ApostilaAC2 PDF

1 ead.senasp.gov.
br
APRESENTAÇÃO
Caros alunos e alunas,

Bem-vindos ao Curso de Análise Criminal 2! Aqui você irá aperfeiçoar e aprofundar os conheci-
mentos adquiridos no Curso de Análise Criminal.
No curso de análise criminal, você já estudou o que faz um analista criminal, a importância da
coleta de informações, conceitos teóricos de estatística e de sistemas de informações geográficas aplicados
à análise criminal, entre outras coisas.
O curso de análise criminal 2 concentrará sua atenção à aplicação dos conceitos de estatística e
de sistema de informação geográfica pelo analista criminal. Assim, você estudará como, quando e por que
operacionalizar os conceitos aprendidos no curso de análise criminal e, sempre que necessário, o conteúdo
será visto de forma mais profunda.
Além disso, você também conhecerá as principais correntes teóricas de análise espacial criminal
e sua aplicação no Brasil. Isso é importante para que tenha uma visão crítica do espaço de interação criminal,
e desenvolva um olhar apurado sobre o que é possível extrair de cada tipo de informação disponível.
Desejamos a todos um ótimo curso.
Objetivos do curso
Ao final deste curso, você será capaz de:
• Aplicar a análise estatística aos dados criminais;
• Elaborar mapas que o ajudem a inferir hipóteses de padrões criminais espaciais e sua intera-
ção com o meio onde ocorrem;
• Identificar várias teorias e aplicá-las na análise de dados criminais georreferenciados;
• Identificar possíveis temas de pesquisa espacial criminal que ainda não foram desenvolvidas
no país.
Estrutura do curso
O curso está dividido nos seguintes módulos:
• Módulo 1- Estatística Criminal
• Módulo 2 - Introdução ao Mapeamento Criminal
• Módulo 3 - Análise Criminal Espacial
2
MÓDULO ESTATÍSTICA CRIMINAL
1
Apresentação do módulo
Desejamos as boas-vindas ao primeiro módulo deste curso.
Nele você estudará conceitos e noções da Estatística, agora em um nível intermediário. Os estudos
de métodos estatísticos podem ser classificados basicamente em três grandes áreas: Estatística Descritiva,
Probabilidade e Inferência. A Estatística Descritiva se dedica em como resumir um conjunto de dados por
meio de tabelas de frequências, gráficos e medidas de tendência central e dispersão. O curso de análise
criminal desenvolveu esses conteúdos, lembra?
Neste curso, você estudará as noções e conceitos da Probabilidade, que trabalha com modelos
probabilísticos, discretos ou contínuos, busca descrever determinados fenômenos por meio das distribuições
de probabilidades. E também aqueles relacionados à Inferência Estatística, que busca métodos para fazer
afirmações sobre características de uma população, com base apenas nos resultados de uma amostra.
Objetivos do módulo
Ao final deste módulo, você será capaz de:
• Aplicar conhecimentos estatísticos em trabalhos de pesquisa, que lhe servirão como ferra-
mentas de tomada de decisões.
Estrutura do módulo
Este módulo está dividido nas seguintes aulas:
• Aula 1 - Variáveis Aleatórias e Distribuições de Probabilidade
• Aula 2 - Noções de Amostragem
• Aula 3 - Estimação
• Aula 4 - Correlações
• Aula 5 - Análise de Regressão Linear Simples
Aula 1 – Variáveis Aleatórias e Distribuições de Probabilidade

Nesta aula, você vai estudar o conceito de variável aleatória e distribuição de probabilidade.
A análise estatística, em sua maioria, dedica-se ao estudo de experimentos aleatórios. Um expe-

rimento é considerado aleatório se o seu resultado apresentar uma probabilidade de ocorrer.
Por exemplo, um dado possui 6 lados em que cada face está numerada de 1 a 6. Joga-se o dado
uma vez; a variável aleatória é a face que aparecerá nesse lançamento. Há seis possíveis resultados, cada um
com uma probabilidade de ocorrência de 1/6.
Agora, considere a seguinte situação: suponha que, ao lançar 3 vezes um mesmo dado, você quer
saber qual é chance de que, nas três tentativas, ocorra a face 2. Nesse caso, você considera como variável a
ocorrência da face 2.
Portanto, variável é uma característica que pode ser observada ou medida em cada elemento do
3 ead.senasp.gov.br
conjunto em estudo.
Sexo, idade, altura, número de crimes violentos e número de acidentes em rodovias são outros
exemplos de variáveis que são possíveis de medir em um experimento. Assim, uma variável aleatória será
o resultado numérico de um experimento.
No caso da segurança pública, a possibilidade de um crime acontecer dentro de um determinado
período de tempo é um experimento aleatório, pois você só saberá se o crime ocorreu após sua observa-
ção. Seu resultado é uma variável aleatória – há dois possíveis resultados: acontecer ou não o crime.
Vamos retomar o exemplo de lançamento de um dado. Neste exemplo, há seis possíveis resultados,
cada um com uma probabilidade de ocorrência de 1/6, conforme você pode ver na tabela seguinte:
Tabela 1 – Resultados de lançamento de dados
Modelos matemáticos descrevem as probabilidades, que são

classificadas em distribuições de probabilidade discretas e distribuições
de probabilidade contínuas.
A seguir, veja cada uma delas!
1.1 Distribuições de probabilidade discretas
Variáveis discretas são variáveis que só podem assumir valores inteiros. Você aprendeu
esse conceito no curso de análise criminal 1.
As distribuições de probabilidade discretas são aquelas distribuições que apresentam
expressões para o cálculo das probabilidades das variáveis discretas, isto é, um modelo matemáti-
co conhecido por avaliar as probabilidades. A distribuição Binomial e a distribuição de Poisson são
dois conhecidos exemplos desse tipo de distribuição.
SAIBA MAIS...
O estudo das distribuições de probabilidade discreta está fora do escopo desse curso. No
entanto, maiores explicações sobre o assunto estão disponíveis em livros de probabilidade e esta-
tística ou no material didático do professor Dr. Lorí Viali da PUCRS.
(http://www.pucrs.br/famat/viali/graduacao/engenharias/material/apostilas/Apostila_2.
pdf)
1.2 Distribuições de probabilidade contínuas

Como vocês já estudaram no curso anterior, uma variável contínua pode assumir infinitos
valores dentro de um intervalo.
Assim como ocorre com as variáveis discretas, existem vários tipos de distribuições de pro-
babilidade contínuas: Uniforme, Exponencial e Normal. Seu estudo se dedicará mais detalhadamen-
te à distribuição de probabilidade Normal por sua maior frequência de uso.
Em geral, trabalha-se com variáveis aleatórias para as quais não se conhece sua dis-
4
tribuição. No entanto, a partir de algumas suposições, assume-se que as variáveis aleatórias têm
distribuição de probabilidade que se comporta como uma Normal.
A distribuição normal possui simetria em torno do seu valor médio. Aceita-se como parâ-
metros média igual a 0 e o desvio padrão igual a 1. Quando se conhece a distribuição de probabi-
lidade de uma variável aleatória pode-se fazer inferências.
O cálculo das probabilidades da distribuição Normal é complexo, e por isso ela é encontra-
da tabelada em qualquer livro texto de probabilidade e estatística.
5 ead.senasp.gov.br
Observe...
Na tabela, destaca-se as probabilidades mais usadas na distribui-
ção normal (Z), onde se encontram associados os seguintes valores para
Z:
Z = 1,65 para probabilidade de aproximadamente 95%
Z = 1,96 para probabilidade de aproximadamente 97,5%
Nas próximas aulas você verá aplicações das probabilidades da distribuição Normal.
Aula 2 – Noções de Amostragem

Nesta aula, você vai estudar formas de amostragem, bem como aprender a manusear
algumas delas.
Existem dois tipos de pesquisas de campo quantitativas: a censitá-

ria e a amostral.
Veja alguns conceitos sobre o assunto:
• Pesquisa Censitária: Realiza-se o estudo com todos os elementos da população.
• População: Para a estatística, o conceito de população está associado a todo o con-

junto do universo em estudo. Conceitua-se o termo população em sentido mais amplo do que ex-
clusivamente as pessoas. Por exemplo, se o objetivo é avaliar as condições da frota da polícia militar,
a população em estudo corresponde aos veículos pertencentes à corporação.
• Pesquisa Amostral: Realiza-se o estudo com uma parcela (amostra) da população.
• Amostra: É um subconjunto representativo do universo. Nesse caso, todo o estudo

estará baseado na amostra, mas seus resultados são inferidos para a respectiva população.
• Inferência: É um conjunto de técnicas dedicadas a se obter informação sobre uma

população a partir de uma amostra.
Figura 1: População X Amostra
6
Mas, por que fazer pesquisa amostral?
Porque, muitas vezes, é impossível examinar todos os elementos da população em estudo,
devido à escassez de tempo, de dinheiro ou a dificuldade de acesso a todos os elementos da po-
pulação. Nesse caso, estuda-se uma parte dessa população de maneira segura e generalizam-se as
conclusões obtidas para a população como um todo.
A amostragem pode ser classificada como probabilística ou não

probabilística.
Na amostra não probabilística o processo de seleção é subjetivo, uma vez que se sele-
ciona cada elemento conforme o conhecimento do pesquisador a respeito das características da
população.
Por isso, nem todos os elementos da população possuem uma probabilidade de perten-
cerem à amostra, sendo esta diferente de zero. Esse processo não é aleatório, mas algumas vezes
esse tipo de amostragem é escolhida, por simplicidade ou pela impossibilidade de se obter amos-
tragens probabilísticas.
A amostragem por julgamento é um exemplo de amostragem não probabilística. A
amostra é colhida na parte da população que é acessível.
Por exemplo, em segurança pública, o pesquisador pode usar o conhecimento prévio sobre
a incidência de determinado tipo de ocorrência por região, e decidir amostrar aquelas que apresen-
tam maior índice de crimes. A amostragem por julgamento é rápida, em geral, tem menor custo
financeiro, e gasta menos tempo para sua aplicação. Entretanto, não permite a avaliação objetiva
do erro amostral, e seus resultados não são generalizáveis para a população. Assim, as conclu-
sões são válidas apenas para os elementos da amostra.
Atenção!
Existe também, um caso particular denominado amostra tendenciosa. Nesse caso, as in-
ferências referem-se apenas para parte da população da qual retira-se a amostra. Não tem sentido
estudar as condições de segurança nas regiões mais ricas e fazer inferência para a população das
regiões mais pobres da cidade. Ou seja, se a amostra foi intencionalmente coletada nas regiões
mais ricas, deveremos tirar conclusões somente para essas regiões e jamais aplicá-las diretamente
nas regiões mais pobres.
Importante!
Pelas características da amostragem não probabilística expostas, desaconselha-se seu uso,
de modo que se deve empregar a amostragem probabilística sempre que possível.
Uma amostra é probabilística se cada elemento da população tiver uma probabilidade

conhecida e diferente de zero de pertencer à amostra. Para a validade das inferências sobre uma
população, feitas a partir de uma amostra, o processo de escolha precisa ser aleatório.
A amostra probabilística permite o cálculo de estimativas dos erros envolvidos no processo
de inferência e permite a generalização dos resultados para a população amostrada. Por essas ra-
zões, prefere-se as amostras probabilísticas.
Quando se trabalha com amostra probabilística, a principal preocupação é que ela seja
representativa, ou seja, aleatória. O processo de amostragem é aleatório se cada elemento da po-
pulação possui uma probabilidade de ser selecionado para compor a amostra.
Os principais procedimentos de seleção de amostra que garantem essa propriedade são:
• Amostragem Aleatória Simples; e
7 ead.senasp.gov.br
• Amostragem Estratificada.
Veja a seguir cada um deles!
2.1. Amostragem Aleatória Simples

Para a amostragem aleatória simples, todo elemento da população tem igual chance, ou
seja, igual probabilidade de ser sorteado.
Exemplo
Imagine que 500 ocorrências policiais foram registradas em 1 ano
em determinada cidade. Suponha que você precise obter uma amostra
aleatória de 150 registros. A probabilidade de cada registro ser seleciona-
do para compor essa amostra é 1/500.
2.2. Amostragem Proporcional Estratificada

Adota-se a amostragem proporcional estratificada para preservar a representatividade
de subgrupos dentro da população. Neste caso, os grupos são chamados de estratos.
Muitas vezes, a população se divide em grupos mais homogêneos em relação à caracte-
rística que se quer medir. Assim é mais eficiente fazer amostragem proporcional estratificada,
na qual se escolhe uma amostra aleatória simples dentro de cada um desses grupos ou estratos. A
maior eficiência deriva do fato de que com uma amostra proporcional estratificada menor do que
uma amostra aleatória simples obtém-se um mesmo erro amostral. Em outras palavras, com essa
técnica de amostragem, você consegue com menos entrevistados o mesmo erro amostral que
conseguiria se tivesse aplicado a amostragem aleatória simples. Isso representa menor necessidade
de recursos humanos e financeiros no levantamento das informações.
Exemplo
Suponha que você queira pesquisar uma população de 1.000 pro-
fissionais da polícia civil composta por: 200 de delegados, 300 de inspe-
tores e 500 de detetives. Cada grupo de profissionais compõe 1 estrato,
logo essa população possui 3 estratos.
Para a realização da amostragem proporcional estratificada
com amostra de 100 profissionais, você sorteia proporcionalmente den-
tro de cada grupo os elementos que irão compor a amostra. Assim, sua
amostra terá: 20 delegados sorteados entre os 200 existentes na popu-
lação – 20% na população e na amostra; 30 inspetores sorteados entre
os 300 existentes na população – 30% na população e na amostra; e 50
detetives sorteados entre os 500 existentes na população – 50% na popu-
lação e na amostra.
Perceba que a amostra e a população têm a mesma proporção
de elementos de cada estrato. Esse é o motivo do nome dessa técnica
de amostragem.
8
Agora é sua vez:
Tente determinar o número de elementos em cada estrato de uma amostra de 10 detetives.
Suponha que a população é composta de 50 detetives - 30 são homens e 20 são mulheres;
Confira sua resposta no próximo slide.
Resposta: Existem dois estratos, sexo masculino e sexo feminino. O primeiro passo é deter-
minar o tamanho da amostra em cada estrato:
A proporção de detetives do sexo feminino na população é de 40% e do sexo masculino, de

60%. Logo, a amostra deverá conter 40% de indivíduos do sexo feminino e 60% do sexo masculino.
Assim, para uma amostra de 10 detetives, 4 serão do sexo feminino e 6 do sexo masculino:
2.3 Como determinar o tamanho da amostra?

Uma dúvida frequente entre os analistas criminais é como determinar o tamanho da
amostra. Na literatura estatística existem várias técnicas para calcular o tamanho de uma amostra.
Se o analista criminal conhece o tamanho da população, e esse é finito, pode-se calcular o tamanho
da amostra pelos passos:
1º passo: escolhe-se o tamanho do erro amostral que se admite.

2º passo: aplica-se a fórmula para encontrar um “n0” teórico:
1
n0 =
E02
Onde:
E0 = erro amostral
n0 = primeira aproximação do tamanho da amostra
3º passo: Pondera-se o n0 pelo tamanho real da população por meio da fórmula:
9 ead.senasp.gov.br
N * n0
n=
N + n0
Onde:
N = tamanho da população
n = tamanho da amostra
Por exemplo, suponha que em uma região com 200 famílias, deseja-se verificar a opinião da
população sobre as ações de segurança pública praticadas na localidade. Deseja-se um erro amos-
tral de 4%. Então, o tamanho da amostra deve ser de:
1º passo: Erro amostral de 4%
2º passo: cálculo do n0.
n0 = 1/(0,04)2 = 625
3º passo: Cálculo final do tamanho da amostra.

População: 200 famílias
n = (200 *625)/(200+625) = 125000/825 = 152 famílias
Portanto, com um erro amostral de 4% e uma população de 200 famílias, tem-se uma
amostra de 152 famílias.
Desafio: Agora refaça os cálculos supondo uma população de 200.000 famílias
Resposta: 623 famílias
Aula 3 – Estimação
Nesta aula você vai estudar o conceito de estimação e aprender o que é estimação
pontual e estimação por intervalo.
A inferência estatística permite que os resultados (parâmetros) encontrados com base na

amostra sejam generalizados para a população. Realiza-se a inferência por meio da estimação dos
parâmetros por ponto e por intervalo.
Estimador
É um modelo matemático que estima uma característica da amostra, ou seja, um parâme-
tro. Um estimador é uma variável aleatória, pois a amostra é aleatória. Os principais estimadores
são:
10
i) Média da amostra x é um estimador da média da população μv
ii) Variância amostral s² , é um estimador da variância populacional σ 2
iii) Desvio-padrão amostral s, é um estimador do desvio-padrão populacional σ
3.1. Estimação Pontual

Na estimação pontual, existe um único valor para cada parâmetro de interesse. Em geral,
as estimativas pontuais mais utilizadas são: a média, o desvio padrão e a proporção. No curso de
analista criminal I, você estudou essas estimativas. No entanto, recorde-as rapidamente:
Média: é o valor esperado de uma variável aleatória.
Imagine os crimes ocorridos em um determinado conjunto de cidades. A média dos crimes
nas cidades fornece uma ideia do desempenho do conjunto de municípios. O cálculo dessa média
corresponde à soma de todos os valores observados da variável aleatória (soma dos crimes em
cada cidade) dividido pelo número de observações (número de cidades):
Onde: xi = é o número de crimes da i-ésima cidade.

n = é o número de cidades na amostra.
Suponha uma amostra de 20 cidades de uma Região Metropolitana com a seguinte distri-
buição de crime:
Para calcular a média de crimes dessa Região Metropolitana, você calcula:
11 ead.senasp.gov.br
A média dessa amostra é uma variável aleatória? Sim, pois só se sabe qual é a média depois
de selecionada a amostra.
Variância / Desvio-padrão: para toda variável aleatória, há diferença entre o valor espera-
do (isto é, a média) e o valor observado. A variância mede a dispersão dos valores observados da
variável aleatória em torno de seu valor esperado. O desvio-padrão é a raiz quadrada da variância.
Esta será uma medida bastante importante nos nossos cálculos mais à frente.
Onde:
xi = crime da i-ésima cidade
x = crime médio
n = número de cidades
Importante!
A variância e o desvio padrão podem ser interpretados como medidas da precisão da mé-
dia. Quanto menor a variância/desvio-padrão, maior é a confiança de que o valor a ser observado
será próximo da média.
3.1.1 Como medir a variância e o desvio padrão

Para medir a variância e o desvio-padrão dos crimes do exemplo, você realizaria o seguinte
cálculo:
Desafio: com ajuda de uma calculadora simples, tente estimar a média, a variância e o des-
vio padrão do exemplo exposto.
Se você realizou o desafio, percebeu que o cálculo da média, variância e desvio padrão é
simples, porém trabalhoso. Para o cálculo da média e desvio-padrão, pode-se utilizar o recurso
estatístico disponível no Excel.
Por sorte, o Excel é um software que auxilia o analista criminal nesse cálculo. Para isso, no
Excel, você deve estar com todos os dados digitados. No exemplo a seguir, cada linha representa
um município e a coluna contém o número de crimes em cada município. Assim, tem-se 20 linhas
e uma coluna.
Para calcular a média, você digita em uma célula vazia o comando:
=MÉDIA( : )
12
Para calcular o desvio padrão digita:
=DESVPAD ( : )
Observação: clique dentro do parêntese e você selecionará a coluna, na qual se encontram

os dados.
A figura 2 mostra esses passos:
Observe! A resposta que aparecerá nas células das fórmulas será: média de 5,6 crimes
com desvio padrão de 2,6 crimes.
Figura 2: Média, Variância e Desvio Padrão com Excel.
3.2. Estimação por intervalo

Em geral, analisar somente a média de uma amostra leva à conclusões incorretas. Por exem-
plo, se os dados em estudo apresentarem grande desvio padrão, significa que existe grande va-
riação de dados em torno da média. Assim, a distribuição dos dados é muito dispersa.
Ao fazer a estimativa do parâmetro, a estimação pontual não permite ter uma ideia do erro
cometido. Assim, não é possível saber, na prática, se o parâmetro estimado representa bem os va-
lores reais dos dados. Para que a estimativa seja confiável, é necessário inserir uma probabilidade
de acerto em torno da estimativa. Isso é que se chama de grau de confiança.
Exemplo
Com base em uma amostra, estimou-se que 55% da popu-
lação de determinada cidade, era favorável à penalidade aplicada
aos motoristas detectados alcoolizados no teste do bafômetro. No
entanto, o valor real dessa estimativa pode ser maior ou menor que
55%, pois se obteve esse percentual com base em uma amostra. Se
a amostra fosse outra, talvez esse valor alterasse. Assim, quando
se trabalha com amostra, a estimativa por intervalo garante uma
maior confiabilidade aos resultados. A confiabilidade advém da
apresentação de um intervalo de variação para o parâmetro estima-
do associado a uma probabilidade de confiança ou certeza do seu
Nota
Esse curso se dedicará ao caso da suposição de normali-
dade da variável. Isso simplesmente significa a suposição de que
a variável aleatória segue uma distribuição Normal.
A maior parte dos estudos em criminalidade considera a distribuição Normal, por suas
propriedades que facilitam os cálculos. Além disso, estudos mostraram que a distribuição de uma
variável aleatória tende a ser Normal para amostras tendendo ao infinito.
Há uma limitação ao se assumir que a distribuição da variável aleatória é Normal, pois são
necessários muitos elementos na amostra. Não existe um “número mágico” que indique o tama-
nho da amostra, essa deve ser a maior possível.
Alguns autores indicam que a amostra deve ser maior que 30 elementos).
3.2.1 Como construir um intervalo

Para construir um intervalo de confiança para o verdadeiro valor da média (média popula-
cional), você precisa da média amostral e de desvio-padrão.
A fórmula para o cálculo do Intervalo de confiança de 95% para a média amostral é:
Considere o exemplo anterior, do número de crimes nas 20 cidades. A média obtida é 5,6
crimes e o desvio padrão, 2,6 crimes. Para calcular o intervalo de 95% de confiança para o verdadei-
ro valor da média, aplica-se a fórmula:
Com 95% de confiança, o verdadeiro valor da média deve estar entre 4,5 e 6,7 crimes.
Aula 4 – Correlação
Nesta aula você vai conhecer a técnica de correlação, bem como aprender a calcular
o coeficiente de correlação através do software Excel.
A correlação é o estudo das relações que podem existir entre duas ou mais variáveis da
mesma população. Por exemplo, verifica-se a existência da relação entre o peso e altura, o uso do
cigarro e incidência do câncer ou o número de roubos e a densidade populacional. Além de verificar
a existência da relação, mede-se sua intensidade.
14
SAIBA MAIS...
A técnica de correlação estuda a relação entre variáveis quantitativas. Uma vez identificada
a relação entre as variáveis, é possível descrevê-la por meio de uma função matemática, denomina-
da Regressão.
São diversas as áreas de aplicação da análise de correlação. Por exemplo, na área de segu-
rança pública você pode verificar:
• Se o número de crimes relaciona-se ao tamanho da população;

• Se a taxa de roubo a veículo relaciona-se ao número de veículos.
• Se a probabilidade de ser preso relaciona-se à escolaridade;
• Se o risco de sofrer homicídio relaciona-se com o tamanho das cidades.
Pelos exemplos você percebe que a correlação só existe na análise conjunta de duas ou
mais variáveis. O gráfico de dispersão ajuda na identificação da sua existência, quando se analisa a
relação de duas variáveis.
O gráfico de dispersão relaciona as variáveis X a Y, de cada par de valores dos dados em
estudo.
Exemplo
Por exemplo, a figura 3 mostra a relação entre duas variáveis teóricas X e Y.
Mensura-se precisamente o valor da correlação entre duas ou mais variáveis por meio do
coeficiente de correlação. A fórmula de cálculo do coeficiente de correlação utiliza a matriz de co-
variância. Essa matriz mede a tendência e a força da relação linear entre variáveis.
Você já deve imaginar que a fórmula para o seu cálculo não é trivial. Felizmente, o analista
criminal conta com o recurso do software Excel para fazer esse cálculo. Você deve entender a lógica
dessa estimativa antes de aprender a calculá-la. Para isso, analise os gráficos de dispersão da figura
3.
Figura 3: Gráficos de dispersão para variáveis X e Y com correlações perfeitas
Gráfico “a” - Amostras perfeitamente correlacionadas no sentido positivo r=1
Gráfico “b” - Amostras perfeitamente correlacionadas no sentido negativo r=-1
Gráfico “c” - Amostras não correlacionadas r = 0
O gráfico “a” da figura 3 exemplifica uma correlação perfeitamente positiva, na qual o

coeficiente de correlação é igual a 1. Isso significa que quando a variável X aumenta, a variável
Y aumenta exatamente na mesma proporção. O gráfico “b”, por sua vez, mostra uma correlação
perfeitamente negativa, na qual o coeficiente de correlação é igual a -1. Nesse caso, quando a va-
riável X aumenta, a variável Y se reduz na mesma proporção. Por fim, o gráfico “c”, mostra um
caso de ausência de correlação, coeficiente de correlação igual a zero. Nesse caso, as variáveis
não se relacionam.
Na prática é muito difícil encontrar variáveis com correlações perfeitas, ou seja, com coefi-
ciente de correlação exatamente igual a 1, -1 ou 0. A figura 4 apresenta exemplos mais realísticos
de correlações entre variáveis.
Figura 4: Gráficos de dispersão para variáveis correlacionadas.
O gráfico “a” da figura 4 mostra a correlação positiva entre duas variáveis e a figura “b” a
correlação negativa.
Agora que você já entendeu a lógica da correlação é hora de aprender a calcular o coefi-
ciente de correlação. Para isso, considere o exemplo em que se procura mensurar o coeficiente de
correlação entre a população e número de crimes violentos contra o patrimônio, com base em uma
amostra de 15 municípios. Como fazer isso? Basta seguir os passos:
1º passo: digitar no Excel as informações. Cada linha representa um município. Cria-se
duas colunas, uma que conterá a população de cada município e outra que conterá o número de
crimes violentos contra o patrimônio em cada município. Cuidado! Cada linha contém informação
de um único município, então, o preenchimento das colunas população e crimes violentos contra o
patrimônio em uma linha tem que conter informação do mesmo município.
2º passo: Para a construção do gráfico de dispersão acesse o menu:
16
Inserir -> Gráficos -> Dispersão (XY)
Em seguida pressione avançar
3º passo: Personalize seu gráfico com o título, nome das variáveis nos eixos X e Y. Em se-
guida pressione “ok” e seu gráfico aparecerá.
4º passo: para obter o coeficiente de correlação pressione o menu:
Inserir -> Função -> (selecione uma categoria: Estatística) CORREL
Ao pressionar “ok” nova caixa de diálogo se abrirá:
Em seguida, selecione a matriz 1 (coluna da primeira variável) e a matriz 2 (coluna da se-
gunda variável).
18
Após pressionar “ok”, o coeficiente de correlação aparecerá na célula.
Os cálculos do exemplo são uma tendência linear positiva, indicada pela elipse no gráfico.
O coeficiente de correlação é de aproximadamente 0,73. Isso significa que municípios com maior
população tendem a ter mais crimes violentos contra o patrimônio.
Cuidado!
Esse resultado mostra apenas uma correlação e não indica que uma
variável causa a outra. Em outras palavras, com base apenas nesse resultado
não podemos afirmar que “maior número de população causa mais crimes
violentos contra o patrimônio” e nem que “mais crimes violentos contra o
patrimônio causam maior população”.
Atenção!
O coeficiente de correlação indica que duas variáveis variam no mesmo sentido ou em sen-
tidos contrários. Uma grande correlação não indica que uma variável causa a outra. Por exemplo,
suponha que o número de carros na cidade e o número de homicídios tenham um valor elevado.
Matematicamente, isso sugere uma forte correlação positiva. No entanto, não se pode afirmar que
o aumento do número de carros seja a causa do aumento do número de homicídios, nem que o
aumento do número de homicídios resulte no aumento do número de carros. Por isso, é necessário
que o pesquisador tenha conhecimento prévio sobre algumas características e comporta-
mento das variáveis em estudo. O coeficiente de correlação sozinho não identifica a relação cau-
sa-efeito entre as duas variáveis.
O coeficiente de correlação sempre se refere a duas variáveis ou amostras. Quando há mais
de duas variáveis, é possível aplicar os conceitos estatísticos considerando as variáveis duas a duas.
Nesse caso, registram-se os coeficientes de correlação numa tabela ou matriz de tamanho defi-
nido pelo número de variáveis. Para as variáveis A, B e C, as possíveis correlações das três variáveis
tomadas duas a duas são registradas em uma tabela ou matriz.
Tabela 2: Matriz de correlação
Calcula-se a correlação para cada par de variáveis, gerando uma matriz. No exemplo dos
crimes violentos contra o patrimônio em 15 municípios, considere que a relação do número de
homicídios também seja interessante. Assim para calcular o coeficiente de correlação entre a popu-
lação, número de crimes violentos contra o patrimônio e homicídios, faz-se:
1º passo: pressione o menu: Dados: Análise de dados -> Correlação -> OK.
2º passo: nova caixa de diálogo se abrirá. Escolha como intervalo de entrada os dados re-
ferentes às três variáveis e pressione OK.
Uma matriz de dados se abrirá, com o coeficiente de correlação entre as variáveis.
O resultado do exemplo mostra o coeficiente de correlação entre crimes violentos contra o

patrimônio e a população (anteriormente calculados (0,73)). Além disso, mostra o coeficiente de
correlação entre os homicídios e a população de 0,84 e o coeficiente de correlação entre os homi-
cídios e os crimes violentos contra o patrimônio (0,937).
20
De maneira prática, para se ter um parâmetro de referência se uma correlação é forte ou
fraca, veja os itens a seguir:
Alguns autores argumentam, no entanto, que, para ciências humanas, uma correção acima
de 30% já pode ser considerada forte. Ver, por exemplo: Wooldridge, Jeffrey. Introdução à Econo-
metria; uma abordagem moderna. 2.ed. Thompson, 2005.
a) Correlação significativamente positiva, o valor do coeficiente deve estar entre 0,3 e 1.

b) Correlação relativamente fraca positiva, o valor do coeficiente deve estar entre 0,6 e 0,3.
c) Correlação muito fraca positiva, o valor do coeficiente deve estar entre 0,3 e 0.
d) Correlação significativamente negativa, o valor do coeficiente deve estar entre -0,6 e -1.
e) correlação relativamente fraca negativa, o valor do coeficiente deve estar entre -0,6 e
-0,3.
f) Correlação muito fraca negativa, o valor do coeficiente deve estar entre -0,3 e -0,1.
Desafio: no Excel digite os dados apresentados no exemplo e tente re-

petir os cálculos.
Aula 5 – Regressão Linear Simples

Nesta aula você vai estudar a técnica de regressão linear simples, bem como aprender
a calculá-la utilizando o Excel.
A análise de regressão é uma técnica fascinante, há muito tempo utilizada

na economia e mais recentemente nas ciências sociais, incluindo a criminologia.
O apelo dessa técnica consiste na sua capacidade de prever, com certo grau de
certeza (ou confiança), as relações entre duas ou mais variáveis.
Para isso, determina-se um modelo matemático em que uma variável depende das de-
mais. O alicerce desse modelo matemático é fazer predições teóricas de relações entre fatores.
Para facilitar o seu entendimento, apresenta-se o funcionamento desse instrumento analíti-
co na estimação da relação entre duas variáveis e do modelo matemático mais simples, a regressão
linear. As conclusões são facilmente estendidas para a análise com mais do que duas variáveis.
No modelo de regressão, a variável de interesse recebe o nome de variável dependente,
em geral, representa-se pela letra “Y”. A outra variável recebe o nome de variável independente X.
Portanto, nesse modelo você quer saber se Y depende de X. Se a regressão é linear, o que se quer
é ajustar uma reta que represente a relação entre essas duas variáveis. A fórmula matemática que
representa uma reta em um plano é:
Y = aX + b
Onde a e b são coeficientes.
Você já deve ter se deparado com essa fórmula quando fez geometria no ensino mé-
dio, não?
O coeficiente “a” define a inclinação da reta, ou seja, ele mede quanto

Y varia dada a variação em X. É esse coeficiente que indica a relação linear
entre as duas variáveis. O coeficiente “b” indica o valor de Y quando x = 0,
denomina-se esse coeficiente de intercepto.
Muito teórico? Um exemplo vai ajudar você a entender melhor.
Exemplo
Relação entre efetivo policial e número de crimes.

Suponha que o objetivo de um analista criminal é verificar a relação en-
tre o número de efetivo policial alocado nos municípios e o número de homicí-
dios nesses municípios, para realizar projeções de alocação policial. O proble-
ma consiste em verificar se o número de crimes depende do efetivo policial.
A tabela 3, por exemplo, registra uma amostra extraída dos registros policiais com o núme-
ro do efetivo policial e o número de crimes de 10 municípios. Utiliza-se a regressão linear simples
para analisar a possibilidade de definir um modelo que represente a relação entre as duas variáveis
ou amostras.
Tabela 3: Relação entre efetivo policial e número de crimes
Sejam as duas variáveis Y (número de crime) e X (quantidade de efetivo), primeiramente é

feito o teste se as variáveis envolvidas no estudo apresentam correlação significativa. Para analisar
a relação de correlação entre as duas variáveis do exemplo 1, constrói-se o gráfico de dispersão
dos crimes em função do efetivo policial. Nesse gráfico, pode-se ver que nos municípios com mais
policiais ocorrem mais crimes, figura 5.
Além disso, seguindo os passos da aula 1, calculou-se o coeficiente de correlação entre as
duas variáveis e esse se apresentou próximo de 1 (0,86). Isso indica forte correlação positiva entre
as variáveis.
O gráfico de dispersão mostra que os crimes e o efetivo policial estão correlacionados de

forma positiva, com um coeficiente de correlação próximo de +1. Isso sugere que se pode buscar
um modelo matemático, ou uma reta, para melhor explicar essa relação.
22
Para ajustar uma reta nessa relação entre as duas variáveis siga os passos:
1º passo: clique o botão direito sobre um ponto do gráfico e selecione: adicionar linha de
tendência linear.
2º passo: Uma caixa de diálogo abrirá com várias opções de linhas de tendência. Selecione
a linear.
3º passo: Vá para aba “opções” dessa caixa de diálogo e marque a opção: “exibir equação
no gráfico”. Em seguida, pressione OK.
No gráfico surgirá uma reta e a equação que a representa:
Com a equação obtida por meio do comando “linha de tendência” é possível representar o
comportamento do crime em relação ao efetivo policial por meio de um modelo linear e realizar
projeções.
A questão é que se pode traçar várias retas entre esses pontos.
No entanto, qual é o critério utilizado pelo comando “linha de tendência” para obter
os coeficientes dessa reta de regressão?
Os coeficientes a e b da reta de regressão minimizam a soma dos quadrados dos desvios

dos valores da amostra y com relação aos correspondentes valores da reta de regressão.
Não entendeu? Calma, pois será decifrado parte a parte.
Primeiro, o programa calcula a distância de cada ponto do gráfico à reta, denominada essa
como “desvio”. Existem desvios positivos (acima da reta) e negativos (abaixo da reta). No entanto, o
que interessa não é se o ponto está abaixo ou acima da reta e sim sua distância (ou desvio) da reta.
Para que se tenha apenas desvios positivos, elevam-se esses desvios ao quadrado, somando-os
em seguida. Ao fazer essa conta para várias possíveis retas, o Excel escolhe aquela em que essa
soma é mínima, ou seja, minimiza a soma dos quadrados dos desvios.
Ficou claro? Se a resposta for não, releia esse parágrafo sentença por sentença nova-
mente.
Como vocês podem perceber no gráfico de dispersão, nem todos os valores das amostras
estão contidos na reta de regressão. Quanto mais afastados estiverem, menos a reta representa a
relação entre as variáveis.
Em outras palavras: menos confiáveis são os resultados obtidos.
Assim como a média, a reta obtida pelo método dos mínimos quadrados é um resumo
útil da tendência entre as variáveis. Entretanto, não explica perfeitamente os dados, principalmente
se a relação entre as variáveis não é linear ou se seguem uma tendência diferenciada.
Para analisar a precisão do ajuste da reta de regressão e se essa reta representa adequada-
mente a relação entre as variáveis, realizam-se vários testes. Os resultados desses testes são expres-
sos por meio de coeficientes ou estatísticas. Por exemplo, os mais conhecidos são: o coeficiente de
determinação, conhecido como R2, o erro padrão e a estatística “F”. A análise desses coeficientes
exige um conhecimento mais aprofundado de matemática e álgebra, o que inviabiliza sua apresen-
tação e foge ao escopo desse módulo.
Apesar de não ser possível nesse curso detalhar a qualidade da reta de regressão, suponha
que essa é bem ajustada no exemplo 1. Assim, a equação de regressão linear simples obtida, Y
= 9,7381X + 117,07, representa bem a relação entre as variáveis. Isso significa que se estimou o
24
número de crimes (Y) por meio da informação de quantidade de efetivo (X). Por exemplo, se você
quiser prever (estimar) o número de crimes de um município que tem efetivo policial 30 (X=30),
pode calcular:
Y = 9,7381(30) + 117,07 = 409 crimes.
Com base na regressão, diz-se que para um município com 30 policiais, em média, o nú-
mero de crimes será de 409.
Por outro lado, se o município tem 100 policiais, em média, o número de crimes será 1090:
Y= 9,7381(100) + 117,07 = 1090 crimes.
Pela reta ajustada, quanto maior o efetivo policial maior o número de crimes. Essa afirma-
ção soa estranha para qualquer pessoa.
Como pode mais policiais gerarem mais crimes? Não seria o contrário, onde há mais
policiais deveriam ter menos crimes?
A resposta é muito simples e você nunca deve esquecê-la quando trabalhar com análise
de regressão. Modelos de regressão (dos mais simples aos mais complexos) perpassam por essa
resposta:
A regressão permite ver a relação entre múltiplas variáveis conjuntamente, mas não permi-
te ainda determinar a relação de causa-efeito, que deve ser definida pela teoria adotada antes
da sua estimação.
Assim, quando você usar o modelo de regressão, saiba que o fato de o alto número de
policiais ter relação com o alto número de crimes significa que as duas variáveis “caminham” juntas,
mas não significa que o número de policiais causa o número de crimes. No caso, a teoria e a prática
predizem que locais com maior policiamento têm menos crimes, e a relação observada decorre do
fato de que o efetivo policial é alocado de acordo com o número de crimes – locais com mais
criminalidade tendem a ter mais policiais para enfrentá-lo.
Nesse exemplo, fica fácil ver que X (número de policiais) não causa Y (número de crimes),
mas estão correlacionadas. No entanto, dependendo das variáveis utilizadas, essa explicação não é
tão visível, e muitos analistas criminais interpretam o resultado da regressão erroneamente.
Finalizando...
Neste módulo, você estudou que:
• A Estatística Descritiva se dedica em como resumir um conjunto de dados por meio
de tabelas de frequências, gráficos e medidas de tendência central e dispersão.
• As distribuições de probabilidade discretas são distribuições que apresentam expres-
sões para o cálculo das probabilidades das variáveis discretas, isto é, um modelo matemático co-
nhecido por avaliar as probabilidades.
• Existem vários tipos de distribuições de probabilidade contínuas: Uniforme, Exponen-
cial e Normal.
• A amostragem pode ser classificada como probabilística ou não probabilística.
• Para a amostragem aleatória simples, todo elemento da população tem igual chance,
ou seja, igual probabilidade de ser sorteado.
• Adota-se a amostragem proporcional estratificada para preservar a representativida-
de de subgrupos dentro da população.
• A inferência estatística permite que os resultados (parâmetros) encontrados com base
na amostra sejam generalizados para a população.
• Mensura-se precisamente o valor da correlação entre duas ou mais variáveis por meio
do coeficiente de correlação.
• A regressão permite ver a relação entre múltiplas variáveis conjuntamente, mas não
permite ainda determinar a relação de causa-efeito, que deve ser definida pela teoria adotada antes
da sua estimação.
• A inferência estatística permite que os resultados (parâmetros) encontrados com base
na amostra sejam generalizados para a população.
• Mensura-se precisamente o valor da correlação entre duas ou mais variáveis por meio
do coeficiente de correlação.
• A regressão permite ver a relação entre múltiplas variáveis conjuntamente, mas não
permite ainda determinar a relação de causa-efeito, que deve ser definida pela teoria adotada antes
da sua estimação.
Exercícios
1. Suponha que precisamos aplicar um questionário a uma população de 150 policiais civis
e que por diversos motivos não será possível submetê-lo a todos os policiais. Calcule uma amostra
dessa população cujo erro amostral não supere 5%.
2. Suponha que uma amostra de 40 bairros de determinada cidade apresentou uma média
de 8,3 crimes violentos com desvio padrão de 1,8 crimes. Determine um intervalo de 95% de con-
fiança para o verdadeiro valor da média de crimes.
3. Suponha que a tabela abaixo apresente dados de população e taxa de homicídio de 20

municípios para o ano de 2012. Utilizando o Excel, calcule o coeficiente de correlação e construa o
gráfico de dispersão. A correlação é positiva ou negativa?
4. Utilizando os dados do exercício anterior, estime uma reta de regressão linear simples e
avalie a qualidade do modelo encontrado.
26
Gabarito:
Atividade 1: A resposta é 109 policiais.
Atividade 2: A resposta é Intervalo para média (7,74 ; 8,85).
Atividade 3: A resposta é Correlação positiva 0,97.
MÓDULO
INTRODUÇÃO AO MAPEAMENTO CRIMINAL
2
Olá, seja bem-vindo ao segundo módulo do curso Análise Criminal 2.
Agora que vocês revisaram alguns conceitos e noções da estatística, aplicados à análise criminal,
chegou a hora de estudar como os mapas ajudam a visualizar e interpretar os dados criminais.
Os mapas são uma ferramenta de análise muito útil, porque, em geral, os padrões criminais têm
uma ligação forte com o espaço onde ocorrem. Observa-se a ligação entre os padrões criminais e o es-
paço de ocorrência desde meados do século passado. Os pesquisadores da conhecida “Escola de Chicago”
foram pioneiros nessa área.
Em 1942, Shaw e Mckay desenvolveram um estudo seminal no qual analisaram a delinquência juve-
nil em Chicago por meio do mapeamento de mais de mil eventos criminais.
Os autores relacionaram os incidentes de delinquência com características sociais das regiões e
encontraram correlações significativas. Desde então, o espaço passou a ser elemento relevante na explica-
ção da criminalidade. No entanto, a operacionalização das análises espaciais da criminalidade era bastante
complicada, o que dificultava os trabalhos na área. Não existiam computadores pessoais!
A partir dos anos de 1980, o uso de mapas na análise criminal se difundiu devido ao advento dos
computadores pessoais e aumento de sua acessibilidade. Além disso, o desenvolvimento de softwares cada
vez mais amistosos facilitou ainda mais o seu uso.
Assim, o conhecimento sobre a elaboração de mapas computacionais se difundiu além das frontei-
ras dos institutos de pesquisa e passou a ser utilizado pelas instituições policiais e de segurança pública para
auxiliar no planejamento estratégico, em especial, na prevenção criminal.
Nesse módulo, você terá a oportunidade de operacionalizar os conceitos aprendidos no curso de
análise criminal, por meio da sua aplicação empírica. Para a demonstração, serão utilizados softwares liga-
dos ao sistema de informação geográfica – Geografic Information System (GIS). Os mapas foram desenhados
por meio do software MapInfo, mas existem outros que também fazem o mesmo tipo de análise, como
ArcGIS (proprietário), GVSIG (livre), QGIS (livre), TerraView (livre), entre outros. A opção por esse software es-
pecífico deriva da pesquisa que serviu de orientação para a elaboração deste material, feita com profissionais
da segurança pública de todos os estados brasileiros (FBSP, 2011). Ela mostrou a existência desse software na
maioria das instituições pesquisadas e, apesar de não ser gratuito, seu uso é bastante difundido, principal-
mente, por possuir interface amigável.
Não é objetivo deste módulo ensinar o software, mas sim apresentar as análises possíveis de se-
rem realizadas com a utilização do MapInfo, baseadas na suposição de que vocês já estão familiarizados. O
conteúdo será apresentado por meio de uma linguagem simples, direta e bastante informal, visando facilitar
o entendimento dos conceitos. No entanto, o rigor científico será uma constante nas aulas, mesmo que ex-
presso nesta linguagem.
Prontos para “colocar a mão na massa”, ou melhor, nos mapas?
28
Ao final do estudo deste módulo, você deve ser capaz de:
• Identificar e padronizar as possíveis projeções cartográficas;
• Utilizar diferentes escalas;
• Identificar o tipo de mapa mais adequado aos dados;
• Elaborar diferentes tipos de mapas.
O conteúdo desse módulo abrange as seguintes aulas:
• Aula 1 - Projeções dos mapas.
• Aula 2 - A utilidade dos mapas para os analistas criminais.
• Aula 3 - Mapas temáticos.
• Aula 4 - Mapa temáticos com símbolos estatísticos.
• Aula 5 - Dicas finais para a elaboração de bons mapas.
Aula 1 – Projeções dos mapas

1.1 O que são?
As projeções cartográficas são formas de representar a superfície esférica da Terra em um plano.
Ou seja, são maneiras de “desenhar” a Terra em um mapa (folha de papel ou tela de computador, plana).
Nesse processo de representar uma esfera em um plano surgem problemas de distorções, sendo que algu-
mas partes do mapa são “alongadas” ou “reduzidas”, de forma que aparecem no mapa proporcionalmente
diferentes em relação às demais áreas.
1.2 Métodos para minimizar distorções

Ao longo dos séculos, desenvolveram-se vários métodos matemáticos para minimizar as distorções.
A ideia comum entre eles é a colocação figurada de uma folha fixa sobre algum ponto ou linha da superfície
da Terra que em seguida é aberta.
Projeção Cilíndrica
Projeção Cônica
Projeção Plana ou Azimutal
Cada método apresenta distorções em diferentes partes do globo. Nos pontos em que a folha “en-
costa” na Terra não há distorções, ou essas são muito pequenas ou insignificantes, independente do método
de projeção. À medida que se distancia desses pontos, as distorções começam a surgir.
Dessa forma, quando a área representada no mapa não é muito extensa, provavelmente os proble-
mas relacionados às distorções são diminutos. Isso é uma vantagem para o analista criminal!
1.3 Os tipos de projeções e a atividade do analista criminal

Em geral, o analista criminal não precisa ter grande preocupação sobre qual projeção usar, pois a
área da circunscrição institucional é pequena em relação à curvatura da Terra, de forma que as distorções
não são expressivas. No entanto, você precisa estar atento ao tipo de projeção do mapa, pois não se pode
fazer comparação ou sobreposição de mapas com projeções diferentes. As ruas e fronteiras dos bairros não
coincidirão nos mapas se o sistema de projeções diferir entre eles. Além disso, cada tipo de projeção possui
um sistema de coordenadas. Isso é responsável pelos desencontros espaciais.
Veja na ilustração a seguir a diferença entre a projeção de Mercator e a projeção de Peters:
Figura 7: projeção de Mercator
Figura 8: projeção de Peters
30
Por exemplo, a projeção determina como a matriz de latitude e longitude da Terra é representa-
da em um papel plano.
Por sua vez, o sistema de coordenada provê o par (X, Y) que descreve a localização no espaço bidi-
mensional – o ponto no plano.
Exemplo
Para que possa entender melhor o sistema de coordenadas, pense na
seguinte combinação de latitude e longitude – par (15° 47° 56° S, 47° 52° 0°
W) – que determina o ponto no mapa da Terra onde se situa Brasília. Assim,
essa combinação de latitude e longitude faz parte do sistema de coordenadas
medidas em grau. No entanto, há outras formas de localizar pontos especí-
ficos na Terra. Por exemplo, no sistema UTM, as coordenadas de Brasília são
expressas em metros da seguinte maneira: 23L (192876, 851217).
Muitas vezes, você vai utilizar dados provenientes de fontes diferentes e que foram georreferencia-
dos por meio de sistemas de coordenadas distintos. O que se deve fazer nesse caso é converter um sistema
de coordenadas em outro, para que seja possível combinar os dados e produzir mapas. Felizmente, os
programas de informação geográfica - GIS - fazem essa conversão.
Box 1 – Verificação do sistema de coordenadas na tabela no Ma-

pinfo
No MapInfo, para verificar o sistema de coordenadas da tabela, utilize o seguinte menu: table >
maintenance > table structure .
MAPINFO
Surgirá uma janela com todas as tabelas abertas no programa. Selecione a tabela que se deseja ve-
rificar/alterar seu sistema de coordenadas. A janela de modificação da estrutura da tabela se abrirá, e então,
deve-se marcar a opção “Table is Mappable”. Em seguida, selecionar o botão “Projection ”.
MAPINFO
Após clicar em “Projection”, uma nova caixa de diálogo será aberta e a projeção e o sistema de co-
ordenadas podem ser selecionadas. A figura abaixo mostra essa caixa .
MAPINFO
Aula 2 – A utilidade dos mapas para os analistas criminais

2.1 O que são mapas?
Em uma visão precisa, os mapas são o produto final de um processo de pesquisa, análise e apresen-
tação das informações. No caso dos mapas de crimes, esse processo começa com o preenchimento correto
e completo dos boletins de ocorrências dos eventos criminais, que são processados e, logo depois, transfor-
mados em uma base de dados. Por fim, estes são representados em um mapa.
No entanto, uma visão mais abrangente considera os mapas como uma forma de pensar e se co-
municar visualmente. Nesse sentido, eles são muito mais do que uma simples representação de dados,
sendo uma poderosa ferramenta de análise criminal, ajudando a pensar nos processos e identificar dinâ-
micas e padrões criminais.
Exemplo 1
Por meio da análise de mapas é possível elaborar hipóte-
ses sobre a criminalidade, como relações entre fatores do ambien-
te local e o tipo de crime.
Essas hipóteses não seriam passíveis de observação por outros tipos de análises.
Exemplo 2
Também é possível verificar o deslocamento do evento no
espaço do crime ao longo tempo ou a concentração criminal em
regiões específicas – conhecidas comumente como hotspots.
hotspots: Pontos quentes ou áreas quentes
Os mapas também são uma poderosa ferramenta de comunicação de informações para os usu-
ários. Isso se deve à propriedade de síntese de informações diferentes em um único instrumento visual, a
folha do mapa.
2.2 Como construí-los?

Constrói-se o mapa com a síntese de informações, por meio da sobreposição de diferentes cama-
das de dados ou layers. Assim pode-se relacionar em um mesmo mapa a ocorrência de furtos a transeuntes
e sua concentração comercial em um bairro por meio da sobreposição das camadas de contorno dos bairros,
da camada dos locais de comércio e da camada de roubo a transeunte. A ilustração abaixo demonstra essa
construção.
32
Para inserir nova layer ao mapa, acesse o menu: Map > Layer Control .
Box 2 – Como sobrepor camadas no MapInfo.
MAPINFO
Em seguida, a caixa de diálogo “Layer Control” é aberta. Selecione Layer > Add, conforme demons-
trado pela “seta A”. Em “Add Layer” você seleciona o arquivo com a informação que deseja adicionar ao mapa
e pressiona “Add”, como indicado pela “seta B”.
Neste exemplo, selecione o arquivo “bairro270 ”.
MAPINFO
Repare que esse arquivo aparece na caixa de diálogo “Layer Control”. Verifique se as caixas de visi-
bilidade estão selecionadas, conforme destacado na figura abaixo, e por fim, pressione o botão OK.
No exemplo, surge um mapa contendo as duas layers, mostrando em um mesmo mapa os pontos
que representam os homicídios e os contornos dos bairros de um município .
MAPINFO
Para fazer um mapa com mais de uma camada ou layer, primeiramente você deve estar com os ar-
quivos abertos no MapInfo. Em seguida, selecione o menu Window > New Map Window .
MAPINFO
Surgirá na tela uma janela com a opção de todos os arquivos abertos no MapInfo. Selecione um dos
arquivos.
No exemplo abaixo, existe dois arquivos abertos, denominados “hom_2000” e “bairro270”. Escolha
“hom_2000” e o mapa com todos os homicídios do ano de 2000 aparece .
MAPINFO
Importante!
Cabe às habilidades do analista criminal a decisão de quais informações sintetizar em um mapa.
Muitas informações em um mesmo mapa dificulta o entendimento da realidade, ao invés de esclarecer os
fatos.
A elaboração de um mapa não é um processo rotineiro: o analista tem que identificar o que é re-
levante para cada tipo de análise, e essa identificação varia de acordo com o assunto abordado e o período
abarcado. Assim, o analista precisa pensar sobre o objetivo da análise, fazer hipóteses, verificar quais
34
informações são relevantes de se visualizar no mapa e confirmar as hipóteses. Em suma, não se pode
fazer mapas de forma mecânica e padronizada.
Dica
Caso tenha dúvida sobre como fazer algum procedimento no MapInfo,
o youtube, apresenta gratuitamente algumas aulas sobre como utilizar o softwa-
re. Basta procurar o assunto “MapInfo”.
Aula 3 – Mapas Temáticos

3.1 O que são?
Os mapas temáticos são aqueles que apresentam informações sobre algum tema específico. Eles
são mapas que transcendem a visão geográfica da área.
Exemplo
Temos o mapa de um país, digamos Pasárgada. Para criar um mapa te-
mático de Pasárgada precisamos de alguma informação (não geográfica) desse
país, como a densidade populacional, o número de crimes, a incidência de do-
enças contagiosas, etc.
Você pode perceber que existe uma infinidade de tipos de mapas temáticos, pois há muitas infor-
mações passíveis de serem representadas em mapas. O analista criminal seleciona a informação e depois es-
colhe uma das maneiras de convertê-la em um mapa que a comunica de forma clara e precisa para o público.
Mas qual tipo de mapa usar para mostrar uma informação?
3.2 Como selecionar o mapa?

Infelizmente, a resposta não é única e nem tão direta. Ela depende do tipo de informação que se
procura, do público ao qual se destina e de qual arcabouço teórico é empregado.
Exemplo
Se você quer saber onde ocorreram os roubos a transeunte na última
semana, um mapa com o ponto (endereço) de cada roubo é adequado. No
entanto, se o departamento de polícia quer comparar as cidades de Pasárgada
em termos de diferenças de incidência de roubo, talvez o mapa mais adequado
seja o de escala de cores. A figura 10, a seguir, apresenta os dois tipos de mapas
(os dados são fictícios para o país Pasárgada).
Figura 10: Mapas de distribuição dos roubos a transeunte em Pasárgada (2013).
Na figura 10, mapa 1, cada ponto representa um episódio de roubo a transeunte, e as linhas verdes
são as divisões dos municípios de Pasárgada.
Observe uma concentração espacial em algumas áreas. Pode-se diminuir ainda mais a escala para
verificar exatamente em quais ruas e pontos específicos das cidades de Pasárgada ocorreram os roubos.
O analista criminal deve se perguntar o que existe nesses locais que os diferencia dos demais e os
torna mais atrativos que os outros.
A literatura criminológica apresenta diversas teorias que podem ajudar na elaboração de hipóteses
sobre os motivos da concentração espacial dos roubos. O analista criminal deve recorrer à essas teorias
e à sua vivência prática para criar e testar as hipóteses.
O módulo seguinte mostrará como fazer uso de algumas dessas teorias.
Exemplo
Segundo a teoria das oportunidades, uma possível hipótese é que
os roubos a transeuntes se concentram em áreas comerciais. Para testar essa
hipótese por meio de mapas, pode-se inserir uma layer na figura 10, mapa 1,
com um ponto para cada estabelecimento comercial. A concentração desses
novos pontos coincidente com os episódios de roubo a transeunte seria indi-
cação da veracidade dessa hipótese.
3.3 Qual a importância dessa informação para o analista criminal?

Com base na análise mais detalhada do espaço onde os crimes ocorrem, políticas para prevenção
ou enfrentamento são feitas focadas no público e no espaço. Esse tipo de formulação de política evita des-
perdício de recursos públicos e aumenta sua eficácia, pois se dirige sobre onde é necessário.
Na figura 10, mapa 2, as cores mais fortes indicam maior incidência de roubo a transeunte.
Figura 10 – Mapa 2
Nesse mapa, a preocupação é comparar os municípios em termos de incidência de crimes. No en-

tanto, o mapa não permite verificar o local específico que o crime ocorre.
O analista criminal deve se perguntar o que é diferente entre os municípios e o que propicia a ocor-
rência de roubos em alguns deles.
Novamente, é preciso recorrer às teorias criminais e ao conhecimento prático para se constru-
írem hipóteses. Uma análise útil é fazer esse mesmo mapa para recortes temporais diferentes e verificar se
o padrão de criminalidade muda com o tempo. Caso mude, deve-se verificar o que alterou nos municípios
onde a incidência de crime variou.
Esse tipo de comparação fornece ao analista criminal embasamento para formulação de políticas de
prevenção à criminalidade pautada em fundamentos mais amplos do que apenas a distribuição dos recursos
policiais.
36
Importante!
A mesma informação é apresentada nos dois mapas de maneiras distintas, com o intuito de respon-
der a perguntas diferentes.
Veja no BOX 3 como são feitos os mapas no MapInfo.
Mapa de ponto
Necessita-se da base de dados georreferenciada para fazer o mapa de pontos no MapInfo. A pro-
jeção cartográfica da base de dados deste exemplo é UTM. A base contém um código do endereço de cada
roubo a transeunte (coluna “Cod_Lograd”) e o par de coordenadas (X,Y) da projeção UTM (colunas “Coord_X”
e “Coord_Y”).
A figura abaixo apresenta uma parte da base de dados composta de 95 roubos, um em cada linha.
Para criar o mapa, vá ao menu Window > New Map Window. Em seguida, uma caixa de diálogo se
abrirá com opção para escolher a tabela a qual será utilizada no mapa. No exemplo, a base se chama “Rou-
bo_pasargada”. Selecione a base de dados e marque a opção “Ok”, conforme mostra a figura. O mapa de
pontos aparecerá .
MAPINFO
Dica: você pode alterar os pontos por outros símbolos. Com o mapa aberto, aces-
se o menu: Map > LayerControl. Com a caixa de diálogo aberta, selecione a caixa de edição
como mostra a “seta A”, e depois clique em “Display” conforme “seta B”.
Uma nova caixa de diálogos se abrirá, e após isso, selecione a caixa de “Style Over-
ride” – “seta C”- e clique no símbolo como mostra na “seta D”.
Agora você deve escolher uma das várias opções de símbolos e cores que surgirão
em uma nova caixa de diálogos .
Mapas de cores
Para fazer o mapa de cores, você não precisa dos dados organizados em uma base por endereço,
sendo necessário apenas que se tenha uma malha geográfica da área de alguma divisão interna.
Por exemplo, pode-se utilizar o mapa do contorno do município com sua divisão geopolítica ou
com sua divisão por distritos policiais. Além disso, deve existir na base de dados uma coluna com a infor-
mação que se quer representar no mapa.
No nosso exemplo, temos o mapa do país Pasárgada dividido por município e a coluna com o nú-
mero de roubos a transeunte por município .
Em cada linha tem-se um município de Pasárgada. Na primeira coluna está o código do município e
logo após o nome. Na última coluna, tem-se o número de roubo a transeunte em cada município.
MAPINFO
Para fazer o mapa das cores, primeiro selecione o menu Window > New Map Window. O mapa de
Pasárgada aparecerá na tela e, em seguida, selecione o menu Map > Create Thematic Map, conforme figura
abaixo .
MAPINFO
Aula 4 – Mapas temáticos com símbolos estatísticos

4.1 O que é?
O mapa temático com símbolos estatísticos é o último tipo de mapa que você irá aprender a
fazer neste curso. Portanto, dê o seu máximo nesta aula!
Nesse tipo de mapa, a estatística referente a uma área é representada sobre ela em um mapa, por
meio de gráficos ou desenhos de tamanhos graduados.
Pode-se fazer um mapa com símbolos das estatísticas dos municípios de Pasárgada.
Representa-se nele a quantidade de estabelecimentos comerciais, industriais e de serviços em cada
município por meio de gráfico de “pizza” – veja a figura 11:
38
Figura 11: Mapa estatístico – estabelecimentos comerciais, industriais e de serviços em Par-
sárgada, 2013.
4.2 Como analisá-lo?

A análise do mapa mostra que os municípios se diferem em relação à quantidade de estabeleci-
mentos existentes. Ademais, a proporção entre os tipos de estabelecimentos – comerciais, industriais ou de
serviços – também difere entre os municípios.
Existentes: “Diferença entre o tamanho dos círculos de cada município”
Municípios: “Diferença entre a composição de cores que forma o círculo”
4.3 Como aplicá-lo?
Você provavelmente está se perguntando: para quê o analista criminal aplicaria esse tipo de
mapa?
Existem duas respostas simples.

A primeira e mais direta é que o analista criminal pode querer representar no mapa qual a estatís-
tica usada e seu valor.
A segunda resposta é que esse tipo de mapa é útil para verificar teorias que fazem hipóteses sobre
combinação de fatores que propiciam maior probabilidade de ocorrência de eventos criminais.
Exemplo
Considere uma hipótese que relacione a existência de áreas comer-
ciais à maior incidência de roubo a transeunte (não se entrará em detalhes
sobre essas teorias, pois elas compõem o módulo 3 desse curso). Você pode
combinar o mapa de símbolos estatísticos com um mapa de cores, para obter
indícios da veracidade dessa hipótese.
Faz-se o mapa de cores, como aprendido na Aula 3 deste módulo, e
realiza-se a combinação de mapas pela sobreposição de camadas aprendida
na Aula 2 deste módulo. Apresenta-se o resultado na Figura 12, a seguir.
Figura 12: Roubos a transeuntes e composição de estabelecimentos em Pasárgada, por mu-
nicípio - 2013.
A análise do mapa com símbolos estatísticos, em conjunto com a variação de cores para roubo a
transeunte, indica a inexistência de indícios que relacione roubos a transeuntes e a quantidade de estabe-
lecimentos comerciais com os municípios de Pasárgada.
Importante!
Lembre-se:
a) um mapa não invalida a hipótese, uma vez que ela pode ser válida para outros locais;
b) os mapas não são instrumentos de testes de hipótese, eles apenas apresentam indícios visuais
de relação entre variáveis. Para se confirmar hipóteses é necessário a realização de testes estatísticos, como
os aprendidos no Módulo I deste curso.
4.4 Alguns cuidados

Apesar de úteis, os mapas com símbolos estatísticos são de difícil compreensão. Sua leitura não é
imediata, e isso acaba por anular seu propósito, que é facilitar a visualização de informações. Em geral, os
cartógrafos argumentam que esse tipo de mapa não coloca a informação em um contexto geográfico, e
também que tabelas são mais adequadas para mostrar valores de estatísticas. Mesmo com argumentos con-
trários a sua utilização, analistas criminais constroem mapas com símbolos estatísticos.
É hora de você aprender a fazê-los!
Box 4 - Como elaborar mapas com símbolos estatísticos.
Mapas com símbolo estatístico

Para fazer o mapa com símbolo estatístico, você precisa de uma malha geográfica da área que
contenha alguma divisão interna igual à necessária para confecção do mapa das cores, podendo utilizar
o mapa do contorno do município, com sua divisão geopolítica ou sua divisão por distritos policiais, por
exemplo.
Além disso, deve existir na base de dados colunas com as informações que serão representadas
no mapa. No nosso exemplo, temos o mapa do país Pasárgada dividido por municípios, e as colunas com a
quantidade de estabelecimentos comerciais (coluna “qtcom”), industriais (coluna “qtindu) e serviços (co-
40
luna “qtserv ”)
MAPINFO
Em cada linha tem-se um município de Pasárgada. Na primeira coluna se encontra o código do

município, e na segunda coluna, o nome.
Na quarta, quinta e sexta coluna, tem-se as quantidades de estabelecimentos existentes em cada
município .
MAPINFO
Para fazer o mapa com símbolos estatísticos, primeiramente selecione o menu Window > New Map
Window. O mapa de Pasárgada surgirá na tela, em seguida selecione o menu Map > Create Thematic Map,
conforme figura abaixo .
MAPINFO
Uma nova caixa de diálogo se abre com várias opções de mapas temáticos. Para fazer o mapa de
símbolo estatístico, pode-se escolher uma das três opções: “Bar Charts”, “Pie Charts” ou “Graduated”. A elipse
vermelha sinaliza essas opções.
A opção “Bar Charts” criará um mapa com a estatística representada por gráficos de barras. Já opção
“Pie Charts” representará a estatística por meio de gráfico de pizza. Por fim, a opção “Graduated” mostra a
estatística por meio de símbolos de tamanhos diferentes.
Após essa escolha, seleciona-se a opção “Next”, indicada pela seta na figura “a”.
Uma nova caixa de diálogo se abrirá, conforme figura “b”. Nela você seleciona a tabela – opção
“Table” – e as colunas a mapear – “opção “Field”. No nosso exemplo, selecionamos a tabela “Pasárgada” e as
colunas “qtcom”, “qtind” e “qtserv”.
Em seguida, clique em “Add” e selecione “Next”, conforme indicado na seta da figura “b”. Por fim,
uma nova caixa de diálogo se abrirá.
A elipse vermelha na figura “c” indica várias opções de mudança no mapa que se pode realizar. Em
“Styles”, pode-se alterar as cores que aparecerão no mapa, dentre outras mudanças estilísticas, e por fim, em
“Legend” se edita o que aparecerá na legenda do mapa.
Após personalizar seu mapa, clique em “OK” conforme figura “c”. O mapa com símbolo estatístico
aparecerá .
MAPINFO
Aula 4 – Dicas finais para a elaboração de bons mapas

5.1 Utilização de técnicas e instrumentos para análise
Nas aulas anteriores, você observou como fazer vários tipos de mapas. Dos mais simples aos mais
complexos. Além desses mapas, existe um campo de estudos em criminologia que utiliza a técnica de esta-
tística espacial ou econometria espacial, para descobrir padrões geográficos de criminalidade.
Os analistas criminais utilizam comumente a Análise Exploratória de Dados Espaciais (tradução livre
de: Exploratory Spatial Data Analysis), regressão espacial, análise de trajetórias, entre outras técnicas.
Essas técnicas vão além da elaboração de mapas ensinada neste curso. São instrumentos analíticos
para verificar padrões de distribuição geográfica (espacial) de dados de crime. Por meio dessas técnicas,
desenvolvem-se estudos de deslocamento criminal, análise de jornada do crime, entre outros que você verá
no próximo módulo deste curso.
Não é objetivo deste curso que você estude essas técnicas. Apesar disso, é importante que você
saiba da sua existência e aplicação, para que no futuro, possa aprendê-las e utilizá-las na análise dos dados
geográficos, que a partir de agora está apto a trabalhar.
5.2 Formatos dos mapas

Você estudará a partir de agora algumas importantes questões sobre o formato dos mapas, que
muitas vezes, no afã de apresentar a informação criminal, são negligenciadas.
O formato do mapa influencia diretamente na sua capacidade de passar a informação desejada, pois
afeta a forma com que o leitor o interpretará. Ou seja, pode ser responsável pelo sucesso ou fracasso do
seu mapa.
As dicas seguintes foram em grande parte inspiradas pelo site Jratcliffe, construído pelo analista
criminal-espacial Jerry Ratcliffe, da Universidade de Temple, Estados Unidos:
www.jratcliffe.net
Sempre inclua no mapa a barra de escala, pela qual é possível calcular a distância de um lugar a ou-
tro. Nos mapas apresentados nas aulas anteriores, propositalmente, não foi incluída a barra de escala. Assim,
você não foi capaz de saber qual a distância entre os municípios de Pasárgada e nem mesmo o tamanho
desse país fictício. Mesmo que você esteja familiarizado com o local e conheça sua dimensão, o leitor do
mapa pode não saber.
42
Figura 13: Três diferentes formas de representar a escala.
Inclua sempre a “rosa dos ventos”, figura que mostra o norte do seu mapa. Nos mapas das aulas
anteriores omitiu-se a rosa dos ventos. Por isso, você também não foi capaz de identificar qual parte de Pa-
sárgada está orientada para o Norte. Existem vários modelos de rosa dos ventos, a figura 14 mostra alguns
deles:
Figura 14: Modelos de rosas dos ventos.
Utilize legenda sempre que uma informação for representada. A legenda deve conter a informação
precisa sobre o que se está representado. Por exemplo, se for um mapa de cores representando o número de
homicídios, a legenda deve conter o limite inferior e superior de homicídios que cada cor representa.
Lembre-se de colocar títulos em seus mapas! Use títulos claros e sintéticos. Em geral, o tipo de
crime, o lugar e a data dos fatos são suficientes. Os títulos são fundamentais, pois os leitores precisam saber
de que se trata o mapa sem precisar ler o texto explicativo. Acreditem: a maioria dos leitores olhará apenas o
mapa num primeiro momento! Todos os mapas apresentados nas aulas continham essas informações.
Use cores com cautela. Existem estudiosos que se debruçam sobre o estudo da reação humana às
cores. Você já parou para pensar por que o vermelho é a cor preferida dos logotipos de cadeias de fastfood?
A resposta vem de estudos que mostram que determinadas cores ativam partes específicas do cérebro e
chamam mais atenção que outras. Mas como você não é especialista nessa área, dicas simples podem ajudar
a escolha de cores para o seu mapa:
a) Ditado popular: “menos é mais” – cuidado para seu mapa não virar uma colcha de retalhos
com várias cores. Prefira utilizar um escala de tonalidades dentro de uma mesma cor. No máximo, misture
duas cores divididas em várias tonalidades.
b) Utiliza-se cores escuras para valores maiores e cores claras para os menores.
c) Se o mapa contém símbolos, as cores de fundo devem ser mais claras e os símbolos mais
escuros a fim de que as informações contidas neles sejam realçadas.
d) Não tenha medo de experimentar cores, mas use sua avaliação criativa para definir se real-
mente expressam o que você pretende mostrar.
e) Ver muitos mapas de crimes pode ajudá-lo a criar uma visão crítica sobre o uso de cores. A
internet pode ser uma grande aliada nisso.
Conheça bem seus dados, as áreas que representam e o público ao qual se destina o mapa. Só assim
você será capaz de definir qual o melhor formato e estilo para apresentar a informação de forma que todos
possam compreender.
Use mapas temáticos com cautela. A escala geográfica, o tamanho dos símbolos, as faixas de divisão
de cores e as próprias cores podem deturpar a informação contida no mapa.
Limite a informação mapeada. Coloque no mapa apenas informações relevantes. A mente humana
não é capaz de diferenciar conjuntamente muitos símbolos. Se você representar os homicídios, os rios, as
ruas, as praças, as favelas, as lojas, os bares em um único mapa, seu leitor demorará a entender seu mapa e
talvez não fixe a atenção na informação que é relevante. Se os rios não são importantes para a ocorrência de
homicídios, você pode tirá-los do mapa. Por outro lado, se os homicídios são em grande parte relacionados
com a presença do rio (um criminoso que mata afogando as vítimas), então ele deve estar presente no mapa.
Se você acredita que os homicídios se relacionam com uma ampla gama de fatores mapeáveis, o ideal é fazer
vários mapas de homicídios, para que cada um realce um fator. No exemplo, você pode fazer um mapa dos
homicídios e dos rios e outro dos homicídios e os bares, etc.
Verifique a aparência do mapa na escala de cinza, mesmo que o faça em cores. Isso é necessário,
pois se você tiver sucesso no seu mapa ele certamente será reproduzido por outros usuários. As cópias em
cores costumam ser mais caras e nem sempre estão disponíveis. Portanto, os usuários precisam conseguir ler
o mapa que eventualmente foram imprimidos em preto e branco, mesmo que esse tenha menor qualidade.
Antes de finalizar seus estudos, resolva o desafio a seguir.
DESAFIO
Use uma base de dados georreferenciada para você e construa mapas, como
ensinado nos Boxes deste módulo, seguindo o roteiro:
a) Verifique o sistema de coordenadas da sua base de dados – Box aula 1.
b) Construa o mapa temático de ponto e de cores – Box aula 3.
c) Construa o mapa temático com símbolo estatístico – Box aula 4.
d) Sobreponha o mapa temático de cores e de símbolo estatístico – Box aula 2.
Lembre-se das dicas da aula 5.
Finalizando...
Neste módulo, você estudou que:
• As projeções cartográficas são formas de representar a superfície da Terra, que é esférica, em

um plano;
• A projeção determina como a matriz de latitude e longitude da Terra é representada em um
papel plano;
• Os mapas são o produto final de um processo de pesquisa, análise e apresentação das infor-
mações. Os mapas também são uma poderosa ferramenta de comunicação de informações para os usuários.
• Os mapas temáticos são aqueles que apresentam informações sobre algum tema específico.
Eles são mapas que transcendem a visão geográfica da área.
• O formato do mapa influencia diretamente na sua capacidade de passar a informação deseja-
da, pois afeta a forma com que o leitor o interpretará. Ou seja, pode ser responsável pelo sucesso ou fracasso
do seu mapa.
Exercícios
1. Responda “C” quando a afirmativa estiver correta e “E” quando a afirmativa estiver errada.
a) ( ) É possível converter um sistema de coordenadas em outro para combinar os dados e produzir
mapas.
b) ( ) As distorções presentes em algumas projeções cartográficas se devem à representação da terra
plana em uma esfera.
c) ( ) Os diferentes métodos de projeções cartográficas surgiram no intuito de minimizar as distor-
44
ções causadas pela representação da Terra em um papel.
d) ( ) A sobreposição de dados georreferenciados em sistemas de projeções e coordenadas diferen-
tes em um mesmo mapa não é possível por causa das distorções.
e) ( ) Alguns tipos de projeções cartográficas não apresentam distorções.
2. Responda “C” quando a afirmativa estiver correta e “E” quando a afirmativa estiver errada.
a) ( ) Os mapas são apenas o produto final de um processo de pesquisa, análise e apresentação das
informações.
b) ( ) É possível construir o mapa com a síntese de informações, por meio da sobreposição de dife-
rentes camadas de dados ou layers.
c) ( ) A análise de mapas não auxilia na elaboração de hipóteses sobre a criminalidade.
d) ( ) Como o mapa é estático, não se pode utilizá-lo para verificar o deslocamento do evento no
espaço do crime ao longo tempo.
e) ( ) Os mapas permitem a análise da concentração criminal em regiões específicas.
3. O que são mapas temáticos?

Utilize o menu “Minhas anotações” da plataforma de ensino para anotar sua resposta.
4. Existem vários tipos de mapas temáticos. Quais fatores influenciam na escolha de qual
mapa usar?
5. Qual a importância da informação espacial para o analista criminal?

6. Relacione o nome à figura:

a) Mapa de cores ( )
b) Mapa de ponto ( )
c) Mapa com símbolo estatístico ( )
Gabarito:
Atividade 1: a) C; b) E; c) C; d) C; e) E.
Atividade 2: a) E ; b) C ; c) E ; d) E ; e) C.
Atividade 3: Os mapas temáticos são aqueles que apresentam informações sobre algum tema es-
pecífico. Eles são mapas que transcendem a visão geográfica da área.
Atividade 4: O tipo de informação que se procura, o público ao qual o mapa se destina e o arca-
bouço teórico empregado.
Atividade 5: A análise do espaço onde os crimes ocorrem fornece subsídios para a formulação de
políticas de prevenção ou enfrentamento focalizadas no público e no espaço. Esse tipo de formulação de
política evita desperdício de recursos públicos e aumenta sua eficácia, pois se direciona aos locais onde são
efetivamente necessárias.
Atividade 6: Resposta correta: a – 2; b- 1; c- 3).
46
MÓDULO
ANÁLISE CRIMINAL ESPACIAL
3
Neste módulo, você estudará teorias e conceitos espaciais na análise criminal, além de verificar
como mobilizá-las para a análise das dinâmicas criminais no espaço. Verá também como o crime pode ser
analisado através de imagens, bem como o estudo da jornada do ofensor e o deslocamento do crime são
relevantes para a análise criminal. Por fim, estudará o conceito de difusão de benefícios e como ele se rela-
ciona à análise criminal espacial.
Ao final do estudo deste módulo, você será capaz de:
• Compreender conceitos relacionados à análise criminal espacial;
• Analisar teorias que subsidiam o trabalho de análise criminal espacial.
Aula 1 - Introdução: os conceitos espaciais na análise criminal;
Aula 2 - Mobilizando as teorias para a análise das dinâmicas criminais no espaço;
Aula 3 - Clusterização ou a concentração de eventos em determinados locais;
Aula 4 - O estudo da jornada do ofensor;
Aula 5 - Deslocamento (ou migração) criminal e difusão de benefícios.
Aula 1 – Introdução: os conceitos espaciais na análise criminal

Nesta aula, você vai estudar conceitos e teorias relacionadas à análise criminal espacial.
1.1 Conjuntos de pesquisa que abordam as relações entre criminalidade e o espaço

A preocupação com a relação entre crime e espaço não é nova. Logo no início da primeira metade
do século XIX, autores franceses analisaram a distribuição do crime entre regiões e sua relação com diferen-
tes características ecológicas e sociais. Foi o caso de Guerry, em 1833 e Quétélet, em um estudo de 1842.
Em 1920, conforme já mencionamos no Módulo 2, a criminologia americana (em especial a desenvolvida na
Escola de Chicago) retoma o tema.
Recentemente, houve um novo interesse em se estudar e entender as relações entre a criminali-
dade e o espaço. Há uma literatura que vem crescendo, desde fins da década de 1980, sobre essa temática.
Eck e Weisburd (1995) a analisaram e encontraram diferentes conjuntos de pesquisa, como você estudará a
seguir.
Há um conjunto de estudos que analisam as localidades como unidade de análise. Nesses estu-
dos, eventos criminais surgem devido às características dos locais onde ocorrem. Essas pesquisas buscam
entender como as estruturas físico-ambientais e outras características de uma dada localidade alteram as
estruturas de oportunidades para o cometimento de crimes.
Outro conjunto de estudos se foca nos indivíduos, mas leva em consideração o papel do local na
determinação da criminalidade. Nos estudos sobre mobilidade ou jornada de ofensores e vítimas, como
veremos, o que se busca entender é como os possíveis ofensores escolhem os locais onde cometer crimes,
bem como os fatores que inibem essa escolha.
É possível citar também as investigações que se debruçam sobre a relação entre aspectos espe-
cíficos do desenho urbano ou da arquitetura urbana e a criminalidade, que por sua vez consideram o
conjunto de características do espaço físico – podendo ser, por exemplo, uma área pequena, um quarteirão,
um pedaço de uma rua ou um edifício – e sua relação com a criação de oportunidades criminais.
Por fim, a perspectiva da desorganização social analisa unidades socioespaciais mais amplas, as
quais são frequentemente alvos de programas sociais ou de esforços de prevenção à criminalidade. Seus
autores focam a análise nas comunidades locais, buscando explicar os possíveis fatores do ambiente físico-
-social que sustentariam índices de criminalidade mais altos do que em outras regiões do espaço urbano.
Em suma, de uma forma ou de outra, essas perspectivas teórico-empíricas conferem relevância aos
espaços para se entender as dinâmicas criminais. Essa é a preocupação, por exemplo, da teoria das ativida-
des rotineiras e da teoria dos padrões do crime, as quais possuem muitas vezes explicações distintas para
a ocorrência de crimes nas diferentes localidades. É também a preocupação da teoria da desorganização
social, que acabamos de citar.
Você irá entender melhor essas teorias na aula seguinte.
Importante!
Todas essas perspectivas de investigação usam, em geral, registros oficiais de crimes e de prisões
efetuadas. Já as entrevistas com ofensores e as observações sistemáticas dos locais onde ocorrem os
eventos criminais constituem a base de informação sobre a tomada de decisão do ofensor.
Onde os dados referentes aos registros oficiais de crimes e de pri-

sões efetuadas podem ser encontrados?
Os registros oficiais de crimes e de prisões efetuadas podem ser aces-

sados por meio da consulta às bases de dados da polícia civil, do Ministério da
Justiça e do sistema prisional.
Apesar de produzidos por órgãos públicos, os bancos de dados das
polícias não se encontram disponíveis ao público em geral. Apenas algumas
polícias estaduais possuem registro da latitude e longitude de onde ocorreram
os eventos criminais.
A página do Ministério da Justiça vem se institucionalizando nos últimos

anos como referência nacional em relação às informações de segurança pública. O
módulo de registro das ocorrências, do Sistema Nacional de Estatísticas de Segu-
rança Pública e Justiça Criminal (SINESPJC), reúne as informações dos registros de
ocorrência produzidos e coletados das Polícias Civis e Militares do Brasil.
Obs: Atualmente, as informações do SINESPJC não são georreferencia-
das. No entanto, foi aprovada no ano de 2012 a Lei nº 12.681, de autoria do
Governo Federal, que institui o Sistema Nacional de Informações de Segurança
Pública, Prisionais e sobre Drogas (SINESP). Nessa nova formatação, está prevista
a coleta das informações referentes à latitude e longitude.
48
O INFOPEN – Sistema Nacional de Informação Penitenciária - apresenta dados da
população carcerária brasileira. O Infopen consolida as informações a partir do lançamen-
to dos números por cada uma das unidades da federação, as quais são responsáveis pelas
informações prestadas. O Governo Federal desenvolveu esse sistema, inaugurado em 16 de
setembro de 2004, e o disponibilizou aos estados, que por meio de suas secretarias gestoras
da pasta penitenciária, lançam as informações sobre os presos administrados.
Agora que você estudou que há várias perspectivas teóricas que buscam entender a rela-
ção entre o espaço e a criminalidade, começará a explorar cada uma dessas teorias. Mas, antes
disso, estude alguns conceitos importantes implicados no estudo da relação entre espaço e crime.
1.2 Locais ou ambientes

Segundo Clarke e Eck (2005), os locais ou ambientes podem regular alvos disponíveis, as ativida-
des que as pessoas podem realizar e quem controla o local. Entender um ambiente permite fazer compa-
rações entre ambientes com problemas e ambientes sem problemas. Ambientes geralmente possuem
proprietários ou responsáveis, os quais podem ser importantes para resolver problemas.
De acordo com esses autores, podemos distinguir os ambientes de acordo com os problemas de
segurança apresentados com mais frequência:
• Residenciais;
• Recreativos;
• Escritórios;
• Comerciais;
• Industriais;
• Educacionais;
• Equipamentos voltados para serviços públicos,
• vias públicas;
• Ambientes abertos / de trânsito.
1.3 Comportamentos
Identificar os comportamentos mais suscetíveis de ocorrerem em cada local, ajuda a esclarecer e re-
lacionar aspectos relativos a várias dimensões: de perigo, intenção e as relações entre ofensor e alvo. Po-
demos identificar cinco tipos de comportamento, com base na taxonomia proposta por Clarke e Eck (2005):
Predatórios: O ofensor é claramente distinto da vítima; esta sempre se coloca em objeção às ações
do ofensor. A maior parte dos crimes são desta natureza, tais como: roubos, abuso de crianças, arromba-
mento, bullying etc.
Consensuais: As partes envolvidas interagem conscientemente, e em geral, está envolvido algum

tipo de transação. Ex.: venda de drogas, prostituição e venda de mercadorias roubadas.
Conflitos: Interações violentas que envolvem indivíduos em relações geralmente simétricas, e que
possuem algum tipo de relação preexistente. Ex. briga entre conhecidos.
Incivilidades: Neste caso, ofensores são discerníveis das vítimas, mas estas estão dispersas, e em
geral, o dano não é sério. Um exemplo são as festas barulhentas, alguns tipos de vandalismo – via de
regra, seu grau de problematicidade varia de acordo com o ambiente.
Autolesão: Neste caso são a mesma pessoa; ou então o ofensor tinha intenção de causar mal à
vítima. Ex. tentativa de suicídio, overdose e acidentes de trânsito.
Dado que há ambientes que concentram certos tipos de comportamentos ou facilitam sua ocorrên-
cia, a comparação entre eles permite entender a natureza das intervenções que neles ocorrem e verificar se
há questões analíticas ou respostas comuns para problemas semelhantes.
Observe a tabela que relaciona os tipos de comportamentos e alguns ambientes ou espaços:
Tabela 4: Relação entre ambientes e comportamentos
Para que você entenda melhor a relação entre ambientes e comportamentos, analise dois exemplos:
a) Em ambientes residenciais, é possível que aconteçam comportamentos conflitivos (A), como situ-
ações de violência doméstica. Uma forma de inibir tais comportamentos é o registro e controle das famílias
que já apresentaram tal situação por parte dos órgãos especializados (delegacias da mulher, conselhos
tutelares).
b) Em ambientes recreativos, é possível que aconteçam incivilidades (B), por exemplo, a ocorrência
de pichações em parques públicos. Uma forma de inibir tais comportamentos é a instalação de câmeras de
monitoramento contínuo nesses locais.
Desafio
Agora é com você! Pense nos demais comportamentos (C, D, E, F, G,
H e I) representados no quadro 1. Elabore exemplos (como em A o exemplo
foi violência doméstica e, em B, pichações em parques públicos) e pense em
estratégias de inibição dos comportamentos exemplificados. Mas se lembre!
Os comportamentos devem estar relacionados aos devidos ambientes.
Conseguiu vencer o desafio?
Agora pense um pouco mais...

Há alguma semelhança ou correlação nos tipos de estratégias de inibição dos comportamentos
para os diferentes tipos de ambiente?
50
Aula 2 – Mobilizando as teorias para a análise das dinâmicas
criminais no espaço
Nesta aula, você vai utilizar as teorias estudadas na aula anterior e no curso de análise crimi-
nal para que possa compreender as dinâmicas criminais no espaço.
Atribui-se função fundamental ao analista criminal na resolução de problemas relacionados à se-

gurança pública. No entanto, antes de realizar todo o processo de busca de solução para um problema,
deve-se detalhar o fenômeno. Isso significa por um lado, que vários “filtros” devem ser feitos para que o
analista chegue a uma classificação específica do evento (ex: “furto de rodas automotivas para revenda em
mercados ilegais”). Somente assim, durante a formulação da solução, será possível traçar estratégias bem
focalizadas.
Por outro lado, a própria seleção dos filtros e, em consequência, a definição do evento, não
podem ocorrer sem recurso às teorias. Essas podem indicar os motivos pelos quais determinado crime ou
evento de segurança pública surge. Ou seja, a partir da consulta às teorias, é possível inferir, entre outros, os
seguintes fatores relacionados ao crime:
• Como surge
• Que fatores estão relacionados
• Para quais populações
• Em que condições
• Em que locais
As várias teorias criminológicas ajudam o analista a orientar sua busca pela definição do problema
criminal e posterior proposição de estratégias de enfrentamento.
Então, vamos relembrar as teorias estudadas no curso de análise criminal?
2.1. A teoria da desorganização social

As perspectivas analíticas vinculadas a essa teoria buscam examinar de forma sistemática as rela-
ções entre a estrutura social e o nível de criminalidade de uma localidade mais ampla – uma vizinhan-
ça ou comunidade. A maior parte dos autores desta corrente partiu da observação de padrões estruturais
(constantes) de criminalidade nesses locais, mesmo que houvesse variação em suas características. Veja um
exemplo:
Exemplo prático 1:
Na introdução, fizemos referência ao estudioso francês André-Michel Guerry, que
trabalhou com as estatísticas de criminalidade na França, coletadas pela Secretaria de Admi-
nistração da Justiça Penal daquele país, o primeiro sistema nacional centralizado de rela-
tórios criminais. Fascinado com esses dados, que o possibilitaram descobrir regularidades
empíricas e leis que poderiam determiná-los, Guerry desistiu da prática da advocacia para
estudar a criminalidade e sua relação com outras variáveis que ele denominou de “morais”.
O primeiro grande trabalho de Guerry, chamado de Estatísticas Morais, era uma
página contendo três mapas sombreados da França. Os mapas mostravam os departamentos
franceses, sombreados de acordo com o número de crimes contra a pessoa, crimes contra
a propriedade e contra a instrução escolar. Tais mapas estatísticos tinham acabado de ser
inventados, em 1826, pelo Barão Charles Dupin. Sua apresentação, em tabelas e mapas temá-
ticos, mostrava que as taxas de criminalidade permaneciam supreendentemente estáveis ao
longo do tempo, inclusive quando separadas por idade, sexo, região da França e até mesmo
a estação do ano. No entanto, esses números também variavam sistematicamente em todas
as regiões departamentais da França. Essa regularidade estatística lançou a hipótese de que
os padrões criminais encontrados poderiam estar determinados pelas características
sociais específicas de cada uma das regiões departamentais.
Fonte: Wikipedia (http://en.wikipedia.org/wiki/Andr%C3%A9-Michel_Guerry)
Exemplo prático 2:
Já no século seguinte, nos Estados Unidos, sociólogos da pioneira “Escola de Chi-
cago” identificaram e examinaram cuidadosamente a concentração da criminalidade em
uma região específica da cidade de Chicago, conhecida como Loop. Concluíram que carac-
terísticas sociais do ambiente urbano eram fundamentais para se explicar, assim como no
estudo de Guérry, a emergência da criminalidade em localidades ou comunidades especí-
ficas (Burguess, 1925; Shaw e McKay, 1942).
Fig2. Ilustração da teoria dos círculos concêntricos
Foi assim que a teoria da desorganização social surgiu, propriamente. Um es-

tudo realizado por Clifford Shaw e Henry McKay partiu do suposto de que o desenvol-
vimento e crescimento urbano cria e intervém sobre as dinâmicas socioespaciais (Shaw
e McKAY, 1942).
Realizou-se a pesquisa na cidade de Chicago, que havia passado por um recen-

te período de grande crescimento populacional. A fim de explicar este fenômeno, Robert
Park e Ernest Burgess, em 1925, haviam criado o modelo ou teoria das Zonas Concêntri-
cas, segundo o qual as cidades se expandiam a partir de uma região central de forma a
criar uma série de outros círculos no seu entorno, divididos em cinco zonas.
52
A constituição dessas zonas segue a lógica da competição desregulada entre grupos so-
ciais com rendas e identidades culturais e étnicas distintas pelo espaço urbano e seu uso. Essa
dinâmica resultou, principalmente nas grandes cidades, em intensa mobilidade social e mobilidade
entre as diferentes zonas da cidade. A alta rotatividade da população determina o enfraquecimento
da dimensão da organização social da comunidade – entendida como uma atividade de controle
“naturalmente” exercida por uma comunidade ou vizinhança. Com esse enfraquecimento, o grupo
social primário e suas principais instituições (família e igreja, por exemplo) restaram significativa-
mente extenuados (Park e Burguess, 1925).
Shaw e McKay (1942) testaram empiricamente sua teoria com os dados de criminalidade
da década de 1930 em Chicago. Utilizaram observações acerca dos padrões espaciais e temporais
da mobilidade dos habitantes na cidade. Nesse ensejo, constataram diferenças de incidência cri-
minal entre as distintas zonas de Chicago. Aquelas mais próximas da região central apresentaram
criminalidade mais concentrada no espaço e ao longo do tempo. Mesmo com alta rotatividade de
residentes das zonas, o padrão de criminalidade se manteve durante todo o período em análise.
Assim, os autores concluíram que nas zonas nas quais a desorganização social estava em evidên-
cia, os fatores criminais eram intrínsecos ao ambiente da comunidade ou vizinhança. Isso porque,
mesmo com a alta rotatividade de pessoas residentes das regiões, as ocorrências de crimes conti-
nuavam seguindo o mesmo padrão, durante todo o período analisado (SHAW; McKAY, 1942).
De acordo com a teoria proposta por Shaw e McKay, algumas dimensões estruturais estão
diretamente relacionadas à incidência criminal: baixo status socioeconômico, heterogeneidade ét-
nica e alta rotatividade ou mobilidade residencial.
A perspectiva teórica apresentada anteriormente vincula dimensões sociais-estruturais à incidência

criminal. Uma forma de o analista criminal tentar aplicar essa teoria, ou verificar suas hipóteses, é investigar
os fatores indicados (ou uma determinada relação entre esses fatores) como possíveis causas da criminali-
dade verificada em determinada região. Para tanto, precisará ampliar seus esforços de pesquisa e consultar
bancos de dados não diretamente relacionados à segurança pública e, sim, aos aspectos socioeconômicos
e demográficos.
As informações socioeconômicas e demográficas, em sua maioria, são de livre acesso. Elas se origi-
nam de pesquisas públicas periódicas:
• O censo sócio-demográfico: http://censo2010.ibge.gov.br/)

• Pesquisa Nacional por Amostra de Domicílios do Instituto Brasileiro de Geografia e Estatística
(IBGE): http://www.ibge.gov.br/home/estatistica/populacao/trabalhoerendimento/pnad2011/default.shtm)
• A Pesquisa por Amostra de Domicílios de Minas Gerais, da Fundação João Pinheiro: (http://
www.fjp.gov.br/index.php/indicadores-sociais/-pesquisa-por-amostra-de-domicilios-pad-mg)
• O Atlas do Desenvolvimento Humano do Programa das Nações Unidas para o Desenvol-
vimento no Brasil: http://www.pnud.org.br/IDH/Atlas2013.aspx?indiceAccordion=1&li=li_Atlas2013) entre
outros.
Exemplo prático 3:
O pesquisador Túlio Kahn, no estudo Taxa de Homicídios por Setor Censitário no Muni-
cípio de São Paulo, relacionou as taxas de homicídios por setor censitário do município de São
Paulo entre 2000 e 2003 às variáveis sociodemográficas do universo, com base no Censo de 2000
do IBGE. As variáveis escolhidas foram: rendimento, anos de estudo, taxa de desemprego, parti-
cipação de homens jovens no total da população, anos de estudo e participação de cortiços no
total de domicílios particulares permanentes. O autor utilizou as coordenadas geográficas dos
homicídios dolosos e latrocínios do software Infocrim, para a distribuição dos homicídios em São
Paulo. A relação entre a taxa de homicídios e as variáveis sociodemográficas por setor censitário
foi estimada por meio de regressão.
Os resultados da pesquisa apontaram que, apesar dos homicídios atingirem essencial-
mente homens jovens de baixa escolaridade e rendimento, setores censitários pobres do muni-
cípio não apresentaram necessariamente altas taxas de homicídio entre 2000 e 2003. O estudo
conclui então que a pobreza sozinha não explica as taxas de homicídio em São Paulo.
2.2. A teoria das atividades rotineiras

Diferentemente da teoria da desorganização social, que busca analisar a relação entre variáveis re-
lacionadas à dinâmica socioeconômica e cultural e o espaço em um recorte amplo, iremos agora estudar
duas teorias que possuem um viés mais “micro”. Mas o que significa isso exatamente?
Vamos começar pela teoria das atividades rotineiras. Ela procura explicar a ocorrência dos eventos
criminais como resultado da confluência, no tempo e no espaço, de um ofensor motivado, um alvo deseja-
do e a ausência (naquele tempo e espaço) de um guardião capaz. Essa teoria também se tornou conhecida
no Brasil como teoria do “triângulo criminal” (Clarke, Felson, 1998).
Figura 15 - Ilustração do “triângulo criminal”
Assim, segundo essa teoria, a forma como esses fatores se apresentam no ambiente em que o even-
to criminal ocorre são essenciais para sua análise. Em outras palavras, conforme ilustrado pela Figura 15, essa
teoria parte do pressuposto de que um evento criminal ocorre quando há um alvo – seja uma pessoa
ou um objeto inanimado – e um infrator em um mesmo lugar.
Além disso, esses estariam desprovidos de controles que poderiam impedir a ocorrência do crime.
No que se refere ao alvo, o controle poderia ser a própria pessoa, a família, amigos, a polícia, colegas de
trabalho, segurança privado, entre outros.
Com relação ao ofensor, seu controle deveria ser exercido por um supervisor que tem a possibilida-
de de afetar suas ações, podendo ser: pais, esposas, maridos, irmãos, entre outros.
54
Por fim, no que tange aos locais, vale ressaltar a importância de seu administrador / gerente, tendo
em vista sua responsabilidade sobre o mesmo, tais como: donos de bares e restaurantes que comercializam
bebidas alcoólicas, o motorista do ônibus, o professor na sala de aula, a aeromoça em um avião e outros
(Felson, 1997; Clarke, Eck, 2005).
Ainda sobre os alvos, destaca-se que são quatro as dimensões que influenciam o risco de serem
abordados por um ato criminoso, são elas:
• Sua valorização, tal como atribuída pelo ofensor;

• A inércia do item, ou seja, o nível de complexidade para superar as barreiras de seu
peso (ex: celulares são mais propícios de serem furtados do que televisões);
• A visibilidade ou exposição dada ao alvo; e
• A disponibilidade de acesso ao mesmo.
Neste sentido, não seria somente a elevação do número de criminosos ou da motivação por co-
meter crimes que fariam crescer os índices criminais de um determinado local. A oferta de uma maior
quantidade de alvos e/ou de menores quantitativos de guardiões também impactariam diretamente nas
oportunidades de um crime ocorrer (Clarke; Felson, 1998).
Sendo assim, cabe ressaltar que, a utilização da teoria das atividades rotineiras e, portanto, do tri-
ângulo de solução de problemas envolve um estudo detalhado das dimensões que interferem na criação
de oportunidades propícias ao cometimento do crime. Por isso, compreender como são criadas oportu-
nidades criminais ajudará você, analista, a pensar sobre o que pode ser feito para impedir novos eventos,
por exemplo, utilizando os supervisores ou responsáveis; ajudar as vítimas a reduzir suas probabilidades de
serem alvos; e, claro, intervir sobre os locais onde os problemas ocorrem, sejam escolas, bares ou estaciona-
mentos, entre outros (CLARKE; ECK; 2005).
Elenice de Souza (2010), em pesquisa realizada na favela do Alto Vera

Cruz, Belo Horizonte/MG, utilizou metodologia de pesquisa fundamentada na
observação sistemática dos recursos situacionais de 100 endereços em que
pelo menos um homicídio foi cometido entre 2000 e 2006. Utilizou ainda, como
grupo de controle, a comparação com 100 endereços correspondentes onde
não foram cometidos homicídios na mesma favela.
A pesquisa teve por objetivo compreender como e por que fatores
situacionais podem criar oportunidades para o cometimento de homicídios,
por jovens do sexo masculino, principalmente aqueles envolvidos em locais de
tráfico de drogas.
Os resultados mostraram que homicídios são mais prováveis de ocor-
rer em locais configurados de maneira específica, os quais facilitam a fuga por
parte dos criminosos e reduzem a quantidade de esforço e recursos que ne-
cessitam para escapar da captura. Essas configurações são caracterizadas: pela
venda de drogas ilegais, a proximidade de bares, a preponderância dos escon-
derijos, existência de rotas de fuga e uma paisagem urbana irregular que limita
a vigilância por parte de residentes e do público em geral.
Souza, Elenice. Fatores Situacionais no Número de Homicídios em uma
Favela Brasileira Oprimida pela Violência [Situational Factors in Homicides in a
Violence-Ridden Brazilian Favela. Dissertation - Newark Rutgers, The State Uni-
versity of New Jersey (2010)].
2.3. A teoria dos padrões criminais
Essa é a última teoria que ajuda a explicar a distribuição do crime no espaço que você estudará
nessa aula. Ela também se baseia na análise “micro”. Concentre-se!
Segundo essa perspectiva teórica, a distribuição de ofensores, alvos, administradores, guardiães ao
longo do tempo e espaço descreverão padrões criminais. A teoria explora as interações entre ofensores e
seus ambientes, e a forma como alvos despertam a atenção dos ofensores, o que influencia a distribuição
dos eventos criminais no tempo e no espaço (Brantingham e Brantingham, 1993). Vejamos como isso ocorre.
Segundo Marcus Felson (2002), uma das formas de se explicar como ofensores “encontram” alvos
é por meio da sobreposição das atividades espaciais de ofensores e vítimas. O conceito de atividades es-
paciais é fundamental na teoria dos padrões criminais. Pat Brantingham e Paul Brantingham (1993) utilizam
esse conceito para descrever como ofensores encontram alvos no decorrer de suas rotinas diárias.
Para a análise de como as pessoas e objetos envolvidos em eventos criminais se movem no espaço
e no tempo, três conceitos principais são mobilizados: nós, caminhos e fronteiras.
Nós: Referem-se aos locais de onde e para onde as pessoas se deslocam em suas rotinas diárias.
São, por exemplo, a residência, o local de trabalho e aqueles frequentados pelas pessoas para recreação ou
lazer. Esses lugares podem ser propícios à ocorrência de crimes, tanto no seu interior, como em suas proxi-
midades.
Caminhos: Potenciais ofensores podem encontrar alvos nos locais visitados durante sua rotina pes-
soal (entre sua residência, escola, trabalho e locais de entretenimento) e nos caminhos entre eles. À medida
que conduzem suas atividades rotineiras legítimas, eles se atentam ou se tornam cientes de oportunidades
criminais. Assim, oportunidades criminais que não se encontram próximas aos locais ou caminhos por onde
os ofensores rotineiramente se deslocam têm poucas chances de chamar sua atenção. Ao contrário, as opor-
tunidades criminais encontradas em lugares que chamam a atenção dos ofensores têm um risco maior de
se tornarem eventos criminais. Segundo Clarke e Eck (2005), a teoria parte do suposto de que é mais fácil
cometer crimes (ou pelo menos parte deles) no decorrer de suas atividades rotineiras, do que fazer um des-
locamento específico para esse fim. Da mesma forma, os caminhos que as pessoas utilizam em suas ativida-
des cotidianas estariam relacionados aos locais onde se tornam vítimas de crimes. É por isso que a teoria dos
padrões do crime presta atenção para a distribuição geográfica da criminalidade e para o ritmo diário das
atividades tanto de (potenciais) ofensores quanto de (potenciais) vítimas.
Fronteiras: Referem-se aos limites das áreas onde as pessoas vivem, trabalham, fazem compras ou
buscam entretenimento. Segundo seus teóricos, alguns tipos de crimes são mais prováveis de ocorrer nas
fronteiras – justamente porque pessoas de diferentes vizinhanças, que provavelmente não conhecem umas
às outras, encontram-se nesses locais.
Importante!
Segundo Clarke e Eck (2005), “os caminhos utilizados pelas pessoas em suas atividades rotineiras e
os nós onde elas se alocam explicam o risco de vitimização, bem como os padrões da ação criminal”.
Geram-se assim mapas criminais para relacionar diferentes tipos de crime a diferentes tipos de
fluxos de pessoas. Você também pode utilizar qualquer outra ferramenta que indique o deslocamento das
pessoas entre nós e/ou ao longo de caminhos. Alguns tipos de crimes se concentram onde há aglomeração
de pessoas, enquanto outros, onde há ausência. A figura 16 a seguir ilustra essa dinâmica:
56
Figura 16 - Ilustração de mapeamento feito a partir a teoria dos padrões criminais
Qual a diferença entre a Teoria das Atividades Rotineiras e a Teoria

dos Padrões Criminais?
As duas últimas teorias estudadas, a Teoria das Atividades Roti-
neiras e a Teoria dos Padrões Criminais, partem de uma análise “micro”
das dinâmicas criminais no espaço. Ambas oferecerem hipóteses conver-
gentes. Não obstante, elas podem dar vazão a diferentes explicações dos
crimes para locais específicos. Dado um conjunto de locais com altos índi-
ces de criminalidade, a Teoria das Atividades Rotineiras se concentra nos
comportamentos dos alvos e na possível ausência de controladores, cuja
presença pode prevenir o evento criminal.
A Teoria dos Padrões Criminais, por sua vez, foca em como os
ofensores descobrem e acessam determinados locais. Em outras palavras,
para a Teoria dos Padrões criminais, certos locais são problemáticos, devi-
do aos tipos de pessoas presentes e ausentes.
Assim, as explicações para crimes ou dinâmicas criminais espaciais
específicos mostram que, para alguns deles, a Teoria das Atividades Roti-
neiras é uma explicação útil; para outros, a Teoria dos Padrões Criminais
oferece maiores esclarecimentos (Eck e Weisburd, 1995, p. 6-7).
Agora que você já estudou algumas das principais teorias que são utilizadas na análise criminal, nós
abordaremos daqui em diante algumas de suas aplicações mais comuns: a análise de hot spots, o estudo
das jornadas dos ofensores, a análise da migração (ou deslocamento) criminal e a difusão dos benefícios das
intervenções em segurança pública.
Aula 3 – Clusterização ou a concentração de eventos em deter-
minados locais
Nesta aula, você vai estudar um fenômeno destacado pela última teoria que você aprendeu,
a Teoria dos Padrões Criminais. É a chamada clusterização ou concentração de eventos criminais em
determinadas regiões ou pontos do espaço.
Você já deve ter percebido que os eventos criminais não estão distribuídos uniformemente no espa-
ço; em todo e qualquer nível de agregação, algumas áreas geográficas possuem menos crime do que outras
(BRANTINGHAM e BRANTINGHAM, 1982). Essas áreas têm sido chamadas mais recentemente de hot spots,
ou zonas quentes de criminalidade.
3.1. Tipos de hot spots

A identificação dos hot spots ou zonas quentes é importante na análise da dinâmica criminal de
uma localidade. Essas regiões específicas são aquelas em que o crime se concentra (devido às repetições).
Sua análise se torna fundamental para focar a implantação de ações segurança nos locais certos (Vellani,
2010).
Clark e Eck (2005) propõem uma taxonomia para classificar as diferentes formas de hot spots, não
excludentes entre si:
• hot spots geradores de criminalidade: Locais que atraem um grande número de pessoas
desprovidas de pretensões criminais. A concentração de pessoas aumenta o volume de oportunidades e de
alvos para o cometimento de crimes. Nessas localidades, o tráfego de pessoas é bastante intenso. Eventos
esportivos e festivais de músicas são exemplos desses locais.
• hot spots atratores de criminalidade: Locais onde existem muitas oportunidades para o
crime e que são de conhecimento dos infratores. Esses locais atraem os infratores que, posteriormente, se
fixam neles. Um exemplo são as regiões em que, rotineiramente, há alta concentração de veículos, como as
regiões hospitalares ou proximidade de universidades.
• hot spots facilitadores da criminalidade: Locais onde as regras ou controle sobre os com-
portamentos são falhos ou inexistentes, ou seja, onde existe baixo grau de proteção ou gerenciamento de
condutas. Praças públicas desprovidas de vigias ou guardas que inibem vandalismo ou tráfico e consumo de
drogas são bons exemplos desse tipo de hotspot (Clarke, Eck, 2005).
Pat e Paul Brantingham (1995) sugerem que um determinado local também pode ser considerado
neutro. Isso significa que eles não interessam aos ofensores e aos alvos, e a regulamentação dos comporta-
mentos é bem definida e aplicada. As localizações que não são consideradas hot spots são assim, visto que
possuem baixa ocorrência de crimes e esses, de forma geral, não possuem padrões claramente identificá-
veis no espaço.
Clarke e Eck (2005) propõem uma classificação complementar que considera as características do
crime envolvido: hot spots agudos e hot spots crônicos.
Os hot spots agudos são aqueles possuidores de picos anormais de ocorrência criminal que, em
seguida se reduzem sem intervenções externas.
58
Gráf. 1. Ilustração de hot spot agudo, com picos anormais de criminalidade em 2004 e 2007
Os hot spots crônicos são aqueles locais que constantemente possuem altos índices de criminalida-
de. Por isso, eles demandam ações externas para a redução da criminalidade.
Graf. 2. Ilustração de hot spot crônico
Ratcliffe (2004), por sua vez, divide os hot spots crônicos em três tipos:
a) pontos quentes: Locais específicos com grande volume de crimes (ex: bares);
b) linhas quentes: Referem-se à incidência criminal ao longo de ruas, avenidas ou semelhantes;
c) áreas quentes: Englobam um território maior do que os anteriores, como os bairros. A área quen-
te pode apresentar vários problemas divergentes e isolados ou um grupo de problemas uniformes.
A tabela 5 relaciona o tipo de hot spot crônico com sua área de concentração, a melhor forma de
plotá-lo em um mapa, o nível local de ação e exemplos de ações para redução da criminalidade.
Tabela 5 – Relação dos tipos de hot spots crônicos com a forma de representá-los no mapa e
o nível de ação exigida para enfrentar o problema.
Fonte: baseado em Ratcliffe, 2004.
A regra de Pareto (“80-20”)

Para a identificação de hot spots e outros tipos de concentrações, como a reincidência de infratores,
pode-se utilizar o princípio de Pareto ou “regra 80-20”, embora ele seja comumente aplicado em estudos
econômicos. Segundo foi definido por Vilfredo Pareto, por volta de 1897, a maior parte (80%) dos valores
de um grupo são oriundos de apenas 20% de seus componentes ou, em outras palavras, a proporção de
eventos causadores de problemas é 20 em 80. Neste sentido, esta regra é útil na verificação e localização
dos mais importantes e prioritários problemas em determinado espaço de tempo (CHIAVENATO, 2006).
Na análise criminal, através deste método é possível a descoberta de concentrações criminais,
sejam sobre pessoas, lugares ou coisas. Isso significa que:
• A maior parte de criminosos são reincidentes;
• As vítimas se repetem;
• Alguns locais concentram a criminalidade;
• Certos produtos costumam ser alvos de atitudes criminosas mais do que outros; e
• Alguns estabelecimentos são mais almejados do que outros por ofensores.
Assim, para chegar a conclusões sobre concentrações, o analista deve seguir as seguintes etapas:
a) Listar as pessoas, os produtos ou os locais com os quais está trabalhando e agregar a cada um
a frequência simples de repetição das ocorrências;
b) Classificá-los em ordem decrescente de acordo com o quantitativo obtido;
c) Calcular a frequência percentual simples de cada item da lista;
d) Calcular a frequência percentual acumulada de ocorrência, iniciando do maior para o menor;
e) Calcular o percentual do quantitativo acumulado de cada produto, pessoa ou lugar; e
f) Comparar as frequências acumuladas de ocorrências com aquelas do volume de itens.
60
Ao final, o analista será capaz de dizer qual percentual de crimes (frequência da etapa “d”) ocorre
com maior intensidade em um determinado grupo de pessoas, lugares ou produtos (CLARKE; ECK, 2005).
Tendo em vista a lógica da “regra 80-20”, é necessária a identificação daqueles estabelecimentos de
risco. Ou seja, locais onde há maiores chances de ocorrências de eventos criminais do que em outros. São
exemplos: postos de combustíveis, lojas de conveniência, bancos, escolas, paradas de ônibus, entre outros.
Além disso, as possíveis razões que elevam o indicador de risco destas localidades são:
• A variação aleatória de localização destas

• O quantitativo de registros policiais efetuados
• A presença de produtos “quentes”
• A localização dos estabelecimentos
• As vítimas repetidas
• O alto volume de alvos
• Os atratores de criminalidade
• A má gestão do local (o que inclui o poder de controle dos gerentes).
Além disso, um analista deve sempre se atentar para a possibilidade de haver vitimização repetida
relacionada a um determinado crime. De forma mais específica, este fenômeno refere-se a “um risco elevado
de que a mesma vítima venha a sofrer novamente nos dias imediatos ou semanas após o crime anterior.”
(CLARKE; ECK, 2005, p.71). Assim, dentro da “regra 80-20”, a maior parte das vitimizações recai sobre um
pequeno número de alvos.
Para exemplificar, estudos feitos a partir de dados do British Crime Survey de 1992 (Pease e Farrell,
1993 apud Clarke e Eck, 2005) apontou que 4% das pessoas sofrem com cerca de 40% de todas as vitimiza-
ções no período de um ano, sendo que as explicações para as repetições das vítimas estão relacionadas a
crimes como os de violência doméstica, agressões sexuais, roubos e furtos de carros. Assim, é importan-
te saber que, o conhecimento relacionado à ocorrência de vítimas repetidas, auxilia em previsões acerca de
quem e quando há maior risco de vitimização envolvido.
Por outro lado, a reincidência de criminosos também ocorre em grande proporção e existem duas
explicações básicas para esse fato:
a) Alguns indivíduos mais impulsivos e com baixo vínculo social tendem a cometer mais crimes
do que outros; e
b) Aqueles expostos, com maior frequência, às oportunidades e ao ambiente de desordem e
criminalidade estão mais propícios a caminharem e a se manterem nesta mesma direção.
Para detectar a reincidência de ofensores durante análises criminais, testes com a “regra 80-20” po-
dem ser feitos. Entretanto, de forma geral, é difícil detectar quais são os autores dos eventos ocorridos, visto
que, a identidade dos mesmos nem sempre é evidenciada.
Apesar disso, como já sugerido anteriormente, os autores reforçam que a realização de entrevistas
com infratores capturados pode trazer um leque de informações úteis para as estratégias de prevenção e,
ainda que de forma parcial, seria uma forma de entender de fato o porquê da reincidência. Ou seja, “quando
há informação específica de que poucas pessoas são responsáveis por mais de um problema, pode ser pro-
dutivo concentrar-se nesses indivíduos.” (CLARKE; ECK, 2005, p.73).
Seguindo a mesma lógica anterior, os produtos buscados por infratores, de forma geral, são re-
correntes. Isso significa que alguns deles possuem maior risco de serem alvos do que outros. Como exem-
plos têm-se: telefones celulares, carros, computadores e o dinheiro em si, que, conforme Clarke e Eck
(2005), Felson (s.d.) consideram como o produto mais “quente” de todos. Assim, cabe ao analista identificar
os itens mais almejados por criminosos e traçar estratégias preventivas no sentido de revesti-los de maior
segurança.
Fórum Brasileiro de Segurança Pública. Os Donos do Morro: Uma análise ex-
ploratória do impacto das Unidades de Polícia Pacificadora (UPPs) no Rio de Janeiro
(2012).
As UPPS são intervenções formuladas com base na análise de áreas conside-
radas hot spots crônicos.
O Fórum Brasileiro de Segurança Pública, em 2012, realizou a pesquisa “Os
Donos do Morro: Uma análise exploratória do impacto das Unidades de Polícia Paci-
ficadora (UPPs) no Rio de Janeiro”.
Entre outros instrumentos analíticos, utilizou-se o mapeamento. Os mapas
a seguir mostram que após a implantação da UPP da Cidade de Deus, as mortes
violentas no seu entorno reduziram (pontos azuis e vermelhos nos mapas de pré- e
pós- UPP, respectivamente).
Mapa 1: Total de Mortes Violentas no Entorno da Circunscrição da UPP de Cidade de Deus

(Raios de 250, 500, 1.000 e 1.500 m.) – Antes e Depois da implantação da UPP.
Fonte: Fórum Brasileiro de Segurança Pública, 2012.
Esse resultado subsidia a hipótese de impacto da implantação da UPP. No entan-

to, precisa-se testar essa hipótese por meio de metodologias específicas de avaliação de
impacto, como vimos no Módulo II do curso.
Aula 4 – O estudo da jornada do ofensor

Nesta aula você vai conhecer os estudos que analisam a jornada do ofensor.
62
Analistas criminais utilizam os fundamentos das teorias que você estudou na Aula 2 para investigar
padrões relacionados à forma como os ofensores se deslocam no espaço. Neste sentido, não somente locais
e regiões, mas também o deslocamento constitui variável fundamental na análise da dinâmica espacial dos
padrões do crime.
Investiga-se, assim, a mobilidade ou a jornada do ofensor – distância percorrida pelo ofensor até
o local onde comete o crime. Para isso, os analistas utilizam dados oficiais sobre os locais onde se efetuou a
prisão do ofensor, que são oriundos dos registros policiais ou dos processos judiciais, como você estudou na
Aula 1. Dois aspectos relacionados à mobilidade do ofensor – distância percorrida e direção – tor-
nam-se assim objetos dos estudos de jornada do ofensor.
A distância percorrida e a direção são medidas de várias formas. No entanto, a maioria dos estudos
a calculam pela relação entre o endereço do crime e o endereço da residência do ofensor.
Conheça alguns métodos para se fazer este cálculo, segundo apresentados por Chainey e Ratcliffe
(2005):
• O método mais fácil para calcular a distância entre a residência do ofensor e o local de ocor-
rência do crime denomina-se método Euclidiano, por ser, simplesmente, a distância em linha reta entre
esses dois pontos.
• O método Manhattan calcula a distância entre dois pontos como a soma dos segmentos
de retas tanto na vertical quanto na horizontal, como se o trajeto tivesse que contornar um quarteirão (ou
bloco) retangular para ir de um ponto ao outro.
• O método Rota de Rua calcula a menor distância em termos de trajetória seguindo a malha
da rua entre o local de residência do ofensor e o local do crime.
Fig. 6. Métodos para se calcular a jornada do ofensor - Euclidiano.
Fig. 7. Métodos para se calcular a jornada do ofensor - Manhattan.
Fig. 8. Métodos para se calcular a jornada do ofensor - Rota de rua.
O método Euclidiano e de Manhattan não levam em consideração as barreiras físicas que podem
obstruir a trajetória a percorrer, tais como rios, linhas de trem etc. Isso faz com que muitos analistas assumam
o método Rota de Rua como o mais acurado (e que apresenta a distância mais longa) dentre os três.
No entanto, quando comparados os três métodos, em estudos empíricos, o método Manhattan e a
Rota de Rua indicaram distâncias muito similares – o método Rota de Rua apresentou distâncias ligeiramente
menores do que aquele. Dada a maior dificuldade em se usar o método Rota de Rua e a consistência entre
os dois em termos de distâncias, a medida aferida pelo método de Manhattan é usada como uma boa proxy
da distância percorrida.
Sua facilidade, sua comparabilidade para fins de mapeamento criminal e sua maior acurácia em
comparação com o método Euclidiano (esse calcula uma distância geralmente 20% menor do que a real), faz
com que se recomende mais o uso do método Manhattan (Chainey e Ratcliffe, 2005).
Leia, a seguir, uma revisão de alguns estudos empíricos realizados nos Estados Unidos sobre jor-
nada de ofensores, para que você possa entender sua utilidade e, quem sabe, replicá-los utilizando dados
coletados no Brasil:
Revisão de alguns estudos empíricos
Eck e Weisburd (1995) revisaram alguns estudos empíricos realizados nos Estados Unidos. Selecio-
namos aqui alguns dos resultados:
• As distâncias percorridas pelo ofensor ou jornada de sua residência aos locais do crime geral-
mente são curtas; além disso, o número de ofensas cai rapidamente à medida que se afasta da residência do
ofensor (Capone e Nichols, 1976; Philips, 1980; Rhodes e Conley, 1981).
• Brantingham e Brantingham (1981) sustentam a hipótese de que os ofensores evitam alvos
imediatamente adjacentes às suas casas para evitarem ser reconhecidos.
• A mobilidade também pode ser limitada entre dois ou mais locais de crimes. Weisburd e
Green (1994) argumentam que mercados de drogas situados perto um do outro possuem fronteiras claras e
definidas, frequentemente circunscritas pela natureza das atividades encontradas em seus locais específicos.
O exame dos ofensores presos mais de uma vez pela Narcóticos de New Jersey, mostra que era muito im-
provável que um criminoso fosse preso em locais adjacentes onde houvesse mercados de drogas; era mais
provável que um ofensor contumaz fosse preso em um distrito diferente da cidade do que em um local de
mercado de drogas que ficasse há apenas uma quadra ou duas de distância.
64
Os estudos indicam “limitações” ou condicionantes da procura dos ofensores por locais onde irão
cometer crimes; por outro lado, essa escolha não parece ser aleatória. A idade, a raça, o sexo e o tipo de crime
afetam a estratégia de busca, à medida que essas variáveis parecem afetar a mobilidade do ofensor. Nesse
sentido, os estudos indicam que:
• Ofensores jovens se deslocam menos do que ofensores adultos (Philips, 1980; Nichols, 1980).
• Mulheres se deslocam para mais longe do que homens (Philips, 1980).
• “Crimes de expressão”, conceito utilizado pela criminologia norte-americana para se referir a
crimes como estupros e lesão corporal, são geralmente cometidos mais perto da residência do ofensor do
que “crimes instrumentais” (como roubo e furto) (Philips, 1980; Rhodes e Conley, 1981).
• No que se refere a roubos, ofensores que roubam alvos comerciais parecem percorrer distân-
cias maiores que ofensores que roubam indivíduos (Capone e Nichols, 1976).
• Para negociantes de drogas foi encontrada a menor distância percorrida, dentre todos os ti-
pos de ofensores estudados – deteu-se uma grande proporção em seu próprio endereço. Isso se explica pelo
fato de que a maioria comete o crime em sua própria residência (Eck, 1992).
• Os estudos sobre a mobilidade do ofensor, que investigam a direção da mobilidade, demons-
traram de maneira consistente que os ofensores se movem de áreas residenciais com menos alvos para regi-
ões com maior número de alvos (Boggs, 1965; Philips, 1980; Constanzo et al, 1986). Se as áreas residenciais
dos ofensores são ricas em alvos, então as distâncias percorridas são mais curtas (Rhodes e Conley, 1981).
• À medida que a distribuição de alvos em uma região metropolitana muda, a direção e distân-
cia percorrida pelos ofensores segue os alvos (Lenz, 1986).
Com frequência, interpretam-se os estudos anteriores como evidências de um comportamento ra-
cional e fortemente decisionístico. No entanto, como a aula 2 mostrou, eles são consistentes com duas dis-
tintas hipóteses acerca de como os ofensores selecionam seus alvos:
• Ofensores buscam alvos atrativos com baixa vigilância (explicação consistente com a Teoria
das Atividades Rotineiras);
• Ofensores “investem” sobre as oportunidades quando elas aparecem em suas atividades roti-
neiras não criminais (explicação consistente com a Teoria dos Padrões Criminais).
Os defensores da segunda explicação argumentam que, se os ofensores fossem “procuradores

agressivos” de alvos, então oportunidades mais perto de suas residências seriam vitimizadas de forma mais
frequente. No entanto, isso não é o que apontam os estudos empíricos. Diversamente, ofensores encontram
oportunidades, em sua maioria, quando se deslocam para suas atividades legítimas, ou seja, para o trabalho,
para a escola, ou mesmo para lojas, locais de recreação e outros lugares em que realizam atividades comuns.
Nesses locais, podem encontrar oportunidades criminais.
Os analistas também argumentam que os mapas cognitivos dos ofensores não incluem muita in-
formação sobre as áreas pelas quais passam, mas são geralmente muito ricos em detalhes no que se refere
aos locais aonde vão por motivos legítimos, como os apontados (BRANTINGHAN e BRANTINGHAN, 1981).
Saiba mais
Para aprofundar seus conhecimentos, leia a síntese de uma pesquisa realizada na Inglaterra que
examinou a hipótese de que, devido às facilidades em mobilidade, ofensores se deslocam para longe de sua
residência para cometerem crimes.
Acesse o arquivop AC2_mod5_pesquisa na biblioteca do curso
Aula 5. Deslocamento criminal e difusão de benefícios
Nesta aula você vai estudar as possibilidades de deslocamento (ou migração criminal) e tam-
bém a chamada difusão de benefícios.
Um dos primeiros trabalhos na literatura que se atentou para o deslocamento espacial do crime foi
Repetto (1976). Esse tema é de muito interesse para os formuladores de políticas de prevenção e combate
à criminalidade. Se o crime desloca, então políticas focadas em áreas específicas, como políticas para hot
spots, devem também considerar o entorno desses locais. O caso da intervenção policial na “cracolândia”,
em São Paulo, recentemente, é um bom exemplo da importância dessa problemática na formulação de in-
tervenções. Quando os policias entraram no local (onde havia alta concentração de usuários de crack) e os
retiraram de lá, esses se deslocaram para outras áreas da cidade.
Assim, quando se intervém em uma área, os delitos podem simplesmente desaparecer ou então
passarem a ser cometidos em outros locais, fora da área focada pela intervenção.
O deslocamento, não importa sua extensão, pode ser em si uma ferramenta importante na preven-
ção e combate ao crime. Pode-se otimizá-lo, ou seja, usar o deslocamento de forma positiva na prevenção e
combate criminal, por meio da identificação da sua melhor forma e temporalidade.
Mas antes de entrarmos nesta questão, vamos falar dos tipos de deslocamento. A teoria do deslo-
camento prevê que a mobilidade da criminalidade pode ocorrer de cinco formas:
• Deslocamento geográfico: passa-se a cometer o crime em locais não cobertos pela inter-
venção.
• Deslocamento temporal: passa-se a cometer o crime em períodos diferentes.
• Deslocamento entre alvos: troca-se o alvo do crime.
• Deslocamento tático: muda-se a forma (método ou estratégia) para cometimento do crime.
• Deslocamento de tipo criminal: muda-se o tipo ou a modalidade de crimes cometidos.
Apesar dos fundamentos da teoria de deslocamento criminal, a literatura empírica raramente a

corrobora. Há um conjunto crescente de evidências que sugerem que o deslocamento raramente é total,
frequentemente ausente ou não possui consequências relevantes (Gabor, 1990; Barr e Pease, 1990; Clarke,
1992; Eck, 1993; Hesseling, 1995). Uma dificuldade relacionada à verificação do deslocamento nos locais de
estudo é que ele é com frequência um tema secundário das pesquisas. O deslocamento, em geral, torna-se
importante em estudos que mensuram o impacto de um tratamento e, raramente recebe a adequada preo-
cupação metodológica (Weisburd e Green, 2004).
Clarke e Eck (2005) analisaram quatro revisões da literatura sobre o assunto, feitas para estudos da
Inglaterra, EUA, Canadá e Holanda. Em todos os estudos revistos, o volume de crimes deslocado foi pequeno;
e em nenhum a criminalidade global aumentou por causa do deslocamento. Assim, o deslocamento, quando
existe, é sempre limitado, pois os ofensores encontram dificuldades de se adaptar de maneira rápida. Isso
sugere que o deslocamento pode ser previsto antecipando-se as mudanças mais fáceis que os ofensores
podem realizar.
Essa ideia, também chamada de “ameaça presumida do deslocamento”, desenvolveu-se a partir da
concepção ou viés da criminologia tradicional, focada no “comportamento”. O uso da Teoria da Escolha Ra-
cional ou da Teoria das Atividades Rotineiras como base para a pressuposição dos efeitos de deslocamento
resultaria em uma taxa menor de deslocamento, dado que “o volume de crime é dependente tanto do nú-
mero de alvos prováveis e guardiães capazes, assim como de ofensores”.
Nessa linha, Clarke e Eck (2005) oferecem uma possível explicação para a não existência de desloca-
mento: a teoria do deslocamento negligencia o papel da intenção e das oportunidades criminais. Os autores
argumentam que muitos criminosos não precisam necessariamente cometer o crime, têm pouco compro-
metimento com a ação, não têm que aferir determinada quantia ou prêmio decorrente da ação criminal; ou
podem possuir alternativas viáveis de sustento, disponíveis quando a ação criminal não compensar.
66
No entanto, os autores não acreditam que se possa ignorar o deslocamento. Ele provavelmente
ocorre quando os custos de deslocamento do ofensor não superam os benefícios, mas é bem menor do que
comumente se acredita. Sherman e Weisburd (1995) argumentam que é teoricamente importante mostrar
que crimes podem ser desencorajados em hot spots, independente do fenômeno do deslocamento.
5.1. Difusão de benefícios
Estudos recentes sugerem que os analistas devem considerar a difusão de benefícios, um fenômeno
oposto ao deslocamento criminal. Clarke e Weisburd (1994) cunharam o termo “difusão de benefícios” para
caracterizar o tipo de situação, no qual as intervenções de prevenção criminal difundem seus resultados
positivos para além do objetivo planejado, ou seja, os benefícios da intervenção se estendem para além dos
locais aos quais estava inicialmente direcionada. A difusão de benefícios aumenta a eficácia prática das es-
tratégias focalizadas de prevenção ou combate à criminalidade.
Como exemplo, Clarke e Eck (2005) citam a estratégia da Universidade de Wisconsin, de colocar
etiquetas eletrônicas nos livros para redução de furtos. Essa estratégia resultou em menos furtos de livros.
Além disso, os furtos de fitas de videocassete e outros materiais, que não foram marcados, também se redu-
ziram. Outro exemplo citado pelos autores é a estratégia de instalação de câmeras de filmagem em alguns
cruzamentos, na cidade de Strathclyde, Escócia. O resultado foi não somente a redução nos avanços de sinais
nesses locais, mas também em outros cruzamentos ao redor. A explicação dos autores aventa a hipótese de
que os potenciais ofensores provavelmente tomaram conhecimento da introdução das medidas de preven-
ção, mas sem ter certeza de seu foco preciso.
Prevenção e controle de homicídio

Os autores fazem a avaliação econômica do programa Fica Vivo na favela piloto de
implantação, chamada Morro das Pedras, em Belo Horizonte. O Fica Vivo é um programa
pioneiro na aplicação de estratégias de prevenção e controle de criminalidade baseada em
hot spots, no Brasil. Seu principal objetivo é a redução dos homicídios nas áreas de hot spots,
que geralmente são favelas.
Os autores estimaram o impacto por meio da metodologia de Pareamento com Di-
ferenças em Diferenças com base em dados dos registros de ocorrências da Polícia Militar de
Minas Gerais, georeferenciados entre os anos de 2000 e 2006. Além disso, usaram os dados
da Secretaria de Defesa Social sobre os custos do programa. Os resultados mostram que o
programa teve impacto na redução da taxa de homicídio na área tratada e que os seus be-
nefícios superaram em muito os custos.
Para testar a possibilidade de difusão dos benefícios ou deslocamento criminal, os
autores estimaram, também, o impacto do programa nas áreas do entorno da favela onde
ocorreu a intervenção. Os resultados indicam a existência de difusão dos benefícios, pois o
programa também reduziu os homicídios no entorno da área que o recebeu.
PEIXOTO, B ; ANDRADE, M. V. ; AZEVEDO, J. P. . Prevention and Control of Homicide: an impact
evaluation in Brazil. In: 61st Annual Meeting of the American Society of Criminology, 2009, Philadel-
phia.
Portanto, esses exemplos mostram que os benefícios da prevenção criminal das intervenções po-
dem ser maiores do que o previsto inicialmente. Uma forma de promover esse aumento, sugerido pela hipó-
tese de Clarke e Eck, é a publicidade da intervenção.
Nota
Segundo o portal eletrônico das UPP’s (Unidades de Polícia Pacificado-
ra) do estado do Rio de Janeiro, as operações são divulgadas previamente na
mídia com o objetivo de fragilizar os criminosos, além de informar ao cidadão
sobre o acontecimento das mesmas, garantindo-lhe a devida segurança à vida.
Dessa forma, percebe-se que difusão de benefícios pode ser importante para aumentar a eficácia
prática das estratégias de prevenção situacional.
Outro exemplo de estratégia conhecida, no sentido de dar publicidade às intervenções de preven-

ção, são as campanhas relativas ao uso do bafômetro em operações de trânsito. Em geral, a divulgação na
mídia tem um impacto grande e imediato na redução do ato de dirigir alcoolizado; no entanto, à medida que
os motoristas vão tendo conhecimento dos locais das Blitze ou desenvolvem ferramentas para driblá-las, o
uso de álcool no trânsito pode voltar a aumentar novamente. Veja só o exemplo a seguir:
Twitter BlitzBH – estratégia de adaptação dos indivíduos às intervenções

No mês de abril de 2013, a polícia civil de Minas Gerais abriu inquérito solicitando à Justiça auto-
rização para identificar cidadãos que avisam sobre operações de trânsito em Belo Horizonte. O objetivo é
indiciá-los por atentado à segurança ou ao funcionamento de serviços de utilidade pública, crime previsto
no artigo 265 do Código Penal. A conta “Blitz BH”, no twitter, tem aproximadamente 80 mil seguidores e mais
de 16 mil mensagens postadas. Embora sejam utilizadas também para veiculação de informações de trânsito
em geral, como pontos de congestionamento, acidentes e furtos e roubos de veículos, o “Blitz BH” foi cria-
do tendo como principal objetivo alertar aos seguidores sobre a presença da polícia em ruas e avenidas e a
localização dos pontos de operações da Lei Seca.
Leia a matéria completa na biblioteca do curso (AC2_mod3_estudo de Weisburd).
SAIBA MAIS...
Antes de fazer os exercícios, leia o estudo de Weisburd e seus colegas sobre deslocamento criminal
e difusão de benefícios. O estudo foi resumido de forma a lhe apresentar a metodologia do mesmo e possi-
bilitar que você, no futuro, possa replicá-lo a partir de dados coletados no Brasil.
Veja o arquivo “AC2_mod3_estudo de Weisburd” na biblioteca do curso
Finalizando...
Neste módulo, você aprendeu que:
• Há um conjunto de estudos que analisam as localidades como unidade de análise. Nesses
estudos, eventos criminais apontam devido às características dos locais onde ocorrem. Essas pesquisas bus-
cam entender como as estruturas físico-ambientais e outras características de uma dada localidade alteram
as estruturas de oportunidades para o cometimento de crimes.
• As várias teorias criminológicas ajudam o analista a orientar sua busca pela definição do pro-
blema criminal e posterior proposição de estratégias de enfrentamento.
• A identificação dos hot spots ou zonas quentes é importante na análise da dinâmica criminal
de uma localidade. Essas regiões específicas são aquelas em que, devido às repetições, o crime se concentra.
Sua análise se torna fundamental para focar a implantação de ações segurança nos locais certos (Vellani,
2010).

68
Não somente locais e regiões, mas também o deslocamento constitui variável fundamental na aná-
lise da dinâmica espacial dos padrões do crime.
• Estudos recentes sugerem que os analistas devem considerar a difusão de benefícios, um fe-
nômeno oposto ao deslocamento criminal. A difusão de benefícios aumenta a eficácia prática das estratégias
focalizadas de prevenção ou combate à criminalidade.
Exercícios
1) Crie hipóteses explicativas para a concentração de determinados tipos de crimes nos

seguintes locais: bares, escolas, estacionamento de hotéis, estádios de futebol. Para dois deles, utilize
a Teoria das Atividades Rotineiras; para os dois restantes, a Teoria dos Padrões Criminais.
2. Relacione os tipos de hot spots à sua definição:

A. hot spots geradores de criminalidade
B. hot spots atratores de criminalidade
C. hot spots facilitadores da criminalidade
D. hot spots localidades neutras
E. hot spots agudos
F. hot spots crônicos
( ) São aqueles possuidores de picos anormais de ocorrência criminal que, em seguida, reduzem-se
sem intervenções externas.
( ) Locais onde as regras ou controle sobre os comportamentos são falhos ou inexistentes, ou seja,
onde existe baixo grau de proteção ou gerenciamento de condutas.
( ) Demandam ações externas para a redução da criminalidade, pois são locais que constantemente
possuem altos índices de criminalidade.
( ) Locais que atraem um grande número de pessoas desprovidas de pretensões criminais. A con-
centração de pessoas aumenta o volume de oportunidades e de alvos para o cometimento de crimes. Nessas
localidades, o tráfego de pessoas é bastante intenso.
( ) Localizações que não são consideradas hot spots, visto que possuem baixa ocorrência de crimes
e esses, de forma geral, não possuem padrões claramente identificáveis no espaço.
( ) Locais onde existem muitas oportunidades para o crime e que são de conhecimento dos infrato-
res. Esses locais atraem os infratores que, posteriormente, se fixam neles.
3) Calcule, em metros, as distâncias percorridas, utilizando o método euclidiano e Manhattan

aprendidos na aula. Lembre-se das aulas do Módulo II: fique atento à escala indicada no mapa.
Gabarito
Atividade 1: Dica: Ao criar suas hipóteses lembre-se que: a teoria das atividades rotineiras procura
explicar a ocorrência dos eventos criminais como resultado da confluência, no tempo e no espaço, de: um
ofensor motivado, um alvo desejado e a ausência, naquele tempo e espaço, de um guardião capaz. Por sua
vez, na teoria de padrões criminais, a distribuição de ofensores, alvos, administradores, guardiães ao longo
do tempo e espaço descreverão padrões criminais. A teoria explora as interações entre ofensores e seus
ambientes, e a forma como alvos despertam a atenção dos ofensores, o que influencia a distribuição dos
eventos criminais no tempo e no espaço (Brantingham e Brantingham, 1993).
Atividade 2: Resposta correta: 1 – E; 2 – C; 3 – F; 4 – A, 5 – D; 6 - B).
Atividade 3: Método Manhattan: distância vertical (200m) + distância horizontal (400m) = 600m
Método Euclidiano: a distância em linha reta equivale à hipotenusa do triângulo reto. Logo,
x2 = (200)2 + (400)2
x = 447,21m
70
Referências Bibliográficas
• BABBIE, E. Métodos de Pesquisa em Survey. Belo Horizonte: Editora da UFMG, 1999.

• BARBETTA P. A.; Reis, M. M.; BORNIA, A. C., Estatísticas para cursos de engenharia e infor-
mática, 2ª edição, São Paulo, editora Atlas, 2008.
• BARR, R.; PEASE K. Crime Placement, Displacement, and Deflection. In: M. Tonry and N. Morris
(eds.), Crime and Justice: A Review of Research, Vol. 12. Chicago, IL: University of Chicago Press (1990).
• BEATO, C.; ASSUNÇÃO, R. “Sistemas de informação georreferenciados em segurança”. In: Bea-
to (org.). Compreendendo e avaliando: projetos de segurança pública. Belo Horizonte: Ed. UFMG, 2008.
• BOGGS, S. L. Urban Crime Patterns. American Sociological Review 30:899-908 (1965).
• BRANTINGHAM, P.L.; BRANTINGHAM, P.J. Notes on the Geometry of Crime. In: P.J. BRANTIN-
GHAM and P.L. BRANTINGHAM (eds.), Environmental Criminology. Beverly Hills, CA: Sage (1981).
• BRANTINGHAM, P.L.; BRANTINGHAM, P.J. Residential Burglary and Urban Form Urban Stu-
dies 2:273-84 (1975).
• BRANTINGHAM, P.L.; BRANTINGHAM, P.J. Housing Patterns and Burglary in a Medium Size
American City. In: J.E. Scott and S. Dinitz (eds.), Criminal Justice Planning. New York, NY: Praeger (1977).
• BRANTINGHAM, P.L., BRANTINGHAM, P.J. Environment, Routine, and Situation: Toward a Pat-
tern Theory of Crime. In: R.V. Clarke and M. Felson (eds.), Routine Activity and Rational Choice. Advances
in Criminological Theory, Vol. 5. New Brunswick, NJ: Transaction Publications (1993).
• BRANTINGHAM, P.L.; BRANTINGHAM, P.J. Mobility, Notoriety and Crirne: A Study of Crime
Patterns in Urban Nodal Points. Journal of Environmental System 11:89-99.
• BURGESS, E.W. (1925). The Growth of the City. In: R.E. Park, E.W. Burgessand R.D. MacKenzie
(eds.),The City. Chicago, IL: University of Chicago Press (1982).
• CAPONE, D.L. NICHOLS, Jr. W.W. Urban Structure and Criminal Mobility. American Behavio-
ral Scientist 20:199-213 (1976).
• CHIAVENATO, I. Administração geral e pública. Rio de Janeiro: Elsevier, Série Provas e Concur-
sos, 6ed, 2006, 348-351.
• CLARKE, R.V. Situational Crime Prevention: Successful Case Studies. Albany, NY: Harrow and
Heston (1992).
• CLARKE, R.V.; ECK J. Crime Analysis for Problem Solvers in 60 Small Steps. Washington,
D.C.: Office of Community Oriented Policing Services, United States Department of Justice (2005).
• CLARKE, R.V.; WEISBURD, D. Diffusion of Crime Control Benefits: Observations on the Re-
verse of Displacement. In Crime Prevention Studies, vol. 3, ed. Ronald V. Clarke. Monsey, NY. Criminal Justice
Press (1994).
• ECK, J. E.; WEISBURD, D. Crimes Places in Crime Theory, p. 1-33. In: Eck, J. E.; Weisburd, D. (1995)
Crime and Place (1995).
• ECK, J.E. Drug Trips: Drug Offender Mobility. Paper presented at the annual meeting of the
American Society of Criminology, New Orleans, November (1992).
• ECK, J.E. The Threat of Crime Displacement. Criminal Justice Abstracts 25:527-46 (1993).
• ENGSTAD, P.A. Environmental Opportunities and the Ecology of Crime. In: R.A. Silverman and
J.J. Teevan (eds.), Crime in Canadian Society. Toronto, CAN: Butterworths (1975).
• FEENEY, F. Robbers as Decision-makers. In: D. Cornish and R.V. Clarke (eds.), The Reasoning
Criminal: Rational Choice Perspectives on Offending. New York, NY: Springer-Verlag (1986).
• Fórum Brasileiro de Segurança Pública. ‘Os Donos do Morro’: Uma Avaliação Exploratória do
Impacto das Unidades de Polícia Pacificadora (UPPs) no Rio de Janeiro. Fórum Brasileiro de Segurança Públi-
ca em cooperação com o Laboratório de Análise da Violência – (LAV-UERJ). Financiado pela CORPORAÇÃO
ANDINA DE FOMENTO - CAF (2012). Disponível em: http://www2.forumseguranca.org.br/sites/default/files/
Relatorio%20final_CAF.pdf
• FRISBIE, D., G. FISHBINE, R. Hintz, M. Joelsons and J.B. Nutter. Crime in Minneapolis: Propo-
sals for Prevention. St. Paul, MN: Governor’s Commission on Crime Prevention and Control (1977).
• GABOR, T. Crime Prevention and Situational Crime Prevention: Toward the Development
of Some Principles. Canadian Journal of Criminology. 32:41-74 (1990).
• GUERRY, A. Essai sur la Statistique Morale dela France. Paris, FR: Crochard.
• HESSELING, (1833). Displacement: A Review of the Empirical Literature. In: R. V. Clarke (ed.),
Crime Prevention Studies, Vol. 3. Monsey, NY: Criminal Justice Press (1995).
• HARRIES, Keith. Mapping Crime: Principle and Practice. U.S. Department of Justice (1999).
• HUNGARI, R.; DINIZ, V.; REZENDE, C. . Curso Básico de Mapinfo. Disponível em: http://www.
csr.ufmg.br/geoprocessamento/publicacoes/MapInfo.pdf, acessado em 15 de maio de 2013.
• HUNTER, R.D. Environmental Characteristics of Convenience StoreRobberies in the State
of Florida. Paper presented at the annualmeeting of the American Society of Criminology. Chicago, IL (1988).
• JEFFREY, C.R. Crime Prevention Through Environmental Design. Beverly Hills, CA: Sage
(1971).
• KAHN, Túlio. Taxa de homicídio por setor censitário no município de São Paulo. In: Secretaria
de Estado dos Negócios da Segurança Pública: Coordenadoria de Análise e Planejamento, São Paulo, Fe-
vereiro de 2005, p. 1-7 (2005).
• LAPPONI, J. C., Estatística Usando Excel, 4ª Edição, editora Saraiva, 2005, 496 páginas.
• LE BEAU, J.L. The Methods and Measures of Centrography and the Spatial Dynamics of
Rape. Journal of Quantitative Criminology 3:125-141 (1987).
• LENZ, R. Geographical and Temporal Changes Among Robberies in Milwaukee. In: R.M. Figlio,
S. Hakim and G.F. Rengert (eds ), Metropolitan Crime Patterns. Monsey, NY: Criminal Justice Press (1986).
• MAGALHÃES, M. N.; LIMA, A. C. P., Noções de Probabilidade e Estatística, 7ª edição, São
Paulo, editora USP, 2010.
• MAYHEW, P., R.V. CLARKE, A. Sturman and J.M. Hough. Crime As Opportunity. Home Office
Research Study No. 34. London, UK: Her Majesty’s Stationary Office (1976).
• MONTGOMERY, D. C, Estatística aplicada e probabilidade para engenheiros, 4ª edição, Rio
de Janeiro, editora LTC (livros técnicos e científicos), 2009, 514 páginas.
• RENGERT, G. ‘Theory and Practice in Urban Police Response. In: D.E. Georges-Abeyie and K.
Harries (eds.), Crime: A Spatial Perspective. New York, NY: Columbia University Press (1980).
• RENGERT, G. Burglary in Philadelphia: A Critique of an Opportunity Structure Model. In: P.J.
Brantingham and P.L. Brantingham (eds.), Environmental Criminology. Beverly Hills, CA: Sage (1981).
• RENGERT, G.; WASILCHICK, J. Space, Time, and Crime: Ethnographic Insights into Residential
Burglary. Washington, DC: Office of Justice Programs, National Institute of Justice, U.S. Department of Justice
(1990).
• REPPETTO, T. Crime Prevention and the Displacement Phenomenon. Crime & Delinquency
22:166-177 (1976).
• RHODES W.; Conley C. Crime and Mobility: An Empirical Study. In: P.J. Brantingham and P.L.
Brantingham (eds.), Environmental Criminology. Beverly Hills, CA: Sage (1981).
• RONCEK, D.W, Meier, P.A. Bars Blocks and Crimes Revisited: Linking the Theory of Routine
Activities to the Empiricism of ‘Hot Spots.- Criminology 29:725-55 (1991).
• RONCEK, D.W. Dangerous Places: Crime and Residential Environment. Social Forces 60:74-96
(1981).
• RONCEK, D.W; BELL, R. Bars, Blocks and Crime. Journal of Environmental Systems 11:35-47
(1981).
• RONCEK, D.W; FAGGIANI, D. High Schools and Crime. Sociological Quarterly 26:491-505
(1985).
• RONCEK, D.W; et al. The Effect of High Schools on Crime in Their Neighborhoods. Social
Science Quarterly 64:598-613 (1983).
• RONCEK, D.W; PRAVATINER, M.A. Additional Evidence that Taverns Enhance Nearby Cri-
me. Sociology and Social Research 73:185-188 (1989).
72
• SHAW, C.R.; MCKAY, H.D. Juvenile Delinquency and Urban Areas. Chicago, IL: University of
Chicago (1942). (Reprint ed., 1969.)
• SHERMAN, L.W.; GARTIN P.R.; BUERGER M.E. Hot Spots of Predatory Crime: Routine Activities
and the Criminology of Place. Criminology 27:27-55 (1989).
• SHERMAN, L.W.; WEISBURD D. General Deterrent Effects of Police Patrol in Crime ‘Hot
Spots’: A Randomized, Controlled Trial. Journal of Criminal Justice (forthcoming) (1995).
• SOARES, J. F; COMINI, C. Introdução à Estatística, 2ª edição, Rio de Janeiro, editora LTC, 2002,
340 páginas.
• SOUZA, E. Situational Factors in Homicides in a Violence-Ridden Brazilian Favela. Disser-
tation submitted to the Graduate School-Newark Rutgers, The State University of New Jersey (2010).
• SPELMAN, W. Abandoned Buildings: Magnets for Crime? Austin, TX: Lyndon Johnson School
of Public Affairs (March). Photocopy (1992).
• WEISBURD, D.; MAHER L.; SHERMAN L.W. Contrasting Crime General and Crime Specific The-
ory: The Case of Hot Spots of Crime. In: F Adler and W.S. Laufer (eds.), Advances in Criminological Theory,
Vol. 4. New Brunswick, NJ: Transaction Publishers (1992).
• WEISBURD, D.; WYCKOFF, L.A.; Ready, J.; Eck, J.E.; Hinkle, J.C.; Frank, G. Does Crime Just Move
Around the Corner? A Controlled Study of Spatial Displacement and Diffusion of Crime Control Benefits.
Criminology Vol. 44 Number 3 (2006).
• WIKSTROM, P.H. Preventing City Center Street Crimes. In: M. Tonry and D. P. Farrington (eds.),
Building a Safer Society: Strategic Approaches to Crime Prevention. Crime and Justice Annual, Vol. 19.
Chicago, IL: University of Chicago Press (1995).
• WILES, Paul e COSTELLO, Andrew. The Road to Nowhere: The Evidence for Travelling Crimi-
nals. London Home Office, Research Study No. 207 (2000). Acessível em: www.homeoffice.gov.uk

ApostilaAC2 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

ApostilaAC2 PDF

Transféré par

Droits d'auteur :

Formats disponibles

1 ead.senasp.gov.

Caros alunos e alunas,

Aula 1 – Variáveis Aleatórias e Distribuições de Probabilidade

A análise estatística, em sua maioria, dedica-se ao estudo de experimentos aleatórios. Um expe-

Tabela 1 – Resultados de lançamento de dados

Modelos matemáticos descrevem as probabilidades, que são

A seguir, veja cada uma delas!

1.1 Distribuições de probabilidade discretas

1.2 Distribuições de probabilidade contínuas

Aula 2 – Noções de Amostragem

Existem dois tipos de pesquisas de campo quantitativas: a censitá-

Veja alguns conceitos sobre o assunto:

• Pesquisa Censitária: Realiza-se o estudo com todos os elementos da população.

• População: Para a estatística, o conceito de população está associado a todo o con-

• Pesquisa Amostral: Realiza-se o estudo com uma parcela (amostra) da população.

• Amostra: É um subconjunto representativo do universo. Nesse caso, todo o estudo

• Inferência: É um conjunto de técnicas dedicadas a se obter informação sobre uma

Figura 1: População X Amostra

A amostragem pode ser classificada como probabilística ou não

Uma amostra é probabilística se cada elemento da população tiver uma probabilidade

Veja a seguir cada um deles!

2.1. Amostragem Aleatória Simples

2.2. Amostragem Proporcional Estratificada

A proporção de detetives do sexo feminino na população é de 40% e do sexo masculino, de

2.3 Como determinar o tamanho da amostra?

1º passo: escolhe-se o tamanho do erro amostral que se admite.

3º passo: Pondera-se o n0 pelo tamanho real da população por meio da fórmula:

3º passo: Cálculo final do tamanho da amostra.

n = (200 *625)/(200+625) = 125000/825 = 152 famílias

Desafio: Agora refaça os cálculos supondo uma população de 200.000 famílias

Resposta: 623 famílias

A inferência estatística permite que os resultados (parâmetros) encontrados com base na

ii) Variância amostral s² , é um estimador da variância populacional σ 2

iii) Desvio-padrão amostral s, é um estimador do desvio-padrão populacional σ

3.1. Estimação Pontual

Onde: xi = é o número de crimes da i-ésima cidade.

Para calcular a média de crimes dessa Região Metropolitana, você calcula:

3.1.1 Como medir a variância e o desvio padrão

Observação: clique dentro do parêntese e você selecionará a coluna, na qual se encontram

Figura 2: Média, Variância e Desvio Padrão com Excel.

3.2. Estimação por intervalo

3.2.1 Como construir um intervalo

• Se o número de crimes relaciona-se ao tamanho da população;

Figura 3: Gráficos de dispersão para variáveis X e Y com correlações perfeitas

Gráfico “a” - Amostras perfeitamente correlacionadas no sentido positivo r=1

Gráfico “b” - Amostras perfeitamente correlacionadas no sentido negativo r=-1

O gráfico “a” da figura 3 exemplifica uma correlação perfeitamente positiva, na qual o

Figura 4: Gráficos de dispersão para variáveis correlacionadas.

Em seguida pressione avançar

4º passo: para obter o coeficiente de correlação pressione o menu:

Inserir -> Função -> (selecione uma categoria: Estatística) CORREL

Ao pressionar “ok” nova caixa de diálogo se abrirá:

Tabela 2: Matriz de correlação

Uma matriz de dados se abrirá, com o coeficiente de correlação entre as variáveis.

O resultado do exemplo mostra o coeficiente de correlação entre crimes violentos contra o

a) Correlação significativamente positiva, o valor do coeficiente deve estar entre 0,3 e 1.

Desafio: no Excel digite os dados apresentados no exemplo e tente re-

Aula 5 – Regressão Linear Simples

A análise de regressão é uma técnica fascinante, há muito tempo utilizada

Onde a e b são coeficientes.

O coeficiente “a” define a inclinação da reta, ou seja, ele mede quanto

Muito teórico? Um exemplo vai ajudar você a entender melhor.

Relação entre efetivo policial e número de crimes.