Universidade do Estado do Rio de Janeiro

Centro de Tecnologia e Ciências

Instituto de Matemática e Estatística

Gabriela Rodrigues Silveira

Juliana de Carvalhosa Barbosa Couto

Previsão de Séries Temporais aplicada a atuação da Lei Seca no

Estado de São Paulo

Rio de Janeiro
2018
 Gabriela Rodrigues Silveira
Juliana de Carvalhosa Barbosa Couto

Previsão de Séries Temporais aplicada a atuação da Lei Seca no Estado de São

Paulo

Projeto Final apresentado ao Instituto de

Matemática e Estatística da Universidade
do Estado do Rio de Janeiro, para
obtenção do grau de bacharel em
Estatística.

Orientador: Prof. Marcello Montilo Provenza

Rio de Janeiro
2018
 CATALOGAÇÃO NA FONTE
UERJ / REDE SIRIUS / BIBLIOTECA CTC-A

S Silveira, Gabriela Rodrigues. Couto, Juliana de

Carvalhosa Barbosa.
Previsão de Séries Temporais aplicada a atuação
da Lei Seca no Estado de São Paulo / Gabriela
Rodrigues Silveira, Juliana de Carvalhosa Barbosa
Couto. – 2018.
?? f. : il. (se tiver ilustrações)
Orientador: Marcello Montilo Provenza.
Projeto final (Bacharel em Estatística) -
Universidade do Estado do Rio de Janeiro, Instituto
de Matemática e Estatística.
1. 2. . I. Provenza, Marcello
Montilo. II. Universidade do Estado do Rio de Janeiro.
Instituto de Matemática e Estatística. III. Previsão de
Séries Temporais aplicada a atuação da Lei Seca no
Estado de São Paulo.
CDU

Autorizo para fins acadêmicos e científicos, a reprodução total ou parcial

deste projeto final.

______________________________ ________________________
Assinatura Data
 Gabriela Rodrigues Silveira
Juliana de Carvalhosa Barbosa Couto

Previsão de Séries Temporais aplicada a atuação da Lei Seca no Estado de São

Paulo

Projeto Final submetido ao corpo docente

do Instituto de Matemática e Estatística da
Universidade do
Estado do Rio de Janeiro - UERJ, como
parte dos requisitos necessários à obtenção
do grau de bacharel em Estatística.

Banca Examinadora:
_____________________________________________
Prof. Marcello Montilo Provenza - Orientador
Instituto de Matemática e Estatística - UERJ

_____________________________________________
Prof. Dr. (Prof.ª Dra.)
Afiliação Ex. Universidade Federal do Rio de Janeiro

_____________________________________________
Prof. Dr. (Prof.ª Dra.)
Afiliação

_____________________________________________
Prof. Dr. (Prof.ª Dra.)
Afiliação

_____________________________________________
Prof. Dr. (Prof.ª Dra.)
Afiliação

Rio de Janeiro
2018
AGRADECIMENTOS
 É notável uma ciência que começou com jogos de azar tenha se tornado o
mais importante objeto do conhecimento humano.

Pierre Simon Laplace

 RESUMO

Este estudo busca analisar o comportamento do número de óbitos por motivo de

trânsito antes e depois da implementação da Lei Seca. Os dados utilizados são da
DATASUS. A série foi observada em períodos anuais... CONTINUAR

Palavras-chave: Lei Seca, Acidentes, Séries temporais, previsão, estatística.

 SUMÁRIO

1 INTRODUÇÃO.............................................................................................. 1
1.1 Objetivo........................................................................................................ 18
1.2 Estrutura do Trabalho................................................................................. 18
2 FONTE DE DADOS E REVISÃO DA LITERATURA................................... 22
3 METODOLOGIA........................................................................................... 29
3.1 Séries Temporais........................................................................................ 33
3.1.1 Elementos de uma Série Temporal............................................................... 33
3.2 Condição de Estacionariedade.................................................................. 36
3.2.1 Teste para Tendência................................................................................... 45
3.3 Modelos de Previsão de Box & Jenkins.................................................... 46
3.3.1 Modelo Auto-regressivo (AR)........................................................................ 46
3.3.2 Modelo de Médias Móveis (MA).................................................................... 46
3.3.3 Modelo Auto-Regressivo de Médias Móveis (ARMA)................................... 47
3.3.4 Modelo Auto-Regressivo de Médias Móveis para processo não
estacionários homogênios (ARIMA).............................................................. 48
3.4 Medidas de Análise de Desempenho........................................................ 50
3.4.1 Erro Absoluto................................................................................................. 55
3.4.2 Erro Médio Relativo....................................................................................... 55
3.4.3 Erro Médio Percentual................................................................................... 56
3.4.4 Erro Médio Absoluto Percentual.................................................................... 56
3.4.5 Erro Médio Quadrático.................................................................................. 59
4 APLICAÇÃO................................................................................................. 62
4.1 Dados Utilizados......................................................................................... 64
4.2 Software Utilizados..................................................................................... 74
3.7 DISCUSSÃO................................................................................................. 75
4 .. 83
4.1 CONCLUSÃO...............................................................................................
4.2 .
4.3 REFERÊNCIAS.............................................................................................
5 ANEXO - Comitê de ética em pesquisa...............................
 1

1 INTRODUÇÃO

No Brasil os acidentes de trânsito são uma das maiores causas de invalidez e

óbitos precoces. Entre os anos de 2000 e 2016 ocorreram mais de 615 mil mortes
em todos os estados brasileiros, sendo quase 115 mil só no estado de São Paulo, o
que corresponde a cerca de 19% do total. Com índices tão alarmantes, a segurança
no trânsito passou a ser mais relevante tanto para a sociedade quanto para o
governo, havendo assim a necessidade de estabelecer novas formas de
penalidades para os infratores com o intuito de reduzir a gravidade dos acidentes e
assim diminuir também o número de óbitos no trânsito.
Uma das primeiras medidas tomadas para o controle de acidentes aconteceu
no ano de 2008, apresentando mudanças no Código de Trânsito Brasileiro (CTB) e
tornando as punições mais rígidas quanto ao uso de álcool e direção ao mesmo
tempo. Tais mudanças foram adotadas na Lei 11.705 (apelidada de Lei Seca),
diminuindo a quantidade permitida de álcool ingerido, aumentando o valor das
multas, gerando a perda da habilitação e o recolhimento do veículo. Anteriormente a
essa Lei, a legislação de trânsito brasileiro permitia uma quantidade de até 6
decigramas de álcool por litro de sangue. Após a aplicação na nova Lei em 2008,
esse limite caiu para 0,1 mg de álcool e passou a ser averiguado através do
chamado teste do bafômetro. Esse teste gerou muitas polêmicas e discussões, pois
foi considerado inconstitucional o indivíduo ser obrigado a gerar provas contra si
próprio.
Apesar de implementada em 2008, a Lei Seca teve mudanças consideráveis
nos anos seguinte, aumentando ainda mais sua rigidez. As principais mudanças
ocorreram no ano de 2012, onde 0,5 mg de álcool por litro de sangue foi o máximo
permitido para o condutor não ser considerado impossibilitado de dirigir e o
bafômetro passou a não ser a única prova contra o motorista alcoolizado. A partir
desse ano, diante da recusa em soprar o aparelho para a medição do nível de álcool
no sangue, vídeos e testemunhos de agentes e pessoas próximas passariam a valer
como prova também. Em 2016, a Lei 13.281 estabeleceu que a recusa ao teste do
bafômetro seria considerada uma infração gravíssima, aplicando uma multa de dez
vezes a de infração gravíssima e multa essa que seria dobrada caso ocorresse uma
reincidência dentro do período de 1 ano.
 2

Essas novas mudanças somadas a diversas campanhas de conscientização

obtiveram resultados de imediato totalizando em uma redução do número de mortes
no Brasil de 1,9% em 2009 e 5,6% em 2013. Já o número de acidentes continuou
em crescimento, o que nos leva a concluir que os acidentes continuaram
acontecendo, mas com uma gravidade menor do que ocorria antes.
Em São Paulo os efeitos dessas alterações no trânsito foram ainda mais
expressivos, totalizando uma redução de 7,9% no ano de 2009 e 6,5% no ano de
2013 nos óbitos e também gerando resultados positivos na quantidade de acidentes,
que foi reduzido em cerca de 2% em 2013.

1.1 Objetivo

O objetivo deste trabalho é aplicar modelos de Séries Temporais para realizar

a previsão do número de óbitos causados por acidentes de trânsito caso a Lei Seca
não tivesse sido implementada, e, assim, medirmos a efetividade de sua
implementação.
Os modelos de Séries Temporais considerados para esse trabalho foram os
modelos Box-Jenkins.

1.2 Estrutura do Trabalho

Este trabalho está estruturado em X capítulos, sendo o primeiro deles a

Introdução sobre o tema do Projeto, descrevendo o objetivo do trabalho e as
características da Lei Seca, nosso objeto de estudo. CONTINUAR QUANDO TODA
A ESTRUTURA ESTIVER DEFINIDA.

2 FONTE DE DADOS E REVISÃO DA LITERATURA

A DEFINIR

3 METODOLOGIA
 3

3.1 Séries Temporais

Uma Série Temporal pode ser definida como uma sequência de observações
de uma variável ao longo do tempo.
As variáveis podem ser classificadas entre discretas e contínuas. Chamamos
as variáveis discretas quando cada observação se refere a um instante e contínuas
quando cada observação se refere a um período.
No estudo das séries temporais temos a análise e a modelagem, onde o
objetivo da análise é identificar quais são as suas propriedades e características,
enquanto que o objetivo da modelagem é fazer previsões para os tempos futuros da
variável em questão.

3.1.1 Elementos de uma Série Temporal

Uma Série Temporal é composta por quatro elementos. São eles:

 Tendência (T): Representa o comportamento de longo prazo da Série
Temporal e pode ser crescente, descrescente ou constante.
 Ciclo (C): Movimento oscilatório em relação a Tendência. Tem
periodicidade superior a um ano e são típicos de séries econômicas e
industriais, além de fenômenos climáticos. A junção entre a Tendência
e o Ciclo formam o componente Extra-estacional, também chamado
Conjuntural.
 Sazonalidade (St): Movimento regular e oscilatório que se sobrepõe a
Tendência, com periodicidade anual. Também conhecida como
componente Estacional.
 Residual (Zt): Flutuações aleatórias que se sobrepõem a Tendência,
causadas por eventos casuais. É chamada de erro do modelo, pois é a
diferença entre o valor observado e a combinação dos três primeiros
elementos.
Nem todas as Séries Temporais apresentarão todos os elementos citados
acima. Existem séries que não apresentam Tendência, e neste caso são chamadas
estacionárias. Existem também as séries que não apresentam sazonalidade e as
que não apresentam ciclo.
 4

3.2 Condição de Estacionariedade

Ao realizar qualquer análise ou de uma Série Temporal,

3.2.1 Teste para Tendência