--- title: "Fazendo Previsões com o BrazilCrime" author: | Giovanni Vargette, Igor Laltuf, Marcelo Justus output: bookdown::pdf_document2: toc: true toc_depth: 2 number_sections: true latex_engine: xelatex fig_caption: true keep_tex: true margin_top: 2.5cm margin_bottom: 2.5cm margin_left: 2.5cm margin_right: 2.5cm header-includes: - \usepackage{indentfirst} - \setlength{\parindent}{1.5em} - \usepackage{fontspec} - \usepackage{polyglossia} - \usepackage{fvextra} - \usepackage{booktabs} - \usepackage{threeparttable} - \usepackage{multirow} - \usepackage{float} - \DefineVerbatimEnvironment{Highlighting}{Verbatim}{breaklines=true,fontsize=\small,commandchars=\\\{\}} vignette: > %\VignetteIndexEntry{Fazendo Previsões com o BrazilCrime} %\VignetteEngine{knitr::rmarkdown} %\VignetteEncoding{UTF-8} --- ```{r setup, include=FALSE} #library(BrazilCrime) #library(forecast) #library(ggplot2) #library(lubridate) #library(bookdown) knitr::opts_chunk$set(collapse = TRUE, comment = "#>") ``` # Introdução A função br_crime_predict() do pacote BrazilCrime permite gerar previsões de séries temporais criminais com base em modelos estatísticos robustos. É especialmente útil para análises de tendências futuras em ocorrências ou vítimas de crimes, sendo compatível com os dados obtidos via get_sinesp_vde_data(). A função utiliza modelos ARIMA e exponenciais suavizados para prever os valores futuros de forma automatizada, exibindo os resultados com gráficos claros e de fácil interpretação. # Sintaxe br_crime_predict(dados, ts_col="total", log = TRUE,freq = "monthly",h = 12,level = 95) ## Argumentos -dados: Data_frame que contém as informações a serem utilizdas. -ts_col: Nome da variável que será utilizada na previsão (Por exemplo: "total", "total_vitima"). -log: Lógico. Se TRUE, aplica transformação logarítmica nos dados antes da modelagem. Útil para séries com variância crescente. -freq: Granularidade dos dados, mensal ("monthly"), ou se estão agrupados anualmente ("yearly). -h: Número de períodos futuros a serem previstos (padrão: 12). -level: Nível de confiança que será utilizado na previsão. Padrão 95%. # Exemplo de Uso ```{r exemplo 1, tidy=TRUE, out.width='\\textwidth', fig.width=6, fig.height=4, results='asis'} dados <- BrazilCrime::get_sinesp_vde_data( state = "PE", city = "Recife", typology = "Homicídio doloso", category = "vitimas", granularity = "month", year = 2015:2023 ) # Criar coluna de data (YYYY-MM) dados <- dados|> dplyr::mutate(data = lubridate::ymd(paste0(ano, "-", mes, "-01"))) |> dplyr::arrange(data) # Rodar previsão BrazilCrime::br_crime_predict(dados = dados,ts_col = "total_vitima", log = TRUE) ``` # Interpretação O gráfico gerado inclui: A série histórica original A previsão para os próximos steps_ahead meses Intervalos de confiança para as estimativas Indicação visual das transformações (caso o log = TRUE tenha sido ativado) # Considerações O desempenho do modelo pode variar de acordo com o comportamento da série (sazonalidade, tendência, etc.). É possível customizar os resultados combinando br_crime_predict() com filtros da função get_sinesp_vde_data() para diferentes cidades, anos ou tipologias. # Conclusão A função br_crime_predict() é uma ferramenta poderosa para análises exploratórias e preditivas de dados criminais. Seu uso, aliado às outras funções do pacote BrazilCrime, permite compreender padrões históricos e antecipar possíveis tendências com base em dados oficiais. \begin{thebibliography}{9} \bibitem{brazilcrime} Vargette, G., Laltuf, I., Justus, M. \textit{BrazilCrime: Interface to Brazilian Crime Data}. CRAN - Comprehensive R Archive Network. Disponível em: \url{https://CRAN.R-project.org/package=BrazilCrime} \bibitem{forecast} Hyndman, R. J., Athanasopoulos, G. (2021). \textit{Forecasting: Principles and Practice}. Disponível em: \url{https://otexts.com/fpp3/} \bibitem{lubridate} Grolemund, G., Wickham, H. (2011). \textit{Dates and Times Made Easy with lubridate}. \url{https://lubridate.tidyverse.org} \end{thebibliography}