A Analise Exploratória de Dados Geográfica

Estimação espacial da migração de consumidores residenciais para a tarifa branca em sistemas de distribuição de energia elétrica.

Igor Soares da Silva; Lucas Teles Faria, UNESP, Rosana, Engenharia de Energia,[e-mail].

Palavras Chave: Tarifa branca, Analise Exploratória de dados geográfica, Matriz de correlação .

Introdução

Desde 2018, para os consumidores de baixa tensão, entrou em vigor a tarifa branca que é uma nova modalidade tarifaria disponível para os brasileiros. A principal motivação da tarifa branca é incentivar o uso mais eficiente da rede nos instantes de ponta (maior consumo).

Neste trabalho os consumidores com potencial de migração para tarifa branca são determinados a partir de análise espacial com taxas agregadas por áreas. O Instituto Brasileiro de Geografia e Estatística (IBGE) fornece informações socioeconômicas associadas a cada um desses polígonos denominados setores censitários.

Através da Analise Exploratória de dados geográficos empregam-se métodos para um estudo detalhado dos dados.

Objetivo

Através da utilização de mapas temáticos o objetivo deste trabalho é mostrar quais são as áreas de um município de Mato Grosso do Sul onde é mais provável que os consumidores residenciais migrem da tarifa convencional para a tarifa branca.

Material e Métodos

Foi utilizada como variável dependente a taxa de migração para tarifa branca (TMTB). Além disso como variáveis dependentes utilizou-se de dados do IBGE; Renda média (RM), Chefes de família alfabetizados (CFA), População residente em domicílios particulares (PRDP) e Domicílios particulares com 3 banheiros (DP3B), para cada um dos 685 setores censitários.

A fim de se encontrar o melhor método para a análise dos dados foi necessário que se realizasse a Analise Exploratória dos Dados. Para tanto foram encontradas diversas medidas estatísticas, tais como, Media, Mediana, Moda, Amplitude, Desvio Médio, Variância, Desvio Padrão e Coeficientes de Variação.

Através do software e estatística R foi possível montar mapas que facilitaram visualização dos dados e por fim foi montada a matriz de correlação entre as variáveis.

Resultados e Discussão

Figura 1. Renda media de Campo Grande.

[pic 4]

 Tabela 3. Matriz de correlação de Pearson .

	RM	CFA	PRDP	DP3B	TMTB 18	TMTB19
RM	1	0,026	0,146	0,682	0,471	0,475
CFA	0,026	1	0,917	0,228	-0,16	-0,012
PRDP	0,146	0,9167	1	0,05	-0,13	-0,14
DP3B	0,682	0,218	0,05	1	0,415	0,447
TMTB18	0,471	-0,016	-0,13	0,415	1	0,94
TMTB19	0,475	-0,012	-0,14	0,447	0,94	1

Conclusões

A partir dos resultados obtidos é possivel concluir que a variável dependente (TMTB) correlaciona-se melhor com as variáveis RM e DP3B, correlação essa que será explorada na próxima fase desse trabalho.  

...