Video: Business Analytics: l'analisi dei dati aiuta le aziende a vincere 2024
È possibile incorporare modelli statistici predittivi nei metodi di analisi del crimine per produrre analisi che descrivono e prevedono dove e quali tipi di attività criminale sono suscettibili di si verificano.
I modelli spaziali predittivi possono aiutarti a prevedere il comportamento, la posizione o le attività criminali dei recidivi. È inoltre possibile applicare metodi statistici a dati spazio-temporali per accertare variabili causali o correlate relative al crimine e alle forze dell'ordine.
Il seguente elenco include i tipi di approcci utili nella modellazione predittiva spaziale per l'analisi del crimine:
- Clustering: È possibile utilizzare i metodi di stima della densità del kernel per quantificare la densità spaziale delle attività criminali e per generare misure comparative tra le densità dell'attività criminale rispetto alla popolazione di base dell'area colpita.
La stima della densità del kernel (KDE) è un metodo di livellamento che funziona posizionando un kernel - o, una funzione di ponderazione utile per quantificare la densità - su ogni punto di dati nel set di dati e quindi sommando i kernel per generare una stima della densità del kernel per la regione generale.
- Statistica spaziale avanzata: Un esempio di questo è l'uso dell'analisi di regressione per stabilire in che modo una o più variabili di reato indipendenti causano direttamente o correlano una variabile di reato dipendente. Infine, le statistiche spaziali avanzate sono utilizzate per formulare previsioni comportamentali per i recidivi e per prevedere future attività criminali basate su dati storici sul comportamento criminale e informazioni sulle condizioni attuali.
