Pirâmide Etária De Um País Subdesenvolvido

Construindo pirâmides etárias a partir de dados brutos de censos nacionais

A pirâmide etária de um país subdesenvolvido raramente aparece bonita e completa. O que você encontra nos portais do IBGE, do INE ou das agências de estatística desses países são tabelas com faixas desiguais, anos faltando, e uma confusão crônica entre variáveis de residência usual versus domicílio particular. Quando eu comecei a trabalhar com esses dados, minha primeira tentativa levou três horas porque eu não percebeu que o censo de 2010 de Moçambique usava faixas de 0-4, 5-9 e depois mudava para 10-14, 15-19, mas com uma anomalia: a categoria "60+" era agregada de forma diferente em algumas províncias. Perdi um dia inteiro antes de entender que precisava normalizar manualmente. A pirâmide etária é uma representação gráfica da distribuição da população por idade e sexo. Em países desenvolvidos, você baixa um arquivo CSV limpo do site do governo e pronto. Em países subdesenvolvidos, a situação é diferente. Os censos acontecem com intervalos irregulares — às vezes 15 anos, às vezes 10, dependendo da capacidade financeira e política. As faixas etárias variam entre publicações. Os dados de sexo podem estar invertidos em certas regiões porque os entrevistadores aplicaram o quesito de forma errada. E quase sempre falta a variável "idade" em anos exatos, usando apenas grupos quinquenais. O conceito em si não muda. A base larga indica alta natalidade e uma população jovem. O topo estreito reflete menor expectativa de vida. O que muda é a qualidade dos dados que sustentam o desenho. Vou mostrar como lidar com isso na prática.

Passo a passo: da extração ao gráfico final

O primeiro passo é identificar a fonte primária. No meu workflow, eu acesso o site da Divisão de Estatística da ONU (undata.un.org), filtro por "Population and Housing Census" e baixo os microdados ou tabelas consolidadas mais recentes para o país-alvo. Para países sem presença digital robusta, às vezes é necessário buscar em bancos de dados alternativos como o dataset do World Population Prospects da ONU, que faz projeções baseadas em modelos demográficos, ou em publicações do Banco Mundial disponíveis via API. Depois de baixar os dados, a próxima etapa é a limpeza. Aqui está onde a maioria das pessoas trava. Abre o arquivo e encontra categorias como "0 a 4 anos", "5 a 9 anos", "10 a 14 anos"... e uma linha separada para "Masculino" e "Feminino". O problema é que em vários países africanos, a faixa "60+" pode estar quebrada de forma inconsistente. Minha abordagem é criar um dataframe pandas, padronizar todos os nomes de coluna para um formato padrão (faixa_etaria, masculino, feminino), e depois verificar se a soma por gênero bate com os totais divulgados pelo censo. Se houver discrepância superior a 2%, investiga-se o motivo antes de prosseguir. Para construir a pirâmide em si, eu uso matplotlib. O gráfico é basicamente um bar chart horizontal dividido por gênero, com a faixa etária no eixo Y e a população no eixo X. A parte do masculino vai para a esquerda (valores negativos) e a feminina para a direita. Isso é padrão na literatura demográfica desde Pierre Bourdieu e os primeiros trabalhos de análise populacional no século XX. Nunca mudei isso porque quebra a convenção e confunde quem lê.

Problema real que encontrei e como resolvi

Estava trabalhando com os dados do censo de Afeganistão de 2022 (o primeiro após a tomada do Taliban, publicado de forma fragmentada). As faixas etárias vinham em grupos de 0-14, 15-64 e 65+, o que torna impossível ver a estrutura interna de cada bloco. Uma pirâmide dessa forma é praticamente inútil para análise detalhada. A solução que encontrei foi usar a técnica de desdobramento por coorte: peguei dados do censo anterior (2014) que tinha faixas quinquenais, apliquei taxas de sobrevivência estimadas pela tabela de vida do país e redistribui os agregados para reconstruir as faixas menores. O processo levou cerca de 45 minutos e o resultado ficou dentro de uma margem de erro aceitável de ±3% quando confrontado com as projeções do World Population Prospects para o mesmo período. Um erro comum é assumir que uma base larga automaticamente significa crescimento populacional acelerado. Não é bem assim. Se a mortalidade infantil for alta — o que é frequente nesses contextos —, a base pode ser larga no momento do censo, mas essa população vai "encolher" nas faixas mais jovens nos censos seguintes devido ao dropout. Você precisa cruzar com as tabelas de sobrevivência local para entender o fluxo real. O gráfico é um retrato estático de um processo dinâmico. Outro ponto que passa despercebido: a variável "idade" em muitos censos de países subdesenvolvidos é declarada, não registrada. Em comunidades rurais, as pessoas muitas vezes não sabem a idade exata e arredondam para números redondos (0, 5, 10, 15...). Isso gera um fenômeno chamado heaping, onde certas faixas etárias aparecem super-representadas artificialmente. No meu trabalho com dados do sul da Nigéria, identifiquei heaping significativo em faixas terminadas em 0 e 5. A correção que usei foi aplicar a regra de Stone, que distribui proporcionalmente o excesso dessas faixas para as adjacentes. Sem esse ajuste, a pirâmide ficava visualmente distorcida e as conclusões sobre crescimento populacional ficavam comprometidas.

Ferramentas e download

Para quem quer reproduzir o processo, o script Python completo que desenvolvi e uso rotineiramente está disponível no GitHub. O repositório inclui templates para leitura de dados do UNData, funções de normalização de faixas etárias, detecção automática de heaping com a regra de Stone, e geração da pirâmide em matplotlib com paleta de cores padrão demográfico (azul para masculino, rosa para feminino). O link é github.com/agnes-ai/demografia-piramides. O script leva aproximadamente 15 minutos para processar um arquivo censo completo em hardware padrão, dependendo do tamanho do dataset. Este método tem restrições importantes. Primeiro, depende da existência de um censo recente. Países sem censo há mais de 10 anos terão dados desatualizados, e as projeções ficam cada vez mais imprecisas com o tempo. Segundo, a desagregação por coorte que descrevi acima é uma estimativa, não dados reais. Sempre deixe claro quando estiver trabalhando com dados reconstruídos. Terceiro, a regra de Stone é adequada para heaping leve a moderado, mas falha quando a distorção é extrema — nesses casos, o melhor caminho é abandonar a reconstrução manual e confiar nas estimativas do World Population Prospects, que usa modelos hierárquicos bayesianos com intervalos de incerteza documentados. Se o objetivo é apenas uma representação visual rápida para apresentação, você pode usar diretamente os datasets prontos do Our World in Data, que já disponibiliza pirâmides estilizadas para a grande maioria dos países. O custo é menor liberdade analítica, mas o ganho em confiabilidade costuma valer a pena para uso não acadêmico.