Escolar Documentos
Profissional Documentos
Cultura Documentos
ESCOLA POLITÉCNICA
DEPARTAMENTO DE ENGENHARIA INDUSTRIAL
ENGENHARIA DE PRODUÇÃO
CONTROLE DE QUALIDADE
Rio de Janeiro
Julho de 2022
SUMÁRIO
1. Introdução
1.1 Contextualização
1.2 Objetivos
2. Metodologia da pesquisa
2.1 Dados utilizados
3. Referencial Teórico
3.1 Normalidade
3.2 Autocorrelação
3.3 ANOVA
3.4 Séries Temporais
3.5 Estacionariedade de uma série
4. Análise de dados e discussão de resultados
4.1 Tratamento de dados e divisão em grupos
4.2 Análise de normalidade
4.3 Análise de autocorrelação
4.4 ANOVA
4.4.1 Teste F: ANOVA de Fator Único para diferenças entre mais de duas
médias aritméticas.
4.4.2 Análise dos pressupostos
4.4.3 Configurações no MINITAB
4.4.4 Teste F ANOVA
4.4.5 Procedimento de Tukey-Kramer
4.4.6 Teste de Levene para homogeneidade da Variância
5. Conclusão
6. Bibliografia
1. Introdução
1.1 Contextualização
A Lei nº 11.705/08, comumente conhecida como Lei Seca, foi promulgada para atualizar as
regras estabelecidas para punir os condutores de veículos automotores em estado de
embriaguez. Dessa forma, foi pioneira em mudanças no Código de Trânsito Brasileiro (CTB)
e estabeleceu o teor alcoólico necessário para caracterizar um crime. Aprovou a Lei Seca,
que tinha como objetivo reduzir os acidentes de trânsito causados por motoristas
alcoolizados, além de proibir o consumo e a venda de bebidas alcoólicas nas rodovias
federais.
Como resultado, o judiciário está sob pressão para reeditar a Lei Seca para remover essas
inconsistências. Deste modo, em dezembro de 2012, entra em vigor a “Nova Lei Seca” que
aumentaria a multa de R$ 957,70 para R$ 1.915,40 (em caso de reincidência em 1 ano a
multa seria dobrada), eleva a uma apreensão imediata do veículo (antes o veículo
poderia ser retido até a aparição de um condutor habilitado). Além disso, a fim de
acabar com a principal dificuldade da lei, que era a possibilidade de não responder
ao processo criminal mesmo tendo ingerido bebida alcoólica, agora estava autorizado
e posto em treinamento pelos agentes públicos o uso de novas provas como vídeos,
relatos de testemunhas e afins, que sustentem o fato de o motorista estar
visivelmente embriagado, mesmo sem a realização de um teste.
Atualmente, a Lei Seca continua sendo criticada com o advento de aplicativos que
monitoram a presença de blitz nos grandes centros urbanos, e até mesmo por juristas pelo
grau de subjetividade de sua existência. Mesmo assim, tornou-se uma das políticas públicas
mais conhecidas dos últimos tempos, com maior impacto nas normas de trânsito brasileiras.
1.2 Objetivos
2. Metodologia da pesquisa
Estes dados combinados nos permitiu gerar como primeira análise do grupo um índice do
número de homicídios culposos a cada 100.000 veículos. Este índice mostrou-se
necessário uma vez que o grupo notou a necessidade de avaliar de acordo com a taxa de,
de veículos, dado que à medida que mais veículos circulam na rua, maiores são as taxas e
maiores as chances de aumentar o número de acidentes. A taxa é calculada utilizando o
número de mortes por acidente de trânsito, dividido pelo número de veículos e depois
multiplicando por cem mil.
Figura 3: Número de homicídio culposo no trânsito no município do Rio de Janeiro a cada 100.000
veículos.
3. Referencial Teórico
3.1 Normalidade
3.2 Autocorrelação
3.3 ANOVA
Para efetuar uma ANOVA, é necessário haver uma variável de resposta contínua
e pelo menos um fator categórico com dois ou mais níveis. As análises ANOVA
exigem dados de populações aproximadamente normalmente distribuídas com
variâncias iguais entre fatores.
A tendência de uma série indica o seu comportamento “de longo prazo”, isto é, se
ela cresce, decresce ou permanece estável, e qual a velocidade destas mudanças.
Neste trabalho, a série precisa ter uma tendência constante em torno da média,
porque os dados não podem ser autocorrelacionados, precisam ter comportamentos
aleatórios e serem estacionários.
A estacionariedade numa série temporal significa que os dados oscilam sobre uma
média constante, independente do tempo, com a variância das flutuações
permanecendo essencialmente a mesma. Neste trabalho, as séries são
estacionárias.
O objetivo do trabalho é analisar a eficácia da Lei Seca que, em 2008, foi implementada a
fim de reduzir a ingestão de bebidas alcoólicas e promover a mudança de hábitos da
população brasileira de forma a acionar a regressão de acidentes de trânsito. Contudo, o
presente estudo, de nível acadêmico, possui limitações para uma análise mais profunda
sobre a eficácia da lei em questão, uma vez que há diversas variáveis que influenciam na
eficácia da lei e acidentes de trânsito. Então, foi analisada o comportamento das taxas de
homicídios culposos no trânsito, mortes causadas sem intenção de matar, a partir do ano
em que a lei foi implementada.
Para isso foi feita a relação entre o número de vítimas de homicídio culposo no trânsito em
relação ao número de veículos de passeio (automóveis e motocicletas) de cada mês de
2003 até 2021, uma vez que o número de veículos vem crescendo ao longo do tempo,
então, para análise faz mais sentido fazer relação através da taxa de vítimas sobre a
quantidade de veículos multiplicado por 100 mil, valor proporcional que permite a
comparação de populações de veículos de tamanhos diferentes a cada mês.
Em um primeiro momento foi feito um relatório resumo dos dados de taxas estatísticas
básicas como média e desvio padrão dos dados, além disso, foi possível perceber através
de teste de normalidade e do gráfico de histogramas que a distribuição dos dados não
possui semelhança à distribuição normal. No histograma, percebe-se uma assimetria
acentuada para o lado esquerdo. Ao fazer o gráfico de probabilidade acumulada tem-se
mais um indício de que a distribuição dos dados em questão não seguem uma distribuição
normal, os dados, como é possível perceber no gráfico, sobressaem as linhas de
distribuição normal e o valor-p menor que o nível de significância adotado de 0,05. Portanto,
rejeita-se a hipótese que seja uma distribuição normal.
4.2.1 Grupo 1
4.2.3 Grupo 3
No gráfico acima é possível visualizar as três distribuições de cada grupo lado a lado, assim
fica fácil perceber que a média do grupo 1 é a maior entre os 3 grupos e vem diminuindo ao
longo do tempo, além de ser o grupo com maior desvio padrão entre os dados. O momento
pós Lei Seca referente ao grupo 2 as taxas de média e desvio padrão decaem, e ainda
mais, no grupo 3, mais recente, que apresenta a menor média e menor desvio padrão entre
eles.
4.3.1 Grupo 1
Foi utilizada a ferramenta do Minitab para análise de autocorrelação dos dados em cada
grupo. Como é possível observar no gráfico abaixo referente ao grupo 1, não há nenhum
lag ultrapassando os limites de significância.Logo, o grupo 1 não possui dados
autocorrelacionados.
Figura 18: Gráfico de autocorrelação do Grupo 1 2003-2008
4.3.2 Grupo 2
4.3.3 Grupo 3
Já no grupo 3, é possível perceber pelo gráfico acima que há uma correlação no lag
1 que cresce até o lag 2 de forma significativa, uma vez que ultrapassam o limite
superior de significância. Dessa maneira, pode-se concluir que a correlação para
esses lags não é igual a zero. Apesar de existir um correlação no lag 1 e 2, isto
não mostra que o grupo 3 é autocorrelacionado, pois nos restantes dos lags não
existe correlação, mostrando que as amostras dos grupo 3 possuem
comportamento aleatório e não cíclico ou com alguma corrida crescente ou
decrescente, mostrando que o termo posterior tem correlação apenas com o
primeiro e o segundo termo anterior da série temporal ( Lag 1 e Lag 2).
4.4 ANOVA
4.4.1 Teste F ANOVA de Fator Único para diferenças entre mais de duas
médias aritméticas
A seguir vamos analisar os gráficos de resíduos gerados quando foi feito o teste da
ANOVA no minitab:
ANOVA encontrada:
Figura 25: Resultados da análise de variância
O processo de decisão de um teste de hipótese é baseado no valor-p, que indica a
probabilidade de se rejeitar falsamente a hipótese nula quando ela é verdadeira.Se o
valor-p for menor ou igual a um nível de significância (denotado por α)
predeterminado, a hipótese nula deve ser rejeitada e a hipótese alternativa deve
afirmada.
Se o valor-p for maior que o nível α, a hipótese nula não pode ser rejeitada e a
hipótese alternativa não tem apoio.
Pelo teste simultâneo de Tukey, quando você compara a DMS( diferença mínima
significativa) que está no intervalo de confiança e ela for menor que a diferença das
médias, isto significa que a taxa de morte entre os grupos comparados são
diferentes. Então, analisando todas as diferenças entre os grupos, mostra-se que
todos eles diferem, pois DMS< Diferença de Médias. Isto pode ser atestado pelo
valor p que é menor que 0,05, que é valor usado para o α.
Na imagem abaixo, nos intervalos de confiança entre grupos, o valor 0 não está
contido no intervalo, mostrando também que a diferença entre as médias dos grupos
são diferentes.Conseguimos deste modo, provar de diferentes formas que a média
entre os grupos são diferentes.
Figura 28: Intervalos de confiança de 95% de Tukey
Embora o teste F de ANOVA de fator único seja relativamente robusto no que diz respeito
ao pressuposto de igual variância entre os grupos, grandes diferenças dentro dos grupos
podem afetar significativamente o nível de significância e a eficácia do teste F. Um
procedimento com elevada eficácia estatística é o teste de Levene. Para testar a
homogeneidade de variâncias, você utiliza a hipótese nula apresentada a seguir:
Resultado do teste:
Figura 29: Teste de igualdade de variâncias do grupo 1, grupo 2 e grupo 3
Sendo p-valor<0,05, você rejeita a hipótese nula e pode atestar que existe uma
diferença significativa em relação a variância em pelo menos um dos grupos.
Analisando graficamente o boxplot dos grupos 1,2 e 3 você consegue identificar que
existe uma variância maior no grupo 1 em relação ao grupo 2 e 3.
5.0 Conclusão
A partir dos testes e análises feitas ao longo do trabalho pode-se concluir , então,
que o número de mortes causadas por acidentes de trânsito reduziu
significativamente após a implantação da Lei Seca em 2008 no município do Rio de
Janeiro. A ANOVA realizada e em seguida o Procedimento de Tukey-Kramer foram
importantes para concluir que as médias de mortes são significativamente diferentes
ao longo do tempo, entre os grupos 1(2003-2008), 2 (2009-2013) e 3 (2013-2021).
Embora existam diversas variáveis que influenciam nos acidentes de trânsito além
do consumo de bebidas alcoólicas, o objetivo foi analisar se houve redução
significativa no número de mortes após implantação e reformulação da lei que
aconteceu em 2008 e 2012 respectivamente, o que pôde ser confirmada conforme
os resultados das análises apresentadas.
O que poderia angariar futuros trabalhos, seria fazer uma análise de regressão
múltipla, buscando entender quais são as variáveis que explicam o número de
mortes no trânsito no município do Rio de Janeiro, podendo ter entre essas variáveis
explicativas :
● Número de frota de veículos
● Quantidade de motoristas de aplicativos (Uber, 99 taxi, Cabify entre outros)
● Pandemia
● Quantidade de Blitz
Podemos qualificar o evento da Pandemia como uma variável Dummy, porque mais
pessoas ficaram em casa e com isso reduziu o número de acidentes, pode ser uma
teoria a ser defendida. As variáveis dummy’s permitem a incorporação de efeitos de
valores qualitativos no modelo. Essas incorporadas ao modelo podem assumir dois
valores: Zero e Um. Sendo 1 quando a característica está presente e 0 nos casos
quando a pandemia não existia.
6.0 Bibliografia
TJDFT. Disponível em
<https://www.tjdft.jus.br/institucional/imprensa/campanhas-e-produtos/direito-facil/edicao-semanal/lei-
seca>