Aplicação de métodos não supervisionadosestudo empírico com os dados de segurança pública do estado do Rio de Janeiro

Resumo

Este trabalho é uma abordagem multidisciplinar, o qual aplica-se a metodologia de matemática aplicada, em específico, aprendizagem não supervisionada, a dados de segurança pública. Busca-se identificar a semelhança entre batalhões da polícia, utilizando métodos de clusterização de modo a otimizar numericamente o critério de avaliação de McClain. Além da otimização, aborda-se intuitivamente o modelo de clusterização hierárquica, para posteriormente extrair ordem no padrão criminal dos clusters e, finalmente, aplicar o modelo de classificação OLogit, utilizando variáveis características desses clusters. Encontramos evidência de clusterização dos dados e significância na utilização de dados socioeconômicos e de policiamento na ordenação dos clusters. Resumindo, quanto maior o efetivo policial por habitante e o IDH de renda mínima em determinado batalhão maior a probabilidade de se estar em um cluster de menor incidência criminal.

Ficha do documento

Tipo

Dissertação

Ano

2016

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Não informado

Identificador

oai:repositorio.fgv.br:10438/18288

Temas

EconomiaDados

Palavras-chave

Aprendizagem não supervisionadaSegurança públicaClustersSimilaridadeAprendizagem dos DadosÍndice de McCLainLearning from dataUnsupervised learningPublic safetySimiliarityMcClain indexMatemáticaSegurança pública - Rio de Janeiro (RJ)Sociologia - Aspectos econômicos