HOMICÍDIO DOLOSO NO RIO DE JANEIRO: PREVISÕES USANDO MODELOS DE ESTADO E SUAVIZAÇÃO EXPONENCIAL, ARIMA E REDES NEURAIS AUTORREGRESSIVAS
DOI:
https://doi.org/10.12957/cadest.2021.65627Palavras-chave:
Violência letal , Séries temporais, Modelos estatísticos, PrevisãoResumo
O presente artigo tem como objetivo a análise dos números mensais de homicídios do estado do Rio de Janeiro ao longo do tempo, e de alguns modelos estatísticos de predição, para um melhor entendimento do contexto da violência letal. A base de dados provém de informações divulgadas pelo Instituto de Segurança Pública (ISP), durante o período entre janeiro de 2000 e dezembro de 2020. Com o uso do software R, foi possível gerar gráficos comparativos, analisar as estatísticas dos dados e fazer testes de normalidade, estacionariedade, tendência e sazonalidade para buscar entender melhor o comportamento desse grave delito no estado. Após essa primeira etapa, a série temporal foi ajustada para os modelos Autorregressivo Integrado de Média Móveis (ARIMA), de Estado e Suavização Exponencial (ETS) e Redes Neurais Autoregressivas (AR-NN). Para avaliação dos modelos, a base foi dividida em dois períodos: a base de treino correspondeu ao período entre 2000 e 2017 e a base de teste entre 2018 e 2019. Como 2020 foi um ano atípico devido a pandemia, optou-se por excluir esse ano das previsões. Observou-se através das métricas de previsão (MAE, RMSE e MAPE) que o modelo AR-NN(15,8) apresentara comportamento mais próximo dos valores observados.
Referências
BOX, G. E. P.; JENKINS, G. M.; REINSEL, G. C.; LJUNG, G. M. Time Series Analysis: Forecasting and Control. 5th Edition, John Wiley & Sons, 2015.
BUENO, R. L da S. Econometria de Séries Temporais. 2ª Edição, Cengage Learning, 2011.
CARDOSO, F. L. M. G.;CECCHETTO, F. R.; CORRÊA, J. S.; SOUZA, T. O. D. Homicídios no Rio de Janeiro, Brasil: uma análise da violência letal. Ciência & Saúde Coletiva, 21(4), 1277-1288, 2016.
FELIX, S. A. Armas versus Vidas: Análise de Regressão sobre o Impacto da Apreensão de Armas nos Homicídios. Revista do Laboratório de Estudos da Violência da UNESP/Marília, edição 11, 2013.
GUJARATI, D. N.; PORTER, D. C. Econometria Básica-5. Amgh Editora, 2011.
HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Science & Business Media, 2009.
HAYKIN, S. S. Neural Networks and Learning Machines. Simon Haykin, 2009.
HYNDMAN, R. J.; ATHANASOPOULOS, G. Forecasting: Principles and Practice. OTexts, 2018.
IZBICKI, R.; DOS SANTOS, T. M. Aprendizado de Máquina: uma Abordagem Estatística. Rafael Izbicki, 2020.
LEYBOURNE, J.; NEWBOLD, P. The behaviour of Dickey–Fuller and Phillips–Perron testsunder the alternative hypothesis. The Econometrics Journal, v. 2, n. 1, p. 92-106, 1999.
LUCAMBIO, F. Diferentes testes para verificar normalidade de uma amostra aleatória. UFPR, PR, Brasil. 2008. Disponível em: https://docs.ufpr.br/~lucambio/CE225/2S2009/Normal_test.pdf. Acesso em 16 fev. 2021.
MADDALA, G. S; LAHIRI, K. Introduction to Econometrics. 4a. Ed, John Wiley & Sons Ltd, UK, 2009.
MORETTIN, P. A.; TOLOI, C. M. C. Análise De Séries Temporais: Modelos Lineares Univariados. Editora Blucher, 2018.
NERY M. B.; PERES M. F. T.; CARDIA, N.; VICENTIN, D.; ADORNO, S. Regimes espaciais: dinâmica dos homicídios dolosos na cidade de São Paulo entre 2000 e 2008. Rev Panam Salud Publica. 32(6):405–12, 2012.
NUNES, S. I. O. S.; SILVA FILHO, A. M.; DA SILVA, C. A. L. Modelagem temporal dos homicídios dolosos registrados na Bahia no período 2012 a 2016. Uma abordagem com o modelo ARIMA. In: A Produção do Conhecimento Interdisciplinar nas Ciências Ambientais, DOI 10.22533/at.ed.18420100214, Atena Editora, 2020.
OLIVEIRA, A. C. S.; Souza, A. A.; Lacerda, W. S.; Gonçalves, L. R. Aplicação de redes neurais artificiais na previsão da produção de álcool. Ciência e Agrotecnologia, v. 34, n. 2, p. 279-284, 2010.
OLIVEIRA, A. L. S.; LUNA, C. F.; SILVA, M. G. P. Homicídios do Brasil na última década: uma revisão integrativa. Ciência & Saúde Coletiva, v. 25, p. 1925-1934, 2020.
PROVENZA, M. M.; SERRA COSTA, J. F.; MIRANDA, I. P.; SILLI, M. T.; MARQUES, K. S. Homicídio doloso na cidade do Rio de Janeiro: Uma comparação entre as bases da segurança e da saúde. DILEMAS: Revista de Estudos de Conflito e Controle Social, Vol.10, no 2, pp. 297-321, 2017.
SIEGEL, S.; CASTELLAN JR. N. J. Estatística Não-Paramétrica para Ciências do Comportamento. Artmed Editora, 2006.
SOARES, G. A. D. Não Matarás: Desenvolvimento, Desigualdade E Homicídios. Editora FGV, 2008.
SOARES FILHO, A. M.; DUARTE, E. C.; MERCHAN-HAMANN, E. Tendência e distribuição da taxa de mortalidade por homicídios segundo porte populacional dos municípios do Brasil, 2000 e 2015. Ciência & Saúde Coletiva, v. 25, p. 1147-1156, 2020.
SOARES FILHO, A. M.; SOUZA, M. F. M.; GAZAL-CARVALHO, C.; MALTA, D. C.; ALENCAR, A. P.; SILVA, M. M. A.; MORAES NETO, O. L. Análise da mortalidade por homicídios no Brasil. Epidemiologia e Serviços de Saúde, v. 16, n. 1, p. 7-18, 2007.
STEINKE, V. A.; MELO, L. A. M. P.; MELO, M. L.; DA FRANCA, R. R.; LUCENA, R. L.; STEINKE, E. T. Trend analysis of air temperature in the federal district of Brazil: 1980–2010. Climate, v. 8, n. 8, p. 89, 2020.
R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Disponível em: https://www.R-project.org. 2019.
TAVARES, R.; CATALAN V. D. B.; ROMANO, P. M. M.; MELO, E. M. Homicídios e vulnerabilidade social. Ciência & Saúde Coletiva, v. 21, p. 923-934, 2016.
