Este repositório contém o projeto final da disciplina "Análise exploratória de dados", no Master em jornalismo dados, automação e data storytelling do Insper
O grupo é formado por Gabriela Caesar (@gabrielacaesar), Isabela Fleischmann (@isabelafleischmann) e Thiago Araújo (@todearaujo).
A base de dados analisada pelo grupo é fornecida pelo IBGE e trata do casamento de pessoas do mesmo gênero. Ou seja, do casamento de homens com homens e de mulheres com mulheres.
Os dados estão desagregados por UF, mês e gênero e abrangem os anos de 2013 a 2019. Assim, poderemos fazer uma análise exploratória de dados completa e responder às perguntas de interesse.
Notebook - Clique aqui para ler e baixar o arquivo.
CSV - Clique aqui para ler e baixar o arquivo.
O IBGE fornece os dados em diversas planilhas XLSX desorganizadas.
Essas planilhas originais estão disponíveis neste site do IBGE e também na pasta data > raw_data deste repositório.
Utilizamos um código em R para transformar os dados em formato tidy e ter um único CSV completo. A análise usará esse arquivo.
Também fizemos isso para padronizar os dados do IBGE sobre população adulta por gênero e ano.
O Brasil tem mais de 60 mil casais formados por pessoas do mesmo gênero, segundo o Censo 2010 - o último realizado no Brasil e divulgado em 2011. Esse número é bastante menor que o de casais formados por pessoas de gêneros diferentes: 37,5 milhões.
Mais de dez anos se passaram. E como está essa situação hoje no Brasil? É inegável que, ao caminhar na Avenida Paulista, em São Paulo, em 2021, vemos mais casais LGBTs do que há 10 anos.
O sentimento é que mais pessoas puderam viver histórias homoafetivas nas grandes cidades. Mas será que isso vale para todo o Brasil? E será que a eleição de Jair Bolsonaro impactou esses números?
Além disso, apenas em 2011, o STF julgou legal a união civil de pessoas do mesmo gênero. Em 2013, o Conselho Nacional de Justiça passou a permitir que todos os cartórios registrassem a união homoafetiva.
A orientação sexual é uma informação pessoal e, por isso, há poucos dados sobre isso, já que os órgãos não costumam coletar essa informação. Antes da definição da base, o grupo mapeou diversos dados sobre LGBTs para verificar qual base poderia ter dados de qualidade para tratar o tema.
A base de dados do IBGE, porém, é uma exceção positiva nesse levantamento. Além de ter dados oficiais do Brasil, ela também tem um detalhamento que permite uma ampla análise exploratória para responder a perguntas.
- Quantos casamentos homoafetivos ocorreram no Brasil de 2013 a 2019?
- Qual foi o ano com mais casamentos? E com menos casamento?
- Quais foram as estatísticas básicas anuais? E em 2018?
- Quem casa mais no meio LGBT? Homens ou mulheres?
- As mulheres também se casam mais considerando os dados anuais?
- Em qual mês as pessoas mais se casam? E em qual elas menos se casam?
- Há mais casamentos homoafetivos após a vitória de Jair Bolsonaro, em 28 de outubro de 2018?
- Em quais estados aconteceram mais casamentos LGBTs em números absolutos? E menos?
- Em quais regiões do Brasil os casamentos LGBTs mais ocorrem? E menos?
- Considerando a população adulta, quais estados têm as maiores e menores proporções de casamentos LGBTs?
- Em um mapa do Brasil, como ficam as taxas de casamentos LGBTS por 100 mil adultos?
- Considerando a UF e o ano informados pelo usuário, quais são as estatísticas básicas dessa UF e desse ano quanto ao casamento LGBT?
- Mais de 40 mil casamentos homoafetivos foram realizados de 2013 a 2019
- As mulheres definitivamente se casam mais do que os homens
- 2014 foi o ano em que o número de casamentos de homens quase ultrapassou o de mulheres
- SP e DF foram as unidades federativas com as maiores taxas de casamentos LGBTs por habitantes adultos
- Em números absolutos, SP concentra 41,5% dos casamentos, seguido por RJ (9,3%), MG (7,5%) e SC (5,5%). RR, AC e AP têm os menores números
- Estados do Norte e do Nordeste, como MA, RR, AC e RO, aparecem com as menores taxas
- O Sudeste, região mais populosa do Brasil, também foi a região com mais casamentos
- O ano com mais casamentos LGBTs foi 2018, seguido por 2019
- O mês com mais casamentos foi dezembro; e o mês com menos foi abril
- Os meses próximos à eleição de Jair Bolsonaro foram os picos de casamentos LGBTS
- Os dados apontam que os casais homoafetivos seguiram a recomendação da presidente da Comissão Especial da Diversidade Sexual e de Gênero do Conselho Federal da OAB, Maria Berenice Dias, para os casais procurarem assegurar o matrimônio ainda em 2018
É hora de colocar em prática tudo o que vimos na disciplina!
- Lembre-se de que em um projeto de análise exploratória de dados, você está explorando os dados e estabelecendo questionamentos sobre estes e as possíveis relações entre as variáveis.
- Não é uma análise estatística formal (por exemplo, não há a necessidade de provar que grupos são estatisticamente diferentes!)
- Nosso foco é descrever os dados
- Você e seu grupo são encorajados para estabelecer algumas gerar algumas hipóteses a partir da análise dos dados
Utilizando um conjunto de dados de sua escolha, descreva o relacionamento entre 2 ou 3 variáveis. Produza um relatório de modo a conter, no mínimo:
- Uma introdução curta sobre os dados
Mencione quais variáveis você vai querer investigar o relacionamento
- Uma seção de análise exploratória univariada
Nesta seção você vai calcular estatísticas descritivas básicas (média, mediana, quartis, etc..) e faça ao menos um gráfico
- Uma seção de análise exploratória bivariada
Calcule estatísticas agrupadas por meio de uma variável
Elabore gráficos que demonstrem a relação entre variáveis
- Em resumo: usando estatística e gráficos, elabore o que julgar pertinente para compreender a relação entre as variáveis selecionadas.
Você e seu grupo precisarão fazer uma escolha sobre o conjunto de dados a ser utilizado.
- Neste link você tem a relação de conjuntos de dados que podemos usar
- Se seu grupo já possui outro conjunto de dados, me mande um resumo sobre ele para que eu aprove a utilização
Sugestão de datasets:
- Depressão: nível de depressão, cuidado a saúde e características demográficas
- High School: educação, vocação, desenvolvimento pessoal
- Police Shootings: características de pessoas mortas pela polícia
- Email Spam: características dos e-mails classificados (Y/F) como spam
- HIV: dados de crianças que convivem com pais com HIV
Você deve elaborar um relatório em PDF contendo toda a análise feita nos dados
- Os códigos podem ser feitos em qualquer ferramenta, mas preferencialmente em Python (Google Colab)
- Para a apresentação, você e seu grupo terá até 5 minutos para apresentar os principais destaques do trabalho.
- Sugestão/Provocação: como você apresentaria os resultados na figura de um jornalista de dados?
- A entrega será via blackboard
- Cada grupo terá até 10 minutos para apresentar o projeto na próxima aula
- Busquem contextualizar o problema, os dados e contar como foi o processo de análise de dados
- Não há a necessidade de mostrar códigos ou detalhes, o importante é transmitir uma mensagem clara e efetiva sobre o que vocês aprenderam sobre os dados
- Tentem expor o que essas abordagens acrescentaram (ou não!) em seus métodos