O que é o sitio lorenção e por onde começar
Eu descobri o sitio lorenção de forma bem acidental, há uns três anos. Na época eu estava procurando uma ferramenta de análise comportamental em português que fosse leve e que não exigisse um orçamento alto. A primeira coisa que você precisa entender é que o sitio lorenção não é um software de licença única. Ele funciona como um recurso online que reúne modelos de curvatura de concentração, gráficos de Gini adaptados para realidade brasileira e tutoriais bem práticos. O material tá solto na web, mas tem uma organização ruim. Eu passei duas semanas só tentando juntar os arquivos espalhados.
Como baixar e acessar o sitio lorenção corretamente
Se você quer o material do sitio lorenção, o caminho mais direto é ir até a versão hospedada no GitHub do autor original. O link principal é github.com/lorencao-Brasil/lc-modelo. Lá você encontra o repositório com os scripts Python, os notebooks Jupyter e os arquivos PDF dos manuais. Eu recomendo fazer o fork antes de baixar, porque às vezes a pasta "datasets" fica pesada e o download completo leva mais de trinta minutos em conexão padrão. Se sua internet for lenta, baixe só a subpasta "/src" e "/notebooks". Isso corta o tempo de transferência para cerca de cinco minutos. Depois de baixar, instale as dependências com o comando `pip install -r requirements.txt`. Eu já vi muita gente pular essa etapa e reclamar que os gráficos não renderizam. O erro mais comum é falta da biblioteca `seaborn` ou versão incompatível do `pandas`. A versão que eu uso e recomendo é a pandas 2.1.4 com Python 3.11. Anything earlier gera problemas de compatibilidade com os templates HTML exportados.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Funcionamento interno: como o sitio lorenção calcula os índices
O motor principal do sitio lorenção usa uma combinação de integração numérica por trapézio compostos e interpolação cúbica para estimar a área sob a curva de Lorenz quando os dados brutos são agregados em faixas. Isso é importante porque muitos manuais falham em explicar que o índice de Gini convencional perde precisão quando a distribuição tem caudas longas — algo comum em dados de renda municipal. O sitio lorenção corrige isso aplicando um fator de ajuste baseado no coeficiente de variação de cada faixa. O resultado é um valor de Gini ajustado que costuma variar entre 0,02 e 0,08 em relação ao cálculo tradicional, dependendo da amostragem. Eu encontrei um problema bem específico usando o sitio lorenção com dados do IBGE truncados em classes de renda. Quando o último intervalo aberto ("R$ 15.000 ou mais") não tinha frequência reportada, o script assumia zero e o índice caía artificialmente para 0,31 em municípios que na realidade estavam acima de 0,47. A solução que eu encontrei foi inserir uma linha manual no dataframe com a média estimada da classe aberta, baseada na razão renda/pessoa do setor formal daquele município. Depois disso, rodei o parâmetro `--impute-open-class` que existe no script principal. Ele aplica uma regressão linear simples sobre as classes vizinhas e preenche o valor faltante antes do cálculo. Esse workaround resolveu o problema em quase todos os casos que eu testei, exceto quando o município tinha menos de mil registros na amostra. Nesses casos, o sitio lorenção avisa no log, mas não para a execução. Você precisa checar o arquivo de saída `diagnostic.log` manualmente.
Pegadinhas que ninguém conta sobre o sitio lorenção
A primeira pegadinha é que o sitio lorenção exporta gráficos em SVG por padrão, mas o estilo visual depende de um arquivo de tema chamado `lorenzo_style.mplstyle` que não vem incluído no repositório padrão. Sem esse arquivo, todos os gráficos ficam com cores padrão do matplotlib e parecem amadores. O arquivo tá disponível no repositório de contribuições, mas o link direto muitas vezes quebra. Eu guardo uma cópia local e sempre verifico a hash MD5 antes de rodar. A segunda pegadinha é mais séria. O sitio lorenção não faz validação cruzada automática dos dados de entrada. Se você passar uma coluna com valores nulos ou strings onde deveria ter número, o script continua rodando e produz um resultado silenciosamente errado. Eu perdi dois dias num projeto porque uma coluna de "rendimento nominal" tinha recebido zeros em vez de NaN por causa de uma conversão ruim de CSV. A dica prática é rodar sempre o parâmetro `--dry-validate` antes de qualquer cálculo. Ele não executa o modelo, mas mostra um relatório de inconsistências com contagem de valores atípicos por desvio padrão. Leva uns cinquenta segundos para datasets de até cem mil linhas.
Alternativas quando o sitio lorenção não funciona
O sitio lorenção é útil para análises descritivas e relatóriosQuick, mas ele tem limitações claras. Não oferece suporte a modelos preditivos, não integra com bancos relacionais e a documentação técnica é escassa. Se você precisa de algo mais robusto, recomenda-se o pacote `inequality` do CRAN (para R) ou a biblioteca `attaind` do Stata, que tratam esses dados com métodos bootstrap nativos. Para quem trabalha com Python e quer fugir do sitio lorenção, a alternativa mais próxima é usar `gini` junto com `scipy.integrate.trapezoid` manualmente. O código é mais verboso, mas você tem controle total sobre cada etapa. Resumindo, o sitio lorenção funciona bem para situações pontuais de análise de desigualdade com dados brasileiros, desde que você tome cuidado com classes abertas, use a validação prévia e mantenha os arquivos de estilo atualizados. Fora isso, ele cumpre o papel sem grandes surpresas — boas ou ruins.
