HOMICÍDIO DOLOSO NO RIO DE JANEIRO: PREVISÕES USANDO MODELOS DE ESTADO E SUAVIZAÇÃO EXPONENCIAL, ARIMA E REDES NEURAIS AUTORREGRESSIVAS
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...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | English |
Published: |
Universidade do Estado do Rio de Janeiro
2022-11-01
|
Series: | Cadernos do IME: Série Estatística |
Online Access: | https://www.e-publicacoes.uerj.br/index.php/cadest/article/view/65627 |
_version_ | 1811190204504997888 |
---|---|
author | Emerson Gonçalves Araújo Marcello Montillo Provenza José Fabiano da Serra Costa |
author_facet | Emerson Gonçalves Araújo Marcello Montillo Provenza José Fabiano da Serra Costa |
author_sort | Emerson Gonçalves Araújo |
collection | DOAJ |
description | 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. |
first_indexed | 2024-04-11T14:47:34Z |
format | Article |
id | doaj.art-d759dd1571644e4ea2257714a856bf6e |
institution | Directory Open Access Journal |
issn | 1413-9022 2317-4536 |
language | English |
last_indexed | 2024-04-11T14:47:34Z |
publishDate | 2022-11-01 |
publisher | Universidade do Estado do Rio de Janeiro |
record_format | Article |
series | Cadernos do IME: Série Estatística |
spelling | doaj.art-d759dd1571644e4ea2257714a856bf6e2022-12-22T04:17:35ZengUniversidade do Estado do Rio de JaneiroCadernos do IME: Série Estatística1413-90222317-45362022-11-0151010.12957/cadest.2021.6562733392HOMICÍDIO DOLOSO NO RIO DE JANEIRO: PREVISÕES USANDO MODELOS DE ESTADO E SUAVIZAÇÃO EXPONENCIAL, ARIMA E REDES NEURAIS AUTORREGRESSIVASEmerson Gonçalves Araújo0Marcello Montillo Provenza1José Fabiano da Serra Costa2UERJUERJUERJO 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.https://www.e-publicacoes.uerj.br/index.php/cadest/article/view/65627 |
spellingShingle | Emerson Gonçalves Araújo Marcello Montillo Provenza José Fabiano da Serra Costa HOMICÍDIO DOLOSO NO RIO DE JANEIRO: PREVISÕES USANDO MODELOS DE ESTADO E SUAVIZAÇÃO EXPONENCIAL, ARIMA E REDES NEURAIS AUTORREGRESSIVAS Cadernos do IME: Série Estatística |
title | HOMICÍDIO DOLOSO NO RIO DE JANEIRO: PREVISÕES USANDO MODELOS DE ESTADO E SUAVIZAÇÃO EXPONENCIAL, ARIMA E REDES NEURAIS AUTORREGRESSIVAS |
title_full | HOMICÍDIO DOLOSO NO RIO DE JANEIRO: PREVISÕES USANDO MODELOS DE ESTADO E SUAVIZAÇÃO EXPONENCIAL, ARIMA E REDES NEURAIS AUTORREGRESSIVAS |
title_fullStr | HOMICÍDIO DOLOSO NO RIO DE JANEIRO: PREVISÕES USANDO MODELOS DE ESTADO E SUAVIZAÇÃO EXPONENCIAL, ARIMA E REDES NEURAIS AUTORREGRESSIVAS |
title_full_unstemmed | HOMICÍDIO DOLOSO NO RIO DE JANEIRO: PREVISÕES USANDO MODELOS DE ESTADO E SUAVIZAÇÃO EXPONENCIAL, ARIMA E REDES NEURAIS AUTORREGRESSIVAS |
title_short | HOMICÍDIO DOLOSO NO RIO DE JANEIRO: PREVISÕES USANDO MODELOS DE ESTADO E SUAVIZAÇÃO EXPONENCIAL, ARIMA E REDES NEURAIS AUTORREGRESSIVAS |
title_sort | homicidio doloso no rio de janeiro previsoes usando modelos de estado e suavizacao exponencial arima e redes neurais autorregressivas |
url | https://www.e-publicacoes.uerj.br/index.php/cadest/article/view/65627 |
work_keys_str_mv | AT emersongoncalvesaraujo homicidiodolosonoriodejaneiroprevisoesusandomodelosdeestadoesuavizacaoexponencialarimaeredesneuraisautorregressivas AT marcellomontilloprovenza homicidiodolosonoriodejaneiroprevisoesusandomodelosdeestadoesuavizacaoexponencialarimaeredesneuraisautorregressivas AT josefabianodaserracosta homicidiodolosonoriodejaneiroprevisoesusandomodelosdeestadoesuavizacaoexponencialarimaeredesneuraisautorregressivas |