
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Mayer, Fernando de Pol, 1982- | - |
| Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Data | - |
| Autor(es): dc.creator | Souto, Danilo Augusto Cleto | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T10:50:36Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T10:50:36Z | - |
| Data de envio: dc.date.issued | 2024-02-07 | - |
| Data de envio: dc.date.issued | 2024-02-07 | - |
| Data de envio: dc.date.issued | 2019 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/75131 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/75131 | - |
| Descrição: dc.description | Orientador: Prof. Fernando de Pol Mayer | - |
| Descrição: dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science & Big Data. | - |
| Descrição: dc.description | Inclui referências | - |
| Descrição: dc.description | Resumo: O Brasil possui uma das maiores populações carcerárias do mundo, e ainda em crescimento. Com presídios superlotados, em situações insalubres e precárias e ainda o baixo investimento, as fugas são cada vez mais constantes. Não há como manter todos os detentos sob vigilância constante com o atual efetivo de agentes carcerários, sem um olhar diferenciado, a ponto de impedir que tentativas de fugas ocorram. O objetivo foi propor um modelo para identificar os presos com maior risco de fuga e as características que mais exercem influência neste risco. A análise de sobrevivência foi utilizada para descobrir os fatores que mais influenciam no tempo até a fuga e a regressão logística utilizada para identificar os presos com maior risco de fuga. Foram constatados como fatores de maior influência no risco de fuga a condição do preso (com aumento no risco de fuga) e o estabelecimento penal (atuando como fator de proteção, menor risco de fuga). Também foi encontrada uma diferença significativa no risco em relação ao sexo. O modelo criado para classificação identificou 34% dos fugitivos com uma precisão de 86%. | - |
| Descrição: dc.description | Abstract: Brazil has one of the largest prison populations in the world and still growing. With overcrowded prisons, in unsanitary and precarious situations and few investments, escapes are more and more constant. There is no way to keep all prisoners under constant surveillance with the current number of prison officers, without looking from a different point of view, to the point of preventing escape attempts. The objective was to propose a model to identify the prisoners with the highest risk of escape and the most influential risk characteristics. Survival analysis was used to find the factors that most influence the time to escape and the logistic regression used to identify the prisoners with the highest chance of escaping. The prisoner’s condition (with an increase in the risk of escape) and the penal establishment (acting as a protection factor, less risk of escape) were found to be more influential in the risk of escape. A significant difference in risk was also found in relation to sex. The model created for classification identified 34% of fugitives with an accuracy of 86% | - |
| Formato: dc.format | 1 recurso online : PDF. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Palavras-chave: dc.subject | Evasão (Direito) | - |
| Palavras-chave: dc.subject | Analise de regressão | - |
| Palavras-chave: dc.subject | Prisão | - |
| Título: dc.title | Análise da probabilidade de fuga nos Presídios do Paraná | - |
| Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: