Modelos de séries temporais aplicados à violência doméstica

• Autor(a) principal: Santos, Cesar Augusto da Rocha Santiago
• Data de Publicação: 2018
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/7404
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA; Violência familiar; Análise de séries temporais; Saúde pública; Family violence; Time-series analysis; Public health

Considera-se como violência o uso intencional de força física ou do poder, real ou em ameaça, contra si próprio, contra outra pessoa, ou contra um grupo ou uma comunidade que resulte ou tenha possibilidade de resultar em lesão, morte, dano psicológico, deficiência de desenvolvimento ou privação. A violência doméstica é uma das formas de violência, dentre tantas outras. O objetivo deste trabalho é estudar o número de casos mensais notificados de violência doméstica, sexual e outras violências nas diretorias regionais de saúde de Londrina e Cornélio Procópio- PR. Os dados foram obtidos do Sistema de Informação de Agravos de Notificação, por meio do sistema TABNET do DATASUS, provindos diretamente dos dados de livre acesso do Ministério da Saúde, para os anos de 2009 até 2014. O desenho do estudo é do tipo epidemiológico ecológico com componente de série temporal. Os modelos e técnicas de séries temporais foram utilizados para avaliar a evolução temporal do número de casos notificados mensalmente, com intuito de modelar a ocorrência do fenômeno. Utilizou-se modelos da classe Box e Jenkins, especificamente modelos ARIMA (Auto Regressivo Integrado de Média Móvel) com o intuito de entender a evolução da variável aleatória do número de casos notificados de violência doméstica, sexual e outras violências ordenadas no tempo. Todos os modelos foram implementados computacionalmente no software R. Por meio destes métodos, os resultados obtidos mostram que os dados analisados, tiveram um bom ajuste com os seguintes modelos ARIMA (0,1,0) e o SARIMA(0,1,0)(1,0,0)12, pois retornaram o menor valor do critério de Akaike. Pode-se entender que os dados em questão sofrem influência da diferenciação da série, ou seja, função direta do operador de atraso da série nos dois casos. No SARIMA como há 1 parâmetro auto-regressivo no componente cíclico, quer dizer que o mês atual sofre influência do próprio mês no ano anterior. Modelos matemáticos e estatísticos aplicados são boas ferramentas de apoio à decisão, pois possibilitam caracterizar o problema, exibindo de comportamentos periódicos podendo dar subsídio à estratégias de políticas públicas e vigilância em saúde.