IDENTIFICA??O DE OUTLIERS EM DADOS DE ACIDENTES DE TR?NSITO NO BRASIL: ANáLISE DE CLUSTER VERSUS MéTODOS ESTATíSTICOS

摘要

A avalia??o e tratamento inicial dos dados é fundamental em qualquer análise de acidentes de transito e desenvolvimento de modelos. Um dos aspectos que pode induzir ao enviesamento dos resultados é a n?o identifica??o ou tratamento de valores discrepantes, os outliers . Neste trabalho investigou-se o potencial do uso de análise de cluster para detec??o de outliers frente às técnicas estatísticas tradicionalmente utilizada para tal finalidade. Foram utilizados 28.034 registros de acidentes, acumulados de 2011 a 2016 num trecho de 170 km da BR-116/RJ. Dentre as técnicas estatísticas, o método do desvio-padr?o apresentou razoabilidade nos resultados, mas dificuldade na aplica??o conjunta dos limites univariados de valores discrepantes. Já os métodos Boxplot e MAD se revelaram inadequados para a detec??o de outliers na base de dados analisada, uma vez que conduziram a resultados incoerentes e sem consistência prática. A análise de cluster (algoritmo k-means ), doutro lado, demonstrou ter potencial para aplica??o a este tipo de problema, tendo identificado conjuntos coerentes de outliers para a base de dados. O método n?o tem rígidas limita??es a pressupostos estatísticos, é adequado a grandes bases de dados, permite a avalia??o multivariada dos dados e ainda, a análise combinada de dados categóricos e numéricos. Ainda assim, o emprego do método deve ser feito de forma a tirar proveito dos pontos fortes da técnica e minimizar suas limita??es.