Você está na página 1de 73

1

ead.senasp.gov.br

APRESENTAO

Caros alunos e alunas,


Bem-vindos ao Curso de Anlise Criminal 2! Aqui voc ir aperfeioar e aprofundar os conhecimentos adquiridos no Curso de Anlise Criminal.
No curso de anlise criminal, voc j estudou o que faz um analista criminal, a importncia da
coleta de informaes, conceitos tericos de estatstica e de sistemas de informaes geogrficas aplicados
anlise criminal, entre outras coisas.
O curso de anlise criminal 2 concentrar sua ateno aplicao dos conceitos de estatstica e
de sistema de informao geogrfica pelo analista criminal. Assim, voc estudar como, quando e por que
operacionalizar os conceitos aprendidos no curso de anlise criminal e, sempre que necessrio, o contedo
ser visto de forma mais profunda.
Alm disso, voc tambm conhecer as principais correntes tericas de anlise espacial criminal
e sua aplicao no Brasil. Isso importante para que tenha uma viso crtica do espao de interao criminal,
e desenvolva um olhar apurado sobre o que possvel extrair de cada tipo de informao disponvel.
Desejamos a todos um timo curso.

Objetivos do curso
Ao final deste curso, voc ser capaz de:

Aplicar a anlise estatstica aos dados criminais;

Elaborar mapas que o ajudem a inferir hipteses de padres criminais espaciais e sua interao com o meio onde ocorrem;

Identificar vrias teorias e aplic-las na anlise de dados criminais georreferenciados;

Identificar possveis temas de pesquisa espacial criminal que ainda no foram desenvolvidas
no pas.

Estrutura do curso
O curso est dividido nos seguintes mdulos:

Mdulo 1- Estatstica Criminal

Mdulo 2 - Introduo ao Mapeamento Criminal

Mdulo 3 - Anlise Criminal Espacial

MDULO

ESTATSTICA CRIMINAL

Apresentao do mdulo
Desejamos as boas-vindas ao primeiro mdulo deste curso.
Nele voc estudar conceitos e noes da Estatstica, agora em um nvel intermedirio. Os estudos
de mtodos estatsticos podem ser classificados basicamente em trs grandes reas: Estatstica Descritiva,
Probabilidade e Inferncia. A Estatstica Descritiva se dedica em como resumir um conjunto de dados por
meio de tabelas de frequncias, grficos e medidas de tendncia central e disperso. O curso de anlise
criminal desenvolveu esses contedos, lembra?
Neste curso, voc estudar as noes e conceitos da Probabilidade, que trabalha com modelos
probabilsticos, discretos ou contnuos, busca descrever determinados fenmenos por meio das distribuies
de probabilidades. E tambm aqueles relacionados Inferncia Estatstica, que busca mtodos para fazer
afirmaes sobre caractersticas de uma populao, com base apenas nos resultados de uma amostra.

Objetivos do mdulo
Ao final deste mdulo, voc ser capaz de:

Aplicar conhecimentos estatsticos em trabalhos de pesquisa, que lhe serviro como ferramentas de tomada de decises.

Estrutura do mdulo
Este mdulo est dividido nas seguintes aulas:

Aula 1 - Variveis Aleatrias e Distribuies de Probabilidade

Aula 2 - Noes de Amostragem

Aula 3 - Estimao

Aula 4 - Correlaes

Aula 5 - Anlise de Regresso Linear Simples

Aula 1 Variveis Aleatrias e Distribuies de Probabilidade


Nesta aula, voc vai estudar o conceito de varivel aleatria e distribuio de probabilidade.
A anlise estatstica, em sua maioria, dedica-se ao estudo de experimentos aleatrios. Um experimento considerado aleatrio se o seu resultado apresentar uma probabilidade de ocorrer.
Por exemplo, um dado possui 6 lados em que cada face est numerada de 1 a 6. Joga-se o dado
uma vez; a varivel aleatria a face que aparecer nesse lanamento. H seis possveis resultados, cada um
com uma probabilidade de ocorrncia de 1/6.
Agora, considere a seguinte situao: suponha que, ao lanar 3 vezes um mesmo dado, voc quer
saber qual chance de que, nas trs tentativas, ocorra a face 2. Nesse caso, voc considera como varivel a
ocorrncia da face 2.
Portanto, varivel uma caracterstica que pode ser observada ou medida em cada elemento do
3

ead.senasp.gov.br

conjunto em estudo.
Sexo, idade, altura, nmero de crimes violentos e nmero de acidentes em rodovias so outros
exemplos de variveis que so possveis de medir em um experimento. Assim, uma varivel aleatria ser
o resultado numrico de um experimento.
No caso da segurana pblica, a possibilidade de um crime acontecer dentro de um determinado
perodo de tempo um experimento aleatrio, pois voc s saber se o crime ocorreu aps sua observao. Seu resultado uma varivel aleatria h dois possveis resultados: acontecer ou no o crime.
Vamos retomar o exemplo de lanamento de um dado. Neste exemplo, h seis possveis resultados,
cada um com uma probabilidade de ocorrncia de 1/6, conforme voc pode ver na tabela seguinte:

Tabela 1 Resultados de lanamento de dados

Modelos matemticos descrevem as probabilidades, que so


classificadas em distribuies de probabilidade discretas e distribuies
de probabilidade contnuas.

A seguir, veja cada uma delas!

1.1 Distribuies de probabilidade discretas


Variveis discretas so variveis que s podem assumir valores inteiros. Voc aprendeu
esse conceito no curso de anlise criminal 1.
As distribuies de probabilidade discretas so aquelas distribuies que apresentam
expresses para o clculo das probabilidades das variveis discretas, isto , um modelo matemtico conhecido por avaliar as probabilidades. A distribuio Binomial e a distribuio de Poisson so
dois conhecidos exemplos desse tipo de distribuio.
SAIBA MAIS...
O estudo das distribuies de probabilidade discreta est fora do escopo desse curso. No
entanto, maiores explicaes sobre o assunto esto disponveis em livros de probabilidade e estatstica ou no material didtico do professor Dr. Lor Viali da PUCRS.
(http://www.pucrs.br/famat/viali/graduacao/engenharias/material/apostilas/Apostila_2.
pdf)
1.2 Distribuies de probabilidade contnuas
Como vocs j estudaram no curso anterior, uma varivel contnua pode assumir infinitos
valores dentro de um intervalo.
Assim como ocorre com as variveis discretas, existem vrios tipos de distribuies de probabilidade contnuas: Uniforme, Exponencial e Normal. Seu estudo se dedicar mais detalhadamente distribuio de probabilidade Normal por sua maior frequncia de uso.
Em geral, trabalha-se com variveis aleatrias para as quais no se conhece sua dis4

tribuio. No entanto, a partir de algumas suposies, assume-se que as variveis aleatrias tm


distribuio de probabilidade que se comporta como uma Normal.

A distribuio normal possui simetria em torno do seu valor mdio. Aceita-se como parmetros mdia igual a 0 e o desvio padro igual a 1. Quando se conhece a distribuio de probabilidade de uma varivel aleatria pode-se fazer inferncias.
O clculo das probabilidades da distribuio Normal complexo, e por isso ela encontrada tabelada em qualquer livro texto de probabilidade e estatstica.

ead.senasp.gov.br

Observe...
Na tabela, destaca-se as probabilidades mais usadas na distribuio 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 prximas aulas voc ver aplicaes das probabilidades da distribuio Normal.

Aula 2 Noes de Amostragem


Nesta aula, voc vai estudar formas de amostragem, bem como aprender a manusear
algumas delas.
Existem dois tipos de pesquisas de campo quantitativas: a censitria e a amostral.

Veja alguns conceitos sobre o assunto:


Pesquisa Censitria: Realiza-se o estudo com todos os elementos da populao.


Populao: Para a estatstica, o conceito de populao est associado a todo o conjunto do universo em estudo. Conceitua-se o termo populao em sentido mais amplo do que exclusivamente as pessoas. Por exemplo, se o objetivo avaliar as condies da frota da polcia militar,
a populao em estudo corresponde aos veculos pertencentes corporao.

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


Amostra: um subconjunto representativo do universo. Nesse caso, todo o estudo
estar baseado na amostra, mas seus resultados so inferidos para a respectiva populao.

Inferncia: um conjunto de tcnicas dedicadas a se obter informao sobre uma
populao a partir de uma amostra.

Figura 1: Populao X Amostra


6

Mas, por que fazer pesquisa amostral?


Porque, muitas vezes, impossvel examinar todos os elementos da populao em estudo,
devido escassez de tempo, de dinheiro ou a dificuldade de acesso a todos os elementos da populao. Nesse caso, estuda-se uma parte dessa populao de maneira segura e generalizam-se as
concluses obtidas para a populao como um todo.

A amostragem pode ser classificada como probabilstica ou no


probabilstica.
Na amostra no probabilstica o processo de seleo subjetivo, uma vez que se seleciona cada elemento conforme o conhecimento do pesquisador a respeito das caractersticas da
populao.
Por isso, nem todos os elementos da populao possuem uma probabilidade de pertencerem amostra, sendo esta diferente de zero. Esse processo no aleatrio, mas algumas vezes
esse tipo de amostragem escolhida, por simplicidade ou pela impossibilidade de se obter amostragens probabilsticas.
A amostragem por julgamento um exemplo de amostragem no probabilstica. A
amostra colhida na parte da populao que acessvel.
Por exemplo, em segurana pblica, o pesquisador pode usar o conhecimento prvio sobre
a incidncia de determinado tipo de ocorrncia por regio, e decidir amostrar aquelas que apresentam maior ndice de crimes. A amostragem por julgamento rpida, em geral, tem menor custo
financeiro, e gasta menos tempo para sua aplicao. Entretanto, no permite a avaliao objetiva
do erro amostral, e seus resultados no so generalizveis para a populao. Assim, as concluses so vlidas apenas para os elementos da amostra.
Ateno!
Existe tambm, um caso particular denominado amostra tendenciosa. Nesse caso, as inferncias referem-se apenas para parte da populao da qual retira-se a amostra. No tem sentido
estudar as condies de segurana nas regies mais ricas e fazer inferncia para a populao das
regies mais pobres da cidade. Ou seja, se a amostra foi intencionalmente coletada nas regies
mais ricas, deveremos tirar concluses somente para essas regies e jamais aplic-las diretamente
nas regies mais pobres.
Importante!
Pelas caractersticas da amostragem no probabilstica expostas, desaconselha-se seu uso,
de modo que se deve empregar a amostragem probabilstica sempre que possvel.
Uma amostra probabilstica se cada elemento da populao tiver uma probabilidade
conhecida e diferente de zero de pertencer amostra. Para a validade das inferncias sobre uma
populao, feitas a partir de uma amostra, o processo de escolha precisa ser aleatrio.
A amostra probabilstica permite o clculo de estimativas dos erros envolvidos no processo
de inferncia e permite a generalizao dos resultados para a populao amostrada. Por essas razes, prefere-se as amostras probabilsticas.
Quando se trabalha com amostra probabilstica, a principal preocupao que ela seja
representativa, ou seja, aleatria. O processo de amostragem aleatrio se cada elemento da populao possui uma probabilidade de ser selecionado para compor a amostra.
Os principais procedimentos de seleo de amostra que garantem essa propriedade so:

Amostragem Aleatria Simples; e
7

ead.senasp.gov.br

Amostragem Estratificada.

Veja a seguir cada um deles!


2.1. Amostragem Aleatria Simples
Para a amostragem aleatria simples, todo elemento da populao tem igual chance, ou
seja, igual probabilidade de ser sorteado.

Exemplo
Imagine que 500 ocorrncias policiais foram registradas em 1 ano
em determinada cidade. Suponha que voc precise obter uma amostra
aleatria de 150 registros. A probabilidade de cada registro ser selecionado para compor essa amostra 1/500.

2.2. Amostragem Proporcional Estratificada


Adota-se a amostragem proporcional estratificada para preservar a representatividade
de subgrupos dentro da populao. Neste caso, os grupos so chamados de estratos.
Muitas vezes, a populao se divide em grupos mais homogneos em relao caracterstica que se quer medir. Assim mais eficiente fazer amostragem proporcional estratificada,
na qual se escolhe uma amostra aleatria simples dentro de cada um desses grupos ou estratos. A
maior eficincia deriva do fato de que com uma amostra proporcional estratificada menor do que
uma amostra aleatria simples obtm-se um mesmo erro amostral. Em outras palavras, com essa
tcnica de amostragem, voc consegue com menos entrevistados o mesmo erro amostral que
conseguiria se tivesse aplicado a amostragem aleatria simples. Isso representa menor necessidade
de recursos humanos e financeiros no levantamento das informaes.

Exemplo
Suponha que voc queira pesquisar uma populao de 1.000 profissionais da polcia civil composta por: 200 de delegados, 300 de inspetores e 500 de detetives. Cada grupo de profissionais compe 1 estrato,
logo essa populao possui 3 estratos.
Para a realizao da amostragem proporcional estratificada
com amostra de 100 profissionais, voc sorteia proporcionalmente dentro de cada grupo os elementos que iro compor a amostra. Assim, sua
amostra ter: 20 delegados sorteados entre os 200 existentes na populao 20% na populao e na amostra; 30 inspetores sorteados entre
os 300 existentes na populao 30% na populao e na amostra; e 50
detetives sorteados entre os 500 existentes na populao 50% na populao e na amostra.
Perceba que a amostra e a populao tm a mesma proporo
de elementos de cada estrato. Esse o motivo do nome dessa tcnica
de amostragem.

Agora sua vez:


Tente determinar o nmero de elementos em cada estrato de uma amostra de 10 detetives.
Suponha que a populao composta de 50 detetives - 30 so homens e 20 so mulheres;
Confira sua resposta no prximo slide.
Resposta: Existem dois estratos, sexo masculino e sexo feminino. O primeiro passo determinar o tamanho da amostra em cada estrato:

A proporo de detetives do sexo feminino na populao de 40% e do sexo masculino, de


60%. Logo, a amostra dever conter 40% de indivduos do sexo feminino e 60% do sexo masculino.
Assim, para uma amostra de 10 detetives, 4 sero do sexo feminino e 6 do sexo masculino:

2.3 Como determinar o tamanho da amostra?


Uma dvida frequente entre os analistas criminais como determinar o tamanho da
amostra. Na literatura estatstica existem vrias tcnicas para calcular o tamanho de uma amostra.
Se o analista criminal conhece o tamanho da populao, e esse finito, pode-se calcular o tamanho
da amostra pelos passos:
1 passo: escolhe-se o tamanho do erro amostral que se admite.
2 passo: aplica-se a frmula para encontrar um n0 terico:
n0 =

1
E02

Onde:
E0 = erro amostral
n0 = primeira aproximao do tamanho da amostra
3 passo: Pondera-se o n0 pelo tamanho real da populao por meio da frmula:
9

ead.senasp.gov.br

n=

N * n0
N + n0

Onde:
N = tamanho da populao
n = tamanho da amostra
Por exemplo, suponha que em uma regio com 200 famlias, deseja-se verificar a opinio da
populao sobre as aes de segurana pblica praticadas na localidade. Deseja-se um erro amostral de 4%. Ento, o tamanho da amostra deve ser de:
1 passo: Erro amostral de 4%
2 passo: clculo do n0.

n0 = 1/(0,04)2 = 625

3 passo: Clculo final do tamanho da amostra.


Populao: 200 famlias

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


Portanto, com um erro amostral de 4% e uma populao de 200 famlias, tem-se uma
amostra de 152 famlias.
Desafio: Agora refaa os clculos supondo uma populao de 200.000 famlias

Resposta: 623 famlias

Aula 3 Estimao
Nesta aula voc vai estudar o conceito de estimao e aprender o que estimao
pontual e estimao por intervalo.
A inferncia estatstica permite que os resultados (parmetros) encontrados com base na
amostra sejam generalizados para a populao. Realiza-se a inferncia por meio da estimao dos
parmetros por ponto e por intervalo.
Estimador
um modelo matemtico que estima uma caracterstica da amostra, ou seja, um parmetro. Um estimador uma varivel aleatria, pois a amostra aleatria. Os principais estimadores
so:

10

i) Mdia da amostra

um estimador da mdia da populao v

ii) Varincia amostral s , um estimador da varincia populacional 2

iii) Desvio-padro amostral s, um estimador do desvio-padro populacional

3.1. Estimao Pontual


Na estimao pontual, existe um nico valor para cada parmetro de interesse. Em geral,
as estimativas pontuais mais utilizadas so: a mdia, o desvio padro e a proporo. No curso de
analista criminal I, voc estudou essas estimativas. No entanto, recorde-as rapidamente:
Mdia: o valor esperado de uma varivel aleatria.
Imagine os crimes ocorridos em um determinado conjunto de cidades. A mdia dos crimes
nas cidades fornece uma ideia do desempenho do conjunto de municpios. O clculo dessa mdia
corresponde soma de todos os valores observados da varivel aleatria (soma dos crimes em
cada cidade) dividido pelo nmero de observaes (nmero de cidades):

Onde:

xi = o nmero de crimes da i-sima cidade.


n = o nmero de cidades na amostra.

Suponha uma amostra de 20 cidades de uma Regio Metropolitana com a seguinte distribuio de crime:

Para calcular a mdia de crimes dessa Regio Metropolitana, voc calcula:

11

ead.senasp.gov.br

A mdia dessa amostra uma varivel aleatria? Sim, pois s se sabe qual a mdia depois
de selecionada a amostra.
Varincia / Desvio-padro: para toda varivel aleatria, h diferena entre o valor esperado (isto , a mdia) e o valor observado. A varincia mede a disperso dos valores observados da
varivel aleatria em torno de seu valor esperado. O desvio-padro a raiz quadrada da varincia.
Esta ser uma medida bastante importante nos nossos clculos mais frente.

Onde:
xi = crime da i-sima cidade
x = crime mdio
n = nmero de cidades

Importante!
A varincia e o desvio padro podem ser interpretados como medidas da preciso da mdia. Quanto menor a varincia/desvio-padro, maior a confiana de que o valor a ser observado
ser prximo da mdia.
3.1.1 Como medir a varincia e o desvio padro
Para medir a varincia e o desvio-padro dos crimes do exemplo, voc realizaria o seguinte
clculo:

Desafio: com ajuda de uma calculadora simples, tente estimar a mdia, a varincia e o desvio padro do exemplo exposto.
Se voc realizou o desafio, percebeu que o clculo da mdia, varincia e desvio padro
simples, porm trabalhoso. Para o clculo da mdia e desvio-padro, pode-se utilizar o recurso
estatstico disponvel no Excel.
Por sorte, o Excel um software que auxilia o analista criminal nesse clculo. Para isso, no
Excel, voc deve estar com todos os dados digitados. No exemplo a seguir, cada linha representa
um municpio e a coluna contm o nmero de crimes em cada municpio. Assim, tem-se 20 linhas
e uma coluna.
Para calcular a mdia, voc digita em uma clula vazia o comando:
=MDIA( : )

12

Para calcular o desvio padro digita:


=DESVPAD ( : )
Observao: clique dentro do parntese e voc selecionar a coluna, na qual se encontram
os dados.
A figura 2 mostra esses passos:
Observe! A resposta que aparecer nas clulas das frmulas ser: mdia de 5,6 crimes
com desvio padro de 2,6 crimes.

Figura 2: Mdia, Varincia e Desvio Padro com Excel.


3.2. Estimao por intervalo
Em geral, analisar somente a mdia de uma amostra leva concluses incorretas. Por exemplo, se os dados em estudo apresentarem grande desvio padro, significa que existe grande variao de dados em torno da mdia. Assim, a distribuio dos dados muito dispersa.
Ao fazer a estimativa do parmetro, a estimao pontual no permite ter uma ideia do erro
cometido. Assim, no possvel saber, na prtica, se o parmetro estimado representa bem os valores reais dos dados. Para que a estimativa seja confivel, necessrio inserir uma probabilidade
de acerto em torno da estimativa. Isso que se chama de grau de confiana.

Exemplo
Com base em uma amostra, estimou-se que 55% da populao de determinada cidade, era favorvel penalidade aplicada
aos motoristas detectados alcoolizados no teste do bafmetro. 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 advm da
apresentao de um intervalo de variao para o parmetro estimado associado a uma probabilidade de confiana ou certeza do seu

13

ead.senasp.gov.br

Nota
Esse curso se dedicar ao caso da suposio de normalidade da varivel. Isso simplesmente significa a suposio de que
a varivel aleatria segue uma distribuio Normal.

A maior parte dos estudos em criminalidade considera a distribuio Normal, por suas
propriedades que facilitam os clculos. Alm disso, estudos mostraram que a distribuio de uma
varivel aleatria tende a ser Normal para amostras tendendo ao infinito.
H uma limitao ao se assumir que a distribuio da varivel aleatria Normal, pois so
necessrios muitos elementos na amostra. No existe um nmero mgico que indique o tamanho da amostra, essa deve ser a maior possvel.
Alguns autores indicam que a amostra deve ser maior que 30 elementos).
3.2.1 Como construir um intervalo
Para construir um intervalo de confiana para o verdadeiro valor da mdia (mdia populacional), voc precisa da mdia amostral e de desvio-padro.
A frmula para o clculo do Intervalo de confiana de 95% para a mdia amostral :

Considere o exemplo anterior, do nmero de crimes nas 20 cidades. A mdia obtida 5,6
crimes e o desvio padro, 2,6 crimes. Para calcular o intervalo de 95% de confiana para o verdadeiro valor da mdia, aplica-se a frmula:

Com 95% de confiana, o verdadeiro valor da mdia deve estar entre 4,5 e 6,7 crimes.

Aula 4 Correlao

Nesta aula voc vai conhecer a tcnica de correlao, bem como aprender a calcular
o coeficiente de correlao atravs do software Excel.
A correlao o estudo das relaes que podem existir entre duas ou mais variveis da
mesma populao. Por exemplo, verifica-se a existncia da relao entre o peso e altura, o uso do
cigarro e incidncia do cncer ou o nmero de roubos e a densidade populacional. Alm de verificar
a existncia da relao, mede-se sua intensidade.

14

SAIBA MAIS...
A tcnica de correlao estuda a relao entre variveis quantitativas. Uma vez identificada
a relao entre as variveis, possvel descrev-la por meio de uma funo matemtica, denominada Regresso.
So diversas as reas de aplicao da anlise de correlao. Por exemplo, na rea de segurana pblica voc pode verificar:



Se o nmero de crimes relaciona-se ao tamanho da populao;


Se a taxa de roubo a veculo relaciona-se ao nmero de veculos.
Se a probabilidade de ser preso relaciona-se escolaridade;
Se o risco de sofrer homicdio relaciona-se com o tamanho das cidades.

Pelos exemplos voc percebe que a correlao s existe na anlise conjunta de duas ou
mais variveis. O grfico de disperso ajuda na identificao da sua existncia, quando se analisa a
relao de duas variveis.
O grfico de disperso relaciona as variveis X a Y, de cada par de valores dos dados em
estudo.
Exemplo
Por exemplo, a figura 3 mostra a relao entre duas variveis tericas X e Y.
Mensura-se precisamente o valor da correlao entre duas ou mais variveis por meio do
coeficiente de correlao. A frmula de clculo do coeficiente de correlao utiliza a matriz de covarincia. Essa matriz mede a tendncia e a fora da relao linear entre variveis.
Voc j deve imaginar que a frmula para o seu clculo no trivial. Felizmente, o analista
criminal conta com o recurso do software Excel para fazer esse clculo. Voc deve entender a lgica
dessa estimativa antes de aprender a calcul-la. Para isso, analise os grficos de disperso da figura
3.
Figura 3: Grficos de disperso para variveis X e Y com correlaes perfeitas

Grfico a - Amostras perfeitamente correlacionadas no sentido positivo r=1

Grfico b - Amostras perfeitamente correlacionadas no sentido negativo r=-1

15

ead.senasp.gov.br

Grfico c - Amostras no correlacionadas r = 0


O grfico a da figura 3 exemplifica uma correlao perfeitamente positiva, na qual o
coeficiente de correlao igual a 1. Isso significa que quando a varivel X aumenta, a varivel
Y aumenta exatamente na mesma proporo. O grfico b, por sua vez, mostra uma correlao
perfeitamente negativa, na qual o coeficiente de correlao igual a -1. Nesse caso, quando a varivel X aumenta, a varivel Y se reduz na mesma proporo. Por fim, o grfico c, mostra um
caso de ausncia de correlao, coeficiente de correlao igual a zero. Nesse caso, as variveis
no se relacionam.
Na prtica muito difcil encontrar variveis com correlaes perfeitas, ou seja, com coeficiente de correlao exatamente igual a 1, -1 ou 0. A figura 4 apresenta exemplos mais realsticos
de correlaes entre variveis.

Figura 4: Grficos de disperso para variveis correlacionadas.


O grfico a da figura 4 mostra a correlao positiva entre duas variveis e a figura b a
correlao negativa.
Agora que voc j entendeu a lgica da correlao hora de aprender a calcular o coeficiente de correlao. Para isso, considere o exemplo em que se procura mensurar o coeficiente de
correlao entre a populao e nmero de crimes violentos contra o patrimnio, com base em uma
amostra de 15 municpios. Como fazer isso? Basta seguir os passos:
1 passo: digitar no Excel as informaes. Cada linha representa um municpio. Cria-se
duas colunas, uma que conter a populao de cada municpio e outra que conter o nmero de
crimes violentos contra o patrimnio em cada municpio. Cuidado! Cada linha contm informao
de um nico municpio, ento, o preenchimento das colunas populao e crimes violentos contra o
patrimnio em uma linha tem que conter informao do mesmo municpio.
2 passo: Para a construo do grfico de disperso acesse o menu:

16

Inserir -> Grficos -> Disperso (XY)

Em seguida pressione avanar

3 passo: Personalize seu grfico com o ttulo, nome das variveis nos eixos X e Y. Em seguida pressione ok e seu grfico aparecer.

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

Inserir -> Funo -> (selecione uma categoria: Estatstica) CORREL

Ao pressionar ok nova caixa de dilogo se abrir:

17

ead.senasp.gov.br

Em seguida, selecione a matriz 1 (coluna da primeira varivel) e a matriz 2 (coluna da segunda varivel).

18

Aps pressionar ok, o coeficiente de correlao aparecer na clula.

Os clculos do exemplo so uma tendncia linear positiva, indicada pela elipse no grfico.
O coeficiente de correlao de aproximadamente 0,73. Isso significa que municpios com maior
populao tendem a ter mais crimes violentos contra o patrimnio.
Cuidado!
Esse resultado mostra apenas uma correlao e no indica que uma
varivel causa a outra. Em outras palavras, com base apenas nesse resultado
no podemos afirmar que maior nmero de populao causa mais crimes
violentos contra o patrimnio e nem que mais crimes violentos contra o
patrimnio causam maior populao.

Ateno!
O coeficiente de correlao indica que duas variveis variam no mesmo sentido ou em sentidos contrrios. Uma grande correlao no indica que uma varivel causa a outra. Por exemplo,
suponha que o nmero de carros na cidade e o nmero de homicdios tenham um valor elevado.
Matematicamente, isso sugere uma forte correlao positiva. No entanto, no se pode afirmar que
o aumento do nmero de carros seja a causa do aumento do nmero de homicdios, nem que o
aumento do nmero de homicdios resulte no aumento do nmero de carros. Por isso, necessrio
que o pesquisador tenha conhecimento prvio sobre algumas caractersticas e comportamento das variveis em estudo. O coeficiente de correlao sozinho no identifica a relao causa-efeito entre as duas variveis.
O coeficiente de correlao sempre se refere a duas variveis ou amostras. Quando h mais
de duas variveis, possvel aplicar os conceitos estatsticos considerando as variveis duas a duas.
Nesse caso, registram-se os coeficientes de correlao numa tabela ou matriz de tamanho definido pelo nmero de variveis. Para as variveis A, B e C, as possveis correlaes das trs variveis
tomadas duas a duas so registradas em uma tabela ou matriz.

Tabela 2: Matriz de correlao


19

ead.senasp.gov.br

Calcula-se a correlao para cada par de variveis, gerando uma matriz. No exemplo dos
crimes violentos contra o patrimnio em 15 municpios, considere que a relao do nmero de
homicdios tambm seja interessante. Assim para calcular o coeficiente de correlao entre a populao, nmero de crimes violentos contra o patrimnio e homicdios, faz-se:
1 passo: pressione o menu: Dados: Anlise de dados -> Correlao -> OK.

2 passo: nova caixa de dilogo se abrir. Escolha como intervalo de entrada os dados referentes s trs variveis e pressione OK.

Uma matriz de dados se abrir, com o coeficiente de correlao entre as variveis.

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


patrimnio e a populao (anteriormente calculados (0,73)). Alm disso, mostra o coeficiente de
correlao entre os homicdios e a populao de 0,84 e o coeficiente de correlao entre os homicdios e os crimes violentos contra o patrimnio (0,937).
20

De maneira prtica, para se ter um parmetro de referncia se uma correlao forte ou


fraca, veja os itens a seguir:
Alguns autores argumentam, no entanto, que, para cincias humanas, uma correo acima
de 30% j pode ser considerada forte. Ver, por exemplo: Wooldridge, Jeffrey. Introduo Econometria; uma abordagem moderna. 2.ed. Thompson, 2005.
a) Correlao significativamente positiva, o valor do coeficiente deve estar entre 0,3 e 1.
b) Correlao relativamente fraca positiva, o valor do coeficiente deve estar entre 0,6 e 0,3.
c) Correlao muito fraca positiva, o valor do coeficiente deve estar entre 0,3 e 0.
d) Correlao significativamente negativa, o valor do coeficiente deve estar entre -0,6 e -1.
e) correlao relativamente fraca negativa, o valor do coeficiente deve estar entre -0,6 e
-0,3.
f) Correlao 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 repetir os clculos.

Aula 5 Regresso Linear Simples


Nesta aula voc vai estudar a tcnica de regresso linear simples, bem como aprender
a calcul-la utilizando o Excel.

A anlise de regresso uma tcnica fascinante, h muito tempo utilizada


na economia e mais recentemente nas cincias sociais, incluindo a criminologia.
O apelo dessa tcnica consiste na sua capacidade de prever, com certo grau de
certeza (ou confiana), as relaes entre duas ou mais variveis.

Para isso, determina-se um modelo matemtico em que uma varivel depende das demais. O alicerce desse modelo matemtico fazer predies tericas de relaes entre fatores.
Para facilitar o seu entendimento, apresenta-se o funcionamento desse instrumento analtico na estimao da relao entre duas variveis e do modelo matemtico mais simples, a regresso
linear. As concluses so facilmente estendidas para a anlise com mais do que duas variveis.
No modelo de regresso, a varivel de interesse recebe o nome de varivel dependente,
em geral, representa-se pela letra Y. A outra varivel recebe o nome de varivel independente X.
Portanto, nesse modelo voc quer saber se Y depende de X. Se a regresso linear, o que se quer
ajustar uma reta que represente a relao entre essas duas variveis. A frmula matemtica que
representa uma reta em um plano :
Y = aX + b
Onde a e b so coeficientes.

21

ead.senasp.gov.br

Voc j deve ter se deparado com essa frmula quando fez geometria no ensino mdio, no?
O coeficiente a define a inclinao da reta, ou seja, ele mede quanto
Y varia dada a variao em X. esse coeficiente que indica a relao linear
entre as duas variveis. O coeficiente b indica o valor de Y quando x = 0,
denomina-se esse coeficiente de intercepto.
Muito terico? Um exemplo vai ajudar voc a entender melhor.
Exemplo
Relao entre efetivo policial e nmero de crimes.
Suponha que o objetivo de um analista criminal verificar a relao entre o nmero de efetivo policial alocado nos municpios e o nmero de homicdios nesses municpios, para realizar projees de alocao policial. O problema consiste em verificar se o nmero de crimes depende do efetivo policial.
A tabela 3, por exemplo, registra uma amostra extrada dos registros policiais com o nmero do efetivo policial e o nmero de crimes de 10 municpios. Utiliza-se a regresso linear simples
para analisar a possibilidade de definir um modelo que represente a relao entre as duas variveis
ou amostras.

Tabela 3: Relao entre efetivo policial e nmero de crimes


Sejam as duas variveis Y (nmero de crime) e X (quantidade de efetivo), primeiramente
feito o teste se as variveis envolvidas no estudo apresentam correlao significativa. Para analisar
a relao de correlao entre as duas variveis do exemplo 1, constri-se o grfico de disperso
dos crimes em funo do efetivo policial. Nesse grfico, pode-se ver que nos municpios com mais
policiais ocorrem mais crimes, figura 5.
Alm disso, seguindo os passos da aula 1, calculou-se o coeficiente de correlao entre as
duas variveis e esse se apresentou prximo de 1 (0,86). Isso indica forte correlao positiva entre
as variveis.

O grfico de disperso mostra que os crimes e o efetivo policial esto correlacionados de


forma positiva, com um coeficiente de correlao prximo de +1. Isso sugere que se pode buscar
um modelo matemtico, ou uma reta, para melhor explicar essa relao.

22

Para ajustar uma reta nessa relao entre as duas variveis siga os passos:
1 passo: clique o boto direito sobre um ponto do grfico e selecione: adicionar linha de
tendncia linear.

2 passo: Uma caixa de dilogo abrir com vrias opes de linhas de tendncia. Selecione
a linear.

3 passo: V para aba opes dessa caixa de dilogo e marque a opo: exibir equao
no grfico. Em seguida, pressione OK.

No grfico surgir uma reta e a equao que a representa:

23

ead.senasp.gov.br

Com a equao obtida por meio do comando linha de tendncia possvel representar o
comportamento do crime em relao ao efetivo policial por meio de um modelo linear e realizar
projees.
A questo que se pode traar vrias retas entre esses pontos.
No entanto, qual o critrio utilizado pelo comando linha de tendncia para obter
os coeficientes dessa reta de regresso?
Os coeficientes a e b da reta de regresso minimizam a soma dos quadrados dos desvios
dos valores da amostra y com relao aos correspondentes valores da reta de regresso.
No entendeu? Calma, pois ser decifrado parte a parte.
Primeiro, o programa calcula a distncia de cada ponto do grfico reta, denominada essa
como desvio. Existem desvios positivos (acima da reta) e negativos (abaixo da reta). No entanto, o
que interessa no se o ponto est abaixo ou acima da reta e sim sua distncia (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 vrias possveis retas, o Excel escolhe aquela em que essa
soma mnima, ou seja, minimiza a soma dos quadrados dos desvios.
Ficou claro? Se a resposta for no, releia esse pargrafo sentena por sentena novamente.
Como vocs podem perceber no grfico de disperso, nem todos os valores das amostras
esto contidos na reta de regresso. Quanto mais afastados estiverem, menos a reta representa a
relao entre as variveis.
Em outras palavras: menos confiveis so os resultados obtidos.
Assim como a mdia, a reta obtida pelo mtodo dos mnimos quadrados um resumo
til da tendncia entre as variveis. Entretanto, no explica perfeitamente os dados, principalmente
se a relao entre as variveis no linear ou se seguem uma tendncia diferenciada.
Para analisar a preciso do ajuste da reta de regresso e se essa reta representa adequadamente a relao entre as variveis, realizam-se vrios testes. Os resultados desses testes so expressos por meio de coeficientes ou estatsticas. Por exemplo, os mais conhecidos so: o coeficiente de
determinao, conhecido como R2, o erro padro e a estatstica F. A anlise desses coeficientes
exige um conhecimento mais aprofundado de matemtica e lgebra, o que inviabiliza sua apresentao e foge ao escopo desse mdulo.
Apesar de no ser possvel nesse curso detalhar a qualidade da reta de regresso, suponha
que essa bem ajustada no exemplo 1. Assim, a equao de regresso linear simples obtida, Y
= 9,7381X + 117,07, representa bem a relao entre as variveis. Isso significa que se estimou o
24

nmero de crimes (Y) por meio da informao de quantidade de efetivo (X). Por exemplo, se voc
quiser prever (estimar) o nmero de crimes de um municpio que tem efetivo policial 30 (X=30),
pode calcular:
Y = 9,7381(30) + 117,07 = 409 crimes.
Com base na regresso, diz-se que para um municpio com 30 policiais, em mdia, o nmero de crimes ser de 409.
Por outro lado, se o municpio tem 100 policiais, em mdia, o nmero de crimes ser 1090:
Y= 9,7381(100) + 117,07 = 1090 crimes.
Pela reta ajustada, quanto maior o efetivo policial maior o nmero de crimes. Essa afirmao soa estranha para qualquer pessoa.
Como pode mais policiais gerarem mais crimes? No seria o contrrio, onde h mais
policiais deveriam ter menos crimes?
A resposta muito simples e voc nunca deve esquec-la quando trabalhar com anlise
de regresso. Modelos de regresso (dos mais simples aos mais complexos) perpassam por essa
resposta:
A regresso permite ver a relao entre mltiplas variveis conjuntamente, mas no permite ainda determinar a relao de causa-efeito, que deve ser definida pela teoria adotada antes
da sua estimao.
Assim, quando voc usar o modelo de regresso, saiba que o fato de o alto nmero de
policiais ter relao com o alto nmero de crimes significa que as duas variveis caminham juntas,
mas no significa que o nmero de policiais causa o nmero de crimes. No caso, a teoria e a prtica
predizem que locais com maior policiamento tm menos crimes, e a relao observada decorre do
fato de que o efetivo policial alocado de acordo com o nmero de crimes locais com mais
criminalidade tendem a ter mais policiais para enfrent-lo.
Nesse exemplo, fica fcil ver que X (nmero de policiais) no causa Y (nmero de crimes),
mas esto correlacionadas. No entanto, dependendo das variveis utilizadas, essa explicao no
to visvel, e muitos analistas criminais interpretam o resultado da regresso erroneamente.
Finalizando...
Neste mdulo, voc estudou que:

A Estatstica Descritiva se dedica em como resumir um conjunto de dados por meio
de tabelas de frequncias, grficos e medidas de tendncia central e disperso.

As distribuies de probabilidade discretas so distribuies que apresentam expresses para o clculo das probabilidades das variveis discretas, isto , um modelo matemtico conhecido por avaliar as probabilidades.

Existem vrios tipos de distribuies de probabilidade contnuas: Uniforme, Exponencial e Normal.

A amostragem pode ser classificada como probabilstica ou no probabilstica.

Para a amostragem aleatria simples, todo elemento da populao tem igual chance,
ou seja, igual probabilidade de ser sorteado.

Adota-se a amostragem proporcional estratificada para preservar a representatividade de subgrupos dentro da populao.
25

ead.senasp.gov.br


A inferncia estatstica permite que os resultados (parmetros) encontrados com base
na amostra sejam generalizados para a populao.

Mensura-se precisamente o valor da correlao entre duas ou mais variveis por meio
do coeficiente de correlao.

A regresso permite ver a relao entre mltiplas variveis conjuntamente, mas no
permite ainda determinar a relao de causa-efeito, que deve ser definida pela teoria adotada antes
da sua estimao.

A inferncia estatstica permite que os resultados (parmetros) encontrados com base
na amostra sejam generalizados para a populao.

Mensura-se precisamente o valor da correlao entre duas ou mais variveis por meio
do coeficiente de correlao.

A regresso permite ver a relao entre mltiplas variveis conjuntamente, mas no
permite ainda determinar a relao de causa-efeito, que deve ser definida pela teoria adotada antes
da sua estimao.

Exerccios
1. Suponha que precisamos aplicar um questionrio a uma populao de 150 policiais civis
e que por diversos motivos no ser possvel submet-lo a todos os policiais. Calcule uma amostra
dessa populao cujo erro amostral no supere 5%.
2. Suponha que uma amostra de 40 bairros de determinada cidade apresentou uma mdia
de 8,3 crimes violentos com desvio padro de 1,8 crimes. Determine um intervalo de 95% de confiana para o verdadeiro valor da mdia de crimes.
3. Suponha que a tabela abaixo apresente dados de populao e taxa de homicdio de 20
municpios para o ano de 2012. Utilizando o Excel, calcule o coeficiente de correlao e construa o
grfico de disperso. A correlao positiva ou negativa?

4. Utilizando os dados do exerccio anterior, estime uma reta de regresso linear simples e
avalie a qualidade do modelo encontrado.

26

Gabarito:
Atividade 1: A resposta 109 policiais.
Atividade 2: A resposta Intervalo para mdia (7,74 ; 8,85).
Atividade 3: A resposta Correlao positiva 0,97.

27

ead.senasp.gov.br

MDULO

INTRODUO AO MAPEAMENTO CRIMINAL

Apresentao do mdulo
Ol, seja bem-vindo ao segundo mdulo do curso Anlise Criminal 2.
Agora que vocs revisaram alguns conceitos e noes da estatstica, aplicados anlise criminal,
chegou a hora de estudar como os mapas ajudam a visualizar e interpretar os dados criminais.
Os mapas so uma ferramenta de anlise muito til, porque, em geral, os padres criminais tm
uma ligao forte com o espao onde ocorrem. Observa-se a ligao entre os padres criminais e o espao de ocorrncia desde meados do sculo passado. Os pesquisadores da conhecida Escola de Chicago
foram pioneiros nessa rea.
Em 1942, Shaw e Mckay desenvolveram um estudo seminal no qual analisaram a delinquncia juvenil em Chicago por meio do mapeamento de mais de mil eventos criminais.
Os autores relacionaram os incidentes de delinquncia com caractersticas sociais das regies e
encontraram correlaes significativas. Desde ento, o espao passou a ser elemento relevante na explicao da criminalidade. No entanto, a operacionalizao das anlises espaciais da criminalidade era bastante
complicada, o que dificultava os trabalhos na rea. No existiam computadores pessoais!
A partir dos anos de 1980, o uso de mapas na anlise criminal se difundiu devido ao advento dos
computadores pessoais e aumento de sua acessibilidade. Alm disso, o desenvolvimento de softwares cada
vez mais amistosos facilitou ainda mais o seu uso.
Assim, o conhecimento sobre a elaborao de mapas computacionais se difundiu alm das fronteiras dos institutos de pesquisa e passou a ser utilizado pelas instituies policiais e de segurana pblica para
auxiliar no planejamento estratgico, em especial, na preveno criminal.
Nesse mdulo, voc ter a oportunidade de operacionalizar os conceitos aprendidos no curso de
anlise criminal, por meio da sua aplicao emprica. Para a demonstrao, sero utilizados softwares ligados ao sistema de informao geogrfica Geografic Information System (GIS). Os mapas foram desenhados
por meio do software MapInfo, mas existem outros que tambm fazem o mesmo tipo de anlise, como
ArcGIS (proprietrio), GVSIG (livre), QGIS (livre), TerraView (livre), entre outros. A opo por esse software especfico deriva da pesquisa que serviu de orientao para a elaborao deste material, feita com profissionais
da segurana pblica de todos os estados brasileiros (FBSP, 2011). Ela mostrou a existncia desse software na
maioria das instituies pesquisadas e, apesar de no ser gratuito, seu uso bastante difundido, principalmente, por possuir interface amigvel.
No objetivo deste mdulo ensinar o software, mas sim apresentar as anlises possveis de serem realizadas com a utilizao do MapInfo, baseadas na suposio de que vocs j esto familiarizados. O
contedo ser apresentado por meio de uma linguagem simples, direta e bastante informal, visando facilitar
o entendimento dos conceitos. No entanto, o rigor cientfico ser uma constante nas aulas, mesmo que expresso nesta linguagem.

Prontos para colocar a mo na massa, ou melhor, nos mapas?

28

Objetivos do mdulo
Ao final do estudo deste mdulo, voc deve ser capaz de:

Identificar e padronizar as possveis projees cartogrficas;

Utilizar diferentes escalas;

Identificar o tipo de mapa mais adequado aos dados;

Elaborar diferentes tipos de mapas.
Estrutura do mdulo
O contedo desse mdulo abrange as seguintes aulas:

Aula 1 - Projees dos mapas.

Aula 2 - A utilidade dos mapas para os analistas criminais.

Aula 3 - Mapas temticos.

Aula 4 - Mapa temticos com smbolos estatsticos.

Aula 5 - Dicas finais para a elaborao de bons mapas.

Aula 1 Projees dos mapas


1.1 O que so?
As projees cartogrficas so formas de representar a superfcie esfrica da Terra em um plano.
Ou seja, so 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 distores, sendo que algumas partes do mapa so alongadas ou reduzidas, de forma que aparecem no mapa proporcionalmente
diferentes em relao s demais reas.
1.2 Mtodos para minimizar distores
Ao longo dos sculos, desenvolveram-se vrios mtodos matemticos para minimizar as distores.
A ideia comum entre eles a colocao figurada de uma folha fixa sobre algum ponto ou linha da superfcie
da Terra que em seguida aberta.

Projeo Cilndrica

Projeo Cnica

29

ead.senasp.gov.br

Projeo Plana ou Azimutal


Cada mtodo apresenta distores em diferentes partes do globo. Nos pontos em que a folha encosta na Terra no h distores, ou essas so muito pequenas ou insignificantes, independente do mtodo
de projeo. medida que se distancia desses pontos, as distores comeam a surgir.
Dessa forma, quando a rea representada no mapa no muito extensa, provavelmente os problemas relacionados s distores so diminutos. Isso uma vantagem para o analista criminal!
1.3 Os tipos de projees e a atividade do analista criminal
Em geral, o analista criminal no precisa ter grande preocupao sobre qual projeo usar, pois a
rea da circunscrio institucional pequena em relao curvatura da Terra, de forma que as distores
no so expressivas. No entanto, voc precisa estar atento ao tipo de projeo do mapa, pois no se pode
fazer comparao ou sobreposio de mapas com projees diferentes. As ruas e fronteiras dos bairros no
coincidiro nos mapas se o sistema de projees diferir entre eles. Alm disso, cada tipo de projeo possui
um sistema de coordenadas. Isso responsvel pelos desencontros espaciais.
Veja na ilustrao a seguir a diferena entre a projeo de Mercator e a projeo de Peters:

Figura 7: projeo de Mercator

Figura 8: projeo de Peters


30

Por exemplo, a projeo determina como a matriz de latitude e longitude da Terra representada em um papel plano.
Por sua vez, o sistema de coordenada prov o par (X, Y) que descreve a localizao no espao bidimensional o ponto no plano.

Exemplo
Para que possa entender melhor o sistema de coordenadas, pense na
seguinte combinao de latitude e longitude par (15 47 56 S, 47 52 0
W) que determina o ponto no mapa da Terra onde se situa Braslia. Assim,
essa combinao de latitude e longitude faz parte do sistema de coordenadas
medidas em grau. No entanto, h outras formas de localizar pontos especficos na Terra. Por exemplo, no sistema UTM, as coordenadas de Braslia so
expressas em metros da seguinte maneira: 23L (192876, 851217).

Muitas vezes, voc vai utilizar dados provenientes de fontes diferentes e que foram georreferenciados por meio de sistemas de coordenadas distintos. O que se deve fazer nesse caso converter um sistema
de coordenadas em outro, para que seja possvel combinar os dados e produzir mapas. Felizmente, os
programas de informao geogrfica - GIS - fazem essa converso.

Box 1 Verificao do sistema de coordenadas na tabela no Mapinfo


No MapInfo, para verificar o sistema de coordenadas da tabela, utilize o seguinte menu: table >
maintenance > table structure .

MAPINFO

Surgir uma janela com todas as tabelas abertas no programa. Selecione a tabela que se deseja verificar/alterar seu sistema de coordenadas. A janela de modificao da estrutura da tabela se abrir, e ento,
deve-se marcar a opo Table is Mappable. Em seguida, selecionar o boto Projection .

MAPINFO

31

ead.senasp.gov.br

Aps clicar em Projection, uma nova caixa de dilogo ser aberta e a projeo e o sistema de coordenadas podem ser selecionadas. A figura abaixo mostra essa caixa .

MAPINFO

Aula 2 A utilidade dos mapas para os analistas criminais


2.1 O que so mapas?
Em uma viso precisa, os mapas so o produto final de um processo de pesquisa, anlise e apresentao das informaes. No caso dos mapas de crimes, esse processo comea com o preenchimento correto
e completo dos boletins de ocorrncias dos eventos criminais, que so processados e, logo depois, transformados em uma base de dados. Por fim, estes so representados em um mapa.
No entanto, uma viso mais abrangente considera os mapas como uma forma de pensar e se comunicar visualmente. Nesse sentido, eles so muito mais do que uma simples representao de dados,
sendo uma poderosa ferramenta de anlise criminal, ajudando a pensar nos processos e identificar dinmicas e padres criminais.

Exemplo 1
Por meio da anlise de mapas possvel elaborar hipteses sobre a criminalidade, como relaes entre fatores do ambiente local e o tipo de crime.
Essas hipteses no seriam passveis de observao por outros tipos de anlises.

Exemplo 2
Tambm possvel verificar o deslocamento do evento no
espao do crime ao longo tempo ou a concentrao criminal em
regies especficas conhecidas comumente como hotspots.
hotspots: Pontos quentes ou reas quentes
Os mapas tambm so uma poderosa ferramenta de comunicao de informaes para os usurios. Isso se deve propriedade de sntese de informaes diferentes em um nico instrumento visual, a
folha do mapa.
2.2 Como constru-los?
Constri-se o mapa com a sntese de informaes, por meio da sobreposio de diferentes camadas de dados ou layers. Assim pode-se relacionar em um mesmo mapa a ocorrncia de furtos a transeuntes
e sua concentrao comercial em um bairro por meio da sobreposio das camadas de contorno dos bairros,
da camada dos locais de comrcio e da camada de roubo a transeunte. A ilustrao abaixo demonstra essa
construo.
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 dilogo Layer Control aberta. Selecione Layer > Add, conforme demonstrado pela seta A. Em Add Layer voc seleciona o arquivo com a informao 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 dilogo Layer Control. Verifique se as caixas de visibilidade esto selecionadas, conforme destacado na figura abaixo, e por fim, pressione o boto OK.
No exemplo, surge um mapa contendo as duas layers, mostrando em um mesmo mapa os pontos
que representam os homicdios e os contornos dos bairros de um municpio .
33

ead.senasp.gov.br

MAPINFO

Para fazer um mapa com mais de uma camada ou layer, primeiramente voc deve estar com os arquivos abertos no MapInfo. Em seguida, selecione o menu Window > New Map Window .

MAPINFO

Surgir na tela uma janela com a opo 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 homicdios do ano de 2000 aparece .

MAPINFO

Importante!
Cabe s habilidades do analista criminal a deciso de quais informaes sintetizar em um mapa.
Muitas informaes em um mesmo mapa dificulta o entendimento da realidade, ao invs de esclarecer os
fatos.
A elaborao de um mapa no um processo rotineiro: o analista tem que identificar o que relevante para cada tipo de anlise, e essa identificao varia de acordo com o assunto abordado e o perodo
abarcado. Assim, o analista precisa pensar sobre o objetivo da anlise, fazer hipteses, verificar quais
34

informaes so relevantes de se visualizar no mapa e confirmar as hipteses. Em suma, no se pode


fazer mapas de forma mecnica e padronizada.
Dica
Caso tenha dvida sobre como fazer algum procedimento no MapInfo,
o youtube, apresenta gratuitamente algumas aulas sobre como utilizar o software. Basta procurar o assunto MapInfo.

Aula 3 Mapas Temticos


3.1 O que so?
Os mapas temticos so aqueles que apresentam informaes sobre algum tema especfico. Eles
so mapas que transcendem a viso geogrfica da rea.
Exemplo
Temos o mapa de um pas, digamos Pasrgada. Para criar um mapa temtico de Pasrgada precisamos de alguma informao (no geogrfica) desse
pas, como a densidade populacional, o nmero de crimes, a incidncia de doenas contagiosas, etc.
Voc pode perceber que existe uma infinidade de tipos de mapas temticos, pois h muitas informaes passveis de serem representadas em mapas. O analista criminal seleciona a informao e depois escolhe uma das maneiras de convert-la em um mapa que a comunica de forma clara e precisa para o pblico.
Mas qual tipo de mapa usar para mostrar uma informao?
3.2 Como selecionar o mapa?
Infelizmente, a resposta no nica e nem to direta. Ela depende do tipo de informao que se
procura, do pblico ao qual se destina e de qual arcabouo terico empregado.
Exemplo
Se voc quer saber onde ocorreram os roubos a transeunte na ltima
semana, um mapa com o ponto (endereo) de cada roubo adequado. No
entanto, se o departamento de polcia quer comparar as cidades de Pasrgada
em termos de diferenas de incidncia 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 so fictcios para o pas Pasrgada).

Figura 10: Mapas de distribuio dos roubos a transeunte em Pasrgada (2013).

35

ead.senasp.gov.br

Na figura 10, mapa 1, cada ponto representa um episdio de roubo a transeunte, e as linhas verdes
so as divises dos municpios de Pasrgada.
Observe uma concentrao espacial em algumas reas. Pode-se diminuir ainda mais a escala para
verificar exatamente em quais ruas e pontos especficos das cidades de Pasrgada 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 criminolgica apresenta diversas teorias que podem ajudar na elaborao de hipteses
sobre os motivos da concentrao espacial dos roubos. O analista criminal deve recorrer essas teorias
e sua vivncia prtica para criar e testar as hipteses.
O mdulo seguinte mostrar como fazer uso de algumas dessas teorias.
Exemplo
Segundo a teoria das oportunidades, uma possvel hiptese que
os roubos a transeuntes se concentram em reas comerciais. Para testar essa
hiptese por meio de mapas, pode-se inserir uma layer na figura 10, mapa 1,
com um ponto para cada estabelecimento comercial. A concentrao desses
novos pontos coincidente com os episdios de roubo a transeunte seria indicao da veracidade dessa hiptese.

3.3 Qual a importncia dessa informao para o analista criminal?


Com base na anlise mais detalhada do espao onde os crimes ocorrem, polticas para preveno
ou enfrentamento so feitas focadas no pblico e no espao. Esse tipo de formulao de poltica evita desperdcio de recursos pblicos e aumenta sua eficcia, pois se dirige sobre onde necessrio.
Na figura 10, mapa 2, as cores mais fortes indicam maior incidncia de roubo a transeunte.

Figura 10 Mapa 2
Nesse mapa, a preocupao comparar os municpios em termos de incidncia de crimes. No entanto, o mapa no permite verificar o local especfico que o crime ocorre.
O analista criminal deve se perguntar o que diferente entre os municpios e o que propicia a ocorrncia de roubos em alguns deles.
Novamente, preciso recorrer s teorias criminais e ao conhecimento prtico para se construrem hipteses. Uma anlise til fazer esse mesmo mapa para recortes temporais diferentes e verificar se
o padro de criminalidade muda com o tempo. Caso mude, deve-se verificar o que alterou nos municpios
onde a incidncia de crime variou.
Esse tipo de comparao fornece ao analista criminal embasamento para formulao de polticas de
preveno criminalidade pautada em fundamentos mais amplos do que apenas a distribuio dos recursos
policiais.

36

Importante!
A mesma informao apresentada nos dois mapas de maneiras distintas, com o intuito de responder a perguntas diferentes.

Veja no BOX 3 como so feitos os mapas no MapInfo.


Mapa de ponto
Necessita-se da base de dados georreferenciada para fazer o mapa de pontos no MapInfo. A projeo cartogrfica da base de dados deste exemplo UTM. A base contm um cdigo do endereo de cada
roubo a transeunte (coluna Cod_Lograd) e o par de coordenadas (X,Y) da projeo 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, v ao menu Window > New Map Window. Em seguida, uma caixa de dilogo se
abrir com opo para escolher a tabela a qual ser utilizada no mapa. No exemplo, a base se chama Roubo_pasargada. Selecione a base de dados e marque a opo Ok, conforme mostra a figura. O mapa de
pontos aparecer .

MAPINFO

Dica: voc pode alterar os pontos por outros smbolos. Com o mapa aberto, acesse o menu: Map > LayerControl. Com a caixa de dilogo aberta, selecione a caixa de edio
como mostra a seta A, e depois clique em Display conforme seta B.
Uma nova caixa de dilogos se abrir, e aps isso, selecione a caixa de Style Override seta C- e clique no smbolo como mostra na seta D.
Agora voc deve escolher uma das vrias opes de smbolos e cores que surgiro
em uma nova caixa de dilogos .

37

ead.senasp.gov.br

Mapas de cores
Para fazer o mapa de cores, voc no precisa dos dados organizados em uma base por endereo,
sendo necessrio apenas que se tenha uma malha geogrfica da rea de alguma diviso interna.
Por exemplo, pode-se utilizar o mapa do contorno do municpio com sua diviso geopoltica ou
com sua diviso por distritos policiais. Alm disso, deve existir na base de dados uma coluna com a informao que se quer representar no mapa.
No nosso exemplo, temos o mapa do pas Pasrgada dividido por municpio e a coluna com o nmero de roubos a transeunte por municpio .
Em cada linha tem-se um municpio de Pasrgada. Na primeira coluna est o cdigo do municpio e
logo aps o nome. Na ltima coluna, tem-se o nmero de roubo a transeunte em cada municpio.

MAPINFO

Para fazer o mapa das cores, primeiro selecione o menu Window > New Map Window. O mapa de
Pasrgada aparecer na tela e, em seguida, selecione o menu Map > Create Thematic Map, conforme figura
abaixo .

MAPINFO

Aula 4 Mapas temticos com smbolos estatsticos


4.1 O que ?
O mapa temtico com smbolos estatsticos o ltimo tipo de mapa que voc ir aprender a
fazer neste curso. Portanto, d o seu mximo nesta aula!
Nesse tipo de mapa, a estatstica referente a uma rea representada sobre ela em um mapa, por
meio de grficos ou desenhos de tamanhos graduados.
Pode-se fazer um mapa com smbolos das estatsticas dos municpios de Pasrgada.
Representa-se nele a quantidade de estabelecimentos comerciais, industriais e de servios em cada
municpio por meio de grfico de pizza veja a figura 11:

38

Figura 11: Mapa estatstico estabelecimentos comerciais, industriais e de servios em Parsrgada, 2013.
4.2 Como analis-lo?
A anlise do mapa mostra que os municpios se diferem em relao quantidade de estabelecimentos existentes. Ademais, a proporo entre os tipos de estabelecimentos comerciais, industriais ou de
servios tambm difere entre os municpios.
Existentes: Diferena entre o tamanho dos crculos de cada municpio
Municpios: Diferena entre a composio de cores que forma o crculo
4.3 Como aplic-lo?
Voc provavelmente est se perguntando: para qu o analista criminal aplicaria esse tipo de
mapa?
Existem duas respostas simples.
A primeira e mais direta que o analista criminal pode querer representar no mapa qual a estatstica usada e seu valor.
A segunda resposta que esse tipo de mapa til para verificar teorias que fazem hipteses sobre
combinao de fatores que propiciam maior probabilidade de ocorrncia de eventos criminais.
Exemplo
Considere uma hiptese que relacione a existncia de reas comerciais maior incidncia de roubo a transeunte (no se entrar em detalhes
sobre essas teorias, pois elas compem o mdulo 3 desse curso). Voc pode
combinar o mapa de smbolos estatsticos com um mapa de cores, para obter
indcios da veracidade dessa hiptese.
Faz-se o mapa de cores, como aprendido na Aula 3 deste mdulo, e
realiza-se a combinao de mapas pela sobreposio de camadas aprendida
na Aula 2 deste mdulo. Apresenta-se o resultado na Figura 12, a seguir.

39

ead.senasp.gov.br

Figura 12: Roubos a transeuntes e composio de estabelecimentos em Pasrgada, por municpio - 2013.

A anlise do mapa com smbolos estatsticos, em conjunto com a variao de cores para roubo a
transeunte, indica a inexistncia de indcios que relacione roubos a transeuntes e a quantidade de estabelecimentos comerciais com os municpios de Pasrgada.
Importante!
Lembre-se:
a)
um mapa no invalida a hiptese, uma vez que ela pode ser vlida para outros locais;
b)
os mapas no so instrumentos de testes de hiptese, eles apenas apresentam indcios visuais
de relao entre variveis. Para se confirmar hipteses necessrio a realizao de testes estatsticos, como
os aprendidos no Mdulo I deste curso.
4.4 Alguns cuidados
Apesar de teis, os mapas com smbolos estatsticos so de difcil compreenso. Sua leitura no
imediata, e isso acaba por anular seu propsito, que facilitar a visualizao de informaes. Em geral, os
cartgrafos argumentam que esse tipo de mapa no coloca a informao em um contexto geogrfico, e
tambm que tabelas so mais adequadas para mostrar valores de estatsticas. Mesmo com argumentos contrrios a sua utilizao, analistas criminais constroem mapas com smbolos estatsticos.
hora de voc aprender a faz-los!
Box 4 - Como elaborar mapas com smbolos estatsticos.
Mapas com smbolo estatstico
Para fazer o mapa com smbolo estatstico, voc precisa de uma malha geogrfica da rea que
contenha alguma diviso interna igual necessria para confeco do mapa das cores, podendo utilizar
o mapa do contorno do municpio, com sua diviso geopoltica ou sua diviso por distritos policiais, por
exemplo.
Alm disso, deve existir na base de dados colunas com as informaes que sero representadas
no mapa. No nosso exemplo, temos o mapa do pas Pasrgada dividido por municpios, e as colunas com a
quantidade de estabelecimentos comerciais (coluna qtcom), industriais (coluna qtindu) e servios (co40

luna qtserv )

MAPINFO

Em cada linha tem-se um municpio de Pasrgada. Na primeira coluna se encontra o cdigo do


municpio, e na segunda coluna, o nome.
Na quarta, quinta e sexta coluna, tem-se as quantidades de estabelecimentos existentes em cada
municpio .

MAPINFO

Para fazer o mapa com smbolos estatsticos, primeiramente selecione o menu Window > New Map
Window. O mapa de Pasrgada surgir na tela, em seguida selecione o menu Map > Create Thematic Map,
conforme figura abaixo .

MAPINFO

Uma nova caixa de dilogo se abre com vrias opes de mapas temticos. Para fazer o mapa de
smbolo estatstico, pode-se escolher uma das trs opes: Bar Charts, Pie Charts ou Graduated. A elipse
vermelha sinaliza essas opes.
A opo Bar Charts criar um mapa com a estatstica representada por grficos de barras. J opo
Pie Charts representar a estatstica por meio de grfico de pizza. Por fim, a opo Graduated mostra a
estatstica por meio de smbolos de tamanhos diferentes.
Aps essa escolha, seleciona-se a opo Next, indicada pela seta na figura a.
Uma nova caixa de dilogo se abrir, conforme figura b. Nela voc seleciona a tabela opo
Table e as colunas a mapear opo Field. No nosso exemplo, selecionamos a tabela Pasrgada e as
41

ead.senasp.gov.br

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 dilogo se abrir.
A elipse vermelha na figura c indica vrias opes de mudana no mapa que se pode realizar. Em
Styles, pode-se alterar as cores que aparecero no mapa, dentre outras mudanas estilsticas, e por fim, em
Legend se edita o que aparecer na legenda do mapa.
Aps personalizar seu mapa, clique em OK conforme figura c. O mapa com smbolo estatstico
aparecer .

MAPINFO

Aula 4 Dicas finais para a elaborao de bons mapas


5.1 Utilizao de tcnicas e instrumentos para anlise
Nas aulas anteriores, voc observou como fazer vrios tipos de mapas. Dos mais simples aos mais
complexos. Alm desses mapas, existe um campo de estudos em criminologia que utiliza a tcnica de estatstica espacial ou econometria espacial, para descobrir padres geogrficos de criminalidade.
Os analistas criminais utilizam comumente a Anlise Exploratria de Dados Espaciais (traduo livre
de: Exploratory Spatial Data Analysis), regresso espacial, anlise de trajetrias, entre outras tcnicas.
Essas tcnicas vo alm da elaborao de mapas ensinada neste curso. So instrumentos analticos
para verificar padres de distribuio geogrfica (espacial) de dados de crime. Por meio dessas tcnicas,
desenvolvem-se estudos de deslocamento criminal, anlise de jornada do crime, entre outros que voc ver
no prximo mdulo deste curso.
No objetivo deste curso que voc estude essas tcnicas. Apesar disso, importante que voc
saiba da sua existncia e aplicao, para que no futuro, possa aprend-las e utiliz-las na anlise dos dados
geogrficos, que a partir de agora est apto a trabalhar.
5.2 Formatos dos mapas
Voc estudar a partir de agora algumas importantes questes sobre o formato dos mapas, que
muitas vezes, no af de apresentar a informao criminal, so negligenciadas.
O formato do mapa influencia diretamente na sua capacidade de passar a informao desejada, pois
afeta a forma com que o leitor o interpretar. Ou seja, pode ser responsvel pelo sucesso ou fracasso do
seu mapa.
As dicas seguintes foram em grande parte inspiradas pelo site Jratcliffe, construdo 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 possvel calcular a distncia de um lugar a outro. Nos mapas apresentados nas aulas anteriores, propositalmente, no foi includa a barra de escala. Assim,
voc no foi capaz de saber qual a distncia entre os municpios de Pasrgada e nem mesmo o tamanho
desse pas fictcio. Mesmo que voc esteja familiarizado com o local e conhea sua dimenso, o leitor do
mapa pode no saber.
42

Figura 13: Trs 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, voc tambm no foi capaz de identificar qual parte de Pasrgada est orientada para o Norte. Existem vrios modelos de rosa dos ventos, a figura 14 mostra alguns
deles:

Figura 14: Modelos de rosas dos ventos.


Utilize legenda sempre que uma informao for representada. A legenda deve conter a informao
precisa sobre o que se est representado. Por exemplo, se for um mapa de cores representando o nmero de
homicdios, a legenda deve conter o limite inferior e superior de homicdios que cada cor representa.
Lembre-se de colocar ttulos em seus mapas! Use ttulos claros e sintticos. Em geral, o tipo de
crime, o lugar e a data dos fatos so suficientes. Os ttulos so fundamentais, pois os leitores precisam saber
de que se trata o mapa sem precisar ler o texto explicativo. Acreditem: a maioria dos leitores olhar apenas o
mapa num primeiro momento! Todos os mapas apresentados nas aulas continham essas informaes.
Use cores com cautela. Existem estudiosos que se debruam sobre o estudo da reao humana s
cores. Voc j parou para pensar por que o vermelho a cor preferida dos logotipos de cadeias de fastfood?
A resposta vem de estudos que mostram que determinadas cores ativam partes especficas do crebro e
chamam mais ateno que outras. Mas como voc no especialista nessa rea, dicas simples podem ajudar
a escolha de cores para o seu mapa:
a)
Ditado popular: menos mais cuidado para seu mapa no virar uma colcha de retalhos
com vrias cores. Prefira utilizar um escala de tonalidades dentro de uma mesma cor. No mximo, misture
duas cores divididas em vrias tonalidades.
b)
Utiliza-se cores escuras para valores maiores e cores claras para os menores.
c)
Se o mapa contm smbolos, as cores de fundo devem ser mais claras e os smbolos mais
escuros a fim de que as informaes contidas neles sejam realadas.
d)
No tenha medo de experimentar cores, mas use sua avaliao criativa para definir se realmente expressam o que voc pretende mostrar.
e)
Ver muitos mapas de crimes pode ajud-lo a criar uma viso crtica sobre o uso de cores. A
internet pode ser uma grande aliada nisso.
Conhea bem seus dados, as reas que representam e o pblico ao qual se destina o mapa. S assim
voc ser capaz de definir qual o melhor formato e estilo para apresentar a informao de forma que todos
possam compreender.
Use mapas temticos com cautela. A escala geogrfica, o tamanho dos smbolos, as faixas de diviso
de cores e as prprias cores podem deturpar a informao contida no mapa.
Limite a informao mapeada. Coloque no mapa apenas informaes relevantes. A mente humana
no capaz de diferenciar conjuntamente muitos smbolos. Se voc representar os homicdios, os rios, as
43

ead.senasp.gov.br

ruas, as praas, as favelas, as lojas, os bares em um nico mapa, seu leitor demorar a entender seu mapa e
talvez no fixe a ateno na informao que relevante. Se os rios no so importantes para a ocorrncia de
homicdios, voc pode tir-los do mapa. Por outro lado, se os homicdios so em grande parte relacionados
com a presena do rio (um criminoso que mata afogando as vtimas), ento ele deve estar presente no mapa.
Se voc acredita que os homicdios se relacionam com uma ampla gama de fatores mapeveis, o ideal fazer
vrios mapas de homicdios, para que cada um realce um fator. No exemplo, voc pode fazer um mapa dos
homicdios e dos rios e outro dos homicdios e os bares, etc.
Verifique a aparncia do mapa na escala de cinza, mesmo que o faa em cores. Isso necessrio,
pois se voc tiver sucesso no seu mapa ele certamente ser reproduzido por outros usurios. As cpias em
cores costumam ser mais caras e nem sempre esto disponveis. Portanto, os usurios 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 voc e construa mapas, como
ensinado nos Boxes deste mdulo, seguindo o roteiro:
a) Verifique o sistema de coordenadas da sua base de dados Box aula 1.
b) Construa o mapa temtico de ponto e de cores Box aula 3.
c) Construa o mapa temtico com smbolo estatstico Box aula 4.
d) Sobreponha o mapa temtico de cores e de smbolo estatstico Box aula 2.
Lembre-se das dicas da aula 5.

Finalizando...
Neste mdulo, voc estudou que:

As projees cartogrficas so formas de representar a superfcie da Terra, que esfrica, em
um plano;

A projeo determina como a matriz de latitude e longitude da Terra representada em um
papel plano;

Os mapas so o produto final de um processo de pesquisa, anlise e apresentao das informaes. Os mapas tambm so uma poderosa ferramenta de comunicao de informaes para os usurios.

Os mapas temticos so aqueles que apresentam informaes sobre algum tema especfico.
Eles so mapas que transcendem a viso geogrfica da rea.

O formato do mapa influencia diretamente na sua capacidade de passar a informao desejada, pois afeta a forma com que o leitor o interpretar. Ou seja, pode ser responsvel pelo sucesso ou fracasso
do seu mapa.

Exerccios
1. Responda C quando a afirmativa estiver correta e E quando a afirmativa estiver errada.
a) ( ) possvel converter um sistema de coordenadas em outro para combinar os dados e produzir
mapas.
b) ( ) As distores presentes em algumas projees cartogrficas se devem representao da terra
plana em uma esfera.
c) ( ) Os diferentes mtodos de projees cartogrficas surgiram no intuito de minimizar as distor44

es causadas pela representao da Terra em um papel.


d) ( ) A sobreposio de dados georreferenciados em sistemas de projees e coordenadas diferentes em um mesmo mapa no possvel por causa das distores.
e) ( ) Alguns tipos de projees cartogrficas no apresentam distores.

2. Responda C quando a afirmativa estiver correta e E quando a afirmativa estiver errada.


a) ( ) Os mapas so apenas o produto final de um processo de pesquisa, anlise e apresentao das
informaes.
b) ( ) possvel construir o mapa com a sntese de informaes, por meio da sobreposio de diferentes camadas de dados ou layers.
c) ( ) A anlise de mapas no auxilia na elaborao de hipteses sobre a criminalidade.
d) ( ) Como o mapa esttico, no se pode utiliz-lo para verificar o deslocamento do evento no
espao do crime ao longo tempo.
e) ( ) Os mapas permitem a anlise da concentrao criminal em regies especficas.

3. O que so mapas temticos?


Utilize o menu Minhas anotaes da plataforma de ensino para anotar sua resposta.

4. Existem vrios tipos de mapas temticos. Quais fatores influenciam na escolha de qual
mapa usar?
Utilize o menu Minhas anotaes da plataforma de ensino para anotar sua resposta.

5. Qual a importncia da informao espacial para o analista criminal?


Utilize o menu Minhas anotaes da plataforma de ensino para anotar sua resposta.

6. Relacione o nome figura:


a) Mapa de cores ( )
b) Mapa de ponto ( )
c) Mapa com smbolo estatstico ( )

45

ead.senasp.gov.br

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 temticos so aqueles que apresentam informaes sobre algum tema especfico. Eles so mapas que transcendem a viso geogrfica da rea.
Atividade 4: O tipo de informao que se procura, o pblico ao qual o mapa se destina e o arcabouo terico empregado.
Atividade 5: A anlise do espao onde os crimes ocorrem fornece subsdios para a formulao de
polticas de preveno ou enfrentamento focalizadas no pblico e no espao. Esse tipo de formulao de
poltica evita desperdcio de recursos pblicos e aumenta sua eficcia, pois se direciona aos locais onde so
efetivamente necessrias.
Atividade 6: Resposta correta: a 2; b- 1; c- 3).

46

MDULO

ANLISE CRIMINAL ESPACIAL

Apresentao do mdulo
Neste mdulo, voc estudar teorias e conceitos espaciais na anlise criminal, alm de verificar
como mobiliz-las para a anlise das dinmicas criminais no espao. Ver tambm como o crime pode ser
analisado atravs de imagens, bem como o estudo da jornada do ofensor e o deslocamento do crime so
relevantes para a anlise criminal. Por fim, estudar o conceito de difuso de benefcios e como ele se relaciona anlise criminal espacial.
Objetivos do mdulo
Ao final do estudo deste mdulo, voc ser capaz de:

Compreender conceitos relacionados anlise criminal espacial;

Analisar teorias que subsidiam o trabalho de anlise criminal espacial.
Estrutura do mdulo
Aula 1 - Introduo: os conceitos espaciais na anlise criminal;
Aula 2 - Mobilizando as teorias para a anlise das dinmicas criminais no espao;
Aula 3 - Clusterizao ou a concentrao de eventos em determinados locais;
Aula 4 - O estudo da jornada do ofensor;
Aula 5 - Deslocamento (ou migrao) criminal e difuso de benefcios.

Aula 1 Introduo: os conceitos espaciais na anlise criminal


Nesta aula, voc vai estudar conceitos e teorias relacionadas anlise criminal espacial.
1.1 Conjuntos de pesquisa que abordam as relaes entre criminalidade e o espao
A preocupao com a relao entre crime e espao no nova. Logo no incio da primeira metade
do sculo XIX, autores franceses analisaram a distribuio do crime entre regies e sua relao com diferentes caractersticas ecolgicas e sociais. Foi o caso de Guerry, em 1833 e Qutlet, em um estudo de 1842.
Em 1920, conforme j mencionamos no Mdulo 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 relaes entre a criminalidade e o espao. H uma literatura que vem crescendo, desde fins da dcada de 1980, sobre essa temtica.
Eck e Weisburd (1995) a analisaram e encontraram diferentes conjuntos de pesquisa, como voc estudar a
seguir.
H um conjunto de estudos que analisam as localidades como unidade de anlise. Nesses estudos, eventos criminais surgem devido s caractersticas dos locais onde ocorrem. Essas pesquisas buscam
entender como as estruturas fsico-ambientais e outras caractersticas de uma dada localidade alteram as
estruturas de oportunidades para o cometimento de crimes.
Outro conjunto de estudos se foca nos indivduos, mas leva em considerao o papel do local na
determinao da criminalidade. Nos estudos sobre mobilidade ou jornada de ofensores e vtimas, como
veremos, o que se busca entender como os possveis ofensores escolhem os locais onde cometer crimes,
bem como os fatores que inibem essa escolha.
possvel citar tambm as investigaes que se debruam sobre a relao entre aspectos espe47

ead.senasp.gov.br

cficos do desenho urbano ou da arquitetura urbana e a criminalidade, que por sua vez consideram o
conjunto de caractersticas do espao fsico podendo ser, por exemplo, uma rea pequena, um quarteiro,
um pedao de uma rua ou um edifcio e sua relao com a criao de oportunidades criminais.
Por fim, a perspectiva da desorganizao social analisa unidades socioespaciais mais amplas, as
quais so frequentemente alvos de programas sociais ou de esforos de preveno criminalidade. Seus
autores focam a anlise nas comunidades locais, buscando explicar os possveis fatores do ambiente fsico-social que sustentariam ndices de criminalidade mais altos do que em outras regies do espao urbano.
Em suma, de uma forma ou de outra, essas perspectivas terico-empricas conferem relevncia aos
espaos para se entender as dinmicas criminais. Essa a preocupao, por exemplo, da teoria das atividades rotineiras e da teoria dos padres do crime, as quais possuem muitas vezes explicaes distintas para
a ocorrncia de crimes nas diferentes localidades. tambm a preocupao da teoria da desorganizao
social, que acabamos de citar.
Voc ir entender melhor essas teorias na aula seguinte.
Importante!
Todas essas perspectivas de investigao usam, em geral, registros oficiais de crimes e de prises
efetuadas. J as entrevistas com ofensores e as observaes sistemticas dos locais onde ocorrem os
eventos criminais constituem a base de informao sobre a tomada de deciso do ofensor.
Onde os dados referentes aos registros oficiais de crimes e de prises efetuadas podem ser encontrados?
Os registros oficiais de crimes e de prises efetuadas podem ser acessados por meio da consulta s bases de dados da polcia civil, do Ministrio da
Justia e do sistema prisional.
Apesar de produzidos por rgos pblicos, os bancos de dados das
polcias no se encontram disponveis ao pblico em geral. Apenas algumas
polcias estaduais possuem registro da latitude e longitude de onde ocorreram
os eventos criminais.
A pgina do Ministrio da Justia vem se institucionalizando nos ltimos
anos como referncia nacional em relao s informaes de segurana pblica. O
mdulo de registro das ocorrncias, do Sistema Nacional de Estatsticas de Segurana Pblica e Justia Criminal (SINESPJC), rene as informaes dos registros de
ocorrncia produzidos e coletados das Polcias Civis e Militares do Brasil.
Obs: Atualmente, as informaes do SINESPJC no so georreferenciadas. No entanto, foi aprovada no ano de 2012 a Lei n 12.681, de autoria do
Governo Federal, que institui o Sistema Nacional de Informaes de Segurana
Pblica, Prisionais e sobre Drogas (SINESP). Nessa nova formatao, est prevista
a coleta das informaes referentes latitude e longitude.

48

O INFOPEN Sistema Nacional de Informao Penitenciria - apresenta dados da


populao carcerria brasileira. O Infopen consolida as informaes a partir do lanamento dos nmeros por cada uma das unidades da federao, as quais so responsveis pelas
informaes 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 penitenciria, lanam as informaes sobre os presos administrados.

Agora que voc estudou que h vrias perspectivas tericas que buscam entender a relao entre o espao e a criminalidade, comear a explorar cada uma dessas teorias. Mas, antes
disso, estude alguns conceitos importantes implicados no estudo da relao entre espao e crime.
1.2 Locais ou ambientes
Segundo Clarke e Eck (2005), os locais ou ambientes podem regular alvos disponveis, as atividades que as pessoas podem realizar e quem controla o local. Entender um ambiente permite fazer comparaes entre ambientes com problemas e ambientes sem problemas. Ambientes geralmente possuem
proprietrios ou responsveis, os quais podem ser importantes para resolver problemas.
De acordo com esses autores, podemos distinguir os ambientes de acordo com os problemas de
segurana apresentados com mais frequncia:
Residenciais;
Recreativos;
Escritrios;
Comerciais;
Industriais;
Educacionais;

Equipamentos voltados para servios pblicos,

vias pblicas;

Ambientes abertos / de trnsito.
1.3 Comportamentos
Identificar os comportamentos mais suscetveis de ocorrerem em cada local, ajuda a esclarecer e relacionar aspectos relativos a vrias dimenses: de perigo, inteno e as relaes entre ofensor e alvo. Podemos identificar cinco tipos de comportamento, com base na taxonomia proposta por Clarke e Eck (2005):
Predatrios: O ofensor claramente distinto da vtima; esta sempre se coloca em objeo s aes
do ofensor. A maior parte dos crimes so desta natureza, tais como: roubos, abuso de crianas, arrombamento, bullying etc.
Consensuais: As partes envolvidas interagem conscientemente, e em geral, est envolvido algum
tipo de transao. Ex.: venda de drogas, prostituio e venda de mercadorias roubadas.
Conflitos: Interaes violentas que envolvem indivduos em relaes geralmente simtricas, e que
possuem algum tipo de relao preexistente. Ex. briga entre conhecidos.
Incivilidades: Neste caso, ofensores so discernveis das vtimas, mas estas esto dispersas, e em
geral, o dano no srio. Um exemplo so as festas barulhentas, alguns tipos de vandalismo via de
regra, seu grau de problematicidade varia de acordo com o ambiente.
49

ead.senasp.gov.br

Autoleso: Neste caso so a mesma pessoa; ou ento o ofensor tinha inteno de causar mal
vtima. Ex. tentativa de suicdio, overdose e acidentes de trnsito.
Dado que h ambientes que concentram certos tipos de comportamentos ou facilitam sua ocorrncia, a comparao entre eles permite entender a natureza das intervenes que neles ocorrem e verificar se
h questes analticas ou respostas comuns para problemas semelhantes.
Observe a tabela que relaciona os tipos de comportamentos e alguns ambientes ou espaos:

Tabela 4: Relao entre ambientes e comportamentos


Para que voc entenda melhor a relao entre ambientes e comportamentos, analise dois exemplos:
a) Em ambientes residenciais, possvel que aconteam comportamentos conflitivos (A), como situaes de violncia domstica. Uma forma de inibir tais comportamentos o registro e controle das famlias
que j apresentaram tal situao por parte dos rgos especializados (delegacias da mulher, conselhos
tutelares).
b) Em ambientes recreativos, possvel que aconteam incivilidades (B), por exemplo, a ocorrncia
de pichaes em parques pblicos. Uma forma de inibir tais comportamentos a instalao de cmeras de
monitoramento contnuo nesses locais.
Desafio
Agora com voc! Pense nos demais comportamentos (C, D, E, F, G,
H e I) representados no quadro 1. Elabore exemplos (como em A o exemplo
foi violncia domstica e, em B, pichaes em parques pblicos) e pense em
estratgias de inibio dos comportamentos exemplificados. Mas se lembre!
Os comportamentos devem estar relacionados aos devidos ambientes.

Conseguiu vencer o desafio?


Agora pense um pouco mais...
H alguma semelhana ou correlao nos tipos de estratgias de inibio dos comportamentos
para os diferentes tipos de ambiente?

50

Aula 2 Mobilizando as teorias para a anlise das dinmicas


criminais no espao
Nesta aula, voc vai utilizar as teorias estudadas na aula anterior e no curso de anlise criminal para que possa compreender as dinmicas criminais no espao.
Atribui-se funo fundamental ao analista criminal na resoluo de problemas relacionados segurana pblica. No entanto, antes de realizar todo o processo de busca de soluo para um problema,
deve-se detalhar o fenmeno. Isso significa por um lado, que vrios filtros devem ser feitos para que o
analista chegue a uma classificao especfica do evento (ex: furto de rodas automotivas para revenda em
mercados ilegais). Somente assim, durante a formulao da soluo, ser possvel traar estratgias bem
focalizadas.
Por outro lado, a prpria seleo dos filtros e, em consequncia, a definio do evento, no
podem ocorrer sem recurso s teorias. Essas podem indicar os motivos pelos quais determinado crime ou
evento de segurana pblica surge. Ou seja, a partir da consulta s teorias, possvel inferir, entre outros, os
seguintes fatores relacionados ao crime:

Como surge

Que fatores esto relacionados

Para quais populaes

Em que condies

Em que locais
As vrias teorias criminolgicas ajudam o analista a orientar sua busca pela definio do problema
criminal e posterior proposio de estratgias de enfrentamento.
Ento, vamos relembrar as teorias estudadas no curso de anlise criminal?
2.1. A teoria da desorganizao social
As perspectivas analticas vinculadas a essa teoria buscam examinar de forma sistemtica as relaes entre a estrutura social e o nvel de criminalidade de uma localidade mais ampla uma vizinhana ou comunidade. A maior parte dos autores desta corrente partiu da observao de padres estruturais
(constantes) de criminalidade nesses locais, mesmo que houvesse variao em suas caractersticas. Veja um
exemplo:
Exemplo prtico 1:
Na introduo, fizemos referncia ao estudioso francs Andr-Michel Guerry, que
trabalhou com as estatsticas de criminalidade na Frana, coletadas pela Secretaria de Administrao da Justia Penal daquele pas, o primeiro sistema nacional centralizado de relatrios criminais. Fascinado com esses dados, que o possibilitaram descobrir regularidades
empricas e leis que poderiam determin-los, Guerry desistiu da prtica da advocacia para
estudar a criminalidade e sua relao com outras variveis que ele denominou de morais.
O primeiro grande trabalho de Guerry, chamado de Estatsticas Morais, era uma
pgina contendo trs mapas sombreados da Frana. Os mapas mostravam os departamentos
franceses, sombreados de acordo com o nmero de crimes contra a pessoa, crimes contra
a propriedade e contra a instruo escolar. Tais mapas estatsticos tinham acabado de ser
inventados, em 1826, pelo Baro Charles Dupin. Sua apresentao, em tabelas e mapas temticos, mostrava que as taxas de criminalidade permaneciam supreendentemente estveis ao
longo do tempo, inclusive quando separadas por idade, sexo, regio da Frana e at mesmo
a estao do ano. No entanto, esses nmeros tambm variavam sistematicamente em todas
as regies departamentais da Frana. Essa regularidade estatstica lanou a hiptese de que
os padres criminais encontrados poderiam estar determinados pelas caractersticas
sociais especficas de cada uma das regies departamentais.
51

ead.senasp.gov.br

Fonte: Wikipedia (http://en.wikipedia.org/wiki/Andr%C3%A9-Michel_Guerry)


Exemplo prtico 2:
J no sculo seguinte, nos Estados Unidos, socilogos da pioneira Escola de Chicago identificaram e examinaram cuidadosamente a concentrao da criminalidade em
uma regio especfica da cidade de Chicago, conhecida como Loop. Concluram que caractersticas sociais do ambiente urbano eram fundamentais para se explicar, assim como no
estudo de Gurry, a emergncia da criminalidade em localidades ou comunidades especficas (Burguess, 1925; Shaw e McKay, 1942).

Fig2. Ilustrao da teoria dos crculos concntricos

Foi assim que a teoria da desorganizao social surgiu, propriamente. Um estudo realizado por Clifford Shaw e Henry McKay partiu do suposto de que o desenvolvimento e crescimento urbano cria e intervm sobre as dinmicas socioespaciais (Shaw
e McKAY, 1942).
Realizou-se a pesquisa na cidade de Chicago, que havia passado por um recente perodo de grande crescimento populacional. A fim de explicar este fenmeno, Robert
Park e Ernest Burgess, em 1925, haviam criado o modelo ou teoria das Zonas Concntricas, segundo o qual as cidades se expandiam a partir de uma regio central de forma a
criar uma srie de outros crculos no seu entorno, divididos em cinco zonas.

52

A constituio dessas zonas segue a lgica da competio desregulada entre grupos sociais com rendas e identidades culturais e tnicas distintas pelo espao urbano e seu uso. Essa
dinmica resultou, principalmente nas grandes cidades, em intensa mobilidade social e mobilidade
entre as diferentes zonas da cidade. A alta rotatividade da populao determina o enfraquecimento
da dimenso da organizao social da comunidade entendida como uma atividade de controle
naturalmente exercida por uma comunidade ou vizinhana. Com esse enfraquecimento, o grupo
social primrio e suas principais instituies (famlia e igreja, por exemplo) restaram significativamente extenuados (Park e Burguess, 1925).
Shaw e McKay (1942) testaram empiricamente sua teoria com os dados de criminalidade
da dcada de 1930 em Chicago. Utilizaram observaes acerca dos padres espaciais e temporais
da mobilidade dos habitantes na cidade. Nesse ensejo, constataram diferenas de incidncia criminal entre as distintas zonas de Chicago. Aquelas mais prximas da regio central apresentaram
criminalidade mais concentrada no espao e ao longo do tempo. Mesmo com alta rotatividade de
residentes das zonas, o padro de criminalidade se manteve durante todo o perodo em anlise.
Assim, os autores concluram que nas zonas nas quais a desorganizao social estava em evidncia, os fatores criminais eram intrnsecos ao ambiente da comunidade ou vizinhana. Isso porque,
mesmo com a alta rotatividade de pessoas residentes das regies, as ocorrncias de crimes continuavam seguindo o mesmo padro, durante todo o perodo analisado (SHAW; McKAY, 1942).
De acordo com a teoria proposta por Shaw e McKay, algumas dimenses estruturais esto
diretamente relacionadas incidncia criminal: baixo status socioeconmico, heterogeneidade tnica e alta rotatividade ou mobilidade residencial.

A perspectiva terica apresentada anteriormente vincula dimenses sociais-estruturais incidncia


criminal. Uma forma de o analista criminal tentar aplicar essa teoria, ou verificar suas hipteses, investigar
os fatores indicados (ou uma determinada relao entre esses fatores) como possveis causas da criminalidade verificada em determinada regio. Para tanto, precisar ampliar seus esforos de pesquisa e consultar
bancos de dados no diretamente relacionados segurana pblica e, sim, aos aspectos socioeconmicos
e demogrficos.
As informaes socioeconmicas e demogrficas, em sua maioria, so de livre acesso. Elas se originam de pesquisas pblicas peridicas:
O censo scio-demogrfico: http://censo2010.ibge.gov.br/)

Pesquisa Nacional por Amostra de Domiclios do Instituto Brasileiro de Geografia e Estatstica
(IBGE): http://www.ibge.gov.br/home/estatistica/populacao/trabalhoerendimento/pnad2011/default.shtm)
A Pesquisa por Amostra de Domiclios de Minas Gerais, da Fundao Joo 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 Naes Unidas para o Desenvolvimento no Brasil: http://www.pnud.org.br/IDH/Atlas2013.aspx?indiceAccordion=1&li=li_Atlas2013) entre
outros.

53

ead.senasp.gov.br

Exemplo prtico 3:
O pesquisador Tlio Kahn, no estudo Taxa de Homicdios por Setor Censitrio no Municpio de So Paulo, relacionou as taxas de homicdios por setor censitrio do municpio de So
Paulo entre 2000 e 2003 s variveis sociodemogrficas do universo, com base no Censo de 2000
do IBGE. As variveis escolhidas foram: rendimento, anos de estudo, taxa de desemprego, participao de homens jovens no total da populao, anos de estudo e participao de cortios no
total de domiclios particulares permanentes. O autor utilizou as coordenadas geogrficas dos
homicdios dolosos e latrocnios do software Infocrim, para a distribuio dos homicdios em So
Paulo. A relao entre a taxa de homicdios e as variveis sociodemogrficas por setor censitrio
foi estimada por meio de regresso.
Os resultados da pesquisa apontaram que, apesar dos homicdios atingirem essencialmente homens jovens de baixa escolaridade e rendimento, setores censitrios pobres do municpio no apresentaram necessariamente altas taxas de homicdio entre 2000 e 2003. O estudo
conclui ento que a pobreza sozinha no explica as taxas de homicdio em So Paulo.

2.2. A teoria das atividades rotineiras


Diferentemente da teoria da desorganizao social, que busca analisar a relao entre variveis relacionadas dinmica socioeconmica e cultural e o espao em um recorte amplo, iremos agora estudar
duas teorias que possuem um vis mais micro. Mas o que significa isso exatamente?
Vamos comear pela teoria das atividades rotineiras. Ela procura explicar a ocorrncia dos eventos
criminais como resultado da confluncia, no tempo e no espao, de um ofensor motivado, um alvo desejado e a ausncia (naquele tempo e espao) de um guardio capaz. Essa teoria tambm se tornou conhecida
no Brasil como teoria do tringulo criminal (Clarke, Felson, 1998).

Figura 15 - Ilustrao do tringulo criminal

Assim, segundo essa teoria, a forma como esses fatores se apresentam no ambiente em que o evento criminal ocorre so essenciais para sua anlise. Em outras palavras, conforme ilustrado pela Figura 15, essa
teoria parte do pressuposto de que um evento criminal ocorre quando h um alvo seja uma pessoa
ou um objeto inanimado e um infrator em um mesmo lugar.
Alm disso, esses estariam desprovidos de controles que poderiam impedir a ocorrncia do crime.
No que se refere ao alvo, o controle poderia ser a prpria pessoa, a famlia, amigos, a polcia, colegas de
trabalho, segurana privado, entre outros.
Com relao ao ofensor, seu controle deveria ser exercido por um supervisor que tem a possibilidade de afetar suas aes, podendo ser: pais, esposas, maridos, irmos, entre outros.

54

Por fim, no que tange aos locais, vale ressaltar a importncia de seu administrador / gerente, tendo
em vista sua responsabilidade sobre o mesmo, tais como: donos de bares e restaurantes que comercializam
bebidas alcolicas, o motorista do nibus, o professor na sala de aula, a aeromoa em um avio e outros
(Felson, 1997; Clarke, Eck, 2005).
Ainda sobre os alvos, destaca-se que so quatro as dimenses que influenciam o risco de serem
abordados por um ato criminoso, so elas:

Sua valorizao, tal como atribuda pelo ofensor;

A inrcia do item, ou seja, o nvel de complexidade para superar as barreiras de seu
peso (ex: celulares so mais propcios de serem furtados do que televises);

A visibilidade ou exposio dada ao alvo; e

A disponibilidade de acesso ao mesmo.
Neste sentido, no seria somente a elevao do nmero de criminosos ou da motivao por cometer crimes que fariam crescer os ndices criminais de um determinado local. A oferta de uma maior
quantidade de alvos e/ou de menores quantitativos de guardies tambm impactariam diretamente nas
oportunidades de um crime ocorrer (Clarke; Felson, 1998).
Sendo assim, cabe ressaltar que, a utilizao da teoria das atividades rotineiras e, portanto, do tringulo de soluo de problemas envolve um estudo detalhado das dimenses que interferem na criao
de oportunidades propcias ao cometimento do crime. Por isso, compreender como so criadas oportunidades criminais ajudar voc, analista, a pensar sobre o que pode ser feito para impedir novos eventos,
por exemplo, utilizando os supervisores ou responsveis; ajudar as vtimas a reduzir suas probabilidades de
serem alvos; e, claro, intervir sobre os locais onde os problemas ocorrem, sejam escolas, bares ou estacionamentos, 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
observao sistemtica dos recursos situacionais de 100 endereos em que
pelo menos um homicdio foi cometido entre 2000 e 2006. Utilizou ainda, como
grupo de controle, a comparao com 100 endereos correspondentes onde
no foram cometidos homicdios na mesma favela.
A pesquisa teve por objetivo compreender como e por que fatores
situacionais podem criar oportunidades para o cometimento de homicdios,
por jovens do sexo masculino, principalmente aqueles envolvidos em locais de
trfico de drogas.
Os resultados mostraram que homicdios so mais provveis de ocorrer em locais configurados de maneira especfica, os quais facilitam a fuga por
parte dos criminosos e reduzem a quantidade de esforo e recursos que necessitam para escapar da captura. Essas configuraes so caracterizadas: pela
venda de drogas ilegais, a proximidade de bares, a preponderncia dos esconderijos, existncia de rotas de fuga e uma paisagem urbana irregular que limita
a vigilncia por parte de residentes e do pblico em geral.
Souza, Elenice. Fatores Situacionais no Nmero de Homicdios em uma
Favela Brasileira Oprimida pela Violncia [Situational Factors in Homicides in a
Violence-Ridden Brazilian Favela. Dissertation - Newark Rutgers, The State University of New Jersey (2010)].

55

ead.senasp.gov.br

2.3. A teoria dos padres criminais


Essa a ltima teoria que ajuda a explicar a distribuio do crime no espao que voc estudar
nessa aula. Ela tambm se baseia na anlise micro. Concentre-se!
Segundo essa perspectiva terica, a distribuio de ofensores, alvos, administradores, guardies ao
longo do tempo e espao descrevero padres criminais. A teoria explora as interaes entre ofensores e
seus ambientes, e a forma como alvos despertam a ateno dos ofensores, o que influencia a distribuio
dos eventos criminais no tempo e no espao (Brantingham e Brantingham, 1993). Vejamos como isso ocorre.
Segundo Marcus Felson (2002), uma das formas de se explicar como ofensores encontram alvos
por meio da sobreposio das atividades espaciais de ofensores e vtimas. O conceito de atividades espaciais fundamental na teoria dos padres criminais. Pat Brantingham e Paul Brantingham (1993) utilizam
esse conceito para descrever como ofensores encontram alvos no decorrer de suas rotinas dirias.
Para a anlise de como as pessoas e objetos envolvidos em eventos criminais se movem no espao
e no tempo, trs conceitos principais so mobilizados: ns, caminhos e fronteiras.
Ns: Referem-se aos locais de onde e para onde as pessoas se deslocam em suas rotinas dirias.
So, por exemplo, a residncia, o local de trabalho e aqueles frequentados pelas pessoas para recreao ou
lazer. Esses lugares podem ser propcios ocorrncia de crimes, tanto no seu interior, como em suas proximidades.
Caminhos: Potenciais ofensores podem encontrar alvos nos locais visitados durante sua rotina pessoal (entre sua residncia, escola, trabalho e locais de entretenimento) e nos caminhos entre eles. medida
que conduzem suas atividades rotineiras legtimas, eles se atentam ou se tornam cientes de oportunidades
criminais. Assim, oportunidades criminais que no se encontram prximas aos locais ou caminhos por onde
os ofensores rotineiramente se deslocam tm poucas chances de chamar sua ateno. Ao contrrio, as oportunidades criminais encontradas em lugares que chamam a ateno dos ofensores tm um risco maior de
se tornarem eventos criminais. Segundo Clarke e Eck (2005), a teoria parte do suposto de que mais fcil
cometer crimes (ou pelo menos parte deles) no decorrer de suas atividades rotineiras, do que fazer um deslocamento especfico para esse fim. Da mesma forma, os caminhos que as pessoas utilizam em suas atividades cotidianas estariam relacionados aos locais onde se tornam vtimas de crimes. por isso que a teoria dos
padres do crime presta ateno para a distribuio geogrfica da criminalidade e para o ritmo dirio das
atividades tanto de (potenciais) ofensores quanto de (potenciais) vtimas.
Fronteiras: Referem-se aos limites das reas onde as pessoas vivem, trabalham, fazem compras ou
buscam entretenimento. Segundo seus tericos, alguns tipos de crimes so mais provveis de ocorrer nas
fronteiras justamente porque pessoas de diferentes vizinhanas, que provavelmente no conhecem umas
s outras, encontram-se nesses locais.
Importante!
Segundo Clarke e Eck (2005), os caminhos utilizados pelas pessoas em suas atividades rotineiras e
os ns onde elas se alocam explicam o risco de vitimizao, bem como os padres da ao criminal.
Geram-se assim mapas criminais para relacionar diferentes tipos de crime a diferentes tipos de
fluxos de pessoas. Voc tambm pode utilizar qualquer outra ferramenta que indique o deslocamento das
pessoas entre ns e/ou ao longo de caminhos. Alguns tipos de crimes se concentram onde h aglomerao
de pessoas, enquanto outros, onde h ausncia. A figura 16 a seguir ilustra essa dinmica:

56

Figura 16 - Ilustrao de mapeamento feito a partir a teoria dos padres criminais

Qual a diferena entre a Teoria das Atividades Rotineiras e a Teoria


dos Padres Criminais?
As duas ltimas teorias estudadas, a Teoria das Atividades Rotineiras e a Teoria dos Padres Criminais, partem de uma anlise micro
das dinmicas criminais no espao. Ambas oferecerem hipteses convergentes. No obstante, elas podem dar vazo a diferentes explicaes dos
crimes para locais especficos. Dado um conjunto de locais com altos ndices de criminalidade, a Teoria das Atividades Rotineiras se concentra nos
comportamentos dos alvos e na possvel ausncia de controladores, cuja
presena pode prevenir o evento criminal.
A Teoria dos Padres Criminais, por sua vez, foca em como os
ofensores descobrem e acessam determinados locais. Em outras palavras,
para a Teoria dos Padres criminais, certos locais so problemticos, devido aos tipos de pessoas presentes e ausentes.
Assim, as explicaes para crimes ou dinmicas criminais espaciais
especficos mostram que, para alguns deles, a Teoria das Atividades Rotineiras uma explicao til; para outros, a Teoria dos Padres Criminais
oferece maiores esclarecimentos (Eck e Weisburd, 1995, p. 6-7).

Agora que voc j estudou algumas das principais teorias que so utilizadas na anlise criminal, ns
abordaremos daqui em diante algumas de suas aplicaes mais comuns: a anlise de hot spots, o estudo
das jornadas dos ofensores, a anlise da migrao (ou deslocamento) criminal e a difuso dos benefcios das
intervenes em segurana pblica.

57

ead.senasp.gov.br

Aula 3 Clusterizao ou a concentrao de eventos em determinados locais


Nesta aula, voc vai estudar um fenmeno destacado pela ltima teoria que voc aprendeu,
a Teoria dos Padres Criminais. a chamada clusterizao ou concentrao de eventos criminais em
determinadas regies ou pontos do espao.
Voc j deve ter percebido que os eventos criminais no esto distribudos uniformemente no espao; em todo e qualquer nvel de agregao, algumas reas geogrficas possuem menos crime do que outras
(BRANTINGHAM e BRANTINGHAM, 1982). Essas reas tm sido chamadas mais recentemente de hot spots,
ou zonas quentes de criminalidade.
3.1. Tipos de hot spots
A identificao dos hot spots ou zonas quentes importante na anlise da dinmica criminal de
uma localidade. Essas regies especficas so aquelas em que o crime se concentra (devido s repeties).
Sua anlise se torna fundamental para focar a implantao de aes segurana nos locais certos (Vellani,
2010).
Clark e Eck (2005) propem uma taxonomia para classificar as diferentes formas de hot spots, no
excludentes entre si:

hot spots geradores de criminalidade: Locais que atraem um grande nmero de pessoas
desprovidas de pretenses criminais. A concentrao de pessoas aumenta o volume de oportunidades e de
alvos para o cometimento de crimes. Nessas localidades, o trfego de pessoas bastante intenso. Eventos
esportivos e festivais de msicas so exemplos desses locais.

hot spots atratores de criminalidade: Locais onde existem muitas oportunidades para o
crime e que so de conhecimento dos infratores. Esses locais atraem os infratores que, posteriormente, se
fixam neles. Um exemplo so as regies em que, rotineiramente, h alta concentrao de veculos, como as
regies hospitalares ou proximidade de universidades.

hot spots facilitadores da criminalidade: Locais onde as regras ou controle sobre os comportamentos so falhos ou inexistentes, ou seja, onde existe baixo grau de proteo ou gerenciamento de
condutas. Praas pblicas desprovidas de vigias ou guardas que inibem vandalismo ou trfico e consumo de
drogas so bons exemplos desse tipo de hotspot (Clarke, Eck, 2005).
Pat e Paul Brantingham (1995) sugerem que um determinado local tambm pode ser considerado
neutro. Isso significa que eles no interessam aos ofensores e aos alvos, e a regulamentao dos comportamentos bem definida e aplicada. As localizaes que no so consideradas hot spots so assim, visto que
possuem baixa ocorrncia de crimes e esses, de forma geral, no possuem padres claramente identificveis no espao.
Clarke e Eck (2005) propem uma classificao complementar que considera as caractersticas do
crime envolvido: hot spots agudos e hot spots crnicos.
Os hot spots agudos so aqueles possuidores de picos anormais de ocorrncia criminal que, em
seguida se reduzem sem intervenes externas.

58

Grf. 1. Ilustrao de hot spot agudo, com picos anormais de criminalidade em 2004 e 2007
Os hot spots crnicos so aqueles locais que constantemente possuem altos ndices de criminalidade. Por isso, eles demandam aes externas para a reduo da criminalidade.

Graf. 2. Ilustrao de hot spot crnico


Ratcliffe (2004), por sua vez, divide os hot spots crnicos em trs tipos:

59

ead.senasp.gov.br

a) pontos quentes: Locais especficos com grande volume de crimes (ex: bares);
b) linhas quentes: Referem-se incidncia criminal ao longo de ruas, avenidas ou semelhantes;
c) reas quentes: Englobam um territrio maior do que os anteriores, como os bairros. A rea quente pode apresentar vrios problemas divergentes e isolados ou um grupo de problemas uniformes.
A tabela 5 relaciona o tipo de hot spot crnico com sua rea de concentrao, a melhor forma de
plot-lo em um mapa, o nvel local de ao e exemplos de aes para reduo da criminalidade.

Tabela 5 Relao dos tipos de hot spots crnicos com a forma de represent-los no mapa e
o nvel de ao exigida para enfrentar o problema.
Fonte: baseado em Ratcliffe, 2004.
A regra de Pareto (80-20)
Para a identificao de hot spots e outros tipos de concentraes, como a reincidncia de infratores,
pode-se utilizar o princpio de Pareto ou regra 80-20, embora ele seja comumente aplicado em estudos
econmicos. Segundo foi definido por Vilfredo Pareto, por volta de 1897, a maior parte (80%) dos valores
de um grupo so oriundos de apenas 20% de seus componentes ou, em outras palavras, a proporo de
eventos causadores de problemas 20 em 80. Neste sentido, esta regra til na verificao e localizao
dos mais importantes e prioritrios problemas em determinado espao de tempo (CHIAVENATO, 2006).
Na anlise criminal, atravs deste mtodo possvel a descoberta de concentraes criminais,
sejam sobre pessoas, lugares ou coisas. Isso significa que:

A maior parte de criminosos so reincidentes;

As vtimas se repetem;

Alguns locais concentram a criminalidade;

Certos produtos costumam ser alvos de atitudes criminosas mais do que outros; e

Alguns estabelecimentos so mais almejados do que outros por ofensores.
Assim, para chegar a concluses sobre concentraes, o analista deve seguir as seguintes etapas:
a)
Listar as pessoas, os produtos ou os locais com os quais est trabalhando e agregar a cada um
a frequncia simples de repetio das ocorrncias;
b)
Classific-los em ordem decrescente de acordo com o quantitativo obtido;
c)
Calcular a frequncia percentual simples de cada item da lista;
d)
Calcular a frequncia percentual acumulada de ocorrncia, iniciando do maior para o menor;
e)
Calcular o percentual do quantitativo acumulado de cada produto, pessoa ou lugar; e
f)
Comparar as frequncias acumuladas de ocorrncias com aquelas do volume de itens.

60

Ao final, o analista ser capaz de dizer qual percentual de crimes (frequncia da etapa d) ocorre
com maior intensidade em um determinado grupo de pessoas, lugares ou produtos (CLARKE; ECK, 2005).
Tendo em vista a lgica da regra 80-20, necessria a identificao daqueles estabelecimentos de
risco. Ou seja, locais onde h maiores chances de ocorrncias de eventos criminais do que em outros. So
exemplos: postos de combustveis, lojas de convenincia, bancos, escolas, paradas de nibus, entre outros.
Alm disso, as possveis razes que elevam o indicador de risco destas localidades so:







A variao aleatria de localizao destas


O quantitativo de registros policiais efetuados
A presena de produtos quentes
A localizao dos estabelecimentos
As vtimas repetidas
O alto volume de alvos
Os atratores de criminalidade
A m gesto do local (o que inclui o poder de controle dos gerentes).

Alm disso, um analista deve sempre se atentar para a possibilidade de haver vitimizao repetida
relacionada a um determinado crime. De forma mais especfica, este fenmeno refere-se a um risco elevado
de que a mesma vtima venha a sofrer novamente nos dias imediatos ou semanas aps o crime anterior.
(CLARKE; ECK, 2005, p.71). Assim, dentro da regra 80-20, a maior parte das vitimizaes recai sobre um
pequeno nmero 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 vitimizaes no perodo de um ano, sendo que as explicaes para as repeties das vtimas esto relacionadas a
crimes como os de violncia domstica, agresses sexuais, roubos e furtos de carros. Assim, importante saber que, o conhecimento relacionado ocorrncia de vtimas repetidas, auxilia em previses acerca de
quem e quando h maior risco de vitimizao envolvido.
Por outro lado, a reincidncia de criminosos tambm ocorre em grande proporo e existem duas
explicaes bsicas para esse fato:
a)
Alguns indivduos mais impulsivos e com baixo vnculo social tendem a cometer mais crimes
do que outros; e
b) Aqueles expostos, com maior frequncia, s oportunidades e ao ambiente de desordem e
criminalidade esto mais propcios a caminharem e a se manterem nesta mesma direo.
Para detectar a reincidncia de ofensores durante anlises criminais, testes com a regra 80-20 podem ser feitos. Entretanto, de forma geral, difcil detectar quais so os autores dos eventos ocorridos, visto
que, a identidade dos mesmos nem sempre evidenciada.
Apesar disso, como j sugerido anteriormente, os autores reforam que a realizao de entrevistas
com infratores capturados pode trazer um leque de informaes teis para as estratgias de preveno e,
ainda que de forma parcial, seria uma forma de entender de fato o porqu da reincidncia. Ou seja, quando
h informao especfica de que poucas pessoas so responsveis por mais de um problema, pode ser produtivo concentrar-se nesses indivduos. (CLARKE; ECK, 2005, p.73).
Seguindo a mesma lgica anterior, os produtos buscados por infratores, de forma geral, so recorrentes. Isso significa que alguns deles possuem maior risco de serem alvos do que outros. Como exemplos tm-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 traar estratgias preventivas no sentido de revesti-los de maior
segurana.

61

ead.senasp.gov.br

Frum Brasileiro de Segurana Pblica. Os Donos do Morro: Uma anlise exploratria do impacto das Unidades de Polcia Pacificadora (UPPs) no Rio de Janeiro
(2012).
As UPPS so intervenes formuladas com base na anlise de reas consideradas hot spots crnicos.
O Frum Brasileiro de Segurana Pblica, em 2012, realizou a pesquisa Os
Donos do Morro: Uma anlise exploratria do impacto das Unidades de Polcia Pacificadora (UPPs) no Rio de Janeiro.
Entre outros instrumentos analticos, utilizou-se o mapeamento. Os mapas
a seguir mostram que aps a implantao da UPP da Cidade de Deus, as mortes
violentas no seu entorno reduziram (pontos azuis e vermelhos nos mapas de pr- e
ps- UPP, respectivamente).

Mapa 1: Total de Mortes Violentas no Entorno da Circunscrio da UPP de Cidade de Deus


(Raios de 250, 500, 1.000 e 1.500 m.) Antes e Depois da implantao da UPP.
Fonte: Frum Brasileiro de Segurana Pblica, 2012.

Esse resultado subsidia a hiptese de impacto da implantao da UPP. No entanto, precisa-se testar essa hiptese por meio de metodologias especficas de avaliao de
impacto, como vimos no Mdulo II do curso.

Aula 4 O estudo da jornada do ofensor


Nesta aula voc vai conhecer os estudos que analisam a jornada do ofensor.

62

Analistas criminais utilizam os fundamentos das teorias que voc estudou na Aula 2 para investigar
padres relacionados forma como os ofensores se deslocam no espao. Neste sentido, no somente locais
e regies, mas tambm o deslocamento constitui varivel fundamental na anlise da dinmica espacial dos
padres do crime.
Investiga-se, assim, a mobilidade ou a jornada do ofensor distncia percorrida pelo ofensor at
o local onde comete o crime. Para isso, os analistas utilizam dados oficiais sobre os locais onde se efetuou a
priso do ofensor, que so oriundos dos registros policiais ou dos processos judiciais, como voc estudou na
Aula 1. Dois aspectos relacionados mobilidade do ofensor distncia percorrida e direo tornam-se assim objetos dos estudos de jornada do ofensor.
A distncia percorrida e a direo so medidas de vrias formas. No entanto, a maioria dos estudos
a calculam pela relao entre o endereo do crime e o endereo da residncia do ofensor.
Conhea alguns mtodos para se fazer este clculo, segundo apresentados por Chainey e Ratcliffe
(2005):

O mtodo mais fcil para calcular a distncia entre a residncia do ofensor e o local de ocorrncia do crime denomina-se mtodo Euclidiano, por ser, simplesmente, a distncia em linha reta entre
esses dois pontos.
O mtodo Manhattan calcula a distncia entre dois pontos como a soma dos segmentos
de retas tanto na vertical quanto na horizontal, como se o trajeto tivesse que contornar um quarteiro (ou
bloco) retangular para ir de um ponto ao outro.

O mtodo Rota de Rua calcula a menor distncia em termos de trajetria seguindo a malha
da rua entre o local de residncia do ofensor e o local do crime.

Fig. 6. Mtodos para se calcular a jornada do ofensor - Euclidiano.

Fig. 7. Mtodos para se calcular a jornada do ofensor - Manhattan.

63

ead.senasp.gov.br

Fig. 8. Mtodos para se calcular a jornada do ofensor - Rota de rua.


O mtodo Euclidiano e de Manhattan no levam em considerao as barreiras fsicas que podem
obstruir a trajetria a percorrer, tais como rios, linhas de trem etc. Isso faz com que muitos analistas assumam
o mtodo Rota de Rua como o mais acurado (e que apresenta a distncia mais longa) dentre os trs.
No entanto, quando comparados os trs mtodos, em estudos empricos, o mtodo Manhattan e a
Rota de Rua indicaram distncias muito similares o mtodo Rota de Rua apresentou distncias ligeiramente
menores do que aquele. Dada a maior dificuldade em se usar o mtodo Rota de Rua e a consistncia entre
os dois em termos de distncias, a medida aferida pelo mtodo de Manhattan usada como uma boa proxy
da distncia percorrida.
Sua facilidade, sua comparabilidade para fins de mapeamento criminal e sua maior acurcia em
comparao com o mtodo Euclidiano (esse calcula uma distncia geralmente 20% menor do que a real), faz
com que se recomende mais o uso do mtodo Manhattan (Chainey e Ratcliffe, 2005).
Leia, a seguir, uma reviso de alguns estudos empricos realizados nos Estados Unidos sobre jornada de ofensores, para que voc possa entender sua utilidade e, quem sabe, replic-los utilizando dados
coletados no Brasil:
Reviso de alguns estudos empricos
Eck e Weisburd (1995) revisaram alguns estudos empricos realizados nos Estados Unidos. Selecionamos aqui alguns dos resultados:

As distncias percorridas pelo ofensor ou jornada de sua residncia aos locais do crime geralmente so curtas; alm disso, o nmero de ofensas cai rapidamente medida que se afasta da residncia do
ofensor (Capone e Nichols, 1976; Philips, 1980; Rhodes e Conley, 1981).

Brantingham e Brantingham (1981) sustentam a hiptese de que os ofensores evitam alvos
imediatamente adjacentes s suas casas para evitarem ser reconhecidos.

A mobilidade tambm 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 especficos.
O exame dos ofensores presos mais de uma vez pela Narcticos de New Jersey, mostra que era muito improvvel que um criminoso fosse preso em locais adjacentes onde houvesse mercados de drogas; era mais
provvel que um ofensor contumaz fosse preso em um distrito diferente da cidade do que em um local de
mercado de drogas que ficasse h apenas uma quadra ou duas de distncia.

64

Os estudos indicam limitaes ou condicionantes da procura dos ofensores por locais onde iro
cometer crimes; por outro lado, essa escolha no parece ser aleatria. A idade, a raa, o sexo e o tipo de crime
afetam a estratgia de busca, medida que essas variveis 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 expresso, conceito utilizado pela criminologia norte-americana para se referir a
crimes como estupros e leso corporal, so geralmente cometidos mais perto da residncia 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 distncias maiores que ofensores que roubam indivduos (Capone e Nichols, 1976).

Para negociantes de drogas foi encontrada a menor distncia percorrida, dentre todos os tipos de ofensores estudados deteu-se uma grande proporo em seu prprio endereo. Isso se explica pelo
fato de que a maioria comete o crime em sua prpria residncia (Eck, 1992).

Os estudos sobre a mobilidade do ofensor, que investigam a direo da mobilidade, demonstraram de maneira consistente que os ofensores se movem de reas residenciais com menos alvos para regies com maior nmero de alvos (Boggs, 1965; Philips, 1980; Constanzo et al, 1986). Se as reas residenciais
dos ofensores so ricas em alvos, ento as distncias percorridas so mais curtas (Rhodes e Conley, 1981).

medida que a distribuio de alvos em uma regio metropolitana muda, a direo e distncia percorrida pelos ofensores segue os alvos (Lenz, 1986).
Com frequncia, interpretam-se os estudos anteriores como evidncias de um comportamento racional e fortemente decisionstico. No entanto, como a aula 2 mostrou, eles so consistentes com duas distintas hipteses acerca de como os ofensores selecionam seus alvos:

Ofensores buscam alvos atrativos com baixa vigilncia (explicao consistente com a Teoria
das Atividades Rotineiras);

Ofensores investem sobre as oportunidades quando elas aparecem em suas atividades rotineiras no criminais (explicao consistente com a Teoria dos Padres Criminais).
Os defensores da segunda explicao argumentam que, se os ofensores fossem procuradores
agressivos de alvos, ento oportunidades mais perto de suas residncias seriam vitimizadas de forma mais
frequente. No entanto, isso no o que apontam os estudos empricos. Diversamente, ofensores encontram
oportunidades, em sua maioria, quando se deslocam para suas atividades legtimas, ou seja, para o trabalho,
para a escola, ou mesmo para lojas, locais de recreao e outros lugares em que realizam atividades comuns.
Nesses locais, podem encontrar oportunidades criminais.
Os analistas tambm argumentam que os mapas cognitivos dos ofensores no incluem muita informao sobre as reas pelas quais passam, mas so geralmente muito ricos em detalhes no que se refere
aos locais aonde vo por motivos legtimos, como os apontados (BRANTINGHAN e BRANTINGHAN, 1981).
Saiba mais
Para aprofundar seus conhecimentos, leia a sntese de uma pesquisa realizada na Inglaterra que
examinou a hiptese de que, devido s facilidades em mobilidade, ofensores se deslocam para longe de sua
residncia para cometerem crimes.
Acesse o arquivop AC2_mod5_pesquisa na biblioteca do curso

65

ead.senasp.gov.br

Aula 5. Deslocamento criminal e difuso de benefcios


Nesta aula voc vai estudar as possibilidades de deslocamento (ou migrao criminal) e tambm a chamada difuso de benefcios.
Um dos primeiros trabalhos na literatura que se atentou para o deslocamento espacial do crime foi
Repetto (1976). Esse tema de muito interesse para os formuladores de polticas de preveno e combate
criminalidade. Se o crime desloca, ento polticas focadas em reas especficas, como polticas para hot
spots, devem tambm considerar o entorno desses locais. O caso da interveno policial na cracolndia,
em So Paulo, recentemente, um bom exemplo da importncia dessa problemtica na formulao de intervenes. Quando os policias entraram no local (onde havia alta concentrao de usurios de crack) e os
retiraram de l, esses se deslocaram para outras reas da cidade.
Assim, quando se intervm em uma rea, os delitos podem simplesmente desaparecer ou ento
passarem a ser cometidos em outros locais, fora da rea focada pela interveno.
O deslocamento, no importa sua extenso, pode ser em si uma ferramenta importante na preveno e combate ao crime. Pode-se otimiz-lo, ou seja, usar o deslocamento de forma positiva na preveno e
combate criminal, por meio da identificao da sua melhor forma e temporalidade.
Mas antes de entrarmos nesta questo, vamos falar dos tipos de deslocamento. A teoria do deslocamento prev que a mobilidade da criminalidade pode ocorrer de cinco formas:

Deslocamento geogrfico: passa-se a cometer o crime em locais no cobertos pela interveno.

Deslocamento temporal: passa-se a cometer o crime em perodos diferentes.

Deslocamento entre alvos: troca-se o alvo do crime.

Deslocamento ttico: muda-se a forma (mtodo ou estratgia) 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 emprica raramente a
corrobora. H um conjunto crescente de evidncias que sugerem que o deslocamento raramente total,
frequentemente ausente ou no possui consequncias relevantes (Gabor, 1990; Barr e Pease, 1990; Clarke,
1992; Eck, 1993; Hesseling, 1995). Uma dificuldade relacionada verificao do deslocamento nos locais de
estudo que ele com frequncia um tema secundrio das pesquisas. O deslocamento, em geral, torna-se
importante em estudos que mensuram o impacto de um tratamento e, raramente recebe a adequada preocupao metodolgica (Weisburd e Green, 2004).
Clarke e Eck (2005) analisaram quatro revises da literatura sobre o assunto, feitas para estudos da
Inglaterra, EUA, Canad 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, sempre limitado, pois os ofensores encontram dificuldades de se adaptar de maneira rpida. Isso
sugere que o deslocamento pode ser previsto antecipando-se as mudanas mais fceis que os ofensores
podem realizar.
Essa ideia, tambm chamada de ameaa presumida do deslocamento, desenvolveu-se a partir da
concepo ou vis da criminologia tradicional, focada no comportamento. O uso da Teoria da Escolha Racional ou da Teoria das Atividades Rotineiras como base para a pressuposio dos efeitos de deslocamento
resultaria em uma taxa menor de deslocamento, dado que o volume de crime dependente tanto do nmero de alvos provveis e guardies capazes, assim como de ofensores.
Nessa linha, Clarke e Eck (2005) oferecem uma possvel explicao para a no existncia de deslocamento: a teoria do deslocamento negligencia o papel da inteno e das oportunidades criminais. Os autores
argumentam que muitos criminosos no precisam necessariamente cometer o crime, tm pouco comprometimento com a ao, no tm que aferir determinada quantia ou prmio decorrente da ao criminal; ou
podem possuir alternativas viveis de sustento, disponveis quando a ao criminal no compensar.

66

No entanto, os autores no acreditam que se possa ignorar o deslocamento. Ele provavelmente


ocorre quando os custos de deslocamento do ofensor no superam os benefcios, mas bem menor do que
comumente se acredita. Sherman e Weisburd (1995) argumentam que teoricamente importante mostrar
que crimes podem ser desencorajados em hot spots, independente do fenmeno do deslocamento.
5.1. Difuso de benefcios
Estudos recentes sugerem que os analistas devem considerar a difuso de benefcios, um fenmeno
oposto ao deslocamento criminal. Clarke e Weisburd (1994) cunharam o termo difuso de benefcios para
caracterizar o tipo de situao, no qual as intervenes de preveno criminal difundem seus resultados
positivos para alm do objetivo planejado, ou seja, os benefcios da interveno se estendem para alm dos
locais aos quais estava inicialmente direcionada. A difuso de benefcios aumenta a eficcia prtica das estratgias focalizadas de preveno ou combate criminalidade.
Como exemplo, Clarke e Eck (2005) citam a estratgia da Universidade de Wisconsin, de colocar
etiquetas eletrnicas nos livros para reduo de furtos. Essa estratgia resultou em menos furtos de livros.
Alm disso, os furtos de fitas de videocassete e outros materiais, que no foram marcados, tambm se reduziram. Outro exemplo citado pelos autores a estratgia de instalao de cmeras de filmagem em alguns
cruzamentos, na cidade de Strathclyde, Esccia. O resultado foi no somente a reduo nos avanos de sinais
nesses locais, mas tambm em outros cruzamentos ao redor. A explicao dos autores aventa a hiptese de
que os potenciais ofensores provavelmente tomaram conhecimento da introduo das medidas de preveno, mas sem ter certeza de seu foco preciso.

Preveno e controle de homicdio


Os autores fazem a avaliao econmica do programa Fica Vivo na favela piloto de
implantao, chamada Morro das Pedras, em Belo Horizonte. O Fica Vivo um programa
pioneiro na aplicao de estratgias de preveno e controle de criminalidade baseada em
hot spots, no Brasil. Seu principal objetivo a reduo dos homicdios nas reas de hot spots,
que geralmente so favelas.
Os autores estimaram o impacto por meio da metodologia de Pareamento com Diferenas em Diferenas com base em dados dos registros de ocorrncias da Polcia Militar de
Minas Gerais, georeferenciados entre os anos de 2000 e 2006. Alm disso, usaram os dados
da Secretaria de Defesa Social sobre os custos do programa. Os resultados mostram que o
programa teve impacto na reduo da taxa de homicdio na rea tratada e que os seus benefcios superaram em muito os custos.
Para testar a possibilidade de difuso dos benefcios ou deslocamento criminal, os
autores estimaram, tambm, o impacto do programa nas reas do entorno da favela onde
ocorreu a interveno. Os resultados indicam a existncia de difuso dos benefcios, pois o
programa tambm reduziu os homicdios no entorno da rea 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, Philadelphia.

Portanto, esses exemplos mostram que os benefcios da preveno criminal das intervenes podem ser maiores do que o previsto inicialmente. Uma forma de promover esse aumento, sugerido pela hiptese de Clarke e Eck, a publicidade da interveno.

67

ead.senasp.gov.br

Nota
Segundo o portal eletrnico das UPPs (Unidades de Polcia Pacificadora) do estado do Rio de Janeiro, as operaes so divulgadas previamente na
mdia com o objetivo de fragilizar os criminosos, alm de informar ao cidado
sobre o acontecimento das mesmas, garantindo-lhe a devida segurana vida.

Dessa forma, percebe-se que difuso de benefcios podeser importante para aumentar a eficcia
prtica das estratgias de preveno situacional.
Outro exemplo de estratgia conhecida, no sentido de dar publicidade s intervenes de preveno, so as campanhas relativas ao uso do bafmetro em operaes de trnsito. Em geral, a divulgao na
mdia tem um impacto grande e imediato na reduo do ato de dirigir alcoolizado; no entanto, medida que
os motoristas vo tendo conhecimento dos locais das Blitze ou desenvolvem ferramentas para dribl-las, o
uso de lcool no trnsito pode voltar a aumentar novamente. Veja s o exemplo a seguir:
Twitter BlitzBH estratgia de adaptao dos indivduos s intervenes
No ms de abril de 2013, a polcia civil de Minas Gerais abriu inqurito solicitando Justia autorizao para identificar cidados que avisam sobre operaes de trnsito em Belo Horizonte. O objetivo
indici-los por atentado segurana ou ao funcionamento de servios de utilidade pblica, crime previsto
no artigo 265 do Cdigo Penal. A conta Blitz BH, no twitter, tem aproximadamente 80 mil seguidores e mais
de 16 mil mensagens postadas. Embora sejam utilizadas tambm para veiculao de informaes de trnsito
em geral, como pontos de congestionamento, acidentes e furtos e roubos de veculos, o Blitz BH foi criado tendo como principal objetivo alertar aos seguidores sobre a presena da polcia em ruas e avenidas e a
localizao dos pontos de operaes da Lei Seca.
Leia a matria completa na biblioteca do curso (AC2_mod3_estudo de Weisburd).
SAIBA MAIS...
Antes de fazer os exerccios, leia o estudo de Weisburd e seus colegas sobre deslocamento criminal
e difuso de benefcios. O estudo foi resumido de forma a lhe apresentar a metodologia do mesmo e possibilitar que voc, no futuro, possa replic-lo a partir de dados coletados no Brasil.
Veja o arquivo AC2_mod3_estudo de Weisburd na biblioteca do curso

Finalizando...
Neste mdulo, voc aprendeu que:

H um conjunto de estudos que analisam as localidades como unidade de anlise. Nesses
estudos, eventos criminais apontam devido s caractersticas dos locais onde ocorrem. Essas pesquisas buscam entender como as estruturas fsico-ambientais e outras caractersticas de uma dada localidade alteram
as estruturas de oportunidades para o cometimento de crimes.

As vrias teorias criminolgicas ajudam o analista a orientar sua busca pela definio do problema criminal e posterior proposio de estratgias de enfrentamento.

A identificao dos hot spots ou zonas quentes importante na anlise da dinmica criminal
de uma localidade. Essas regies especficas so aquelas em que, devido s repeties, o crime se concentra.
Sua anlise se torna fundamental para focar a implantao de aes segurana nos locais certos (Vellani,
2010).

68

No somente locais e regies, mas tambm o deslocamento constitui varivel fundamental na anlise da dinmica espacial dos padres do crime.

Estudos recentes sugerem que os analistas devem considerar a difuso de benefcios, um fenmeno oposto ao deslocamento criminal. A difuso de benefcios aumenta a eficcia prtica das estratgias
focalizadas de preveno ou combate criminalidade.
Exerccios
1) Crie hipteses explicativas para a concentrao de determinados tipos de crimes nos
seguintes locais: bares, escolas, estacionamento de hotis, estdios de futebol. Para dois deles, utilize
a Teoria das Atividades Rotineiras; para os dois restantes, a Teoria dos Padres Criminais.
Utilize o menu Minhas anotaes da plataforma de ensino para anotar sua resposta.
2. Relacione os tipos de hot spots sua definio:
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 crnicos
( ) So aqueles possuidores de picos anormais de ocorrncia criminal que, em seguida, reduzem-se
sem intervenes externas.
( ) Locais onde as regras ou controle sobre os comportamentos so falhos ou inexistentes, ou seja,
onde existe baixo grau de proteo ou gerenciamento de condutas.
( ) Demandam aes externas para a reduo da criminalidade, pois so locais que constantemente
possuem altos ndices de criminalidade.
( ) Locais que atraem um grande nmero de pessoas desprovidas de pretenses criminais. A concentrao de pessoas aumenta o volume de oportunidades e de alvos para o cometimento de crimes. Nessas
localidades, o trfego de pessoas bastante intenso.
( ) Localizaes que no so consideradas hot spots, visto que possuem baixa ocorrncia de crimes
e esses, de forma geral, no possuem padres claramente identificveis no espao.
( ) Locais onde existem muitas oportunidades para o crime e que so de conhecimento dos infratores. Esses locais atraem os infratores que, posteriormente, se fixam neles.
3) Calcule, em metros, as distncias percorridas, utilizando o mtodo euclidiano e Manhattan
aprendidos na aula. Lembre-se das aulas do Mdulo II: fique atento escala indicada no mapa.

Utilize o menu Minhas anotaes da plataforma de ensino para anotar sua resposta.

69

ead.senasp.gov.br

Gabarito
Atividade 1: Dica: Ao criar suas hipteses lembre-se que: a teoria das atividades rotineiras procura
explicar a ocorrncia dos eventos criminais como resultado da confluncia, no tempo e no espao, de: um
ofensor motivado, um alvo desejado e a ausncia, naquele tempo e espao, de um guardio capaz. Por sua
vez, na teoria de padres criminais, a distribuio de ofensores, alvos, administradores, guardies ao longo
do tempo e espao descrevero padres criminais. A teoria explora as interaes entre ofensores e seus
ambientes, e a forma como alvos despertam a ateno dos ofensores, o que influencia a distribuio dos
eventos criminais no tempo e no espao (Brantingham e Brantingham, 1993).
Atividade 2: Resposta correta: 1 E; 2 C; 3 F; 4 A, 5 D; 6 - B).
Atividade 3: Mtodo Manhattan: distncia vertical (200m) + distncia horizontal (400m) = 600m
Mtodo Euclidiano: a distncia em linha reta equivale hipotenusa do tringulo reto. Logo,
x2 = (200)2 + (400)2
x = 447,21m

70

Referncias Bibliogrficas

BABBIE, E. Mtodos de Pesquisa em Survey. Belo Horizonte: Editora da UFMG, 1999.

BARBETTA P. A.; Reis, M. M.; BORNIA, A. C., Estatsticas para cursos de engenharia e informtica, 2 edio, So 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.; ASSUNO, R. Sistemas de informao georreferenciados em segurana. In: Beato (org.). Compreendendo e avaliando: projetos de segurana pblica. 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. BRANTINGHAM and P.L. BRANTINGHAM (eds.), Environmental Criminology. Beverly Hills, CA: Sage (1981).

BRANTINGHAM, P.L.; BRANTINGHAM, P.J. Residential Burglary and Urban Form Urban Studies 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 Pattern 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 Behavioral Scientist 20:199-213 (1976).

CHIAVENATO, I. Administrao geral e pblica. Rio de Janeiro: Elsevier, Srie Provas e Concursos, 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 Reverse 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).

Frum Brasileiro de Segurana Pblica. Os Donos do Morro: Uma Avaliao Exploratria do
Impacto das Unidades de Polcia Pacificadora (UPPs) no Rio de Janeiro. Frum Brasileiro de Segurana Pblica em cooperao com o Laboratrio de Anlise da Violncia (LAV-UERJ). Financiado pela CORPORAO
ANDINA DE FOMENTO - CAF (2012). Disponvel em: http://www2.forumseguranca.org.br/sites/default/files/
Relatorio%20final_CAF.pdf

71

ead.senasp.gov.br


FRISBIE, D., G. FISHBINE, R. Hintz, M. Joelsons and J.B. Nutter. Crime in Minneapolis: Proposals for Prevention. St. Paul, MN: Governors 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 Bsico de Mapinfo. Disponvel 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, Tlio. Taxa de homicdio por setor censitrio no municpio de So Paulo. In: Secretaria
de Estado dos Negcios da Segurana Pblica: Coordenadoria de Anlise e Planejamento, So Paulo, Fevereiro de 2005, p. 1-7 (2005).

LAPPONI, J. C., Estatstica Usando Excel, 4 Edio, editora Saraiva, 2005, 496 pginas.

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).

MAGALHES, M. N.; LIMA, A. C. P., Noes de Probabilidade e Estatstica, 7 edio, So
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 Majestys Stationary Office (1976).

MONTGOMERY, D. C, Estatstica aplicada e probabilidade para engenheiros, 4 edio, Rio
de Janeiro, editora LTC (livros tcnicos e cientficos), 2009, 514 pginas.

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 Crime. 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. Introduo Estatstica, 2 edio, Rio de Janeiro, editora LTC, 2002,
340 pginas.

SOUZA, E. Situational Factors in Homicides in a Violence-Ridden Brazilian Favela. Dissertation 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 Theory: 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 Criminals. London Home Office, Research Study No. 207 (2000). Acessvel em: www.homeoffice.gov.uk

73

ead.senasp.gov.br