In abjur/inacBook: Does not matter.

Perfil dos condenados

No capítulo anterior, explicamos como a base de dados foi baixada e mostramos o conteúdo da base após a fase de arrumação de dados. Neste capítulo, apresentaremos análises preliminares sobre duas quantidades de interesse na pesquisa: i) perfil dos condenados do CNC e ii) valores envolvidos nos processos (desagregado por divesos critérios).

A Tabela \@ref(tab:pfpj) mostra a quantidade de pessoas e processos por tipo de pessoa. Podemos observar que é bem maior a quantidade de pessoas físicas na base.

tidy_cnc %>% 
  mutate(tipo_pessoa = if_else(tipo_pessoa == 'F', 'Física', 'Jurídica')) %>% 
  group_by(tipo_pessoa) %>% 
  summarise(n_pessoas = n_distinct(id_pessoa), 
            n_processos = n_distinct(id_processo)) %>% 
  janitor::add_totals_row() %>% 
  knitr::kable(booktabs = TRUE, 
               caption = 'Quantidade de pessoas jurídicas e físicas e processos envolvidos.')

Agora vamos estudar a distribuição geográfica das pessoas. A Figura \@ref(fig:mapa1) mostra o volume de pessoas por estado. Obsevamos uma concentração maior em São Paulo, Minas Gerais e nos estados da região sul, além de Rondônia. Exceto por Rondônia, o resultado é esperado, já que grande parte da população fica nos estados citados.

p <- tidy_cnc %>% 
  distinct(id_pessoa, .keep_all = TRUE) %>% 
  count(id = uf_processo) %>% 
  mutate(n = cut(n, c(0, 100, 200, 300, 800, max(n)), dig.lab=5)) %>% 
  inner_join(br_uf_map) %>% {
    ggplot(.) +
      geom_map(aes(x = long, y = lat, map_id = id, fill = n),
               colour = 'gray30', size = .1, alpha = .8,
               map = ., data = .) +
      coord_equal() +
      scale_fill_brewer(palette = 'PuRd') +
      theme_void()
  }
p

A Figura \@ref(fig:mapa2) mostra a taxa de pessoas por cem mil habitantes em cada estado. O resultado é surpreendente. Destacam-se o estados do Acre e Rondônia, concentrando 17 e 24 pessoas por cem mil habitantes, respectivamente. Outros estados com alta taxa são Roraima, Amapá, Tocantins, Rio Grande do Norte, Sergipe, Espírito Santo, Distrito Federal e Santa Catarina.

p <- tidy_cnc %>% 
  distinct(id_pessoa, .keep_all = TRUE) %>% 
  count(id = uf_processo) %>% 
  inner_join(pnud_uf, 'id') %>%
  mutate(tx = n / popt * 100000) %>% 
  mutate(tx = cut(tx, c(0, 1, 3, 5, 10, max(tx)), dig.lab = 3,
                  ordered_result = TRUE)) %>% 
  inner_join(br_uf_map) %>% {
    ggplot(.) +
      geom_map(aes(x = long, y = lat, map_id = id, fill = tx),
               colour = 'gray30', size = .1, alpha = .8,
               map = ., data = .) +
      scale_fill_brewer(palette = 'PuRd') +
      coord_equal() +
      theme_void()
  }
p

cnc_tx <- tidy_cnc %>% 
  distinct(id_pessoa, .keep_all = TRUE) %>% 
  count(id = uf_processo) %>% 
  inner_join(pnud_uf, 'id') %>%
  mutate(tx = n / popt * 100000)

groups <- cnc_tx %>% 
  select(id, tx) %>% 
  column_to_rownames('id') %>% 
  dist() %>% 
  hclust('ward.D') %>% 
  cutree(4) %>% 
  enframe() %>% 
  set_names(c('id', 'grupo'))

# library(cartogram)
# # http://www.usp.br/nereus/wp-content/uploads/Brasil.zip
# br_map <- readOGR('shp', 'UFEBRASIL', stringsAsFactors = FALSE, 
#                   dropNULLGeometries = TRUE, verbose = TRUE)
# br_map@data <- br_map@data %>% 
#   mutate(ufn = abjutils::rm_accent(NM_ESTADO)) %>% 
#   inner_join(mutate(pnud_uf, ufn = abjutils::rm_accent(toupper(ufn))), 
#              'ufn') %>% 
#   inner_join(select(cnc_tx, id, tx), 'id') %>% 
#   filter(id != 'DF')
# br_map_cart <- cartogram(br_map, "tx", 3)
# d_br_map <- fortify(br_map_cart, region = 'id')

p <- cnc_tx %>% 
  inner_join(groups, 'id') %>% 
  group_by(grupo) %>% 
  mutate(tx_lab = sprintf('[%.1f, %.1f]', min(tx), max(tx))) %>% 
  ungroup() %>% 
  mutate(tx = forcats::fct_reorder(tx_lab, tx, min)) %>% 
  inner_join(br_uf_map) %>% {
    ggplot(.) +
      geom_map(aes(x = long, y = lat, map_id = id, fill = tx),
               colour = 'gray30', size = .1, alpha = .8,
               map = ., data = .) +
      scale_fill_brewer(palette = 'PuRd') +
      coord_equal() +
      theme_void()
  }
p