Histograma

19/12/202530/08/2025 Por antonino

O que é um Histograma?

Um histograma é uma representação gráfica de distribuição de dados numéricos contínuos.
É similar a um gráfico de barras, mas agrupa os dados em intervalos (chamados de “bins” ou “classes”) e mostra a frequência de observações em cada intervalo.

O histograma é muito importante no estudo de variáveis quantitativas principalmente para variáveis contínuas, com ele podemos saber como as variáveis estão distribuídas

Por meio do histograma conseguimos calcular os quantis

Primeiro precisamos definir o número de intervalos a serem considerados, para este caso consideraremos 6 intervalos.
Vamos obter nos dados o valor mínimo e máximo.
amplitude do intervalo = (valor máximo – valor mínimo) ÷ 6
limite inferior = valor mínimo
limite superior = valor máximo
densidade da frequência = frequência relativa ÷ amplitude do intervalo
Abaixo vamos calcular no R e obter a tabela de frequência e histogramas com frequência absoluta e densidade de frequência .

Exemplo prático em R

# Linguagem : R

#========================================
#          CRIAR DIRETÓRIO PARA SALVAR
#========================================
# Definir o diretório de destino
diretorio <- "C:/graficos"

# Criar o diretório se não existir
if (!dir.exists(diretorio)) {
  dir.create(diretorio, recursive = TRUE)
  cat("\nDiretório criado:", diretorio, "\n")
}

x <- c(27772, 19014, 14286, 11651, 12911, 7464, 7000, 6418, 4571,5891,5012, 6207, 7893, 6947, 7536, 10129)
cat("valor mínimo = ",min(x))
cat("valor máximo = ",max(x))
cat("tamanho do intervalo = (", max(x), " - ", min(x), ") ÷ 6 = ", (max(x) - min(x))/6, "Km2")
aux = min(x) + (max(x) - min(x)) * (0:6)/6



#========================================
#          TABELA DE FREQUÊNCIAS (COM FORMATAÇÃO BRASILEIRA)
#========================================
# Criar breaks arredondados
aux_rounded <- round(aux, 1)

# Criar intervalos formatados no estilo brasileiro
intervalos <- character()
for(i in 1:(length(aux_rounded)-1)) {
  inicio <- format(aux_rounded[i], nsmall = 1, big.mark = ".", decimal.mark = ",")
  fim <- format(aux_rounded[i+1], nsmall = 1, big.mark = ".", decimal.mark = ",")
  intervalos[i] <- paste0("de ", inicio, " a ", fim)
}

# Contar frequências manualmente
frequencias <- numeric()
for(i in 1:(length(aux_rounded)-1)) {
  if(i == 1) {
    frequencias[i] <- sum(x >= aux_rounded[i] & x <= aux_rounded[i+1])
  } else {
    frequencias[i] <- sum(x > aux_rounded[i] & x <= aux_rounded[i+1])
  }
}

# Criar dataframe manualmente
freq_df <- data.frame(
  `CLASSE (KM²)` = intervalos,
  `FREQUÊNCIA ABSOLUTA` = frequencias,
  `FREQUÊNCIA RELATIVA` = paste0(round(frequencias / length(x) * 100, 2), "%"),
  check.names = FALSE
)

# Imprimir a tabela de frequências
cat("\n=== TABELA DE FREQUÊNCIAS ===\n")
print(freq_df, row.names = FALSE)

#========================================
#          SALVAR TABELA COMO IMAGEM PNG
#========================================
if(!require(gridExtra)) install.packages("gridExtra")
if(!require(ggplot2)) install.packages("ggplot2")
library(gridExtra)
library(ggplot2)

# Salvar a tabela como PNG
png("C:/graficos/tabela_frequencia.png", 
    width = 1200,  
    height = 400,   
    res = 100)

# Criar tabela formatada
grid.table(freq_df, 
           rows = NULL,
           theme = ttheme_minimal(
             base_size = 10,
             padding = unit(c(4, 4), "mm"),
             core = list(
               bg_params = list(fill = c("#F7F7F7", "#FFFFFF"), col = "black"),
               fg_params = list(hjust = 0, x = 0.03)
             ),
             colhead = list(
               bg_params = list(fill = "#0E4C3E", col = "black"),
               ffg_params = list(col = "white", fontface = "bold")
             )
           ))

dev.off()
cat("Tabela de frequência salva como: C:/graficos/tabela_frequencia.png\n")



#========================================
#          HISTOGRAMA 1 (Frequência Absoluta)
#========================================
# x      = Os dados numéricos para construir o histograma
# breaks = Define os intervalos (bins) do histograma
# right  = Controla como os intervalos são fechados se
#          TRUE: Intervalos são fechados à direita (a, b]
#          FALSE: Intervalos são fechados à esquerda [a, b)
# ylab   = Rótulo do eixo Y (vertical)
# main   = Título principal do gráfico
# xlab   = Rótulo do eixo X (horizontal)
# col    = Cor das barras do histograma
# ylim   = Limites do eixo Y (de 0 a 12)
# axes   = Suprime a criação automática dos eixos
# xlim   = Limites do eixo X (de 0 a 30.000 km²)

# Salvar o histograma 1 como PNG
png(file.path(diretorio, "histograma1_frequencia_absoluta.png"), width = 800, height = 600)

d = hist(x, 
         breaks = aux,
         right  = T,
         ylab   = "FREQUÊNCIA ABSOLUTA", 
         main   = "DESMATAMENTO EM KM2", 
         xlab   = "KM2", col="#0E4C3E",
         ylim   = c(0,12), 
         axes   = F, 
         xlim   = c(0,30000))

axis(1, c(0,aux),round(c(0,aux),1))
axis(2)
text(d$mids, d$counts+0.5, paste(round(d$density*(max(x) - min(x))/6*100,2),"%", sep=""))

dev.off()  # Fechar o dispositivo gráfico
cat("Histograma 1 salvo como: histograma1_frequencia_absoluta.png\n")

#========================================
#          HISTOGRAMA 2 (Densidade de Frequência)
#========================================
# Salvar o histograma 2 como PNG
png(file.path(diretorio, "histograma2_densidade_frequencia.png"), width = 800, height = 600)

d = hist(x, breaks=aux, right=T, prob=T, 
         ylab="DENSIDADE DE FREQUÊNCIA",
         main="DESMATAMENTO EM KM2", 
         xlab="KM2", col="#0E4C3E",
         ylim=c(0,0.0002), axes=F, xlim=c(0,30000))
axis(1, c(0,aux), round(c(0,aux),1))
axis(2)
text(d$mids, d$density+0.5e-5, paste(round(d$density*(max(x) - min(x))/6*100,2),"%", sep=""))

dev.off()  # Fechar o dispositivo gráfico
cat("Histograma 2 salvo como: histograma2_densidade_frequencia.png\n")

#========================================
#          MOSTRAR HISTOGRAMAS NA TELA TAMBÉM
#========================================
# Mostrar o histograma 1 na tela
d = hist(x, 
         breaks = aux,
         right  = T,
         ylab   = "FREQUÊNCIA ABSOLUTA", 
         main   = "DESMATAMENTO EM KM2", 
         xlab   = "KM2", col="#0E4C3E",
         ylim   = c(0,12), 
         axes   = F, 
         xlim   = c(0,30000))

axis(1, c(0,aux),round(c(0,aux),1))
axis(2)
text(d$mids, d$counts+0.5, paste(round(d$density*(max(x) - min(x))/6*100,2),"%", sep=""))

# ----------------------- 
# RESULTADO 
# -----------------------
# valor mínimo =  4571
# valor máximo =  27772
# amplitude do intervalo = ( 27772  -  4571 ) ÷ 6 =  3866.833 Km2
# histograma1_frequencia_absoluta.png
# histograma2_densidade_frequencia.png
# tabela_frequencia.png

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

# Linguagem : R

#========================================

# CRIAR DIRETÓRIO PARA SALVAR

#========================================

# Definir o diretório de destino

diretorio <- "C:/graficos"

# Criar o diretório se não existir

if (!dir.exists(diretorio)) {

dir.create(diretorio, recursive = TRUE)

cat("\nDiretório criado:", diretorio, "\n")

}

x <- c(27772, 19014, 14286, 11651, 12911, 7464, 7000, 6418, 4571,5891,5012, 6207, 7893, 6947, 7536, 10129)

cat("valor mínimo = ",min(x))

cat("valor máximo = ",max(x))

cat("tamanho do intervalo = (", max(x), " - ", min(x), ") ÷ 6 = ", (max(x) - min(x))/6, "Km2")

aux = min(x) + (max(x) - min(x)) * (0:6)/6

#========================================

# TABELA DE FREQUÊNCIAS (COM FORMATAÇÃO BRASILEIRA)

#========================================

# Criar breaks arredondados

aux_rounded <- round(aux, 1)

# Criar intervalos formatados no estilo brasileiro

intervalos <- character()

for(i in 1:(length(aux_rounded)-1)) {

inicio <- format(aux_rounded[i], nsmall = 1, big.mark = ".", decimal.mark = ",")

fim <- format(aux_rounded[i+1], nsmall = 1, big.mark = ".", decimal.mark = ",")

intervalos[i] <- paste0("de ", inicio, " a ", fim)

}

# Contar frequências manualmente

frequencias <- numeric()

for(i in 1:(length(aux_rounded)-1)) {

if(i == 1) {

frequencias[i] <- sum(x >= aux_rounded[i] & x <= aux_rounded[i+1])

} else {

frequencias[i] <- sum(x > aux_rounded[i] & x <= aux_rounded[i+1])

}

# Criar dataframe manualmente

freq_df <- data.frame(

`CLASSE (KM²)` = intervalos,

`FREQUÊNCIA ABSOLUTA` = frequencias,

`FREQUÊNCIA RELATIVA` = paste0(round(frequencias / length(x) * 100, 2), "%"),

check.names = FALSE

)

# Imprimir a tabela de frequências

cat("\n=== TABELA DE FREQUÊNCIAS ===\n")

print(freq_df, row.names = FALSE)

#========================================

# SALVAR TABELA COMO IMAGEM PNG

#========================================

if(!require(gridExtra)) install.packages("gridExtra")

if(!require(ggplot2)) install.packages("ggplot2")

library(gridExtra)

library(ggplot2)

# Salvar a tabela como PNG

png("C:/graficos/tabela_frequencia.png",

width = 1200,

height = 400,

res = 100)

# Criar tabela formatada

grid.table(freq_df,

rows = NULL,

theme = ttheme_minimal(

base_size = 10,

padding = unit(c(4, 4), "mm"),

core = list(

bg_params = list(fill = c("#F7F7F7", "#FFFFFF"), col = "black"),

fg_params = list(hjust = 0, x = 0.03)

colhead = list(

bg_params = list(fill = "#0E4C3E", col = "black"),

ffg_params = list(col = "white", fontface = "bold")

)

))

dev.off()

cat("Tabela de frequência salva como: C:/graficos/tabela_frequencia.png\n")

#========================================

# HISTOGRAMA 1 (Frequência Absoluta)

#========================================

# x = Os dados numéricos para construir o histograma

# breaks = Define os intervalos (bins) do histograma

# right = Controla como os intervalos são fechados se

# TRUE: Intervalos são fechados à direita (a, b]

# FALSE: Intervalos são fechados à esquerda [a, b)

# ylab = Rótulo do eixo Y (vertical)

# main = Título principal do gráfico

# xlab = Rótulo do eixo X (horizontal)

# col = Cor das barras do histograma

# ylim = Limites do eixo Y (de 0 a 12)

# axes = Suprime a criação automática dos eixos

# xlim = Limites do eixo X (de 0 a 30.000 km²)

# Salvar o histograma 1 como PNG

png(file.path(diretorio, "histograma1_frequencia_absoluta.png"), width = 800, height = 600)

d = hist(x,

breaks = aux,

right = T,

ylab = "FREQUÊNCIA ABSOLUTA",

main = "DESMATAMENTO EM KM2",

xlab = "KM2", col="#0E4C3E",

ylim = c(0,12),

axes = F,

xlim = c(0,30000))

axis(1, c(0,aux),round(c(0,aux),1))

axis(2)

text(d$mids, d$counts+0.5, paste(round(d$density*(max(x) - min(x))/6*100,2),"%", sep=""))

dev.off() # Fechar o dispositivo gráfico

cat("Histograma 1 salvo como: histograma1_frequencia_absoluta.png\n")

#========================================

# HISTOGRAMA 2 (Densidade de Frequência)

#========================================

# Salvar o histograma 2 como PNG

png(file.path(diretorio, "histograma2_densidade_frequencia.png"), width = 800, height = 600)

d = hist(x, breaks=aux, right=T, prob=T,

ylab="DENSIDADE DE FREQUÊNCIA",

main="DESMATAMENTO EM KM2",

xlab="KM2", col="#0E4C3E",

ylim=c(0,0.0002), axes=F, xlim=c(0,30000))

axis(1, c(0,aux), round(c(0,aux),1))

axis(2)

text(d$mids, d$density+0.5e-5, paste(round(d$density*(max(x) - min(x))/6*100,2),"%", sep=""))

dev.off() # Fechar o dispositivo gráfico

cat("Histograma 2 salvo como: histograma2_densidade_frequencia.png\n")

#========================================

# MOSTRAR HISTOGRAMAS NA TELA TAMBÉM

#========================================

# Mostrar o histograma 1 na tela

d = hist(x,

breaks = aux,

right = T,

ylab = "FREQUÊNCIA ABSOLUTA",

main = "DESMATAMENTO EM KM2",

xlab = "KM2", col="#0E4C3E",

ylim = c(0,12),

axes = F,

xlim = c(0,30000))

axis(1, c(0,aux),round(c(0,aux),1))

axis(2)

text(d$mids, d$counts+0.5, paste(round(d$density*(max(x) - min(x))/6*100,2),"%", sep=""))

# -----------------------

# RESULTADO

# -----------------------

# valor mínimo = 4571

# valor máximo = 27772

# amplitude do intervalo = ( 27772 - 4571 ) ÷ 6 = 3866.833 Km2

# histograma1_frequencia_absoluta.png

# histograma2_densidade_frequencia.png

# tabela_frequencia.png

Resultado

INFORMATIVO: Lembre-se no exemplo anterior a AMPLITUDES DOS INTERVALOS ERAM IGUAIS com tamanho 3866.833 km2.

ATENÇÃO: Caso o seu histograma tenha AMPLITUDES DIFERENTES a sua leitura poderá ser distorcida se forem utilizadas as frequências absolutas ou relativas.

Referências

Vídeo YouTube: Como fazer um Histograma – Noções de Estatística #4 – A Ciência da Estatística

Características Principais de um Histograma

Elementos de um Histograma

Eixo horizontal (x): Representa os intervalos de valores (classes)
Eixo vertical (y): Representa a frequência ou contagem de observações
Barras: Mostram a frequência em cada intervalo
Largura das barras: Representa a amplitude do intervalo
Altura das barras: Representa a frequência no intervalo

Diferenças para Gráfico de Barras

No histograma, as barras são adjacentes (não há espaço entre elas)
As categorias no eixo x são intervalos numéricos contínuos
Usado para dados quantitativos contínuos
Mostra a distribuição e forma dos dados

Criando Gráficos de Barras e Pizza no R

19/12/202530/08/2025 Por antonino

Desenho de gráfico de barras no quadro negro e um professor explicando o gráfico

Desmatamento na Amazônia Legal em 2019

Esta página apresenta uma análise completa dos dados de desmatamento na Amazônia Legal em 2019 utilizando a linguagem R, incluindo a geração e salvamento de gráficos de barras e pizza.

Dados de Desmatamento por Estado

Os dados representam a área desmatada em km² por estado da Amazônia Legal em 2019:

Estado	Sigla	Área Desmatada (km²)
Acre	AC	682
Amazonas	AM	1,434
Amapá	AP	32
Maranhão	MA	237
Mato Grosso	MT	1,702
Pará	PA	4,172
Rondônia	RO	1,257
Roraima	RR	590
Tocantins	TO	23

Total de desmatamento em 2019: 10,129 km²

Gráfico de Barras

Gráfico de Pizza

Análise Estatística e Visualização com R

O código abaixo realiza uma análise completa dos dados, gera e salva gráficos de barras e pizza em C:/Graficos_Desmatamento/ :

# ANÁLISE DE DESMATAMENTO NA AMAZÔNIA LEGAL - 2019
# Dados: Estados e área desmatada em km²

# Dados de desmatamento
estados <- c("AC", "AM", "AP", "MA", "MT", "PA", "RO", "RR", "TO")
nomes_completos <- c("Acre", "Amazonas", "Amapá", "Maranhão", "Mato Grosso", 
                    "Pará", "Rondônia", "Roraima", "Tocantins")
desmatamento <- c(682, 1434, 32, 237, 1702, 4172, 1257, 590, 23)

# Criar data frame
dados_desmatamento <- data.frame(
  Estado = estados,
  Estado_Completo = nomes_completos,
  Area_km2 = desmatamento
)

# Calcular percentuais
dados_desmatamento$Percentual <- round(dados_desmatamento$Area_km2 / sum(dados_desmatamento$Area_km2) * 100, 1)

# Ordenar por área desmatada (do maior para o menor)
dados_ordenados <- dados_desmatamento[order(dados_desmatamento$Area_km2, decreasing = TRUE), ]

# Definir diretório para salvar os gráficos (altere conforme necessário)
diretorio <- "C:/Graficos_Desmatamento/"
dir.create(diretorio, showWarnings = FALSE)

# 1. GRÁFICO DE BARRAS HORIZONTAL - SALVAR COMO PNG
cat("=== GERANDO E SALVANDO GRÁFICO DE BARRAS ===\n")

png(paste0(diretorio, "desmatamento_barras.png"), width = 1000, height = 700, res = 150)

# Configurar margens
par(mar = c(5, 10, 4, 4) + 0.1)

# Gráfico de barras horizontal
barras <- barplot(height = dados_ordenados$Area_km2,
        names.arg = paste0(dados_ordenados$Estado, " - ", dados_ordenados$Estado_Completo),
        horiz = TRUE,
        las = 1,
        col = terrain.colors(nrow(dados_ordenados), alpha = 0.7),
        border = "darkgray",
        main = "Desmatamento na Amazônia Legal por Estado (2019)",
        xlab = "Área Desmatada (km²)",
        cex.names = 0.8,
        xlim = c(0, max(dados_ordenados$Area_km2) * 1.15))

# Adicionar valores no final das barras
text(x = dados_ordenados$Area_km2, 
     y = barras,
     labels = paste0(dados_ordenados$Area_km2, " km² (", dados_ordenados$Percentual, "%)"),
     pos = 4,
     cex = 0.8,
     col = "darkblue")

# Adicionar linha de média
media <- mean(dados_ordenados$Area_km2)
abline(v = media, col = "red", lty = 2, lwd = 2)
text(x = media * 1.05, 
     y = max(barras) / 2,
     labels = paste0("Média: ", round(media, 1), " km²"),
     col = "red",
     cex = 0.9)

# Adicionar grid
grid(nx = NA, ny = NULL, col = "lightgray", lty = "dotted")

dev.off()
cat("Gráfico de barras salvo como 'desmatamento_barras.png'\n")

# 2. GRÁFICO DE PIZZA (SETORES) - SALVAR COMO PNG
cat("\n=== GERANDO E SALVANDO GRÁFICO DE PIZZA ===\n")

png(paste0(diretorio, "desmatamento_pizza.png"), width = 1000, height = 800, res = 150)

# Configurar layout para mostrar gráfico e legenda lado a lado
layout(matrix(c(1, 2), ncol = 2), widths = c(2, 1))

# Preparar dados para o gráfico de pizza
# Juntar estados com percentual muito baixo em "Outros"
limite_percentual <- 5  # Estados com menos de 5% serão agrupados
dados_agrupados <- dados_desmatamento
outros <- sum(dados_agrupados$Area_km2[dados_agrupados$Percentual < limite_percentual])
outros_percentual <- round(outros / sum(dados_agrupados$Area_km2) * 100, 1)

# Filtrar apenas estados com percentual significativo
dados_significativos <- dados_agrupados[dados_agrupados$Percentual >= limite_percentual, ]

# Adicionar categoria "Outros" se necessário
if (outros > 0) {
  outros_df <- data.frame(
    Estado = "OUT",
    Estado_Completo = "Outros",
    Area_km2 = outros,
    Percentual = outros_percentual
  )
  dados_significativos <- rbind(dados_significativos, outros_df)
}

# Ordenar por percentual para melhor visualização
dados_significativos <- dados_significativos[order(dados_significativos$Percentual, decreasing = TRUE), ]

# Criar rótulos para o gráfico de pizza
rotulos <- paste0(dados_significativos$Estado, " (", dados_significativos$Percentual, "%)")

# Gráfico de pizza
pie(dados_significativos$Area_km2,
    labels = rotulos,
    main = "Distribuição do Desmatamento na Amazônia Legal (2019)",
    col = rainbow(nrow(dados_significativos), alpha = 0.7),
    clockwise = TRUE,
    cex = 0.9,
    radius = 0.9)

# Legenda detalhada
par(mar = c(0, 0, 0, 0))
plot(1, type = "n", axes = FALSE, xlab = "", ylab = "")
legend("center", 
       legend = paste0(dados_significativos$Estado_Completo, ": ", 
                      dados_significativos$Area_km2, " km²"),
       cex = 0.8,
       fill = rainbow(nrow(dados_significativos), alpha = 0.7),
       title = "Legenda Detalhada",
       title.adj = 0)

dev.off()
cat("Gráfico de pizza salvo como 'desmatamento_pizza.png'\n")

# Restaurar configurações padrão de plotagem
par(mfrow = c(1, 1), mar = c(5, 4, 4, 2) + 0.1)

# 3. GRÁFICO COMBINADO - BARRAS VERTICAIS - SALVAR COMO PDF
cat("\n=== GERANDO E SALVANDO GRÁFICO COMBINADO (PDF) ===\n")

pdf(paste0(diretorio, "desmatamento_combinado.pdf"), width = 10, height = 8)

# Configurar layout para 2 gráficos
layout(matrix(c(1, 2), nrow = 2, byrow = TRUE), heights = c(2, 1.5))

# Gráfico de barras verticais
barplot(dados_ordenados$Area_km2,
        names.arg = dados_ordenados$Estado,
        col = heat.colors(nrow(dados_ordenados), alpha = 0.7),
        main = "Desmatamento por Estado - Amazônia Legal (2019)",
        ylab = "Área Desmatada (km²)",
        ylim = c(0, max(dados_ordenados$Area_km2) * 1.1))

# Adicionar valores no topo das barras
text(x = 1:nrow(dados_ordenados) - 0.4, 
     y = dados_ordenados$Area_km2,
     labels = dados_ordenados$Area_km2,
     pos = 3,
     cex = 0.8,
     col = "darkred")

# Adicionar linha de média
abline(h = media, col = "blue", lty = 2, lwd = 2)
text(x = nrow(dados_ordenados) / 2, 
     y = media * 1.05,
     labels = paste0("Média: ", round(media, 1), " km²"),
     col = "blue",
     cex = 0.9)

# Gráfico de pizza simplificado
pie(dados_significativos$Area_km2,
    labels = rotulos,
    main = "Distribuição Percentual do Desmatamento",
    col = rainbow(nrow(dados_significativos), alpha = 0.7),
    clockwise = TRUE,
    cex = 0.8,
    radius = 0.8)

dev.off()
cat("Gráfico combinado salvo como 'desmatamento_combinado.pdf'\n")

# ESTATÍSTICAS DESCRITIVAS
cat("\n=== ESTATÍSTICAS DESCRITIVAS ===\n")
cat("Total desmatado:", sum(desmatamento), "km²\n")
cat("Média:", round(mean(desmatamento), 1), "km²\n")
cat("Mediana:", median(desmatamento), "km²\n")
cat("Desvio padrão:", round(sd(desmatamento), 1), "km²\n")
cat("Amplitude:", range(desmatamento)[2] - range(desmatamento)[1], "km²\n")
cat("Coeficiente de variação:", round(sd(desmatamento)/mean(desmatamento)*100, 1), "%\n")

cat("\n=== DISTRIBUIÇÃO POR ESTADO ===\n")
for(i in 1:nrow(dados_ordenados)) {
  cat(dados_ordenados$Estado[i], "(", dados_ordenados$Estado_Completo[i], "):", 
      dados_ordenados$Area_km2[i], "km² (", dados_ordenados$Percentual[i], "%)\n")
}

# TESTE DE NORMALIDADE
cat("\n=== TESTE DE NORMALIDADE (SHAPIRO-WILK) ===\n")
shapiro_test <- shapiro.test(desmatamento)
cat("Valor-p:", format.pval(shapiro_test$p.value, digits = 3), "\n")
if(shapiro_test$p.value < 0.05) {
    cat("Os dados NÃO seguem uma distribuição normal (p < 0.05)\n") } else { cat("Os dados seguem uma distribuição normal (p >= 0.05)\n")
}

# ANÁLISE DE CONCENTRAÇÃO
cat("\n=== ANÁLISE DE CONCENTRAÇÃO ===\n")
# Calcular percentual acumulado
dados_ordenados$Percentual_Acumulado <- cumsum(dados_ordenados$Percentual)
cat("Os 3 estados com maior desmatamento representam", 
    round(sum(dados_ordenados$Percentual[1:3]), 1), "% do total\n")
cat("O estado com maior desmatamento (", dados_ordenados$Estado_Completo[1], 
    ") representa sozinho", dados_ordenados$Percentual[1], "% do total\n")

# Salvar dados em CSV
write.csv(dados_desmatamento, paste0(diretorio, "dados_desmatamento.csv"), row.names = FALSE)
cat("\nDados salvos em 'dados_desmatamento.csv'\n")

cat("\n=== ANÁLISE CONCLUSIVA ===\n")
cat("Os gráficos e arquivos de dados foram salvos no diretório:", diretorio, "\n")
cat("Foram gerados 3 arquivos:\n")
cat("1. desmatamento_barras.png - Gráfico de barras horizontal\n")
cat("2. desmatamento_pizza.png - Gráfico de pizza com legenda\n")
cat("3. desmatamento_combinado.pdf - Gráficos combinados em PDF\n")
cat("4. dados_desmatamento.csv - Dados completos em CSV\n")

cat("\nPara alterar o diretório de salvamento, modifique a variável 'diretorio' no código.\n")

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

208

209

210

211

212

213

214

215

216

217

218

219

# ANÁLISE DE DESMATAMENTO NA AMAZÔNIA LEGAL - 2019

# Dados: Estados e área desmatada em km²

# Dados de desmatamento

estados <- c("AC", "AM", "AP", "MA", "MT", "PA", "RO", "RR", "TO")

nomes_completos <- c("Acre", "Amazonas", "Amapá", "Maranhão", "Mato Grosso",

"Pará", "Rondônia", "Roraima", "Tocantins")

desmatamento <- c(682, 1434, 32, 237, 1702, 4172, 1257, 590, 23)

# Criar data frame

dados_desmatamento <- data.frame(

Estado = estados,

Estado_Completo = nomes_completos,

Area_km2 = desmatamento

)

# Calcular percentuais

dados_desmatamento$Percentual <- round(dados_desmatamento$Area_km2 / sum(dados_desmatamento$Area_km2) * 100, 1)

# Ordenar por área desmatada (do maior para o menor)

dados_ordenados <- dados_desmatamento[order(dados_desmatamento$Area_km2, decreasing = TRUE), ]

# Definir diretório para salvar os gráficos (altere conforme necessário)

diretorio <- "C:/Graficos_Desmatamento/"

dir.create(diretorio, showWarnings = FALSE)

# 1. GRÁFICO DE BARRAS HORIZONTAL - SALVAR COMO PNG

cat("=== GERANDO E SALVANDO GRÁFICO DE BARRAS ===\n")

png(paste0(diretorio, "desmatamento_barras.png"), width = 1000, height = 700, res = 150)

# Configurar margens

par(mar = c(5, 10, 4, 4) + 0.1)

# Gráfico de barras horizontal

barras <- barplot(height = dados_ordenados$Area_km2,

names.arg = paste0(dados_ordenados$Estado, " - ", dados_ordenados$Estado_Completo),

horiz = TRUE,

las = 1,

col = terrain.colors(nrow(dados_ordenados), alpha = 0.7),

border = "darkgray",

main = "Desmatamento na Amazônia Legal por Estado (2019)",

xlab = "Área Desmatada (km²)",

cex.names = 0.8,

xlim = c(0, max(dados_ordenados$Area_km2) * 1.15))

# Adicionar valores no final das barras

text(x = dados_ordenados$Area_km2,

y = barras,

labels = paste0(dados_ordenados$Area_km2, " km² (", dados_ordenados$Percentual, "%)"),

pos = 4,

cex = 0.8,

col = "darkblue")

# Adicionar linha de média

media <- mean(dados_ordenados$Area_km2)

abline(v = media, col = "red", lty = 2, lwd = 2)

text(x = media * 1.05,

y = max(barras) / 2,

labels = paste0("Média: ", round(media, 1), " km²"),

col = "red",

cex = 0.9)

# Adicionar grid

grid(nx = NA, ny = NULL, col = "lightgray", lty = "dotted")

dev.off()

cat("Gráfico de barras salvo como 'desmatamento_barras.png'\n")

# 2. GRÁFICO DE PIZZA (SETORES) - SALVAR COMO PNG

cat("\n=== GERANDO E SALVANDO GRÁFICO DE PIZZA ===\n")

png(paste0(diretorio, "desmatamento_pizza.png"), width = 1000, height = 800, res = 150)

# Configurar layout para mostrar gráfico e legenda lado a lado

layout(matrix(c(1, 2), ncol = 2), widths = c(2, 1))

# Preparar dados para o gráfico de pizza

# Juntar estados com percentual muito baixo em "Outros"

limite_percentual <- 5 # Estados com menos de 5% serão agrupados

dados_agrupados <- dados_desmatamento

outros <- sum(dados_agrupados$Area_km2[dados_agrupados$Percentual < limite_percentual])

outros_percentual <- round(outros / sum(dados_agrupados$Area_km2) * 100, 1)

# Filtrar apenas estados com percentual significativo

dados_significativos <- dados_agrupados[dados_agrupados$Percentual >= limite_percentual, ]

# Adicionar categoria "Outros" se necessário

if (outros > 0) {

outros_df <- data.frame(

Estado = "OUT",

Estado_Completo = "Outros",

Area_km2 = outros,

Percentual = outros_percentual

)

dados_significativos <- rbind(dados_significativos, outros_df)

}

# Ordenar por percentual para melhor visualização

dados_significativos <- dados_significativos[order(dados_significativos$Percentual, decreasing = TRUE), ]

# Criar rótulos para o gráfico de pizza

rotulos <- paste0(dados_significativos$Estado, " (", dados_significativos$Percentual, "%)")

# Gráfico de pizza

pie(dados_significativos$Area_km2,

labels = rotulos,

main = "Distribuição do Desmatamento na Amazônia Legal (2019)",

col = rainbow(nrow(dados_significativos), alpha = 0.7),

clockwise = TRUE,

cex = 0.9,

radius = 0.9)

# Legenda detalhada

par(mar = c(0, 0, 0, 0))

plot(1, type = "n", axes = FALSE, xlab = "", ylab = "")

legend("center",

legend = paste0(dados_significativos$Estado_Completo, ": ",

dados_significativos$Area_km2, " km²"),

cex = 0.8,

fill = rainbow(nrow(dados_significativos), alpha = 0.7),

title = "Legenda Detalhada",

title.adj = 0)

dev.off()

cat("Gráfico de pizza salvo como 'desmatamento_pizza.png'\n")

# Restaurar configurações padrão de plotagem

par(mfrow = c(1, 1), mar = c(5, 4, 4, 2) + 0.1)

# 3. GRÁFICO COMBINADO - BARRAS VERTICAIS - SALVAR COMO PDF

cat("\n=== GERANDO E SALVANDO GRÁFICO COMBINADO (PDF) ===\n")

pdf(paste0(diretorio, "desmatamento_combinado.pdf"), width = 10, height = 8)

# Configurar layout para 2 gráficos

layout(matrix(c(1, 2), nrow = 2, byrow = TRUE), heights = c(2, 1.5))

# Gráfico de barras verticais

barplot(dados_ordenados$Area_km2,

names.arg = dados_ordenados$Estado,

col = heat.colors(nrow(dados_ordenados), alpha = 0.7),

main = "Desmatamento por Estado - Amazônia Legal (2019)",

ylab = "Área Desmatada (km²)",

ylim = c(0, max(dados_ordenados$Area_km2) * 1.1))

# Adicionar valores no topo das barras

text(x = 1:nrow(dados_ordenados) - 0.4,

y = dados_ordenados$Area_km2,

labels = dados_ordenados$Area_km2,

pos = 3,

cex = 0.8,

col = "darkred")

# Adicionar linha de média

abline(h = media, col = "blue", lty = 2, lwd = 2)

text(x = nrow(dados_ordenados) / 2,

y = media * 1.05,

labels = paste0("Média: ", round(media, 1), " km²"),

col = "blue",

cex = 0.9)

# Gráfico de pizza simplificado

pie(dados_significativos$Area_km2,

labels = rotulos,

main = "Distribuição Percentual do Desmatamento",

col = rainbow(nrow(dados_significativos), alpha = 0.7),

clockwise = TRUE,

cex = 0.8,

radius = 0.8)

dev.off()

cat("Gráfico combinado salvo como 'desmatamento_combinado.pdf'\n")

# ESTATÍSTICAS DESCRITIVAS

cat("\n=== ESTATÍSTICAS DESCRITIVAS ===\n")

cat("Total desmatado:", sum(desmatamento), "km²\n")

cat("Média:", round(mean(desmatamento), 1), "km²\n")

cat("Mediana:", median(desmatamento), "km²\n")

cat("Desvio padrão:", round(sd(desmatamento), 1), "km²\n")

cat("Amplitude:", range(desmatamento)[2] - range(desmatamento)[1], "km²\n")

cat("Coeficiente de variação:", round(sd(desmatamento)/mean(desmatamento)*100, 1), "%\n")

cat("\n=== DISTRIBUIÇÃO POR ESTADO ===\n")

for(i in 1:nrow(dados_ordenados)) {

cat(dados_ordenados$Estado[i], "(", dados_ordenados$Estado_Completo[i], "):",

dados_ordenados$Area_km2[i], "km² (", dados_ordenados$Percentual[i], "%)\n")

}

# TESTE DE NORMALIDADE

cat("\n=== TESTE DE NORMALIDADE (SHAPIRO-WILK) ===\n")

shapiro_test <- shapiro.test(desmatamento)

cat("Valor-p:", format.pval(shapiro_test$p.value, digits = 3), "\n")

if(shapiro_test$p.value < 0.05) {

cat("Os dados NÃO seguem uma distribuição normal (p < 0.05)\n") } else { cat("Os dados seguem uma distribuição normal (p >= 0.05)\n")

}

# ANÁLISE DE CONCENTRAÇÃO

cat("\n=== ANÁLISE DE CONCENTRAÇÃO ===\n")

# Calcular percentual acumulado

dados_ordenados$Percentual_Acumulado <- cumsum(dados_ordenados$Percentual)

cat("Os 3 estados com maior desmatamento representam",

round(sum(dados_ordenados$Percentual[1:3]), 1), "% do total\n")

cat("O estado com maior desmatamento (", dados_ordenados$Estado_Completo[1],

") representa sozinho", dados_ordenados$Percentual[1], "% do total\n")

# Salvar dados em CSV

write.csv(dados_desmatamento, paste0(diretorio, "dados_desmatamento.csv"), row.names = FALSE)

cat("\nDados salvos em 'dados_desmatamento.csv'\n")

cat("\n=== ANÁLISE CONCLUSIVA ===\n")

cat("Os gráficos e arquivos de dados foram salvos no diretório:", diretorio, "\n")

cat("Foram gerados 3 arquivos:\n")

cat("1. desmatamento_barras.png - Gráfico de barras horizontal\n")

cat("2. desmatamento_pizza.png - Gráfico de pizza com legenda\n")

cat("3. desmatamento_combinado.pdf - Gráficos combinados em PDF\n")

cat("4. dados_desmatamento.csv - Dados completos em CSV\n")

cat("\nPara alterar o diretório de salvamento, modifique a variável 'diretorio' no código.\n")

Instruções de Execução

Como executar este código R:

Copie todo o código R para um script no RStudio
Altere o diretório de salvamento na variável diretorio conforme necessário
Execute o código completo
Os gráficos serão salvos como arquivos PNG e PDF no diretório especificado
Os dados também serão salvos em um arquivo CSV para análise adicional

Observação: Certifique-se de que o diretório especificado existe e que você tem permissão de escrita.

Resultados Esperados

Arquivos Gerados

desmatamento_barras.png: Gráfico de barras horizontal com valores e percentuais
desmatamento_pizza.png: Gráfico de pizza com legenda detalhada
desmatamento_combinado.pdf: Gráficos combinados em formato vetorial
dados_desmatamento.csv: Dados completos para análise adicional

Análises Realizadas

Estatísticas descritivas completas
Teste de normalidade de Shapiro-Wilk
Análise de concentração do desmatamento
Cálculo de percentuais e rankings
Identificação de estados críticos

Conclusão

Este código R fornece uma análise completa do desmatamento na Amazônia Legal em 2019, com foco na geração e salvamento de visualizações profissionais.

Os gráficos gerados permitem identificar claramente a concentração do desmatamento em poucos estados, com o Pará respondendo por mais de 40% do total.

Os arquivos salvos podem ser utilizados em relatórios, apresentações e divulgações, contribuindo para a conscientização sobre o problema do desmatamento na região.