In abjur/inacBook: Does not matter.

r if (knitr:::is_html_output()) '# References {-}'

Outras análises

Filtrado apenas para processos transitados em julgado.

tidy_cnc_julg <- tidy_cnc %>% 
  filter(tipo_pena == 'Trânsito em julgado')

Existe uma relacao de multas e ressarcimentos...

p <- tidy_cnc_julg %>% 
  filter(vl_multa > 1, vl_ressarcimento > 1) %>% 
  ggplot(aes(vl_multa, vl_ressarcimento, colour = uf_processo)) +
  geom_point() +
  theme_bw() +
  geom_abline(intercept = 0, slope = 1, colour = 'red') +
  # facet_wrap(~uf_processo) +
  scale_x_log10() +
  scale_y_log10()


tidy_cnc_julg %>% 
  filter(vl_multa > 1, vl_ressarcimento > 1, 
         vl_multa < 1e6, vl_ressarcimento < 1e6) %>% 
  mutate(uf_processo = fct_lump(uf_processo, 1, other_level = 'Outros')) %>% 
  ggplot(aes(vl_multa, vl_ressarcimento, colour = uf_processo)) +
  theme_bw() +
  geom_abline(intercept = 0, slope = 1, colour = 'red') +
  geom_abline(intercept = 0, slope = .5, colour = 'blue') +
  geom_abline(intercept = 0, slope = 1/3, colour = 'green') +
  geom_abline(intercept = 0, slope = 2, colour = 'yellow') +
  geom_point()

tidy_cnc_julg %>% 
  filter(uf_processo == 'SP') %>% 
  count(teve_ressarcimento, teve_multa)

tidy_cnc_julg %>% 
  group_by(assunto_nm_1) %>% 
  summarise(n = n(), m = median(vl_multa, na.rm = TRUE)) %>% 
  filter(n > 10) %>% 
  arrange(desc(m)) %>% 
  mutate(assunto_nm_1 = str_trunc(assunto_nm_1, 40))

tidy_cnc_julg %>% 
  group_by(assunto_nm_1) %>% 
  summarise(n = n(), m = median(vl_ressarcimento, na.rm = TRUE)) %>% 
  filter(n > 10) %>% 
  arrange(desc(m)) %>% 
  mutate(assunto_nm_1 = str_trunc(assunto_nm_1, 40))

tidy_cnc_julg %>% 
  group_by(uf_processo) %>% 
  summarise(n = n(), m = median(vl_ressarcimento, na.rm = TRUE)) %>% 
  filter(n > 10) %>% 
  arrange(desc(m))

tidy_cnc_julg %>% 
  group_by(uf_processo) %>% 
  summarise(n = n(), m = median(vl_multa, na.rm = TRUE)) %>% 
  filter(n > 10) %>% 
  arrange(desc(m))

tidy_cnc_julg %>% 
  count(nm_pessoa, teve_perda_cargo) %>% 
  filter(!is.na(teve_perda_cargo)) %>% 
  arrange(desc(n)) %>% 
  ungroup() %>% 
  mutate(nm_pessoa = str_trunc(nm_pessoa, 40))

Processos com mais condenacoes

tidy_cnc %>% 
  count(id_processo, n_processo, sort = T)

Processos com mais pessoas

tidy_cnc %>% 
  group_by(id_processo, n_processo) %>% 
  summarise(n = n_distinct(id_pessoa)) %>% 
  arrange(desc(n))

tidy_cnc %>% 
  filter(instancia == '1 grau', esfera_processo == 'Estadual') %>% 
  group_by(comarca_secao, uf_processo) %>% 
  summarise(n = n(), multa = median(vl_multa, na.rm = T),
            ress = median(vl_ressarcimento, na.rm = T)) %>% 
  filter(n > 10) %>% 
  arrange(desc(multa))

Inconsistências da base

nomes emblematicos
coisas estranhas
- ressarcimento > multa
- valor atipico de condenacoes / perda de cargo
- instancia x tipo de pena
- uf pessoa x uf processo
- caso de waldir de felicio