região que tem variância com grande dispersão entre as amostras. Logo, concluímos que o valor previsto nesta região não segue um padrão de distribuição de dados semelhante às demais regiões brasileiras.

6 Discussão

O gráfico “Status de implantação por região” (Gráfico 3), sugere que há uma relação entre as regiões brasileiras Norte, Nordeste, Centro-Oeste, Sudeste e Sul e os status de implantação de seus projetos. Para entender melhor tal relação foi feito o teste de hipótese Qui-Quadrado, onde comparamos as variáveis qualitativas “Regiao” e “Status”, e supomos as hipóteses nula, não existe associação entre as variáveis e, alternativa, existe associação entre as variáveis. Os resultados obtidos mostraram uma probabilidade menor que alpha (p<∝), permitindo, assim, rejeitar a hipótese nula e assumir a alternativa. Concluímos nessa análise, que existe associação entre as variáveis “região” e “status de implantação”.

Para análise dos gráficos “Estimativa de população a ser atendida por região” (Gráfico 1) e “Valor de investimento previsto por região” (Gráfico 2) foi utilizado o teste de Shapiro Wilks. O teste de hipótese verificou se a variável “Vlr_PerCapta” segue uma distribuição normal de dados. O resultado (p<∝) revelou que a variável não segue uma distribuição normal. Logo, não se pode validar uma conclusão sobre a distribuição dos dados da variável “Vlr_PerCapta”.

Assim sendo, utilizamos o teste não-paramétrico Kruskal-Wallis, teste este que não assume uma distribuição normal para analisar a distribuição de dados da variável “Vlr_PerCapta”. Sua hipótese nula é de que todas as amostras possuem distribuição igual, caso contrário, podemos dizer que ao menos uma amostra é diferente das demais. O resultado do teste mostrou mais uma vez que (p<∝), isto é, que há pelo menos uma distribuição diferente das outras. No entanto, ele não revela qual é a amostra ou as amostras com distribuição diferente.

Sendo assim, foi construído o gráfico de “Previsão de investimento per capta por região” (Gráfico 4), comparando o investimento per capta previsto para as cinco regiões brasileiras, com intuito de identificar diferenças na distribuição de dados das amostras, conforme indicado pelo teste não-paramétrico. Os resultados mostraram que a região Centro-Oeste é a única região que tem variância com grande dispersão entre as amostras. Logo, concluímos que o valor previsto nesta região não segue um padrão de distribuição de dados semelhante às demais regiões brasileiras.

7 Conclusão

Por meio dos gráficos 1, 2, 3 e 4 é possível observar que há uma relação direta ou inversa entre as variáveis “Status” e “Regiao”, e “Vlr_PerCapta” e “Regiao”. Os testes de hipóteses de Shapiro Wilk e o não-paramétrico Kruskal Wallis mostraram a existência da relação entre as variáveis “Regiao” e “Vlr_PerCapta”, para as regiões Norte, Nordeste, Sudeste e Sul. Já a existência da relação entre “Regiao” e “Status” foi evidenciada pelo teste Qui-Quadrado.

Com isso, observa-se que a variável “Regiao”, influenciou tanto na implementação ou não implementação do projeto, quanto no valor que cada cidade solicitou ao projeto. Portanto, conclui-se que a região onde está localizada a cidade é um fator relevante na implementação do projeto. Por outro lado, considerando que as regiões com maior número de implementações também são as regiões com maior densidade demográfica, podemos concluir que mais indivíduos são beneficiados, direta ou indiretamente, quando há a implementação do projeto. Porém, tendo em vista que as regiões com menores densidades demográficas são as que mais necessitam de melhorias e, geralmente são as menos alcançadas pelos programas governamentais, faz-se necessária a revisão dos critérios de seleção e implementação a fim de que haja uma distribuiçao igualitária dos recursos e benefícios.

8 Referências

Battisti, Iara Denise Endruweit; Smolski, Felipe Micail da Silva; Software R: Análise estatística de dados utilizando um programa livre. Bagé, RS: Faith, 2019. http://www.editorafaith.com.br/ebooks/grat/978-85-68221-44-0.pdf (Acesso em: 20 Ago.2021)

BRASIL, Ministério das Comunicações. Documento de Referência do Projeto de Cidades Digitais. Brasília, 2014. Disponível em: http://www.sepog.ro.gov.br/Uploads/Arquivos/PDF/PAC%20II/Cidades%20Digitais/cidades-digitais-termo-de-referencia.pdf (acesso em: 07 Ago. 2021)

BRASIL, Ministério das Comunicações. Manual de Seleção para o Projeto Cidades Digitais. Brasília, 2013. http://www.sepog.ro.gov.br/Uploads/Arquivos/PDF/PAC%20II/Cidades%20Digitais/manual-de-selecao-para-o-projeto-cidades-digitais.pdf (acesso em: 07 Ago. 2021)

Dutt-Ross, Steven. 2020. Manual de Análise de Dados. Disponível em: https://livro.metodosquantitativos.com/docs/ (acesso em: 07 Ago. 2021)

Ministério das Comunicações. Base de dados abertos do MCom. https://www.gov.br/mcom/pt-br/acesso-a-informacao/dados-abertos/bases-abertas (acesso em: 07 Ago. 2021)

Ministério das Comunicações. Cidades Digitais. https://www.gov.br/mcom/pt-br/acesso-a-informacao/acoes-e-programas/cidades-digitais (acesso em: 07 Ago. 2021)

Portal Tele.Síntese. Programa cidades digitais atenderá mais 262 municípios. https://www.telesintese.com.br/programa-cidades-digitais-atendera-mais-162-municipios/ (acesso em: 07 Ago. 2021)

VALLADARES NETO, José; dos SANTOS, Cristiane Barbosa; TORRES, Érica Miranda; ESTRELA, Carlos. 2017. Boxplot: um recurso gráfico para a análise e interpretação de dados quantitativos. https://www.robrac.org.br/seer/index.php/ROBRAC/article/view/1132/897 (Acesso em: 14 Ago. 2021)