In abjur/tjspBook: Does not matter.

Preâmbulo

Este é um relatório escrito em Markdown descrevendo um estudo realizado para a corregedoria do Tribunal de Justiça de São Paulo. O estudo em questão teve a finalidade de auxiliar a tomada de decisão na criação das varas especializadas em direito comercial na Comarca de São Paulo.

Para compilar este relatório, você precisará da versão de desenvolvimento do pacote bookdown disponível no Github do rstudio:

devtools::install_github("rstudio/bookdown")

Cada arquivo Rmd contém um e apenas um capítulo, e cada capítulo é definido pelo primeiro nível de cabeçalho #.

Para compilar este documento em PDF, você precisará utilizar XeLaTeX.

knitr::write_bib(c(
  .packages(), 'bookdown', 'knitr', 'rmarkdown'
), 'packages.bib')

# configs
knitr::opts_chunk$set(echo = FALSE, warning = FALSE, 
                      error = FALSE, message = FALSE)
base <- './'
if(stringr::str_detect(getwd(), 'docs')) base <- '../'

rm_accent <- function(x) gsub("`", "", iconv(x, to = "ASCII//TRANSLIT"))

# pacotes
library(tidyr)
library(dplyr)
library(ggplot2)
library(purrr)
library(forcats)
library(readxl)
library(lubridate)
library(stringr)
library(readr)
library(survival)

# bases e funcoes
source(paste0(base, 'R/0-funcoes/adicionar_emp.R'))
cnj_empresarial <- readr::read_rds(paste0(base, "data/cnj_empresarial.rds"))
cnj_completa <- readr::read_rds(paste0(base, "data/tabela_cnj_completa.rds"))
d_tidy <- readr::read_rds(paste0(base, "data/d_tidy.rds"))
d_fcc <- readr::read_rds(paste0(base, "data/d_fcc.rds"))
# d_tidy_p <- adicionar_emp(d_tidy, cnj_empresarial, cnj_completa)
d_tidy_p <- readr::read_rds(paste0(base, "data/d_tidy_p.rds"))


# tabela do apendice
tab_cnj <- cnj_empresarial %>%
  roll() %>%
  select(folha, dispositivo_legal, artigo) %>%
  mutate_all(funs(str_trunc(., width = 35))) %>%
  select(assunto = folha,
         `Dispositivo Legal` = dispositivo_legal,
         Artigo = artigo)

# volume de processos
N0 <- ceiling(sum(d_tidy_p$p[d_tidy_p$p == 1]) / 3)
C <- ceiling(sum(d_tidy_p$p[d_tidy_p$p < 1]) / 3)
N <- ceiling(sum(d_tidy_p[['p']]) / 3)
Tec <- round(23/11, 2)
p <- .6
Ne <- ceiling(ceiling(sum(d_tidy_p[['p']]) / 3) * 23/11 / .6)
Nmax <- floor(sum(d_tidy_p$p > 0) / 3)
Nmax <- as.integer(Nmax)
Vmax <- floor(sum(d_tidy_p$p > 0) / 3 / 1800)

numeros_esperados <- d_tidy %>%
  inner_join(d_tidy_p, 'n_processo') %>%
  group_by(assunto) %>%
  summarise(`# Processos` = n(),
            `% Empresariais` = sum(p) / `# Processos`,
            `# Empresariais` = sum(p)) %>%
  filter(`# Processos` > 0, `% Empresariais` != 1,
         `% Empresariais` != 0) %>%
  rename(Assunto = assunto) %>%
  arrange(desc(`# Empresariais`)) %>%
  head(10) %>%
  # janitor::add_totals_row() %>%
  mutate(`% Empresariais` = scales::percent(`% Empresariais`),
         `# Empresariais` = round(`# Empresariais`)) %>%
  # mutate(`% Empresariais` = c(`% Empresariais`[-n()], '-')) %>%
  identity()

 # volume de trabalho
 d_fcc <- d_fcc %>%
   mutate(censura = as.numeric(pmax(julgado, baixa, recurso, sentenca)),
          censura = if_else(censura > 0, 1, 0)) %>%
   mutate(t_deci_total = n_deci_e_desp * t_deci)

 p_sobrev <- d_fcc %>%
   filter(tipo != "RJ") %>%
   with(survfit(Surv(t_deci_total, censura) ~ tipo)) %>%
   ggfortify:::autoplot.survfit(conf.int = F, surv.geom = 'line', censor = F) +
   scale_x_continuous(limits = c(0,250)) +
   theme_bw(12) +
   xlab("Total de tempo acumulado\ngasto em decisões e despachos (dias)") +
   ylab("Proporção de processos")

  p_sobrev_total <- d_fcc %>%
   filter(tipo != "RJ") %>%
   with(survfit(Surv(tempo_total, censura) ~ tipo)) %>%
   ggfortify:::autoplot.survfit(conf.int = F, surv.geom = 'line', censor = F) +
   scale_x_continuous(limits = c(0,250)) +
   theme_bw(12) +
   xlab("Tempo até a última movimentação (dias)") +
   ylab("Proporção de processos")