![](C:/Users/User/OneDrive - CGU/corona/HTML/cabecalho.jpg)
![](C:/Users/User/OneDrive - CGU/corona/HTML/cabecalho2.jpg)

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```




```{r,include=FALSE}
## Scripts de importação dos dados
setwd("C:/Users/User/OneDrive - CGU/corona")
library(tidyverse)
library(plotly)
library(viridis)
library(hrbrthemes)
library(brazilmaps)
library(htmlwidgets)
library(readxl)
library(kableExtra)
library(lubridate)
library(xtable)

aquisicoes_completo <- read_excel("ajustados_2_linha/piloto0607.xlsx", col_types = c("text", "text", "text", 
                                                                                    "text", "text", "text",
                                                                                    "text", "text", "text", 
                                                                                    "text", "text", "text", 
                                                                                    "text","text","numeric", 
                                                                                    "text", "text", "text", 
                                                                                    "text", "text", "text", 
                                                                                    "text", "text","numeric", 
                                                                                    "numeric","text","text",
                                                                                    "numeric","text","numeric","text"))

aquisicoes_compa <- aquisicoes_completo %>% filter(verificacao == "OK")
aquisicoes_compa <- aquisicoes_compa %>% filter(ITEM_PADRONIZADO != "diversos")
municipios <- read_csv2("C:/Users/User/OneDrive - CGU/corona/municipios.csv")
estados <- read_csv2("C:/Users/User/OneDrive - CGU/corona/estados.csv")
populacao <- read_csv2("C:/Users/User/OneDrive - CGU/corona/populacao.csv")
casos <- read_csv2("C:/Users/User/OneDrive - CGU/corona/casos_55.csv")
federais <- read_csv2("C:/Users/User/OneDrive - CGU/corona/federais.csv")
cod_uf <- read_csv2("C:/Users/User/OneDrive - CGU/corona/cod_uf.csv")


```

```{r, echo=FALSE,include=FALSE}
## Scripts para tratamento dos dados
aquisicoes_completo <- replace(aquisicoes_completo, is.na(aquisicoes_completo), 0)
aquisicoes_completo$date <- ymd(aquisicoes_completo$data_inicio_ativ)
aquisicoes_completo$intervalo <- aquisicoes_completo$date %--% dmy("06-07-2020") 
aquisicoes_completo$intervalo <- aquisicoes_completo$intervalo / ddays(1)
teste_data <- aquisicoes_completo %>% filter(intervalo<187)

# DF geral (itens comparáveis)
aquisicoes_compa <- aquisicoes_compa %>% group_by(ITEM_PADRONIZADO) %>% mutate(
  z_valor = scale(as.numeric(PRECO_UNITARIO_PADRONIZADO)),
  z_qtde = scale(as.numeric(QUANTIDADE_PADRONIZADA)))
aquisicoes_compa <- replace(aquisicoes_compa, is.na(aquisicoes_compa), 0)
aquisicoes_compa <- left_join(aquisicoes_compa,estados, by = c("UF" = "UF"))
aquisicoes_compa <- aquisicoes_compa %>% select (-ibge7, -Nome_Municipio)
aquisicoes_compa <- aquisicoes_compa %>% mutate(valor_total_padronizado = as.numeric(PRECO_UNITARIO_PADRONIZADO) * as.numeric(QUANTIDADE_PADRONIZADA))
aquisicoes_compa <- aquisicoes_compa %>% mutate(contratante = paste(contratante, Municipio, sep=" - "))

# DF geral (todos os itens)
aquisicoes_completo <- left_join(aquisicoes_completo,estados, by = c("UF" = "UF"))
aquisicoes_completo <- aquisicoes_completo %>% select (-ibge7, -Nome_Municipio)
aquisicoes_completo <- aquisicoes_completo %>% mutate(valor_total_padronizado = as.numeric(PRECO_UNITARIO_PADRONIZADO) * as.numeric(QUANTIDADE_PADRONIZADA))

# DF de aquisicoes por UF (para calcular os gastos per capita)
aquisicoes_uf <- aquisicoes_completo %>% group_by(UF) %>% summarise (gastos_totais = sum(Valor_Total), cod_uf = mean(cod_uf))
populacao_uf <- populacao %>% group_by(UF) %>% summarise (pop = sum(pop))
populacao_uf$cod_uf <- populacao_uf$UF
aquisicoes_uf <- left_join(aquisicoes_uf,populacao_uf, by = c("cod_uf" = "cod_uf"))
aquisicoes_uf <- aquisicoes_uf %>% mutate(gastos_percapita = gastos_totais/pop)
aquisicoes_uf <- left_join(aquisicoes_uf,casos, by = c("UF.x" = "estado"))
aquisicoes_uf <- aquisicoes_uf %>% mutate(gastos_por_casos = gastos_totais/casosAcumulados)

# DF de aquisicoes por UF apenas de itens comparáveis
aquisicoes_uf1 <- aquisicoes_compa %>% group_by(UF) %>% summarise (gastos_totais = sum(Valor_Total), cod_uf = mean(cod_uf), z_medio = mean(z_qtde))
aquisicoes_uf1 <- left_join(aquisicoes_uf1,populacao_uf, by = c("cod_uf" = "cod_uf"))



```

```{r, echo=FALSE,include=FALSE}
# Scripts dos gráficos
# Graficos de quantidades per capita
alcool <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "alcool") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
alcool <- alcool %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
alcool <- left_join(alcool,populacao_uf,by = c("cod_uf" = "cod_uf"))
alcool <- alcool %>% mutate (qtde_percapita = quantidade/pop)
barras_item1 <- alcool %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (álcool)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Litros de Alcool adquiridos para cada habitante")

luvas <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "luva") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
luvas <- luvas %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
luvas <- left_join(luvas,populacao_uf,by = c("cod_uf" = "cod_uf"))
luvas <- luvas %>% mutate (qtde_percapita = quantidade/pop)
barras_item2 <- luvas %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (luvas)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Pares de luvas adquiridos para cada habitante")
avental <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "avental") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
avental <- avental %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
avental <- left_join(avental,populacao_uf,by = c("cod_uf" = "cod_uf"))
avental <- avental %>% mutate (qtde_percapita = quantidade/pop)
barras_item3 <- avental %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (avental)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Aventais adquiridos para cada habitante")
macacao <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "macacao") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
macacao <- macacao %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
macacao <- left_join(macacao,populacao_uf,by = c("cod_uf" = "cod_uf"))
macacao <- macacao %>% mutate (qtde_percapita = quantidade/pop)
barras_item4 <- macacao %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (macacao)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Macacões adquiridos para cada habitante")
mascaran95 <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "mascara n95") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
mascaran95 <- mascaran95 %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
mascaran95 <- left_join(mascaran95,populacao_uf,by = c("cod_uf" = "cod_uf"))
mascaran95 <- mascaran95 %>% mutate (qtde_percapita = quantidade/pop)
barras_item5 <- mascaran95 %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (mascara n95)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Máscaras N-95 adquiridos para cada habitante")
mascara <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "mascara") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
mascara <- mascara %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
mascara <- left_join(mascara,populacao_uf,by = c("cod_uf" = "cod_uf"))
mascara <- mascara %>% mutate (qtde_percapita = quantidade/pop)
barras_item6 <- mascara %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (mascara)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Máscaras adquiridos para cada habitante")
oculos <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "oculos") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
oculos <- oculos %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
oculos <- left_join(oculos,populacao_uf,by = c("cod_uf" = "cod_uf"))
oculos <- oculos %>% mutate (qtde_percapita = quantidade/pop)
barras_item7 <- oculos %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (oculos)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Óculos adquiridos para cada habitante")
touca <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "touca") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
touca <- touca %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
touca <- left_join(touca,populacao_uf,by = c("cod_uf" = "cod_uf"))
touca <- touca %>% mutate (qtde_percapita = quantidade/pop)
barras_item8 <- touca %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (touca)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Toucas adquiridos para cada habitante")

#Gráficos de boxplot dos preços unitários (agrupados)
boxplot_epi<- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO %in% c("alcool","mascara", "mascara n95", "oculos","touca", "avental","macacao","luva")) %>% 
  filter (z_valor < 50) %>% 
  filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot( aes(x=ITEM_PADRONIZADO, y=z_valor, fill="steelblue3", popup=PRECO_UNITARIO_PADRONIZADO)) +
  xlab("") +
  geom_boxplot(fill="steelblue4") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_epi1 <- ggplotly(boxplot_epi)
boxplot_testes<- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO %in% c("teste", "teste PCR")) %>% 
  filter (z_valor < 5) %>% 
  filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot( aes(x=ITEM_PADRONIZADO, y=z_valor, fill="steelblue3", popup=PRECO_UNITARIO_PADRONIZADO)) +
  xlab("") +
  geom_boxplot(fill="steelblue4") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_testes1 <- ggplotly(boxplot_testes)
boxplot_equip<- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO %in% c("respirador", "respirador transporte", "monitor", "desfibrilador", "cama")) %>% 
  filter (z_valor < 50) %>% 
  filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot( aes(x=ITEM_PADRONIZADO, y=z_valor, fill="steelblue3", popup=PRECO_UNITARIO_PADRONIZADO)) +
  xlab("") +
  geom_boxplot(fill="steelblue4") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_equip1 <- ggplotly(boxplot_equip)
boxplot_equip2<- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO %in% c("eletrocardiografo", "ultrassom", "oximetro", "termometro", "oximetro (portatil)")) %>% 
  filter (z_valor < 50) %>% 
  filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot( aes(x=ITEM_PADRONIZADO, y=z_valor, fill="steelblue3", popup=PRECO_UNITARIO_PADRONIZADO)) +
  xlab("") +
  geom_boxplot(fill="steelblue4") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_equip3 <- ggplotly(boxplot_equip2)

boxplot_leitos<- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO %in% c("leitos")) %>% 
  filter (z_valor < 50) %>% 
  filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot( aes(x=ITEM_PADRONIZADO, y=z_valor, fill="steelblue3", popup=PRECO_UNITARIO_PADRONIZADO)) +
  xlab("") +
  geom_boxplot(fill="steelblue4") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_leitos1 <- ggplotly(boxplot_leitos)

#Graficos de boxplot dos preços unitários (por item) 
boxplot_alcool <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "alcool") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
    filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_alcool1 <- ggplotly(boxplot_alcool)

boxplot_avental <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "avental") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_avental1 <- ggplotly(boxplot_avental)

boxplot_luva <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "luva") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_luva1 <- ggplotly(boxplot_luva)

boxplot_macacao <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "macacao") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_macacao1 <- ggplotly(boxplot_macacao)

boxplot_mascara <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "mascara") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>%
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_mascara1 <- ggplotly(boxplot_mascara)

boxplot_mascaran95 <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "mascara n95") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_mascaran951 <- ggplotly(boxplot_mascaran95)

boxplot_oculos <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "oculos") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_oculos1 <- ggplotly(boxplot_oculos)

boxplot_touca <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "touca") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_touca1 <- ggplotly(boxplot_touca)

boxplot_teste <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "teste") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_teste1 <- ggplotly(boxplot_teste)

boxplot_testepcr <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "teste PCR") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_testepcr1 <- ggplotly(boxplot_testepcr)

boxplot_cama <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "cama") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_cama1 <- ggplotly(boxplot_cama)

boxplot_desfibrilador <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "desfibrilador") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_desfibrilador1 <- ggplotly(boxplot_desfibrilador)

boxplot_monitor <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "monitor") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_monitor1 <- ggplotly(boxplot_monitor)

boxplot_respirador <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "respirador") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 20000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_respirador1 <- ggplotly(boxplot_respirador)

boxplot_respiradortransporte <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "respirador transporte") %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 20000000) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_respiradortransporte1 <- ggplotly(boxplot_respiradortransporte)

boxplot_leitos3 <- aquisicoes_compa %>%
  filter (ITEM_PADRONIZADO == "leitos") %>% 
  filter (PRECO_UNITARIO_PADRONIZADO < 2000000) %>% 
      filter (PRECO_UNITARIO_PADRONIZADO > 0) %>% 
  ggplot(aes(x=UF, y=PRECO_UNITARIO_PADRONIZADO, fill=ITEM_PADRONIZADO, popup = contratante)) +
  geom_boxplot(fill="steelblue4") +
  xlab("") +
  ylab("")+
  theme(legend.position="none")+
  geom_jitter(color="black", size=0.4, alpha=0.9)
boxplot_leitos4 <- ggplotly(boxplot_leitos3)

## Gráficos de barras: Preços Unitários por item
## alcool
barras_medio1 <- alcool %>%
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (álcool)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preço médio do litro de alcool")
## luvas
barras_medio2 <- luvas %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (luvas)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio do par de luvas")
barras_medio3 <- avental %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (avental)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio do avental")

barras_medio4 <- macacao %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (macacão)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio do macacão")

barras_medio5 <- mascaran95 %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (máscara n-95)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio da máscara n-95")

barras_medio6 <- mascara %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (máscara)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio da mascara")

barras_medio7 <- oculos %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (óculos)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio do óculos")

barras_medio8 <- touca %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (touca)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio da touca")

barras_medio1a <- ggplotly(barras_medio1)
barras_medio2a <- ggplotly(barras_medio2)
barras_medio3a <- ggplotly(barras_medio3)
barras_medio4a <- ggplotly(barras_medio4)
barras_medio5a <- ggplotly(barras_medio5)
barras_medio6a <- ggplotly(barras_medio6)
barras_medio7a <- ggplotly(barras_medio7)
barras_medio8a <- ggplotly(barras_medio8)


# Graficos de quantidades per capita
alcool <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "alcool") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
alcool <- alcool %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
alcool <- left_join(alcool,populacao_uf,by = c("cod_uf" = "cod_uf"))
alcool <- alcool %>% mutate (qtde_percapita = quantidade/pop)
barras_item1 <- alcool %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (álcool)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Litros de Alcool adquiridos para cada habitante")

barras_item1 <- alcool %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (álcool)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Litros de Alcool adquiridos para cada habitante")

luvas <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "luva") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
luvas <- luvas %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
luvas <- left_join(luvas,populacao_uf,by = c("cod_uf" = "cod_uf"))
luvas <- luvas %>% mutate (qtde_percapita = quantidade/pop)
barras_item2 <- luvas %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (luvas)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Pares de luvas adquiridos para cada habitante")

avental <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "avental") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
avental <- avental %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
avental <- left_join(avental,populacao_uf,by = c("cod_uf" = "cod_uf"))
avental <- avental %>% mutate (qtde_percapita = quantidade/pop)
barras_item3 <- avental %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (avental)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Aventais adquiridos para cada habitante")

macacao <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "macacao") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
macacao <- macacao %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
macacao <- left_join(macacao,populacao_uf,by = c("cod_uf" = "cod_uf"))
macacao <- macacao %>% mutate (qtde_percapita = quantidade/pop)
barras_item4 <- macacao %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (macacao)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Macacões adquiridos para cada habitante")

mascaran95 <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "mascara n95") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
mascaran95 <- mascaran95 %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
mascaran95 <- left_join(mascaran95,populacao_uf,by = c("cod_uf" = "cod_uf"))
mascaran95 <- mascaran95 %>% mutate (qtde_percapita = quantidade/pop)
barras_item5 <- mascaran95 %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (mascara n95)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Máscaras N-95 adquiridos para cada habitante")

mascara <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "mascara") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
mascara <- mascara %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
mascara <- left_join(mascara,populacao_uf,by = c("cod_uf" = "cod_uf"))
mascara <- mascara %>% mutate (qtde_percapita = quantidade/pop)
barras_item6 <- mascara %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (mascara)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Máscaras adquiridos para cada habitante")

oculos <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "oculos") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
oculos <- oculos %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
oculos <- left_join(oculos,populacao_uf,by = c("cod_uf" = "cod_uf"))
oculos <- oculos %>% mutate (qtde_percapita = quantidade/pop)
barras_item7 <- oculos %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (oculos)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Óculos adquiridos para cada habitante")

touca <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "touca") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
touca <- touca %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
touca <- left_join(touca,populacao_uf,by = c("cod_uf" = "cod_uf"))
touca <- touca %>% mutate (qtde_percapita = quantidade/pop)
barras_item8 <- touca %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (touca)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Toucas adquiridos para cada habitante")


# Comparação Aquisições Locais x Aquisições Federais
alcool2 <- alcool %>% select(UF.x, quantidade)
alcool2$tipo_aquisicao <- "Aquisição Local"
alcool3 <- federais %>% filter(item == "alcool") %>% select(-item)
alcool3$tipo_aquisicao <- "Aquisição Ministério da Saúde"
alcool4 <- bind_rows(alcool2,alcool3)
alcool5 <- left_join(alcool4,cod_uf,by = c("UF.x" = "UF"))
alcool5 <- left_join(alcool5,populacao_uf,by = c("cod_uf" = "cod_uf"))
alcool5 <- alcool5 %>% mutate (qtde_percapita = quantidade/pop)
rm(alcool2,alcool3,alcool4)
barras_comp1 <- alcool5 %>%
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita, fill=tipo_aquisicao, popup = quantidade)) +
  geom_bar(stat="identity") +
  coord_flip() +
  theme_ipsum() +
  scale_fill_viridis(discrete=TRUE, name="") +
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="rigth") +
  xlab("") +
  ylab("Litros de Alcool por habitante")

luvas2 <- luvas %>% select(UF.x, quantidade)
luvas2$tipo_aquisicao <- "Aquisição Local"
luvas3 <- federais %>% filter(item == "luva") %>% select(-item)
luvas3$tipo_aquisicao <- "Aquisição Ministério da Saúde"
luvas4 <- bind_rows(luvas2,luvas3)
luvas5 <- left_join(luvas4,cod_uf,by = c("UF.x" = "UF"))
luvas5 <- left_join(luvas5,populacao_uf,by = c("cod_uf" = "cod_uf"))
luvas5 <- luvas5 %>% mutate (qtde_percapita = quantidade/pop)
rm(luvas2,luvas3,luvas4)
barras_comp2 <- luvas5 %>%
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita, fill=tipo_aquisicao, popup = quantidade)) +
  geom_bar(stat="identity") +
  coord_flip() +
  theme_ipsum() +
  scale_fill_viridis(discrete=TRUE, name="") +
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="rigth") +
  xlab("") +
  ylab("Pares de luvas por habitante")

avental2 <- avental %>% select(UF.x, quantidade)
avental2$tipo_aquisicao <- "Aquisição Local"
avental3 <- federais %>% filter(item == "avental") %>% select(-item)
avental3$tipo_aquisicao <- "Aquisição Ministério da Saúde"
avental4 <- bind_rows(avental2,avental3)
avental5 <- left_join(avental4,cod_uf,by = c("UF.x" = "UF"))
avental5 <- left_join(avental5,populacao_uf,by = c("cod_uf" = "cod_uf"))
avental5 <- avental5 %>% mutate (qtde_percapita = quantidade/pop)
rm(avental2,avental3,avental4)
barras_comp3 <- avental5 %>%
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita, fill=tipo_aquisicao, popup = quantidade)) +
  geom_bar(stat="identity") +
  coord_flip() +
  theme_ipsum() +
  scale_fill_viridis(discrete=TRUE, name="") +
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="rigth") +
  xlab("") +
  ylab("Aventais por habitante")


respiradores <- aquisicoes_compa %>% filter (ITEM_PADRONIZADO == "respirador") %>% filter(PRECO_UNITARIO_PADRONIZADO > 0)
respiradores <- respiradores %>% group_by(UF) %>% summarise (preco_medio= mean(PRECO_UNITARIO_PADRONIZADO), quantidade = sum(QUANTIDADE_PADRONIZADA), cod_uf= mean(cod_uf))
respiradores <- left_join(respiradores,populacao_uf,by = c("cod_uf" = "cod_uf"))
respiradores <- respiradores %>% mutate (qtde_percapita = (quantidade/pop)*100000)
barras_respiradores <- respiradores %>% 
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Per Capita (respiradores)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Respiradores adquiridos para cada 1 milhão de habitantes")

respiradores2 <- respiradores %>% select(UF.x, quantidade)
respiradores2$tipo_aquisicao <- "Aquisição Local"
respiradores3 <- federais %>% filter(item == "respirador") %>% select(-item)
respiradores3$tipo_aquisicao <- "Aquisição Ministério da Saúde"
respiradores4 <- bind_rows(respiradores2,respiradores3)
respiradores5 <- left_join(respiradores4,cod_uf,by = c("UF.x" = "UF"))
respiradores5 <- left_join(respiradores5,populacao_uf,by = c("cod_uf" = "cod_uf"))
respiradores5 <- respiradores5 %>% mutate (qtde_percapita = quantidade/pop)
rm(respiradores2,respiradores3,respiradores4)
barras_comp4 <- respiradores5 %>%
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita, fill=tipo_aquisicao, popup = quantidade)) +
  geom_bar(stat="identity") +
  coord_flip() +
  theme_ipsum() +
  scale_fill_viridis(discrete=TRUE, name="") +
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="rigth") +
  xlab("") +
  ylab("Respiradores por habitante")

mascaran952 <- mascaran95 %>% select(UF.x, quantidade)
mascaran952$tipo_aquisicao <- "Aquisição Local"
mascaran953 <- federais %>% filter(item == "mascara n95") %>% select(-item)
mascaran953$tipo_aquisicao <- "Aquisição Ministério da Saúde"
mascaran954 <- bind_rows(mascaran952,mascaran953)
mascaran955 <- left_join(mascaran954,cod_uf,by = c("UF.x" = "UF"))
mascaran955 <- left_join(mascaran955,populacao_uf,by = c("cod_uf" = "cod_uf"))
mascaran955 <- mascaran955 %>% mutate (qtde_percapita = quantidade/pop)
rm(mascaran952,mascaran953,mascaran954)
barras_comp5 <- mascaran955 %>%
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita, fill=tipo_aquisicao, popup = quantidade)) +
  geom_bar(stat="identity") +
  coord_flip() +
  theme_ipsum() +
  scale_fill_viridis(discrete=TRUE, name="") +
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="rigth") +
  xlab("") +
  ylab("Máscaras n-95 por habitante")

mascara2 <- mascara %>% select(UF.x, quantidade)
mascara2$tipo_aquisicao <- "Aquisição Local"
mascara3 <- federais %>% filter(item == "mascara") %>% select(-item)
mascara3$tipo_aquisicao <- "Aquisição Ministério da Saúde"
mascara4 <- bind_rows(mascara2,mascara3)
mascara5 <- left_join(mascara4,cod_uf,by = c("UF.x" = "UF"))
mascara5 <- left_join(mascara5,populacao_uf,by = c("cod_uf" = "cod_uf"))
mascara5 <- mascara5 %>% mutate (qtde_percapita = quantidade/pop)
rm(mascara2,mascara3,mascara4)
barras_comp6 <- mascara5 %>%
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita, fill=tipo_aquisicao, popup = quantidade)) +
  geom_bar(stat="identity") +
  coord_flip() +
  theme_ipsum() +
  scale_fill_viridis(discrete=TRUE, name="") +
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="rigth") +
  xlab("") +
  ylab("Máscaras por habitante")

oculos2 <- oculos %>% select(UF.x, quantidade)
oculos2$tipo_aquisicao <- "Aquisição Local"
oculos3 <- federais %>% filter(item == "oculos") %>% select(-item)
oculos3$tipo_aquisicao <- "Aquisição Ministério da Saúde"
oculos4 <- bind_rows(oculos2,oculos3)
oculos5 <- left_join(oculos4,cod_uf,by = c("UF.x" = "UF"))
oculos5 <- left_join(oculos5,populacao_uf,by = c("cod_uf" = "cod_uf"))
oculos5 <- oculos5 %>% mutate (qtde_percapita = quantidade/pop)
rm(oculos2,oculos3,oculos4)
barras_comp7 <- oculos5 %>%
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita, fill=tipo_aquisicao, popup = quantidade)) +
  geom_bar(stat="identity") +
  coord_flip() +
  theme_ipsum() +
  scale_fill_viridis(discrete=TRUE, name="") +
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="rigth") +
  xlab("") +
  ylab("Óculos por habitante")

touca2 <- touca %>% select(UF.x, quantidade)
touca2$tipo_aquisicao <- "Aquisição Local"
touca3 <- federais %>% filter(item == "touca") %>% select(-item)
touca3$tipo_aquisicao <- "Aquisição Ministério da Saúde"
touca4 <- bind_rows(touca2,touca3)
touca5 <- left_join(touca4,cod_uf,by = c("UF.x" = "UF"))
touca5 <- left_join(touca5,populacao_uf,by = c("cod_uf" = "cod_uf"))
touca5 <- touca5 %>% mutate (qtde_percapita = quantidade/pop)
rm(touca2,touca3,touca4)
barras_comp8 <- touca5 %>%
  filter(!is.na(qtde_percapita)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_percapita), y=qtde_percapita, fill=tipo_aquisicao, popup = quantidade)) +
  geom_bar(stat="identity") +
  coord_flip() +
  theme_ipsum() +
  scale_fill_viridis(discrete=TRUE, name="") +
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="rigth") +
  xlab("") +
  ylab("Toucas por habitante")


# Graficos de preços médios
## alcool
barras_medio1 <- alcool %>%
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (álcool)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preço médio do litro de alcool")
## luvas
barras_medio2 <- luvas %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (luvas)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio do par de luvas")
barras_medio3 <- avental %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (avental)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio do avental")

barras_medio4 <- macacao %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (macacão)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio do macacão")

barras_medio5 <- mascaran95 %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (máscara n-95)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio da máscara n-95")

barras_medio6 <- mascara %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (máscara)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio da mascara")

barras_medio7 <- oculos %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (óculos)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio do óculos")

barras_medio8 <- touca %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),preco_medio), y=preco_medio)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Preços Médios (touca)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Preco médio da touca")

barras_item1a <- ggplotly(barras_item1)
barras_item2a <- ggplotly(barras_item2)
barras_item3a <- ggplotly(barras_item3)
barras_item4a <- ggplotly(barras_item4)
barras_item5a <- ggplotly(barras_item5)
barras_item6a <- ggplotly(barras_item6)
barras_item7a <- ggplotly(barras_item7)
barras_item8a <- ggplotly(barras_item8)

barras_medio1a <- ggplotly(barras_medio1)
barras_medio2a <- ggplotly(barras_medio2)
barras_medio3a <- ggplotly(barras_medio3)
barras_medio4a <- ggplotly(barras_medio4)
barras_medio5a <- ggplotly(barras_medio5)
barras_medio6a <- ggplotly(barras_medio6)
barras_medio7a <- ggplotly(barras_medio7)
barras_medio8a <- ggplotly(barras_medio8)

barras_comp1a <- ggplotly(barras_comp1)
barras_comp2a <- ggplotly(barras_comp2)
barras_comp3a <- ggplotly(barras_comp3)
barras_respiradoresa <- ggplotly(barras_respiradores)
barras_comp4a <- ggplotly(barras_comp4)
barras_comp5a <- ggplotly(barras_comp5)
barras_comp6a <- ggplotly(barras_comp6)
barras_comp7a <- ggplotly(barras_comp7)
barras_comp8a <- ggplotly(barras_comp8)

fornecedores <- aquisicoes_compa %>% mutate(fornecedor = paste(Favorecido, CNPJ, sep=" - "))
fornecedores <- fornecedores %>% group_by(fornecedor) %>% summarise (Z_media = mean(z_valor), valor = sum(valor_total_padronizado))
fornecedores <- fornecedores %>% filter (valor>0)
fornecedores <- fornecedores %>% filter(!is.na(fornecedor)) 
fornecedores <- fornecedores %>% filter(fornecedor != "NA - NA")

fornecedores1 <- aquisicoes_completo %>% mutate(fornecedor = paste(Favorecido, CNPJ, sep=" - "))
fornecedores1 <- fornecedores1 %>% group_by(fornecedor) %>% summarise (valor = sum(Valor_Total), porte=mean(porte), capital_social = mean(capital_social))
fornecedores1 <- fornecedores1 %>% filter (valor>0)
fornecedores1 <- fornecedores1 %>% filter(!is.na(fornecedor))
fornecedores1 <- fornecedores1 %>% filter(fornecedor != "NA - NA")

barras_fornecedor1 <- fornecedores %>% filter(valor>1000000) %>% 
  ggplot(aes(x=reorder(as.factor(fornecedor),-Z_media),y=Z_media, color = fornecedor))+
  geom_bar(stat = "identity")+
  ggtitle("Score padrão médio, por fornecedor (acima de R$ 1 milhão)")+
  theme(panel.grid = element_line(colour = "transparent"),
        panel.background = element_blank(),
        axis.text = element_blank(),
        axis.ticks = element_blank(),
        legend.position = "none")+
  xlab("Fornecedor") +
  ylab("Score Médio")
barras_fornecedor2 <- ggplotly(barras_fornecedor1)

barras_fornecedor3 <- fornecedores1 %>% filter(valor>10000000) %>% 
  ggplot(aes(x=reorder(as.factor(fornecedor),-valor),y=valor, color = fornecedor))+
  geom_bar(stat = "identity")+
  ggtitle("Valor total dos contratos, por fornecedor (acima de R$ 10 milhões)")+
  theme(panel.grid = element_line(colour = "transparent"),
        panel.background = element_blank(),
        axis.text = element_blank(),
        axis.ticks = element_blank(),
        legend.position = "none")+
  xlab("Fornecedor") +
  ylab("Valor Total")
barras_fornecedor4 <- ggplotly(barras_fornecedor3)

fornecedores1 <- fornecedores1 %>% arrange(desc(valor))

# Graficos de barras (contratantes)
contratantes <- aquisicoes_compa %>% mutate(contratante = paste(contratante, UF, sep=" - "))
contratantes <- contratantes %>% group_by(contratante) %>% summarise (Z_media = mean(z_valor), valor_total = sum(valor_total_padronizado))
contratantes <- contratantes %>% filter (valor_total>0)
contratantes <- contratantes %>% filter(!is.na(contratante))
contratantes <- contratantes %>% filter(contratante != "NA - NA")

contratantes1 <- aquisicoes_completo %>% mutate(contratante = paste(contratante, UF, sep=" - "))
contratantes1 <- contratantes1 %>% group_by(contratante) %>% summarise (valor = sum(Valor_Total))
contratantes1 <- contratantes1 %>% filter (valor>0)
contratantes1 <- contratantes1 %>% filter(!is.na(contratante))
contratantes1 <- contratantes1 %>% filter(contratante != "NA - NA")

barras_contratante1 <- contratantes %>% filter(valor_total >1000000) %>% 
  ggplot(aes(x=reorder(as.factor(contratante),-Z_media),y=Z_media, color = contratante))+
  geom_bar(stat = "identity")+
  ggtitle("Score padrão médio, por contratante (acima de R$ 1 milhão)")+
  theme(panel.grid = element_line(colour = "transparent"),
        panel.background = element_blank(),
        axis.text = element_blank(),
        axis.ticks = element_blank(),
        legend.position = "none")+
  xlab("Contratante") +
  ylab("Score Médio")
barras_contratante2 <- ggplotly(barras_contratante1)

barras_contratante3 <- contratantes1 %>% filter(valor >10000000) %>% 
  ggplot(aes(x=reorder(as.factor(contratante),-valor),y=valor, color = contratante))+
  geom_bar(stat = "identity")+
  ggtitle("Valor total dos contratos, por contratante (acima de R$ 10 milhões)")+
  theme(panel.grid = element_line(colour = "transparent"),
        panel.background = element_blank(),
        axis.text = element_blank(),
        axis.ticks = element_blank(),
        legend.position = "none")+
  xlab("Contratante") +
  ylab("Valor Total")
barras_contratante4 <- ggplotly(barras_contratante3)

contratantes1 <- contratantes1 %>% arrange(desc(valor))
```

```{echo=FALSE,include=FALSE}
# MAPAS

# Mapa - Gastos Per Capita
mapa1 <- get_brmap("State") %>%
  left_join(aquisicoes_uf, c("State" = "cod_uf")) %>%
  ggplot() +
  geom_sf(aes(fill = gastos_percapita),
          colour = "gray") +
  scale_fill_viridis_c(option = 9, name = "Gastos Per Capita (R$)") +
  ggtitle("Gastos com COVID-19 para cada habitante")+
  theme(panel.grid = element_line(colour = "transparent"),
        panel.background = element_blank(),
        axis.text = element_blank(),
        axis.ticks = element_blank())
mapa3 <- ggplotly(mapa1)
saveWidget(mapa3, file=paste0("mapa1.html"))

# Mapa - Gastos por casos
mapa5 <- get_brmap("State") %>%
  left_join(aquisicoes_uf, c("State" = "cod_uf")) %>%
  ggplot() +
  geom_sf(aes(fill = gastos_por_casos),
          colour = "gray") +
  scale_fill_viridis_c(option = 9, name = "R$ gasto para cada caso") +
  ggtitle("Proporção entre valores gastos e casos de Covid-19 registrados")+
  theme(panel.grid = element_line(colour = "transparent"),
        panel.background = element_blank(),
        axis.text = element_blank(),
        axis.ticks = element_blank())
mapa5
mapa6 <- ggplotly(mapa5)
mapa6
saveWidget(mapa6, file=paste0("mapa3.html"))

# Mapa - score medio
mapa4 <- get_brmap("State") %>%
  left_join(aquisicoes_uf1, c("State" = "cod_uf")) %>%
  ggplot(popup=UF) +
  geom_sf(aes(fill = z_medio),
          colour = "gray") +
  scale_fill_viridis_c(option = 9, name = "Score Médio") +
  ggtitle("Média dos 'escores padrão' dos preços unitários em cada UF")+
  theme(panel.grid = element_line(colour = "transparent"),
        panel.background = element_blank(),
        axis.text = element_blank(),
        axis.ticks = element_blank())
mapa4
mapa2 <- ggplotly(mapa4)
mapa2
saveWidget(mapa2, file=paste0("mapa2.html"))
```

```{r,include=FALSE}
## Gráficos por casos

alcool <- left_join(alcool,casos,by = c("UF.x" = "estado"))
alcool <- alcool %>% mutate (qtde_porcasos = quantidade/casosAcumulados)
barras_casos1 <- alcool %>% 
  filter(!is.na(qtde_porcasos)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_porcasos), y=qtde_porcasos)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Por Casos (álcool)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Litros de Alcool adquiridos para cada casos confirmado")
barras_casos1 <- ggplotly(barras_casos1)


luvas <- left_join(luvas,casos,by = c("UF.x" = "estado"))
luvas <- luvas %>% mutate (qtde_porcasos = quantidade/casosAcumulados)
barras_casos2 <- luvas %>% 
  filter(!is.na(qtde_porcasos)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_porcasos), y=qtde_porcasos)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Por Casos (luvas)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Luvas adquiridas para cada casos confirmado")
barras_casos2 <- ggplotly(barras_casos2)

avental <- left_join(avental,casos,by = c("UF.x" = "estado"))
avental <- avental %>% mutate (qtde_porcasos = quantidade/casosAcumulados)
barras_casos3 <- avental %>% 
  filter(!is.na(qtde_porcasos)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_porcasos), y=qtde_porcasos)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Por Casos (aventais)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Aventais adquiridos para cada casos confirmado")
barras_casos3 <- ggplotly(barras_casos3)

macacao <- left_join(macacao,casos,by = c("UF.x" = "estado"))
macacao <- macacao %>% mutate (qtde_porcasos = quantidade/casosAcumulados)
barras_casos4 <- macacao %>% 
  filter(!is.na(qtde_porcasos)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_porcasos), y=qtde_porcasos)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Por Casos (macacão)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Macacões adquiridos para cada casos confirmado")
barras_casos4 <- ggplotly(barras_casos4)

mascara <- left_join(mascara,casos,by = c("UF.x" = "estado"))
mascara <- mascara %>% mutate (qtde_porcasos = quantidade/casosAcumulados)
barras_casos5 <- mascara %>% 
  filter(!is.na(qtde_porcasos)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_porcasos), y=qtde_porcasos)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Por Casos (máscaras)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Máscaras adquiridas para cada casos confirmado")
barras_casos5 <- ggplotly(barras_casos5)

mascaran95 <- left_join(mascaran95,casos,by = c("UF.x" = "estado"))
mascaran95 <- mascaran95 %>% mutate (qtde_porcasos = quantidade/casosAcumulados)
barras_casos6 <- mascaran95 %>% 
  filter(!is.na(qtde_porcasos)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_porcasos), y=qtde_porcasos)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Por Casos (máscaras n95)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Máscaras n95 adquiridas para cada casos confirmado")
barras_casos6 <- ggplotly(barras_casos6)

oculos <- left_join(oculos,casos,by = c("UF.x" = "estado"))
oculos <- oculos %>% mutate (qtde_porcasos = quantidade/casosAcumulados)
barras_casos7 <- oculos %>% 
  filter(!is.na(qtde_porcasos)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_porcasos), y=qtde_porcasos)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Por Casos (óculos)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Óculos n95 adquiridos para cada casos confirmado")
barras_casos7 <- ggplotly(barras_casos7)

touca <- left_join(touca,casos,by = c("UF.x" = "estado"))
touca <- touca %>% mutate (qtde_porcasos = quantidade/casosAcumulados)
barras_casos8 <- touca %>% 
  filter(!is.na(qtde_porcasos)) %>% 
  ggplot(aes(x=reorder(as.factor(UF.x),qtde_porcasos), y=qtde_porcasos)) +
  geom_bar(stat="identity", fill="steelblue4") +
  coord_flip() +
  theme_ipsum() +
  ggtitle("Aquisições Por Casos (toucas)")+
  theme(
    panel.grid.minor.y = element_blank(),
    panel.grid.major.y = element_blank(),
    legend.position="none") +
  xlab("") +
  ylab("Toucas n95 adquiridos para cada casos confirmado")
barras_casos8 <- ggplotly(barras_casos8)

```


<div style="text-align: justify"> 

Essa página contém análises sobre os dados coletados e divulgados pela Controladoria-Geral da União (CGU) acerca de contratações realizadas pelos entes federativos (União, Estados e Municípios) para o enfrentamento da COVID-19.  

Os dados utilizados nessa análise em constante atualização e disponíveis 
[AQUI](https://github.com/rodrigoeloy/CGU/raw/master/piloto0207.xlsx).   

As análises foram realizadas na linguagem R e essa página foi elaborada com o RMarkdown. O código elaborado está disponível [AQUI](https://raw.githubusercontent.com/rodrigoeloy/CGU/master/aquisicoes2.Rmd). 


Atualmente, são considerados nessas análises `r nrow(aquisicoes_completo)` registros de contratações relacionadas ao enfrentamento da COVID-19, alcançando o montante de R$ `r round(sum(aquisicoes_completo$Valor_Total)/1000000000)` bilhões.  

Desse total, `r round(((sum(aquisicoes_compa$Valor_Total)/1000000000) / (sum(aquisicoes_completo$Valor_Total)/1000000000))*100)`% são referentes aos aqui denominados "itens padronizáveis", que são aqueles objetos contratados em larga escala para o enfrentamento da COVID e que podem ser comparados entre si, tais como álcool em gel, máscaras e ventiladores mecânicos (respiradores).  

As análises estão divididas em 5 partes. São elas:

* Preços
* Quantidades
* Contratantes
* Fornecedores
* Estimativas e Projeções  

No início de cada parte consta uma introdução sobre os objetivos das análises contidas naquela seção, bem como os principais conceitos, metodologias e limitações conhecidas. Assim como ocorre com o volume de dados coletados, as análises aqui contidas são dinâmicas e atualizadas regularmente.

</div>

***

# {.tabset .tabset-fade .tabset-pills} 
![](C:/Users/User/OneDrive - CGU/corona/HTML/cabecalho3.jpg)

## INTRODUÇÃO

<div style="text-align: justify"> 

Os gráficos, tabelas e mapas dessa seção indicam as variações dos preços unitários dos itens comparáveis. Para ilustrar as variações de preços, foram calculadas medidas de posição (média, mediana e quartis) para cada item. Tais medidas são apresentadas nessa seção em gráficos de boxplot.  

Em algumas análises nessa seção, optou-se pela padronização dos preços unitários (escore padrão), de modo que é possível comparar, em uma mesma escala, as variações de preços de itens diferentes. Com o escore padrão, é possível comparar, por exemplo, a variação dos preços dos aventais (geralmente inferior a R$ 20,00) com a variação dos preços dos desfibriladores (geralmente superior a R$ 20.000,00)  

Com base nesses conceitos, as variações dos preços unitários estão representadas por item (considerando o total de registros daqueles itens em todo o país) e por UF.  

Para mais informações sobre as medidas de posição: [LINK](https://pt.wikipedia.org/wiki/Estatística_descritiva)  

Para mais informações sobre os gráficos de boxplot: [LINK](https://pt.wikipedia.org/wiki/Diagrama_de_caixa)  

Para mais informações sobre o "escore padrão": [LINK](https://en.wikipedia.org/wiki/Standard_score)  

</div>
## POR ITEM {.tabset}

<div style="text-align: justify"> 
O conjunto de gráficos abaixo indicam as variações dos preços unitários dos itens comparáveis. Cada ponto do gráfico representa uma aquisição. Os registros localizados dentro das "caixas" consistem naqueles localizados entre o 1º e o 3º quartil, ou seja, são aqueles que apresentam pouca variação relativa. Quanto mais distante das "caixas" maior é a diferença do preço praticado em relação aos demais registros do mesmo item. Tecnicamente, são considerados "outliers" aqueles registros superiores a 1,5 vezes a distância interquartil (diferença entre o primeiro e o terceiro quartil). Para ilustrar itens diferentes no mesmo gráfico, optou-se pela padronização dos preços unitários (score padrão). Abaixo de cada gráfico há a indicação das medidas de posição para cada item (quantidade total adquirida, quantidade de registros de aquisições, 1º quartil, média, mediana e 3º quartil).  

Os itens padronizáveis foram divididos em 5 categorias. São elas:

* Equipamentos de Proteção individual (EPI): álcool, aventais, luvas, macacão, máscara cirúrgica, máscara N-95, óculos de proteção e touca;
* Testes para Diagnóstico: Testes Rápidos e Testes PCR
* Equipamentos de UTI: Ventilador (respirador), ventilador de transporte, monitor, desfibrilador (cardioversor) e cama hospitalar;
* Equipamentos para diagnóstico: Eletrocardiógrafo, Ultrassom, Oxímetro e Termômetro
* Leitos: Locação de leitos de UTI  

</div>

### EPI

```{r, echo=FALSE}
boxplot_epi1
```

![](C:/Users/User/OneDrive - CGU/corona/HTML/quadro1.jpg)

### Testes para Diagnóstico

```{r, echo=FALSE}
boxplot_testes1
```
![](C:/Users/User/OneDrive - CGU/corona/HTML/quadro2.jpg)

### Equipamentos de UTI

```{r, echo=FALSE}
boxplot_equip1
```
![](C:/Users/User/OneDrive - CGU/corona/HTML/quadro3.jpg)

### Equipamentos para Diagnóstico

```{r, echo=FALSE}
boxplot_equip3
```
![](C:/Users/User/OneDrive - CGU/corona/HTML/quadro4.jpg)

### Leitos de UTI

```{r, echo=FALSE}
boxplot_leitos1
```
![](C:/Users/User/OneDrive - CGU/corona/HTML/quadro5.jpg)

## POR UF {.tabset}

O conjunto de gráficos dessa seção representam as variações dos preços unitários dos itens comparáveis. Nesse caso, os preços são apresentados por UF, possibilitando a análise regionalizada para cada item.

### Álcool
```{r, echo=FALSE}
boxplot_alcool1
```

### Aventais
```{r, echo=FALSE}
boxplot_avental1
```

### Luvas
```{r, echo=FALSE}
boxplot_luva1
```

### Macacão
```{r, echo=FALSE}
boxplot_macacao1
```

### Máscara Cirúrgica
```{r, echo=FALSE}
boxplot_mascara1
```

### Máscara N-95
```{r, echo=FALSE}
boxplot_mascaran951
```

### Óculos
```{r, echo=FALSE}
boxplot_oculos1
```

### Touca
```{r, echo=FALSE}
boxplot_touca1
```

### Teste Rápido
```{r, echo=FALSE}
boxplot_teste1
```

### Teste PCR
```{r, echo=FALSE}
boxplot_testepcr1
```

### Desfibrilador
```{r, echo=FALSE}
boxplot_desfibrilador1
```

### Monitor
```{r, echo=FALSE}
boxplot_monitor1
```

### Respirador
```{r, echo=FALSE}
boxplot_respirador1
```

### Respirador de Transporte
```{r, echo=FALSE}
boxplot_respiradortransporte1
```

### Leitos de UTI
```{r, echo=FALSE}
boxplot_leitos4
```

# 

***
# {.tabset .tabset-fade .tabset-pills} 
![](C:/Users/User/OneDrive - CGU/corona/HTML/cabecalho4.jpg)

## INTRODUÇÃO

<div style="text-align: justify"> 
Nessa seção constam análises relacionadas ao quantitativo de itens contratados. Tais análises são limitadas aos itens padronizáveis.   

A primeira aba consiste em gráficos de barras da quantidade de itens adquiridos em cada UF ponderada pela quantidade de habitantes (conforme estimativa do IBGE para 2019).  

A aba seguinte contém análises das quantidades "per capita", considerando as contratações locais (estaduais e municipais) e as distribuições realizadas pelo Ministério da Saúde.  

Por fim, o montante total das contratações tabuladas (considerando também os itens não padronizáveis) são representados em mapas do Brasil.  

Como limitação conhecida, destaca-se que a qualidade dessas analises depende da quantidade de dados coletados. Com isso, alguns resultados podem ser afetados pela não coleta da informação, o que não significa, necessariamente, a inexistência da contratação. 
</div>

## QUANTIDADES PER CAPITA {.tabset}

Seguem gráficos de barras da quantidade de itens contratados em cada UF em comparação com a quantidade de habitantes


### Álcool
```{r, echo=FALSE}
barras_item1a
```

### Aventais
```{r, echo=FALSE}
barras_item3a
```

### Luvas
```{r, echo=FALSE}
barras_item2a
```

### Macacão
```{r, echo=FALSE}
barras_item4a
```

### Máscara Cirúrgica
```{r, echo=FALSE}
barras_item6a
```

### Máscara N-95
```{r, echo=FALSE}
barras_item5a
```

### Óculos
```{r, echo=FALSE}
barras_item7a
```

### Touca
```{r, echo=FALSE}
barras_item8a
```

### Respiradores
```{r, echo=FALSE}
barras_respiradoresa
```


## DISTRIBUIÇÕES FEDERAIS {.tabset}

Seguem gráficos de barras da quantidade per capita, considerando as contratações locais (estaduais e municipais) e as distribuições federais (Ministério da Saúde)

### Álcool
```{r, echo=FALSE}
barras_comp1a
```

### Aventais
```{r, echo=FALSE}
barras_comp3a
```

### Luvas
```{r, echo=FALSE}
barras_comp2a
```

### Máscara Cirúrgica
```{r, echo=FALSE}
barras_comp6a
```

### Máscara N-95
```{r, echo=FALSE}
barras_comp5a
```

### Óculos
```{r, echo=FALSE}
barras_comp7a
```

### Touca
```{r, echo=FALSE}
barras_comp8a
```

### Respiradores
```{r, echo=FALSE}
barras_comp4a
```

## MAPA E DADOS {.tabset}

### Gastos Per Capita
![](C:/Users/User/OneDrive - CGU/corona/HTML/mapa1.jpeg)

### Dados
```{r results = 'asis',echo=FALSE} 
aquisicoes_uf1 <- aquisicoes_uf %>% select(UF.x, gastos_totais, pop, gastos_percapita)
print(xtable::xtable(aquisicoes_uf1),type = "html", html.table.attributes = "border=1")
``` 

#

***

# {.tabset .tabset-fade .tabset-pills} 
![](C:/Users/User/OneDrive - CGU/corona/HTML/cabecalho5.jpg)

## INTRODUÇÃO
<div style="text-align: justify"> 

Nessa parte constam análises relacionadas às entidades públicas responsáveis pelas contratações tabuladas. Ao agrupar os registros pelas entidades contratantes, é possível identificar quais órgãos têm operacionalizado o maior volume de contratações para enfrentamento da Covid-19 (em termos financeiros). Para esse tipo de análise, foram considerados todos os registros (itens padronizáveis e não padronizáveis).  



</div> 

## VALORES TOTAIS
```{r, echo=FALSE}
barras_contratante4
```

## DADOS AGRUPADOS POR CONTRATANTES
```{r results = 'asis',echo=FALSE} 
print(xtable::xtable(contratantes1),type = "html", html.table.attributes = "border=1")
``` 
#

***

# {.tabset .tabset-fade .tabset-pills}
![](C:/Users/User/OneDrive - CGU/corona/HTML/cabecalho6j.jpg)

## INTRODUÇÃO
<div style="text-align: justify"> 
De modo semelhante às análises em relação aos órgãos contratantes, essa seção sintetiza informações sobre os principais fornecedores (em termos de valores).  

Além das análises sobre o montante total contratado, foram identificadas situações de potencial criticidade envolvendo as empresas contratadas. Tais situações dizem respeito à contratação de empresas recém criadas e a contratação de grande vulto com empresas de pequeno porte. Os critérios para a identificação de riscos das contratações indicados nessa seção estão em constante construção e aprimoramento.  
</div> 
## VALORES TOTAIS
```{r, echo=FALSE}
barras_fornecedor4
```

## DADOS AGRUPADOS POR FORNECEDOR
```{r results = 'asis',echo=FALSE} 
print(xtable::xtable(fornecedores1[,c(1,2)]),type = "html", html.table.attributes = "border=1")
``` 


## ANÁLISE DE RISCO {.tabset}
<div style="text-align: justify"> 
Nessa seção constam fornecedores que apresentam níveis elevados de criticidade, de acordo com os seguintes critérios:  
  
- Pessoas Jurídicas criadas em 2020  
  
- Microempresas ou Empresas de Pequeno Porte com contratos superiores a R$ 4,8 milhões  
  
- Fornecedores com capital social inferior a 10% do montante contratado  
  
</div> 
```{r, echo=FALSE,include=FALSE}
porte <- fornecedores1 %>% filter(porte<4) %>% filter(valor>4800000) %>% filter(porte>0)
capital <- fornecedores1 %>% filter(capital_social>0) %>% mutate(proporcao = capital_social/valor)
capital1 <- capital %>% filter(proporcao < 0.15)
capital2 <- ggplot(capital, aes(x=capital_social, y=valor, popup = fornecedor)) + 
  geom_point()
capital3 <- ggplotly(capital2)
```

### Empresas recém criadas 
```{r results = 'asis',echo=FALSE} 
print(xtable::xtable(teste_data[,c(9,13,14,15,29,7,6)]),type = "html", html.table.attributes = "border=1")
``` 

### ME/MEI/EPP com contratos vultuosos
```{r results = 'asis',echo=FALSE} 
print(xtable::xtable(porte),type = "html", html.table.attributes = "border=1")
``` 

### Capital Social inferior a 10% dos contratos
```{r results = 'asis',echo=FALSE} 
print(xtable::xtable(capital1),type = "html", html.table.attributes = "border=1")
``` 

#

***
# {.tabset .tabset-fade .tabset-pills}
![](C:/Users/User/OneDrive - CGU/corona/HTML/cabecalho7.jpg)

## INTRODUÇÃO
<div style="text-align: justify"> 
Nessa seção constam análises sobre os dados coletados com o viés de prospecção. Sao análises que objetivam estimar comportamentos e impactos decorrentes das contratações realizadas em situação de calamidade. Conforme a massa de dados coletados vai aumentando, aumenta-se também as possibilidades de análises com esse viés preditivo.  
</div> 

## ESTIMATIVAS
```{r, echo=FALSE,include=FALSE}
### Análise de preços (estimativas)
aquisicoes_compa <- aquisicoes_compa %>% group_by(ITEM_PADRONIZADO) %>%
  filter(PRECO_UNITARIO_PADRONIZADO>0) %>% 
  mutate(mediana = median(PRECO_UNITARIO_PADRONIZADO))
aquisicoes_compa_acima <- aquisicoes_compa %>% filter (PRECO_UNITARIO_PADRONIZADO>mediana) %>% 
  mutate(valor_limite = mediana*QUANTIDADE_PADRONIZADA)
aquisicoes_compa_abaixo <- aquisicoes_compa %>% filter (PRECO_UNITARIO_PADRONIZADO<mediana) %>% 
  mutate(valor_limite = PRECO_UNITARIO_PADRONIZADO*QUANTIDADE_PADRONIZADA)
aquisicoes_compa_igual <- aquisicoes_compa %>% filter (PRECO_UNITARIO_PADRONIZADO==mediana) %>% 
  mutate(valor_limite = mediana*QUANTIDADE_PADRONIZADA)
aquisicoes_compa <- bind_rows(aquisicoes_compa_acima,aquisicoes_compa_abaixo,aquisicoes_compa_igual)


sum(aquisicoes_compa$valor_total_padronizado) # Valor total (real)
sum(aquisicoes_compa$valor_limite) # Valor total (estimado)
taxa <- sum(aquisicoes_compa$valor_limite)/sum(aquisicoes_compa$valor_total_padronizado) # Taxa = 0,3155348

sum(aquisicoes_completo$Valor_Total) # Valor total (incluindo não padronizaveis)
taxa*sum(aquisicoes_completo$Valor_Total) # Valor total estimado (incluindo não padronizaveis) - considerando taxa: R$ 2,03 bilhões
(sum(aquisicoes_completo$Valor_Total))-(taxa*sum(aquisicoes_completo$Valor_Total)) # Diferença

# Conclusão: Estima-se que os sobrepreços (valores acima da mediana) são responsáveis pelo desperdício de R$ 4,42 bilhões

```

```{r, echo=FALSE,include=FALSE}
### Análise de projecao
proj1 <- aquisicoes_compa %>% select(ITEM_PADRONIZADO,valor_total_padronizado,valor_limite)
proj2 <- proj1 %>% select(-valor_total_padronizado)
proj1 <- proj1 %>% select(-valor_limite)
proj1$valor <- proj1$valor_total_padronizado
proj2$valor <- proj2$valor_limite
proj2 <- proj2 %>% select(-valor_limite)
proj1 <- proj1 %>% select(-valor_total_padronizado)
proj1 <- proj1 %>% group_by(ITEM_PADRONIZADO) %>% summarise (valor = sum(valor))
proj2 <- proj2 %>% group_by(ITEM_PADRONIZADO) %>% summarise (valor = sum(valor))
proj1$Tipo_Informacao <- "Valor Real"
proj2$Tipo_Informacao <- "Valor Projetado"
proj1_EPI <- proj1 %>% filter(ITEM_PADRONIZADO %in% c("alcool","avental","mascara", "mascara n95","oculos","touca","macacao","luva","Touca"))
proj1_teste <- proj1 %>% filter(ITEM_PADRONIZADO %in% c("teste","teste PCR"))
proj1_UTI <- proj1 %>% filter(ITEM_PADRONIZADO %in% c("respirador","respirador transporte", "desfibrilador", "monitor","cama"))
proj1_diagnostico <- proj1 %>% filter(ITEM_PADRONIZADO %in% c("eletrocardiografo","oximetro","oximetro (portatil)", "termometro","ultrassom"))
proj1_leitos <- proj1 %>% filter(ITEM_PADRONIZADO == "leitos")
proj1_EPI <- proj1_EPI %>% group_by(Tipo_Informacao) %>% summarise(valor = sum(valor))
proj1_EPI$Item <- "EPI"
proj1_teste <- proj1_teste %>% group_by(Tipo_Informacao) %>% summarise(valor = sum(valor))
proj1_teste$Item <- "Teste"
proj1_UTI <- proj1_UTI %>% group_by(Tipo_Informacao) %>% summarise(valor = sum(valor))
proj1_UTI$Item <- "Equip. UTI"
proj1_diagnostico <- proj1_diagnostico %>% group_by(Tipo_Informacao) %>% summarise(valor = sum(valor))
proj1_diagnostico$Item <- "Equip. Diagnóstico"
proj1_leitos <- proj1_leitos %>% group_by(Tipo_Informacao) %>% summarise(valor = sum(valor))
proj1_leitos$Item <- "Leitos"

proj2_EPI <- proj2 %>% filter(ITEM_PADRONIZADO %in% c("alcool","avental","mascara", "mascara n95","oculos","touca","macacao","luva","Touca"))
proj2_teste <- proj2 %>% filter(ITEM_PADRONIZADO %in% c("teste","teste PCR"))
proj2_UTI <- proj2 %>% filter(ITEM_PADRONIZADO %in% c("respirador","respirador transporte", "desfibrilador", "monitor","cama"))
proj2_diagnostico <- proj2 %>% filter(ITEM_PADRONIZADO %in% c("eletrocardiografo","oximetro","oximetro (portatil)", "termometro","ultrassom"))
proj2_leitos <- proj2 %>% filter(ITEM_PADRONIZADO == "leitos")
proj2_EPI <- proj2_EPI %>% group_by(Tipo_Informacao) %>% summarise(valor = sum(valor))
proj2_EPI$Item <- "EPI"
proj2_teste <- proj2_teste %>% group_by(Tipo_Informacao) %>% summarise(valor = sum(valor))
proj2_teste$Item <- "Teste"
proj2_UTI <- proj2_UTI %>% group_by(Tipo_Informacao) %>% summarise(valor = sum(valor))
proj2_UTI$Item <- "Equip. UTI"
proj2_diagnostico <- proj2_diagnostico %>% group_by(Tipo_Informacao) %>% summarise(valor = sum(valor))
proj2_diagnostico$Item <- "Equip. Diagnóstico"
proj2_leitos <- proj2_leitos %>% group_by(Tipo_Informacao) %>% summarise(valor = sum(valor))
proj2_leitos$Item <- "Leitos"

proj <- rbind(proj1_EPI,proj1_teste,proj1_UTI,proj1_diagnostico,proj1_leitos,
              proj2_EPI,proj2_teste,proj2_UTI,proj2_diagnostico,proj2_leitos)
rm(proj1_EPI,proj1_teste,proj1_UTI,proj1_diagnostico,proj1_leitos,
    proj2_EPI,proj2_teste,proj2_UTI,proj2_diagnostico,proj2_leitos)
proj_total1 <- proj %>% filter(Tipo_Informacao == "Valor Real")
proj_total1 <- proj_total1 %>% group_by(Tipo_Informacao) %>% summarise(valor=sum(valor))
proj_total1$Item <- "Total"
proj_total2 <- proj %>% filter(Tipo_Informacao == "Valor Projetado")
proj_total2 <- proj_total2 %>% group_by(Tipo_Informacao) %>% summarise(valor=sum(valor))
proj_total2$Item <- "Total"
proj <- rbind(proj,proj_total1,proj_total2)

projecao <- ggplot(proj, aes(fill=Tipo_Informacao, y=valor, x=reorder(as.factor(Item),valor))) + 
  geom_bar(position="dodge", stat="identity") +
  theme_ipsum() +
  xlab("")
projecao1 <- ggplotly(projecao)

```



<div style="text-align: justify"> 
Com base nos dados disponíveis, é possível simular os efeitos das oscilações dos preços unitários sobre o total de despesas executadas.

- As aquisições de itens padronizáveis alcançam o montante total de R$ `r sum(aquisicoes_compa$valor_total_padronizado)/1000000000` bilhões

- Se o limite máximo para os preços unitários dos itens padronizáveis fosse a mediana dos registros de cada item, o montante total das aquisições seria de R$ `r sum(aquisicoes_compa$valor_limite)/1000000000` bilhões.

O Gráfico a seguir ilustra a projeção do montante total majorado em decorrência dos sobrepreços nos itens padronizáveis  

</div>

<div style="text-align: justify"> 
```{r, echo=FALSE}
projecao1
```

</div>

<div style="text-align: justify"> 
- Considerando também as contratações não padronizáveis alcançam o montante de R$ `r sum(aquisicoes_completo$Valor_Total)/1000000000` bilhões e utilizando a mesma proporção calculada anteriormente, tem-se que o montante total poderia ser de R$ `r (taxa*sum(aquisicoes_completo$Valor_Total))/1000000000` bilhões

**Conclusão: Estima-se que os sobrepreços (valores acima da mediana) ocorridos nas aquisições de enfrentamento da COVID-19 implicam na majoração do montante de despesas executadas na ordem de R$ `r ((sum(aquisicoes_completo$Valor_Total))-(taxa*sum(aquisicoes_completo$Valor_Total)))/1000000000` bilhão (ou `r (1.7048222/11.5602853)*100` %) **

</div> 

#

![](C:/Users/User/OneDrive - CGU/corona/HTML/rodape.jpg)