análisis espacial de los crímenes renato assunção módulo ii
TRANSCRIPT
Análisis Espacial de los Crímenes
Renato AssunçãoRenato Assunção
Módulo IIMódulo II
Creando regiones homogêneasCreando regiones homogêneas
Descripción Em cada área, temos várias características medidas.Em cada área, temos várias características medidas. Por exemplo: número de crime A, crime B e crime C Por exemplo: número de crime A, crime B e crime C Quieremos agregar las pequeñas áreas que són Quieremos agregar las pequeñas áreas que són
simultaneamentesimultaneamente similares nas características. similares nas características. Mapa resultante é subdividido em regiões homogêneas.Mapa resultante é subdividido em regiões homogêneas. Áreas da mesma região são mais similares que áreas de Áreas da mesma região são mais similares que áreas de
regiões diferentes.regiões diferentes.
coordenada x
coo
rde
na
da
y
664000 666000 668000 6700007.4
76
*10
^67
.47
8*1
0^6
7.4
80
*10
^67
.48
2*1
0^6
12
34567 8
9 101112
13141516
1718
19
20
21
2223 242526 27 28293031
32
333435 3637 38
3940
41
42 4344 45
46
47 484950
5152
5354 5556 57
58
59
6061
6263 64 6566
6768
697071 72
73
7475
76777879 80
8182 8384 85 86 8788
89
9091 9293 9495
9697
98
99
100101
102103
104 105
106
107108109 110 111
112113 114 115116
117118
119
120121 122123
124125
126 127128129
130131
132133134 135
136137138
139140141
142143
144 145 146
147148
149150
151
152153154
155156 157 158
159
160161 162163 164165166167 168 169170
171 172173 174
175176177178 179180 181182183184
185186187188
189190191 192
193
194195196 197198 199200 201202 203204
205
206 207208 209210
211 212
213214 215
216217 218 219
220221222 223224225 226 227
228229
230
231232 233 234
235
236 237 238239 240 241242
243 244245246247
248249
250251 252253
254255
256257258259260 261 262263264265 266267
268269
270271
272273274
275
276277
278279
280281282 283284 285
286 287288
289290
291 292
293294 295
296 297298 299
300301302303
304 305306307
308 309310 311312313314 315
316 317318 319320
321 322323 324 325326
327328 329
330331 332333334
335 336337338 339340 341342
343344 345
346 347348
349350 351
352
353
Grafo/Mapa de Sao Joao do Meriti
coordenada x
coo
rde
na
da
y
664000 666000 668000 6700007.4
76
*10
^67
.47
8*1
0^6
7.4
80
*10
^67
.48
2*1
0^6
12
34567 8
9 101112
13141516
1718
19
20
21
2223 242526 27 28293031
32
333435 3637 38
3940
41
42 4344 45
46
47 484950
5152
5354 5556 57
58
59
6061
6263 64 6566
6768
697071 72
73
7475
76777879 80
8182 8384 85 86 8788
899091 9293 94
959697
98
99
100101
102103
104 105
106
107108109 110 111
112113 114 115116
117118
119
120121 122123
124125
126 127128129
130131
132133134 135
136137138
139140141
142143
144 145 146
147148
149150
151
152153154
155156 157 158
159
160161 162163 164165166167 168 169170
171 172173 174
175176177178 179180 181182183184
185186187188
189190191 192
193
194195196 197198 199200 201202 203204
205
206 207208 209210
211 212
213214 215
216217 218 219
220221222 223224225 226 227
228229
230
231232 233 234
235
236 237 238239 240 241242
243 244245246247
248249
250251 252253
254255
256257258259260 261 262263264265 266267
268269
270271
272273274
275
276277
278279
280281282 283284 285
286 287288
289290
291 292
293294 295
296 297298 299
300301302303
304 305306307
308 309310 311312313314 315
316 317318 319320
321 322323 324 325326
327328 329
330331 332333334
335 336337338 339340 341342
343344 345
346 347348
349350 351
352
353
Arvore Geradora Minima Sao Joao do Meriti
Estudo de Caso – Minas Gerais
853 municipalidades853 municipalidades Datos de homícidio e de populaciónDatos de homícidio e de populación Tajas de homicídio por 100 milTajas de homicídio por 100 mil 5 años de datos: 1996 a 20005 años de datos: 1996 a 2000
Diminuición de la heterogeneidad
Modelos para mapas de tasas
Los valores extremos ocurren em áreas con Los valores extremos ocurren em áreas con poblaciones pequeñas. poblaciones pequeñas.
Lo qué más llama la atención em um mapa Lo qué más llama la atención em um mapa (sus valores extremos) son los valores menos (sus valores extremos) son los valores menos confiables. confiables.
Las diferencias más grandes no se asocian a Las diferencias más grandes no se asocian a los riesgos subyacentes, ellas son apenas los riesgos subyacentes, ellas son apenas variaciones al azar.variaciones al azar.
Homicidios en MG
• Tasas municipales en Minas Gerais, 1991.• Habíam 753 municipios.• Tasas variam de 0 a 88.5.•Mediana es 4.11
Mira la forma de embudoProblema: escala
Efecto de la inestabilidad
15 municipios con 0 homicidios y menos 15 municipios con 0 homicidios y menos de 2000 habitantesde 2000 habitantes
Tasas = 0.0Tasas = 0.0 Si ocurre un solo homicidio, las tasas Si ocurre un solo homicidio, las tasas
varían de 50 hasta 117.0varían de 50 hasta 117.0 El valor extremo anterior era 80 El valor extremo anterior era 80 La mediana era 4.11La mediana era 4.11 La media era 9.37La media era 9.37
Como solucionar ? Agregar áreas para obtener áreas más grandes. LA Agregar áreas para obtener áreas más grandes. LA
Desvantaja es la pérdida de la información localizada.Desvantaja es la pérdida de la información localizada. Podemos estimar mejor el riesgo localizado em uma área Podemos estimar mejor el riesgo localizado em uma área ii. .
Reducimos grandemente el problema usando metodologias Reducimos grandemente el problema usando metodologias bayesianas.bayesianas.
Metodologias bayesianas: Metodologias bayesianas: empírica: Es fácil de implementar empírica: Es fácil de implementar puramentepuramente bayesiana: bayesiana:
preferível porque puede ser generalizada a preferível porque puede ser generalizada a modelos más complexosmodelos más complexos
requieer más esfuerzo de cómputo. requieer más esfuerzo de cómputo.
Metodologia Bayesiana Empírica
Asumimos que riesgos de áreas diversas no son Asumimos que riesgos de áreas diversas no son totalmente “sin relación”.totalmente “sin relación”.
Pedimos prestada uma cierta fuerzita de los Pedimos prestada uma cierta fuerzita de los vecinos (we borrow strength from the neighbors)vecinos (we borrow strength from the neighbors)
Idéia: contraer la tasa hacia el medio global. Idéia: contraer la tasa hacia el medio global. Factor de contracción depende de la población del Factor de contracción depende de la población del
área. área.
Metodologia de Marshall (1991)
Fácil de ser executada (puede Fácil de ser executada (puede utilizar excel)utilizar excel)
Idea: cada área Idea: cada área ii tiene una tiene una tasa subyacente tasa subyacente ii
desconocida. Aunque son desconocida. Aunque son diferentes, esas taxas tienen diferentes, esas taxas tienen una cierta estructura. una cierta estructura.
Si podríamos hazer un Si podríamos hazer un histograma de estos riesgos histograma de estos riesgos subyacentes, qué debemos subyacentes, qué debemos ver ?ver ? 350300250200150100500
70
60
50
40
30
20
10
0
risco relativo teta * 100
fre
qu
ên
cia
Objectivo: recuperar
En una área, observamos um número aleatório OEn una área, observamos um número aleatório Oi i de crímenes.de crímenes.
No asumimos un riesgo constante: ONo asumimos un riesgo constante: Oii tiene una distribuición de tiene una distribuición de
Poisson con número previsto de casos igual a Poisson con número previsto de casos igual a Asumimos que las tasas Asumimos que las tasas ii tienen distribuición con promedio tienen distribuición con promedio mm e e
variância variância VV. . Qual es la mejor estimación possible de los Qual es la mejor estimación possible de los i i ? Mejor em que ? Mejor em que
sentido ? sentido ? Mejor no sentido de minimizar la suma de los errores de estimación Mejor no sentido de minimizar la suma de los errores de estimación
de todas las áreas: de todas las áreas:
iiPop
i
2ˆ i
ii
Simplifique el problema
Búscamos la mejor estimación solamente entre los Búscamos la mejor estimación solamente entre los estimadores que se puedan escribir como promedio estimadores que se puedan escribir como promedio ponderados de ponderados de mm y de la tasa observada em la área y de la tasa observada em la área ii
Solución: Solución:
Problema: V Problema: V y y m m non són conocidos. non són conocidos. Bayes empírico Bayes empírico estima estima estos valores a partir de los datos estos valores a partir de los datos
(así se explica el nombre (así se explica el nombre empíricoempírico) )
i
iiiii
Popm
V
Vwmwrw
onde)1(
Estimando m y V
global taxa
ii
i i
Pop
Om
médiaPop
m
Pop
mrPopV
i i
i ii
2
Estimativas contraen hacia el promedio
Contraciones son más grandes em los municípios más pequeños
Objectivos
Analizar la tendencia histórica de los Analizar la tendencia histórica de los diversos tipos de crímenes en Minas diversos tipos de crímenes en Minas Gerais, según la poblaciones de las Gerais, según la poblaciones de las ciudades.ciudades.
Modelar la tendencia histórica de los Modelar la tendencia histórica de los crímenes, según la población de las crímenes, según la población de las ciudades, utilizando-se la metodologia ciudades, utilizando-se la metodologia bayesiana.bayesiana.
Análisis de tendencias temporales
Analizar la tendencia histórica de los Analizar la tendencia histórica de los crímenes em Minas Gerais, según la crímenes em Minas Gerais, según la población de las ciudades.población de las ciudades.
Datos de PMMG, 1986 a 1997Datos de PMMG, 1986 a 1997 Datos de 713 municipalidades. Datos de 713 municipalidades.
Tendencias parecen ser paralelas: log(taxa) de robos con arma tienen la misma velocidad de crecimiento en el tiempo, independiente del tamaño de la ciudad