diff --git a/src/histograma ordenado.R b/src/histograma ordenado.R
deleted file mode 100644
index d79ec2e..0000000
--- a/src/histograma ordenado.R	
+++ /dev/null
@@ -1,59 +0,0 @@
-library(ggplot2)
-library(tidyverse)
-library(forcats)
-library(dplyr)
-library(scales)
-library(hrbrthemes)
-
-
-
-# Leitura dos dados
-REsp <- read.csv('REsp_completo.csv')
-
-# Considerar registros que tenham ao menos uma sugestao de tema
-REsp <- subset(REsp, !is.na(sugerido_1))
-REsp <- subset(REsp, !is.na(num_tema_cadastrado))
-REsp <- subset(REsp, recurso != "")
-REsp <- subset(REsp, sugestao_adotada < 7)
-REsp <- subset(REsp, num_tema_cadastrado != 5090)
-REsp$num_tema_cadastrado <- factor(REsp$num_tema_cadastrado)
-
-# Calcular a frequência de cada tema
-tema_counts <- table(REsp$num_tema_cadastrado)
-
-# Ordenar os temas por frequência
-ordered_levels <- names(sort(tema_counts, decreasing = TRUE))
-
-# Reorganizar os níveis do fator com base na ordem da frequência
-REsp$num_tema_cadastrado <- factor(REsp$num_tema_cadastrado, levels = ordered_levels)
-
-# Criar o histograma
-p <- REsp %>%
-  ggplot(aes(x = num_tema_cadastrado)) +
-  geom_bar(fill = "#69b3a2", color = "#e9ecef", alpha = 0.9, width = 1.0) +
-  ggtitle("") +
-  theme_ipsum() +
-  theme(
-    plot.title = element_text(size = 15),
-    #axis.text.x = element_text(angle = -90, vjust = 0.5, hjust = 1, size = 4),
-    axis.text.x = element_blank(),
-    axis.text.y = element_text(size = 12),  
-    axis.title.x = element_text(size = 14),
-    axis.title.y = element_text(size = 14) 
-  ) +
-  labs(
-    #title = "Histograma de tipos de temas do corpus",
-    x = "Theme identification",
-    y = "Frequency"
-  ) +
-  scale_y_log10()+
-  scale_y_continuous(expand = c(0, 0))
-  
-
-print(p)
-
-# Calcula a quantidade de temas distintos
-quantidade_distintos <- length(unique(REsp$num_tema_cadastrado))
-
-# Exibe o resultado
-print(quantidade_distintos)