Analise o script abaixo. library(tidyverse) #O objeto url abaixo indica onde está na internet a tabela com os dados sobre municípios brasileiros url<- "https://raw.githubusercontent.com/fernandobarbalho/enap_auto_instucional/main/data/dados_municipios.csv" #O comando read_csv permite ler para a sua máquina o conteúdo de uma tabela que está no endereço especificado no objeto url #o conteúdo da tabela é passado para o dataframe dados_municipios dados_municipios<- read_csv(url) dados_municipios%>% filter(sigla_uf == "CE") %>% select(sigla_uf,nome, populacao) %>% arrange(desc(populacao)) Qual o resultado da execução do script acima? Select one: a. # A tibble: 185 x 3 sigla_uf nome populacao 1 PE Recife 1653461 2 PE Jaboatão dos Guararapes 706867 3 PE Olinda 393115 4 PE Caruaru 365278 5 PE Petrolina 354317 6 PE Paulista 334376 7 PE Cabo de Santo Agostinho 208944 8 PE Camaragibe 158899 9 PE Garanhuns 140577 10 PE Vitória de Santo Antão 139583 # ... with 175 more rows b. # A tibble: 184 x 2 nome populacao 1 Fortaleza 2686612 2 Caucaia 365212 3 Juazeiro do Norte 276264 4 Maracanaú 229458 5 Sobral 210711 6 Crato 133031 7 Itapipoca 130539 8 Maranguape 130346 9 Iguatu 103074 10 Quixadá 88321 # ... with 174 more rows c. # A tibble: 184 x 3 sigla_uf nome populacao 1 CE Abaiara 11853 2 CE Acarape 15036 3 CE Acaraú 63104 4 CE Acopiara 54481 5 CE Aiuaba 17493 6 CE Alcântaras 11781 7 CE Altaneira 7650 8 CE Alto Santo 17196 9 CE Amontada 43829 10 CE Antonina do Norte 7378 # ... with 174 more rows d. # A tibble: 369 x 3 sigla_uf nome populacao 1 CE Fortaleza 2686612 2 CE Recife 1653461 3 CE Jaboatão dos Guararapes 706867 4 CE Olinda 393115 5 CE Caruaru 365278 6 CE Caucaia 365212 7 CE Petrolina 354317 8 CE Paulista 334376 9 CE Juazeiro do Norte 276264 10 CE Maracanaú 229458 # ... with 359 more rows e. # A tibble: 184 x 3 sigla_uf nome populacao 1 CE Fortaleza 2686612 2 CE Caucaia 365212 3 CE Juazeiro do Norte 276264 4 CE Ma