Use este identificador para citar ou linkar para este item: http://hdl.handle.net/1843/BUOS-97XHQY
Tipo: Dissertação de Mestrado
Título: Detecção e inferência de clusters por meio do fluxo de pessoas
Autor(es): Francisco da Silva Oliveira Junior
Primeiro Orientador: Sabino Jose Ferreira Neto
Primeiro Coorientador: Ricardo Tavares
Primeiro membro da banca : Sabino Jose Ferreira Neto
Segundo membro da banca: Luiz Henrique Duczmal
Terceiro membro da banca: Marcos Oliveira Prates
Quarto membro da banca: Anderson Ribeiro Duarte
Resumo: Este trabalho propõe um método de detecção de clusters adaptando o método tradicional, Scan Circular, de forma a utilizar o fluxo de pessoas como medida de proximidade, interação entre regiões do mapa, para identificar um conjunto de regiões com risco elevado de ocorrência de um determinado evento de interesse. O fluxo de pessoas entre duas regiões é estimado através do método gravitacional, sendo diretamente proporcional aos produtos dos produtos internos brutos e inversamente proporcional ao quadrado das distâncias entre regiões. Usamos também o método linear generalizado gravitacional para estimar o fluxoatravés de um modelo logístico que usa como variáveis preditoras índices de desenvolvimento econômico, social e a distância. O desempenho dos métodos propostos foi comparado com o método tradicional Scan Circular a partir de simulações de clusters usando uma base de casos de homicídios e também analisando a situação real. Em todos os casos simulados, as técnicas propostas tiveram melhores resultados de poder, sensibilidade e valor preditivo positivo que o método tradicional, com exceção para clusters simulados com formato regular. Dentre as técnicas propostas, a técnica do modelo linear generalizado apresentou resultados ligeiramente superiores aos da técnica do modelo gravitacional. Na aplicação das técnicas à situação real de casos de homicídios o modelo linear generalizado gravitacional apresentou resultados mais coerentes com a realidade. Em conclusão consideramos que os métodos propostos são boas alternativas para detecção de clusters irregulares e ou desconexos.
Abstract: This work proposes a cluster detection method that adapts the traditional circular scan method, in the way how the proposed method uses the flow of people as a measure of proximity, interaction between regions of a map to identify a set of regions with a high risk of occurrence of some specific event. The flow of people between two regions is estimated by the gravitational method as proportional to the product of their gross domestic product and inversely proportional to the square of the distance between them. We also use a gravitational generalized linear model method to estimate the flow of people by a logistic model with social and economic development indices and the distance as predictor variables. The performance of the proposed methods was compared with the traditional circular scan simulating clusters from a database of real cases of homicides and also analyzing the real picture. In all simulated cases the proposed techniques overcame the circular scan with better results of detection power, sensibility and positive predictive value, except for regular shaped simulated clusters. Considering the proposed techniques the gravitational generalized linear model presented slightly better results than the gravitational model concerning the simulated clusters. When applied to the real situation of homicides cases the gravitational generalized linear model presented results more consistent with reality. In conclusion we consider that the proposed methods are good alternatives for detection of irregular and or disconnected clusters.
Assunto: Estatistica
Distribuição (Probabilidades)
Analise por conglomerados
Análise espacial (Estatística)
Idioma: Português
Editor: Universidade Federal de Minas Gerais
Sigla da Instituição: UFMG
Tipo de Acesso: Acesso Aberto
URI: http://hdl.handle.net/1843/BUOS-97XHQY
Data do documento: 13-Jul-2012
Aparece nas coleções:Dissertações de Mestrado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
disserta__o_mestrado_francisco.pdf1.89 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.