POPULAÇÃO EM SITUAÇÃO DE RUA: POR QUAIS MOTIVOS UMA PESSOA EM SITUAÇÃO DE RUA RESPONDERIA QUE NÃO DESEJA SAIR DESTA SITUAÇÃO?
DOI:
https://doi.org/10.12957/cadest.2023.83809Palavras-chave:
Regressão Logística Binária, População em Situação de Rua, Matriz de Confusão, EstatísticaResumo
População em situação de rua sempre foi um assunto delicado de se tratar e ao mesmo tempo muito importante para saúde pública e vivência em sociedade. Dentre essa população, podemos identificar pessoas que estão nessa situação por falta de oportunidade, dinheiro ou até por questões pessoais como falta de contato com familiares por conta de brigas. Por consequência do aumento constante dessa população, a sociedade foi se organizando e criando abrigos para oferecer alguma dignidade à essa população. Em meio à tantos fatores que podem levar uma pessoa para essa situação, um muito importante é o uso de drogas tanto lícitas quanto ilícitas. Para entender os aspectos e características dessas pessoas, começaram a ser feitos censos como o realizado pelo Instituto Pereira Passos (IPP), que será utilizado nesse trabalho. A partir desses censos e consequentemente coleta de dados, é possível fazer estudos estatísticos para entender os comportamentos e padrões dessa parcela da sociedade. Sendo assim, esse trabalho tem como objetivo identificar através de um modelo de regressão logística binária, quais são as características que mais contribuem para uma pessoa em situação de rua responder que não tem intenção de sair dessa situação.
Downloads
Referências
BRASIL. Decreto Federal n° 7053 de 23/12/2009. Institui a Política Nacional para a População em Situação de Rua e seu Comitê Intersetorial de Acompanhamento e Monitoramento, e dá outras providências. Disponível em: https://legis.senado.leg.br/norma/411537/publicacao/15750903 Acesso em: 06/04/2023.
HAIR, J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E.; TATHAM, R. L. Análise Multivariada de Dados. Bookman editora. 2009.
HOSMER, D. W.; LEMESHOW, S. Applied Logistic Regression. New Jersey: John Wiley & Sons, 2013.
LUCAMBIO, F. Seleção de modelos, Critério de Informação de Akaike. 2020. Disponível em: http://leg.ufpr.br/~lucambio/CE017/20202S/AIC.pdf. Acesso em: 05/06/2023.
MARIANO, D.; PAZ, F. J. Data Mining. 1ª Edição. Porto Alegre: Sagah, 2020.
MIGUEL, M. G. R. Comparação do desempenho da estatística tipo-Wald com o de outras estatísticas de teste em modelos lineares generalizados. 2015. Dissertação (Mestrado) - Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo, 2015.
NARKHED, S. Understanding confusion matrix. 2018. Disponível em: https://towardsdatascience.com/understanding-confusion-matrix-a9ad42dcfd62. Acesso em: 10/05/2023.
NELDER, J.; WEDDERBURN, R. Generalized Linear Models. Blackwell Publishing. Journal of the Royal Statistical Society, 1972.
PREFEITURA DA CIDADE DO RIO DE JANEIRO. Censo de População em Situação de Rua - 2020. Disponível em: https://censorua-pcrj.hub.arcgis.com/Acesso em: 06/04/2023.
R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2019. Disponível em: https://www.R-project.org. Acesso: 06/06/2023.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Guilherme Caldas de Castro, Letícia Castilho Homem Souza, Yan de Aquino Pereira

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License. Declaramos que, em caso de aceitação do artigo, a revista Cadernos do IME – Série Estatística passa a ter os direitos autorais a ele referentes, que se tornarão propriedade exclusiva da revista, sendo vedada qualquer reprodução, sem que a prévia e necessária autorização seja solicitada.