                            UNIVERSIDADE FEDERAL FLUMINENSE   
                                 ESCOLA DE ENGENHARIA   
                    PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA CIVIL









                               Trabalho de Estatística
                                      
                                      
                                      
                                    
                                    
                                    
                                    
                       
                      
       As construtoras que mais se destacaram no ano de 2018 - Regiao Sudeste
                    
                                      
                                      
                                      
                                     







                               Aluno: Alexandra Rabello   
                      Disciplina: Estatística aplicada à engenharia   
                                  Docente: Steven Ross   
                                 Matrícula: M015.221.001  
                                           
                                           
                                       Niterói   
                                           
                                         2022

1. Introdução

Nos últimos três anos, a construção civil brasileira se transformou em um setor caótico de incertezas, demissões e queda brusca nos níveis de atividade. A Construção Civil é a área que abrange todas as atividades e etapas relacionadas à produção de obras. Isso quer dizer que desde o planejamento de uma obra, sua execução, manutenção e até mesmo restauração fazem parte da mesma atividade econômica, em todas as suas subdivisões.
As obras podem ser em diferentes segmentos como edifícios, instalações prediais, aeroportos, estradas, canais de navegação, portos, túneis, obras de saneamento, de fundações e terra em geral. Atualmente, existem mais de 400 mil negócios voltados para esse seguimento e, de acordo com o CONCLA (Comissão Nacional de Classificação), a Construção Civil é composta por mais de um CNAE (Código Nacional de Atividade Econômica). Com o objetivo de verificar o resusrgimento deste seguimento, após uma crise muito avassaladora causada pela corrpução em algumas compnahias, que alterou drsticamente a estrutura de muitas empresas. Foi entao que a Câmara Brasileira da Indústria da Construção (CBIC) sendo uma entidade que tem como objetivo analisar as mais diversas questões que envolvem o mercado da construção civil, como: variação do preço dos insumos, variação de consumo dos principais materiais utilizados nas obras, estudo do grau de aceitação de novos materiais, entre outros, além de, frequentemente, divulgar boletins de dados estatísticos e financeiros inerentes aos parâmetros desse setor tão importante para a sociedade, que é a construção civil,sendo assim realizou essa análise e elegeu as cinquenta maiores construtoras no ranking nacional, referente ao ano de 2018. As construtoras selecionadas da região Sudeste, foram as seguintes:

1)Odebrecht

2)Construtora Queiroz Galvão

3)MRV Engenharia

4)Triunfo

5)Construções e Comércio Camargo Correa

6)Direcional Engenharia

7)Toniolo, Busnello

8)Empresa Construtora Brasil

9)Construcap 1

10)Serveng-Civilsan

11)Racional Engenharia 1

12)HTB 1

13)UeM Mineração e Construção

14)Pacaembu Construtora

15)S.A Paulista

16)Planova

17)Gafisa

18)Rio Verde Engenharia e Construções 1

19)Afonso França Engenharia 1

20)EMPA Serviços de Engenharia

21)Construtora JL

22)Tiisa

23)Terracom Construções

24)Seta Engenharia

25)Acciona Construcción

26)Construtora Ferreira Guedes

27)Via Engenharia

28)Rossi Residencial

29)LCM

30)Constroeste Construtora

31)Pelicano Construções

32)Paulitec Construções 1

33)TODA 1

34)Construtora Marquise

35)Construtora Tenda

36)Matec Engenharia 1

37)A.YOSHI Engenharia

38)Sá Cavalcante

39)BN Engenharia

40)Engenharia e Comércio Bandeirantes

41)Passarelli

42)Setep Construções

43)Carioca Engenharia

44)Engeform Engenharia

45)EMCCAMP Residencial

46)J.Malucelli Construtora de Obras

47)Construtora Fonseca e Mercadante 1

48)Cesbe 1

49)Dois A Engenharia 1

50)Construtora Barbosa Mello

2. Objetivos Gerais

O objetivo do estudo desenvolvido foi demonstar através da comparação dos resultados das empresas de construção no ano de 2015, tendo como premissas os pontos avaliados no presente estudo: receita bruta, patrimonio liquido, contratos publicos, contratos privados, incorporacões próprias, equipamentos, total de empregados, pessoal graduado, referente ao ano de 2018 e apresentar o impacto desses resultados atraves da matriz de correlação e testes de hipóteses.

2.1 Objetivos Específicos

Verificar através de testes estatísticos,de gráficos e como as variáveis qualitativas e quantitativas podem se relacionar entre si e qual é o resultado dessa análise no que concerne aos critério avaliados para que as mesmas pudessem chegar no topo do ranking.

3. Metodologia

O presente trabalho se divide nas seguintes etapas: Etapa 1 - Importação da base de dados referente as cinquentas maiores construtoras do ranking nacional do ano de 2018, elesitas pelo CBIC (Câmara Brasileira da Indústria da Construção) Etapa 2 - Manipulação e análise estatística das principais variáveis do banco de dados; Etapa 3 - Teste de Hipóteses Estatísticas e suas interpretações no que tange à escolha da melhro construtora; Etapa 4 - Avaliação dos Resultados através de Gráficos do tipo Boxplot, juntamente com suas interpretações; Etapa 5 - Diagrama de Dispersão e Matriz de Correlação para as principais variáveis e suas interpretações;

A tabela abaixo apresenta a base de dados do CBIC utilizada nessa pesquisa:

# Biblioteca para incluir o banco de dados na forma de tabela: 
library(kableExtra) 
# Base de dados utilizada no trabalho:
library(readxl)
dados <- read_excel("~/POSCIVIL/ESTATISTICA/2018.xlsx", 
                    sheet = "2018")


# Apresentando os números sem notação científica:
options(scipen = 999)
# Realizando a manipulação da tabela da base de dados: 
 kable(dados, 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 = "600px")

Posição	EMPRESA / COMPANY	Estado/State	Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)	Variação de Receita 16/17 (%) / Gross Revenue Variation 16/17 (%)	Patrimônio Líquido 2017 (R$ x 1.000) /Net Worth (R$ x 1,000)	Contratos Públicos (%) * / Revenue from Government (%)	Contratos Privados (%) * / Revenue from Private Sector (%)	Incorporações Próprias / Real Estate Projects	Equipamentos / Equipment	Total de Empregados / Employees	Pessoal Graduado / Academic degree personnel	Variação de Posição 16/17 / Rank Variation 16/17	Segmento de Atuação** / Activity
1	Odebrecht	SP	11087892	-40	4843400	NA	NA	NA	NA	NA	NA	NA	NA
2	Construtora Queiroz Galvão	RJ	2388016	-24	1242499	81	19	0	735	4459	871	-1	ABCDEFGHIJKMO
3	MRV Engenharia	MG	2301008	-4	5541762	0	0	100	987	14694	2253	-1	P
4	Triunfo	PR	1284855	1560	1205340	NA	NA	NA	NA	NA	NA	NA	NA
5	Construções e Comércio Camargo Correa	SP	1155635	-41	1781743	NA	NA	NA	NA	NA	NA	NA	NA
6	Direcional Engenharia	MG	799338	-45	1604315	28	0	72	115	4637	462	-1	P S
7	Toniolo, Busnello	RS	746397	12	157195	NA	NA	NA	1007	2715	136	7	AEIMBJCOD
8	Empresa Construtora Brasil	MG	733359	14	144676	NA	NA	NA	NA	NA	NA	7	ABE
9	Construcap 1	SP	701707	7	759760	47	53	0	337	1736	212	4	ABCDEHIJKMOTUV
10	Serveng-Civilsan	SP	674317	-34	615874	NA	NA	NA	NA	NA	NA	-4	AEIMQUBJNRCODPT
11	Racional Engenharia 1	SP	663900	-33	15088	0	100	0	NA	415	72	-4	JQRTUV
12	HTB 1	SP	615314	-37	93698	0	100	0	41	1364	308	-4	BDJPQRTUVX
13	UeM Mineração e Construção	RJ	573471	30	337075	0	100	0	NA	NA	NA	10	B
14	Pacaembu Construtora	SP	567875	4	204042	99	0	1	339	505	217	6	PR
15	S.A Paulista	SP	545622	-14	549131	NA	NA	NA	NA	NA	NA	1	NA
16	Planova	SP	510096	67	180506	NA	NA	NA	NA	NA	NA	NA	NA
17	Gafisa	SP	495632	-33	755557	NA	NA	NA	NA	NA	NA	-5	NA
18	Rio Verde Engenharia e Construções 1	SP	489611	-16	5710	0	60	40	30	633	234	-1	JOPQRSTUV
19	Afonso França Engenharia 1	SP	486361	21	48182	0	100	0	280	500	296	6	JQRTUVX
20	EMPA Serviços de Engenharia	MG	485138	54	188485	14	86	0	344	531	32	12	ABCDEHIJOPQRTUX
21	Construtora JL	PR	471905	62	375428	99	0	1	609	1522	135	15	AIJPQRSTUV
22	Tiisa	SP	464858	20	180561	NA	NA	NA	NA	NA	NA	NA	NA
23	Terracom Construções	SP	447168	-13	293860	NA	NA	NA	NA	NA	NA	NA	NA
24	Seta Engenharia	SC	376598	21	45208	0	100	0	292	2041	111	3	ABINQT
25	Acciona Construcción	SP	374892	34	195752	NA	NA	NA	NA	NA	NA	NA	NA
26	Construtora Ferreira Guedes	SP	369995	44	239897	76	24	0	183	1227	170	NA	ABCDEIJMNO
27	Via Engenharia	DF	351284	110	602508	53	5	42	450	1982	237	31	AIJMOPQRSTUV
28	Rossi Residencial	SP	327201	-41	NA	NA	NA	NA	NA	NA	NA	NA	NA
29	LCM	MG	325142	59	NA	NA	NA	NA	NA	NA	NA	NA	NA
30	Constroeste Construtora	SP	320949	-27	233886	NA	NA	NA	NA	NA	NA	NA	NA
31	Pelicano Construções	ES	303279	1	99798	3	97	0	520	924	47	NA	ABDEIJMO
32	Paulitec Construções 1	SP	285925	4	64374	97	3	0	63	408	68	7	ADIJLMNOPQRST
33	TODA 1	SP	284134	84	30487	0	100	0	38	329	98	29	QTU
34	Construtora Marquise	CE	278717	-28	512964	NA	NA	NA	NA	NA	NA	-8	NA
35	Construtora Tenda	SP	277990	55	1158692	NA	NA	NA	NA	NA	NA	7	NA
36	Matec Engenharia 1	SP	268031	4	479658	0	100	0	0	280	140	4	BDFJQSTUVX
37	A.YOSHI Engenharia	PR	259262	-18	370349	0	14	86	3265	1059	105	-7	PQRST
38	Sá Cavalcante	RJ	245940	-13	998527	NA	NA	NA	NA	NA	NA	0	NA
39	BN Engenharia	SP	245850	43	16592	0	100	0	0	250	80	18	PQRSTUV
40	Engenharia e Comércio Bandeirantes	SP	237382	11	208601	57	25	18	657	891	63	9	ACEIOR
41	Passarelli	SP	233922	-20	219172	70	25	5	199	1500	200	-6	ABCIJKLOPQRST
42	Setep Construções	SC	233719	-19	144398	NA	NA	NA	NA	NA	NA	-5	NA
43	Carioca Engenharia	RJ	232694	-73	299812	90	10	0	70	300	50	-33	ABCDEFGHIJKMOPQTU
44	Engeform Engenharia	SP	230464	4	356750	53	47	0	291	1577	233	3	ABCDHINOPQRSTUVX
45	EMCCAMP Residencial	MG	230404	-25	415861	98	0	2	142	447	116	-12	P S
46	J.Malucelli Construtora de Obras	PR	222052	-33	442069	NA	NA	NA	NA	NA	NA	-18	BAO
47	Construtora Fonseca e Mercadante 1	SP	219577	-31	14422	0	100	0	0	150	80	-18	QRTUV
48	Cesbe 1	PR	209469	56	140425	0	100	0	442	350	45	20	ABCEIJNOQT
49	Dois A Engenharia 1	RN	207899	-12	74190	8	91	1	108	756	157	-1	OPRST
50	Construtora Barbosa Mello	MG	196727	-58	197547	20	80	0	554	585	140	-28	ABCEHIJKMNOQT

3.1 Dicionário de dados

A tabela abaixo constitui o dicionário de dados, em que constam as variáveis e uma breve explicação sobre as mesmas.

Abaixo está apresentado o dicionário de dados, local onde estão todas as variáveis do banco de dados:

# Base de dados em que está o dicionário de dados:
library(readxl)
dicio <- read_excel("~/POSCIVIL/ESTATISTICA/2018.xlsx", 
                    sheet = "segmentos")


# Execução e manipulação da tabela:
library(DT)
DT::datatable(dicio, rownames = FALSE, colnames = FALSE)

options(digits=2)
options(scipen = 999)

O presente trabalho é constituido das seguintes etapas:

Etapa 1 - Importação da base de dados referente as cinquentas maiores construtoras do ranking nacional do ano de 2018, elesitas pelo CBIC (Câmara Brasileira da Indústria da Construção) ;

Etapa 2 - Manipulação estatística das principais variáveis do banco de dados;

Etapa 3 - Teste de Hipóteses Estatísticas e suas interpretações inerentes ao trabalho;

Etapa 4 - Gráficos do tipo Boxplot juntamente com suas interpretações;

Etapa 5 - Estatísticas dos dados e suas interpretações;

Etapa 6 - Diagrama de Dispersão e Matriz de Correlação das principais variáveis e suas interpretações;

Etapa 7 - Mapas nacionais das respectivas empresas que desputaram o ranking com as principais variáveis e suas interpretações.

As variáveis qualitativas utilizadas foram empresas, estado, região, e as quantitativas foram PIB, receita bruta, código, patrimônio líquido, Contratos publicos e privados, empregados e empregados graduado.

Todo o processo de elaboração do trabalho foi feito no programa de estatística RStudio, em seguida foi utilizado o RMarkdown para realizar uma publicação em HTML.

Segue abaixo a preparação das variáveis:

#estrutura dos dados
str(dados)

tbl_df [50 x 14] (S3: tbl_df/tbl/data.frame)
 $ Posição                                                             : num [1:50] 1 2 3 4 5 6 7 8 9 10 ...
 $ EMPRESA / COMPANY                                                   : chr [1:50] "Odebrecht" "Construtora Queiroz Galvão" "MRV Engenharia" "Triunfo" ...
 $ Estado/State                                                        : chr [1:50] "SP" "RJ" "MG" "PR" ...
 $ Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000): num [1:50] 11087892 2388016 2301008 1284855 1155635 ...
 $ Variação de Receita 16/17 (%) / Gross Revenue Variation 16/17 (%)   : num [1:50] -40 -24 -4 1560 -41 -45 12 14 7 -34 ...
 $ Patrimônio Líquido 2017 (R$ x 1.000) /Net Worth (R$ x 1,000)        : num [1:50] 4843400 1242499 5541762 1205340 1781743 ...
 $ Contratos Públicos (%) * / Revenue from Government (%)              : num [1:50] NA 81 0 NA NA 28 NA NA 47 NA ...
 $ Contratos Privados (%) * / Revenue from Private Sector (%)          : num [1:50] NA 19 0 NA NA 0 NA NA 53 NA ...
 $ Incorporações Próprias / Real Estate Projects                       : num [1:50] NA 0 100 NA NA 72 NA NA 0 NA ...
 $ Equipamentos / Equipment                                            : num [1:50] NA 735 987 NA NA ...
 $ Total de Empregados / Employees                                     : num [1:50] NA 4459 14694 NA NA ...
 $ Pessoal Graduado / Academic degree personnel                        : num [1:50] NA 871 2253 NA NA ...
 $ Variação de Posição 16/17 / Rank Variation 16/17                    : num [1:50] NA -1 -1 NA NA -1 7 7 4 -4 ...
 $ Segmento de Atuação** / Activity                                    : chr [1:50] NA "ABCDEFGHIJKMO" "P" NA ...

Após a preparação dos dados foram elaborados estatisticas, gráficos corplot, diagrama de dispersão, balloomplot, boxplot, matriz de correlação e teste de hipóteses com suas interpretações.

Localização das empresas

#Localização das empresas com Esquisse
library(ggplot2)

ggplot(dados) +
 aes(x = `Estado/State`, y = `EMPRESA / COMPANY`, fill = `Estado/State`) +
 geom_tile(size = 1.2) +
 scale_fill_hue(direction = 1) +
 theme_minimal()

Estatísticas da variável Renceita Bruta

#estatíticas
summary(dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)`)

    Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
  196727   249270   372444   720779   572072 11087892

Boxplot da Receita Bruta das Empresas

boxplot(dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)`,
        main = "Receita Bruta das Empresas",
        col = "blue")

Receita Bruta das Empresas

#Receita Bruta das empresas com Esquisse
library(ggplot2)

ggplot(dados) +
 aes(x = `Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)`, y = `EMPRESA / COMPANY`, 
 size = `Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)`) +
 geom_point(shape = "circle", 
 colour = "#112446") +
 theme_minimal() +
 theme(legend.position = "bottom")

Correlação entre o Patrimônio Líquido e Contratos Públicos

#Correlação do patrimônio líquido com contratos públicos com Esquisse

library(ggplot2)
ggplot(dados) +
 aes(x = `Patrimônio Líquido 2017 (R$ x 1.000) /Net Worth (R$ x 1,000)`, y = `Contratos Públicos (%) * / Revenue from Government (%)`, 
 size = `Patrimônio Líquido 2017 (R$ x 1.000) /Net Worth (R$ x 1,000)`) +
 geom_point(shape = "circle", 
 colour = "#B206DB") +
 theme_bw() +
 theme(legend.position = "bottom")

Correlação entre o total de empregados e pessoal graduado pela Receita Bruta

#Correlação Total de empregados por pessoal graduado e Receita Bruta

library(ggplot2)
ggplot(dados) +
 aes(x = `Total de Empregados / Employees`, y = `Pessoal Graduado / Academic degree personnel`, 
 size = `Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)`) +
 geom_point(shape = "circle", 
 colour = "#FF7962") +
 theme_bw() +
 theme(legend.position = "bottom")

4.Testes de Hipóteses

4.1 Testes de Hipóteses para a verificação da normalidade de uma variável

Teste de Shapiro-Wilk.

4.1 Testes de Hipóteses realizados para as variáveis que não apresentam distribuição normal

Teste da Correlação de Spearman;
Teste de Kruskal-Wallis;
Teste de Comparações Múltiplas de Wilcoxon.

4.2 Testes de Hipóteses para a variável que apresentam distribuição normal

Teste de Bartlett;
Teste Anova;
Teste das Comparações Múltiplas de Tukey

5. Execução dos Testes de Hipóteses

5.1 Teste de Shapiro-Wilk

O objetivo deste teste é fornecer uma estatística para avaliar se uma amostra tem distribuição normal. O teste pode ser utilizado para amostras de qualquer tamanho. A avaliação do pressuposto de normalidade é exigida pela maioria dos procedimentos estatísticos

5.1.1 Teste de Shapiro-wilk para as variáveis empresas e regiao

O Teste de Shapiro, utilizado,para variáveis quantitativas, será executado para as seguintes variáveis do banco de dados desse trabalho:

shapiro.test(dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)`)


    Shapiro-Wilk normality test

data:  dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)`
W = 0.3, p-value = 0.00000000000004

Teste de Shapiro Wilk Foi executado o teste de Shapiro Wilk para a váriavel quantitativa receita bruta. Teste de normalidade (Shapiro Wilk) H0: os dados seguem uma distribuição normal H1: os dados NÃO seguem uma distribuição normal alpha = 0.05

data: dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)` W = 0.3, p-value = 0.00000000000004

Constatou-se que para a variavel quantitativa receita bruta o P-valor foi menor do que 0,05, logo rejeita-se H0, concluindo que os dados não seguem uma distribuição normal. (Ano de 2018).

pvalor<0.05 Rejeito H0 (os dados NÂO seguem uma distribuição normal)

Análise gráfica das observações da Renda Bruta das Empresas utilizando QQ Plot

#normalidade
qqnorm(dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)`,
       main = "Q-Q Plot - Renda Bruta das Empresas",
       col = 'blue', 
       pch = 16)
qqline(dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)`)

Como o P-valor foi menor do que 0,05 e com isso não apresentaram uma distrbuição normal foi feito o teste de Spearman

Teste de correlação spearman

cor.test(dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)`, dados$`Patrimônio Líquido 2017 (R$ x 1.000) /Net Worth (R$ x 1,000)`, method = "spearman")


    Spearman's rank correlation rho

data:  dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)` and dados$`Patrimônio Líquido 2017 (R$ x 1.000) /Net Worth (R$ x 1,000)`
S = 12266, p-value = 0.02
alternative hypothesis: true rho is not equal to 0
sample estimates:
 rho 
0.33

H0(Hipótese nula): se o valor de rho = 0: não há correlação entre as variáveis.

H1(Hipótese alternativa): se o valor de rho for diferente de zero: há correlação entre as variáveis.

alpha = 0,05

Se Pvalor ≤ alpha: rejeita-se H0 #Se Pvalor > alpha: não se rejeita H0

dados2013$CODIGO, : Cannot compute exact p-value with ties

Spearman’s rank correlation rho

data: dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)and dados$Patrimônio Líquido 2017 (R$ x 1.000) /Net Worth (R$ x 1,000)` S = 12266, p-value = 0.02 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.33

Pode-se verificar que o p-valor é menor do que o alpha de 0,05 e que o rho é distante de -1 nos teste de correlação de speraman, logo rejeita-se a hipotese nula (H0) e podemos afirmar que existe correlação entre as duas variáveis.

Teste de Kruskal-wallis

Teste se a condição investigadas interfere na Receita bruta

H0: distribuições idênticas.

H1: diferentes distribuições.

kruskal.test(dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)`, dados$`Contratos Públicos (%) * / Revenue from Government (%)`)


    Kruskal-Wallis rank sum test

data:  dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)` and dados$`Contratos Públicos (%) * / Revenue from Government (%)`
Kruskal-Wallis chi-squared = 17, df = 15, p-value = 0.3

Conforme observado nos dois testes o p-valor é menor do que 0,05, logo rejeita-se H0, ou seja, apresentam distribuições distintas.

Teste de comparação multipla de Wilcoxon

wilcox.test(dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)`, dados$`Contratos Públicos (%) * / Revenue from Government (%)`)


    Wilcoxon rank sum test with continuity correction

data:  dados$`Receita Bruta em 2017 (R$ x 1.000) / Gross Revenue 2017 (R$ x 1,000)` and dados$`Contratos Públicos (%) * / Revenue from Government (%)`
W = 1500, p-value = 0.00000000000008
alternative hypothesis: true location shift is not equal to 0

H0: os dois grupos são amostrados de populações com distribuições idênticas.

H1: os dois grupos são amostrados de populações com distribuições diferentes.

alpha = 0.05

6. Conclusão

A partir dos resultados obtidos é possível concluir que aS cinquentas maiores CONSTRUTORAS, referente ao RANKING NACIONAL ANO 2018, influenciou as empresas construtoras no Brasil, ficou demonstrado nas análises que houve uma diminiuição da Receita bruta e do Patrimonio líquido das 50 maiores empresas de construção civil no Brasil.

Referencias Bibliográficas

https://www.ibge.gov.br/institucional/o-ibge.html.Acesso em: 08 mar. 2021. CBIC.Câmara Brasileira da Indústria da Construção.Disponível em: http://www.cbicdados.com.br/menu/materiais-de-construcao/cimento.Acesso em: 04 mar. 2021. CBIC.Câmara Brasileira da Indústria da Construção.Disponível em: https://cbic.org.br/institucional/.Acesso em: 11 mar. 2021. BRASIL. Lei nº 12.846, de 1º de agosto de 2013. Diário Oficial da República Federativa do Brasil, Brasília, DF. Disponível em http://www.planalto.gov.br/ccivil_03/_ato2011-2014/2013/lei/l12846.htm. Acessado em: 19 out. 2020. BRASIL. Decreto nº 8.420, de 18 de março de 2015. Diário Oficial da República Federativa do Brasil, Brasília, DF. Disponível em http://www.planalto.gov.br/ccivil_03/_Ato2015-2018/2015/Decreto/D8420.htm. Acessado em: 19 out. 2020. BRASIL. Portaria nº 909, de 7 de abril de 2015, do Ministério de Estado Chefe da Controladoria Geral da União. Diário Oficial da República Federativa do Brasil, Brasília, DF. Disponível em https://repositorio.cgu.gov.br/bitstream/1/34001/8/Portaria909_2015.PDF. Acessado em: 21 out. 2020. BRASIL. Portaria nº 909, de 7 de abril de 2015, do Ministério de Estado Chefe da Controladoria Geral da União. Diário Oficial da República Federativa do Brasil, Brasília, DF. disponível em https://repositorio.cgu.gov.br/bitstream/1/34001/8/Portaria909_2015.PDF. Acessado em: 22 out. 2020. BRASIL. Portaria nº 910, de 7 de abril de 2015, do Ministério de Estado Chefe da Controladoria Geral da União. Diário Oficial da República Federativa do Brasil, Brasília, DF. Disponível em https://repositorio.cgu.gov.br/bitstream/1/33650/8/Portaria_CGU_910_2015.pdf. Acessado em: 22 out. 2020. A experiência da CGU no fomento a integridade na aplicação da Lei anticorrupção. 2017. Disponível em: https://repositorio.cgu.gov.br/handle/1/32933. Acessado em: 20 out.2020.

As construtoras que mais se destacaram no ano de 2018 - Região Sudeste

Alexandra Rabello

22/02/2022