SUBJETIVIDADE OBJETIVADA: FALÁCIAS ESTATÍSTICAS NA APRESENTAÇÃO DOS RESULTADOS DA ANÁLISE CRIMINAL

1055
Juliano Barreto
Juliano Barreto Rodrigues

Este artigo, de autoria do Agente de Polícia Juliano Barreto Rodrigues, foi apresentado na conclusão do curso de Pós Graduação em Análise Criminal

SUBJETIVIDADE OBJETIVADA: FALÁCIAS ESTATÍSTICAS NA APRESENTAÇÃO DOS RESULTADOS DA ANÁLISE CRIMINAL

 

RESULTADOS DA ANÁLISE CRIMINAL

Me. Juliano Barreto Rodrigues

1. INTRODUÇÃO

A pesquisa exploratória, realizada no âmbito das disciplinas ministradas na Pós-graduação em Análise Criminal (FASEM/SENASP-MJ) despertou o interesse em aprofundar no estudo da apresentação dos resultados das análises, especialmente sob o viés da Estatística, revelando como a exposição final escrita, baseada em produto supostamente científico, pode corroborar afirmações subjetivas, por vezes até falsas, dando-lhes feições de inferências logicamente objetivas.

Como afirmou Seife, “nossas cabeças rejeitam a ideia de aleatoriedade. Mesmo quando um conjunto de dados ou imagens é inteiramente caótico […] ainda tentamos construir um sistema, um padrão, por meio do qual compreendemos nossas observações (SEIFE, 2012, pág. 49). Aí se encaixa, dentre outros artefatos científicos, a estatística.

Da revisão bibliográfica, realizada em acervo relativamente numeroso sobre o tema, destaca-se, como referencial teórico de quase todos os trabalhos do gênero – e também deste – o autor Darrell Huff, especialmente seu trabalho “Como Mentir com Estatísticas”, um clássico com edição há muito esgotada no Brasil . Além dessa e de outras obras específicas sobre realização e apresentação de estatísticas referencia-se também a dissertação de mestrado “A Verdade dos Autos versus a Verdade Real na Justiça Criminal”, da lavra de um dos articulistas.

Embora vá se tratar de estatística, esta não será aplicada a dados para análise. Demonstrar-se-á, hipoteticamente, como pode ser utilizada para dar ares de verdade a certas afirmações distorcidas ou até falsas. Assim, a pesquisa apresentada no artigo caracteriza-se como qualitativa, de interpretação teórica de situações traduzidas estatisticamente.

Levando em conta dois (entre outros) clientes específicos dos Analistas Criminais, o decisor e o jornalista – tratados no artigo como dois extremos arquetípicos – será discutida, na Conclusão, como uma mesma informação pode ser apresentada de forma diferente para atender a ambos os interessados, resguardando ainda a instituição por trás do Analista.

Utilizando uma linguagem pretensamente atraente, mas sem descurar dos pressupostos científicos de um Artigo, a pesquisa terá por escopo ilustrar, com uma coletânea de exemplos, como as mensagens estatísticas e probabilísticas dos boletins e relatórios de Análise Criminal podem ser tendenciosas e eivadas de subjetividade (textos retóricos), ainda que disfarçados de objetividade científica.

A intenção é despertar o interesse para essa problemática, tornando conscientes dela os analistas criminais e demais “consumidores” dos relatórios e boletins de análise, além de demonstrar que há muito espaço para pesquisas mais aprofundadas sobre o tema. Nesse sentido, algumas bibliografias indicadas para aprofundamento constarão em nota de rodapé, sem figuraram nas Referências Bibliográficas anotadas ao final. Essa opção é para diferenciar os títulos que realmente foram utilizados na composição textual do artigo e os que podem vir a ser cotejados em trabalho de mais fôlego.

2. REVISÃO DE LITERATURA

A análise criminal é um processo detalhado e abrangente de produção de conhecimento que visa prover com informações fundamentadas e oportunas o decisor (ou outro interessado) sobre padrões de crime e/ou tendências criminais, para que possa planejar, distribuir recursos e dar respostas mais inteligentes e eficazes na sua prevenção e repressão .
O que estatística tem a ver com Análise Criminal?

[…] a análise criminal pode englobar informações de diversas naturezas, como as sigilosas provenientes de informantes, as estruturais (como o efetivo policial e a quantidade de viaturas disponíveis) até dados sociodemográficos. Contudo, acredita-se que as estatísticas criminais situam-se como um dos instrumentos centrais nesse processo […] (AZEVEDO, 2011, pág. 10)

Na utilização das estatísticas criminais a polícia pode operar em suas diversas fases, se envolvendo não apenas na coleta de dados, computando os crimes ocorridos, mas também utilizando esse insumo para coibir a ocorrência de crimes. Mas as estatísticas são aproximações, generalizações a partir de amostras:

A estatística é uma metodologia que procura interpretar a realidade através de dados. No entanto, essa definição ficaria incompleta se não acrescentarmos algo fundamental: a estatística é uma ferramenta matemática que nos informa sobre o quanto de erro nossas observações apresentam sobre a realidade pesquisada. A estatística constrói suas avaliações, a partir da medição do erro, que sempre existe na estimativa de quanto uma amostra representa adequadamente a população da qual foi extraída. A análise estatística é, portanto, relativa e não absoluta, pois baseia suas conclusões sempre levando em consideração o erro existente entre as suas medições e a realidade estudada (SOUZA, 2009, p. 3).

O problema é que a relatividade das estatísticas é normalmente desconsiderada e ela é tomada como certeza. Isso ocorre porque “Não importa o quanto uma ideia seja idiota ou inacreditável, os números podem lhe conferir credibilidade” (SEIFE, 2012, pág. 12). Sabendo desse efeito, muitos de seus operadores os utilizam retoricamente para persuadir àqueles a quem informam daquilo que desejam que seja tomado como verdade. Nesse ponto entram as falácias estatísticas: discursos e resultados que, embora errados, incompletos, distorcidos ou mentirosos, se apresentam como verdadeiros.

Seife esclarece que “as falácias numéricas nos afetam porque somos cegos para essa impureza. Números, cifras e gráficos têm sempre uma aura de perfeição. Parecem verdades absolutas, inquestionáveis” (idem). Acrescenta que, “As falácias matemáticas nos dominam com tanta facilidade porque nossas mentes estão programadas para aceitar falsidades numéricas” (ibidem, pág. 36).

Huff elenca em seu livro, que chama de “cartilha”, vários exemplos de má utilização da estatística. No primeiro capítulo, intitulado Amostra com Tentenciosidade Introduzida, inicia por analisar o caso de uma notícia veiculada no Time em meados da década de 20 que afirmava que ex-alunos da turma de 1924 ganhavam 25.111 dólares por ano, uma pequena fortuna para a época (HUFF, 1968, págs. 11-15).

O autor desconstrói a conclusão avaliando o problema da amostra : demonstra que, para se chegar à conclusão a que chegaram, os pesquisadores aplicaram questionários aos ex-alunos da turma de 1924 e inferiram conclusões. Porém, checando o método ficou claro que aqueles que responderam à pesquisa eram um grupo especial que, por sua importância social, (1°) tinha seus endereços localizáveis na época e (2°) era composto de indivíduos que não tinham vergonha de dizer quanto ganhavam – isso se estivessem dizendo a verdade. Levando em conta tais ressalvas, deduziu-se que o número 25.111 dólares por ano não fazia sentido algum. Como teorizou:

Agora ponhamos o dedo na fonte provável do maior erro, uma fonte que pode apresentar 25 mil dólares como “renda média” de alguns homens cuja média real pode bem aproximar-se apenas da metade do tal número.]

Esta fonte é o processo de amostragem, que está no cerne da maior parte das estatísticas que são encontradas sobre todas as espécies de assuntos. Sua base é bem simples, embora seus refinamentos na prática conduzam a muitos atalhos, alguns pouco respeitáveis (HUFF, 1968, pág. 12).

Tratando do defeito das amostras muito pequenas, exemplifica didaticamente com o caso de um saco de feijão contendo feijão preto e fradinho misturados. A melhor maneira de saber quantos feijões há de cada tipo é contá-los um a um. Porém, é possível ter uma ideia, de forma mais fácil, do número aproximado de cada tipo: contar só um punhado (amostra) e considerar que a proporção seja a mesma de todo o saco (população). Se a amostra for adequada e grande o suficiente possibilitará uma representação do todo bem aproximada. Caso não seja assim,

“[…] nada terá para recomendá-la além de um ar espúrio de precisão científica. […] as conclusões de tais amostras, tendenciosas, ou muito pequenas (ou tendo ambos os defeitos), encontram-se atrás de muitas das informações que lemos, ou que acreditamos que conhecemos” (HUFF, 1968, pág. 13. Sem negrito no original).

Independente do tamanho da amostra há outros fatores que podem interferir no resultado estatístico. Um deles é a resposta falsa às perguntas e questionários. Uma pesquisa, realizada de porta em porta, para saber quantas pessoas liam determinada revista indicou que muitas preferiam a revista Harper’s (revista literária) à revista True Story (novelas melodramáticas). Contudo, a tiragem vendida da revista True Story desmentia, na casa dos milhões, os números da pesquisa nas residências. Qual o motivo? Simples: as pessoas tendem a responder aquilo que as faça orgulharem-se de si mesmas e passar uma boa imagem.

Outro exemplo é perguntar, em uma população de indivíduos cercados por propagandas e publicações que digam que não escovar os dentes pelo menos três vezes ao dia é feio e anti-higiênico, quantas vezes faz a escovação por dia. Provavelmente muitos daqueles que escovam uma, ou até nenhuma vez, irão informar que escovam três, ou no mínimo duas. É o resultado psicológico da pressão exercida por uma espécie de polícia social que demonstra resistência ao que discrepa . Essa pressão faz com que muitos mintam nas pesquisas.

O próprio uso da palavra “média” leva muitas pessoas a engano. Elas pensam que “médio” é o mesmo que típico (SEIFE, 2012, pág. 35). Exemplo: dizer que o salário médio em uma empresa é de R$ 10 mil pode fazer parecer que cada funcionário recebe cerca desse valor, o que não é verdade. Como a média é a soma de todos os salários dividido pelo número de funcionários, pode haver quem receba um salário mínimo e quem receba R$ 50 mil.

O causuísmo é uma forma de casuísmo em que a falácia retórica está em indicar um nexo causal entre duas coisas quando, na verdade, uma não causou a outra (SEIFE, 2012, pág. 41). “Às vezes, o bom senso nos diz que não há relação direta entre A e B, mesmo assim, as páginas dos periódicos especializados estão cheias de ‘descobertas’ de conexões que se desfazem quando iluminadas pela luz severa da lógica” (ibidem, pág. 45). Exemplos de falácias estatísticas comuns:

Empacotamento de frutas

Da mesma forma que nos supermercados as frutas são empacotadas de forma a ficarem as mais bonitas por cima, “[…] os empacotadores de frutas numéricos selecionam e organizam os dados de forma que pareçam impecáveis, ainda que duvidosos (SEIFE, 2012, pág. 26)”. O segredo está em colocar os números corretos em um contexto errado, de maneira capciosa. É muito utilizado nas estatísticas educacionais. Os números isolados não são falsos; a sua embalagem, a forma de sua apresentação é que produz deturpação.

Uma das melhores estratégias desse tipo de manipulação á chamada colheita de cerejas. Consiste em selecionar cuidadosamente os dados, utilizando os que apoiam a tese que se defende e deixando de lado, ou em segundo plano, os que a contrariam.

Exemplo do empacotamento de frutas usando gráficos:

Os dois gráficos foram feitos com os mesmos números ; porém, o de baixo começa do “0” e o de cima vai apenas de 194 a 210, o que destaca muito a diferença.

Trazendo novos exemplos, veja a Lista de Falácias Estatísticas e probabilísticas (traduzida livremente, ampliada e adaptada em formato Tabela) do Corso di Logica da Università di Cagliari, na Itália (LIVRAGHI, 2009, pags. 2-11):

                                                                      FALÁCIA DESCRIÇÃO EXEMPLO

Problema Estatístico-semântico ou erro de significado estatístico Quando uma afirmação estatística usa um termo de definição tão imprecisa que esvazia de sentido o uso de uma porcentagem exata.

“Se adotarem o pacote de medidas que propus poderão reduzir em 30% a ilegalidade.”

O que se quer dizer com “ilegalidade”? É o número de crimes em geral? Que infrações não estão incluídas no termo?

Estatístico-Epistêmica ou incognoscível estatístico Quando o balanço estatístico requer, para sua verificação, elementos logicamente ou praticamente impossíveis de determinar. “Cada italiano é picado, em média, por 2854 pernilongos em sua vida.” Como se chegou a tal número?
Se uma amostra representante da população italiana for entrevistada, como o número obtido pode ser confiável?

Se cada indivíduo anotasse, por toda a vida, cada picada recebida, ainda assim como saber se cada uma que recebeu foi de pernilongo ou outro inseto?

Secundum Quid ou generalização indevida Quando se faz uma generalização (indutiva ou estatística) sobre uma população com base em uma amostra muito pequena “Os brasileiros são todos desonestos, adeptos do ‘jeitinho’ para resolver tudo.”

“Metade do mundo adora futebol, a outra metade odeia.”

Toma-se como conclusivo o resultado estatístico produzido a partir de opiniões ou dados de amostra muito reduzida, o que compromete o cálculo e induz ao erro.

De Representatividade Quando se faz uma generalização (indutiva ou estatística) sobre uma população com base em uma amostra representativa
“As meninas são mais maduras do que os meninos, já que minha filha, nesta idade, não anda de patins e o meu filho sim.”

Da linha de base (Vide as colunas Exemplo e Problema a seguir, que explicam, pela dedução, como ocorre tal falácia) “Em relação a 1998 o número de divórcios em nossa cidade aumentou em 20%. Em relação a 1998 a frequência de divórcios aumentou (20%). Porém, se a população da cidade dobrou nesse período, então a incidência de divórcios diminuiu.

Correlação indevida (Vide Exemplo e Problema nas colunas a seguir)

“A quantidade de cocaína apreendida pela Denarc caiu em 30% em relação ao ano passado.” Embora a notícia tenha tido o objetivo de dizer que o tráfico de cocaína diminuiu, pode ser que ele tenha se mantido no mesmo nível e até aumentado, e que a Denarc é que tenha diminuído sua eficiência.

De comparação ausente (Vide Exemplo e Problema nas colunas a seguir) “As ações das empresas X,Y,Z, aumentaram 26%.” As ações aumentaram em relação ao ano passado?

Aumentaram em relação a uma grande temporada de queda? Se assim fosse, a mensagem para os que pretendem investir não seria tão otimista ou convincente quanto parece.

Dois vezes zero é igual a zero. (Vide Exemplo e Problema nas colunas a seguir) “Nosso partido triplicou a representatividade em relação às eleições passadas.” Se o partido tiver passado de 0,2% para 0,6% o desempenho não foi tão bom para eleger alguém. Talvez isso conte positivamente apenas para uma coligação.

De Monte Carlo , ou falácia do apostador, ou falácia do amadurecimento das chances Ocorre quando se considera que tendo havido uma série eventos de determinado tipo, a chance de que o próximo evento seja diferente é maior. “Num jogo de cara ou coroa, tendo caído 9 ‘coroas’, o jogador crê que a chance de que a próxima jogada seja ‘cara’ é muito maior.”

“Um raio não cai no mesmo lugar duas vezes.” Na verdade a chance continua sendo meio-a-meio, ou seja, 50% para cada.

A chance de cair outro raio em determinado lugar é a mesma de não cair.
Da conjunção

(RODRIGUES, ABREU-RODRIGUES, 2007, págs. 433-442) É observada quando a conjunção de dois eventos é avaliada como mais provável de ocorrer do que um desses eventos sozinho. “Linda tem 31 anos, é solteira, extrovertida e muito inteligente. Ela é formada em filosofia. Como estudante, ela era bastante preocupada com questões de discriminação e justiça social e também participou de demonstrações antinucleares”. Os participantes deveriam julgar a probabilidade das alternativas: “(A) Linda é ativista do movimento feminista; (B) Linda é caixa de banco; e (A&B) Linda é caixa de banco e ativista do movimento feminista” (Tversky & Kahneman, 1983, p. 297 ). Foi observado que 85% dos participantes julgaram o evento constituinte A como mais provável que o composto A&B e este como mais provável que o evento constituinte B. Esse resultado consiste em um erro de julgamento porque viola um princípio fundamental da probabilidade, a regra da inclusão: se X inclui Y, então a probabilidade de Y não pode ser maior do que a probabilidade de X. Ao ser estendida para eventos compostos, essa regra é denominada “regra da conjunção”, a qual estabelece que, no exemplo acima, a probabilidade de A&B deve ser menor ou igual à probabilidade de B uma vez que A&B é um subconjunto de B.

O trabalho Estatística de Criminalidade: Manual de Interpretação, de autoria de Túlio Kahn, se tornou referência para as seções de estatística da Secretaria de Segurança Pública de São Paulo e de outras Secretarias do Brasil. Versa, quase inteiramente, sobre variáveis, peculiaridades e situações que podem alterar a realização, interpretação e difusão de estatísticas policiais. Faz-se, abaixo, um extrato personalizado da matéria pertinente ao tema deste artigo:

Desconsideração da sazonalidade (KAHN, 2005, pág. 5)
Descrição: Os índices estatísticos de um período sobem ou descem drasticamente (aparentemente sem explicação) em determinado recorte temporal.

Exemplo: No período de volta às aulas sobe muito o número de roubos de veículos nas proximidades das universidades.

No período natalino os furtos e roubos a transeuntes cresce.

Na festa de Trindade contabiliza-se mais ocorrências criminais de todos os tipos do que no restante do ano todo.

Problema: Índices criminais e os de consumo estão sujeitos às variações cíclicas ocasionadas por férias e feriados, alterações climáticas, períodos de volta às aulas, etc., que alteram substancialmente as estatísticas, elevando ou baixando índices. O mesmo deve ser considerado em relação à População Flutuante ou Pendular: nas cidades turísticas as áreas comerciais e centrais passam a ter um aumento de circulação de pessoas e veículos nos finais de semana e datas (e horários) específicas, o que altera artificialmente suas taxas criminais.

O problema da unidade de análise

Descrição: “[…] comparar taxas de criminalidade de um bairro com as de uma cidade, de uma cidade com a de outro Estado ou de outro Estado com a de um país […]” (KAHN, 2005, pág. 7).

.Exemplo:

Se selecionarmos um bairro com índice de criminalidade alto da cidade de São Paulo, suas taxas de homicídios serão muito maiores do que a da média da cidade; se selecionarmos uma cidade da Região Metropolitana, provavelmente suas taxas de criminalidade serão maiores do que a média do Estado (ibidem, pág. 6).

Problema: “É impróprio querer comparar a taxa de homicídio da cidade de São Paulo, por exemplo, com as do Estado de Nova York ou com a França” (idem). As unidades são desiguais.

De escolha do período base de comparação

Descrição: Toma-se como base um período onde os valores estão muito altos ou muito baixos.. “Se o período base tomado for atípico, o crime poderá estar super ou subestimado nos meses de comparação” (KAHN, 2005, pág. 8)

Da mesma forma, tomar um período base muito distante do período de comparação leva a erro.

Exemplo: “Pegue-se por exemplo a série recente de roubo de veículos no Estado de São Paulo: se utilizarmos como período base o segundo trimestre de 2000 – que registrou o maior número de roubo de veículos da série – podemos provar que a modalidade está caindo 39,3% comparando com o último trimestre de 2004; por outro lado, se tomarmos como base o terceiro trimestre e 1995 – ponto mais baixo da série, podemos provar que o roubo de veículo cresceu 100%. Ambos os resultados são matematicamente verdadeiros mas a escolha do período base foi capciosa uma vez que ambos são trimestres atípicos” (ibidem, pág. 7).

Problema: “Dependendo do crime que se escolha e do período usado como base para a comparação, pode-se tanto “provar” que a criminalidade está caindo como o contrário, dependendo da interpretação” (idem).

Das porcentagens e taxas muito pequenas .

Descrição: “[…] manchetes alardeando aumentos elevados no percentual de crimes, que foram baseadas em números absolutos pequenos, transmitindo uma sensação de insegurança que nem sempre condiz com a realidade” (KAHN, 2005, pág. 8).

Exemplo:

Hipótese: Número de sequestros na Grande São Paulo no 4º trimestre de 2003 = 2. No 4º trimestre de 2004 = 6. Em números absolutos, houve um aumento de 4. No mesmo período, no interior de São Paulo, os números foram de 7 para 5, uma redução de 2.

Problema: “[…] se apresentada na forma de porcentagem, um crescimento absoluto de 4 casos de seqüestro na Grande São Paulo resultaria na cifra impressionista de 200% de crescimento enquanto a queda de 2 casos no interior implicaria numa notável queda de 28,5% nos seqüestros ! […] dois cálculos matematicamente verdadeiros, mas que não refletem de maneira condizente a evolução do fenômeno retratado” (idem).

Tomar dados de notificação como se representassem todo o universo de casos

Descrição: Tomar dados de notificação de crimes como se fossem o universo dos crimes (KAHN, 2005, págs. 8-10).

Exemplo: “O fenômeno da subnotificação, ainda que possa variar em grau de país para país, é algo que atinge a todos: na média dos 20 países pesquisados […], cerca de 51% dos crimes deixaram de ser comunicados à polícia, variando o percentual em função do tipo de delito” (ibidem, pág. 9).

Problema: A “cifra negra” representada por casos não notificados dá uma falsa ideia do total. Quando as notificações aumentam, não quer dizer que a ocorrência de crimes aumentou, mas apenas a sua comunicação.

De indicadores de “outputs” (produção/resultado)

Descrição: Não levar em conta o aumento ou redução da quantidade de crimes para a contabilização dos indicadores da atividade policial. A informação sobre a eficiência fica falha, dando a impressão que os resultados realmente melhoraram quando, na verdade, a situação piorou ou simplesmente passou a ser vista.
Exemplo: Notícia de que aumentou o número de prisões em flagrante. Porém, o que não se falou é que aumentaram os crimes. Se estes aumentaram, também cresceram as oportunidades de dar um flagrante.

Um grande aumento na apreensão de armas pode não significar melhora da atividade policial e sim um incremento no despejo de armas ilegais no mercado. A situação não melhorou, fez foi piorar.

Problema: há problemas na contabilidade dos “outputs” (indicadores de resultado de um programa ou serviço, utilizados para a análise de eficiência das instituições). Kahn (2005, pág. 11) indica como alternativa a mensuração dos indicadores de atividades (“inputs”) que não variam com o aumento da criminalidade. Vide tabela abaixo:

Ainda assim, algumas conclusões inferidas dos indicadores de “inputs” devem ser avaliadas com cuidado . Exemplo: O grande número de autuações por embriagues ao volante não quer dizer, peremptoriamente, que a direção por motoristas bêbados aumentou, e sim que a coibição policial se intensificou.

Escolha de indicadores Descrição: Há indicadores diferentes para demonstrar uma situação. A má escolha pode gerar dificuldades que uma escolha mais conveniente poderia evitar.

Exemplo: A apresentação estatística de crimes para a imprensa pode utilizar como indicador o “Total de Delitos” (que elenca crimes violentos e não-violentos ou dá o número absoluto) ou então o índice “Crimes Violentos” (homicídio doloso, latrocínio, roubos, estupros, extorsão mediante sequestro) que engloba os crimes que geram mais comoção e alarme sociais.

Problema: A escolha do indicador depende do objetivo que se quer alcançar (dar um “peso” maior ou menor para determinado argumento). A opção pelo indicador “errado” pode ser inconveniente para a Administração.

Diferenças conceituais entre os órgãos responsáveis pelas estatísticas
Descrição: há mais de um órgão responsável pela coleta de dados, sua organização, interpretação e difusão, e eles tratam os dados de maneira diferente.

Exemplo:

a) […] algumas instituições utilizam como fonte primária de seus dados de homicídio a declaração de óbito, enquanto na SSP, a fonte é o Boletim de Ocorrência, o Inquérito Policial e os Autos de Prisão e Apreensão em Flagrante;

b) Na esfera da Saúde a preocupação está em identificar a natureza da morte […] Assim, na declaração de óbito poderá constar como causa básica da morte “perfuração do abdome por objeto contundente”, sendo classifi cado como homicídio. Já pelo BO, dependendo da situação, poderá ser classifi cado como: homicídio doloso, homicídio culposo, latrocínio, morte a esclarecer, suicídio, lesão corporal seguida de morte ou lesão corporal grave (pois no momento da confecção do boletim, pode-se ainda não ter o resultado morte);

c) A declaração de óbito utiliza o endereço de residência da vítima enquanto o BO o endereço da ocorrência. Assim, se a vítima mora em um lugar mas morre em outro, num local se contabilizará um homicídio a menos e em outro um a mais, dependendo da fonte;

e) É normal a diferença entre dados de fontes diferentes. Por exemplo, se confrontarmos dados de desemprego ou inflação da Fundação SEADE com o IBGE, apresentarão diferenças. […].

f) Os dados de homicídio oriundos da Saúde não estão isentos de problemas, merecendo destaque entre eles a notificação incompleta das mortes, as mortes não classificadas e as mortes provocadas por causas externas de intenção não determinada. […] (KAHN, 2005, págs.15 e 16).

Problema: disparidade de informações, dificultando a possibilidade de conclusões mais próximas da realidade fática. “A melhor forma de se avaliar a qualidade das bases de dados, tanto dos registros policiais quanto do sistema de saúde, é compará-los entre si” (ibidem, pág. 16).

Diferenças entre dados do CIAE e do SISP

Descrição: O SISP (Sistema Integrado de Segurança Pública) registra informações de todos os Distritos Policiais do Estado de Goiás. O CIAE (Centro Integrado de Atendimento de Emergência) compreende os dados do atendimento emergencial da Polícia Militar na capital e em alguns municípios. As estatísticas oficiais da Secretaria de Segurança Pública sobre a criminalidade se baseiam no SISP, enquanto a produtividade se baseia em ambos os sistemas. Assim, os números acerca da criminalidade não coincidem.
Exemplos:

a) alteração da natureza durante o inquérito: muitas ocorrências que se iniciam com um tipo de delito podem, em decorrência de acontecimentos posteriores ao registro, sofrer alterações. Por exemplo, um roubo seguido de lesão corporal grave pode, durante a elaboração do Inquérito Policial, transformar-se em latrocínio com a morte da vítima;

b) alteração da natureza no BO complementar: a natureza inicial de uma ocorrência pode ser alterada por um BO complementar. Exemplificando, uma ocorrência que se iniciou como homicídio pode sofrer uma complementação e a natureza, no BO complementar, ser alterada para latrocínio; outra incorreção que pode ser cometida é fazer a contagem de um BO complementar como mais uma nova ocorrência, quando na verdade é a continuação da ocorrência inicial;

c) área de registro diferente da área de apuração: uma ocorrência pode acontecer na área de um Distrito Policial e ser registrada em outro. A Unidade Policial que registrou a ocorrência, envia àquele DP que responde pela área territorial do fato para apuração. Assim, fazendo-se a contagem dos crimes pelos Boletins de Ocorrência, não irá aparecer no DP de destino a ocorrência, porque o Inquérito Policial foi instaurado com base no BO de outra Unidade Policial (KAHN, 2005, págs.15 e 16).

Problema: fica muito difícil chegar a dados precisos sobre a ocorrência de determinado tipo de fato.

Atualização de dados

Descrição: “O curso das investigações pode levar à confirmação da hipótese, ou à reclassificação do fato criminal na instauração do inquérito, do mesmo modo que exames complementares (laboratoriais, radiográficos, etc.) confirmam ou não a hipótese do médico.” (KAHN, 2005, págs.15 e 16). Esporadicamente a SSP altera alguma estatística na página da Internet ou no Diário Oficial. Pode acontecer do Analista não se atualizar dos dados novos.

Exemplo: O Núcleo de Análise Criminal traça um gráfico estatístico sobre o número de homicídios baseados em números desatualizados.

Problema: Resultados diferentes da análise feita concomitantemente por outro Núcleo de Análise.

Apresentação de números absolutos ou taxas por mil, dez mil, cem mil habitantes.

Descrição: “[…] os crimes aumentam concomitantemente ao aumento da população, de modo que se a intenção é comparar dois períodos de tempo muito distantes – ao ponto das alterações de população serem significativas – ou duas áreas com populações diferentes, o ideal é que se utilize uma taxa por habitante, ao invés dos números absolutos” (KAHN, 2005, pág.19). Estes podem dar impressão alarmante ao leitor.

Exemplo: Veja o quadro abaixo: o Estado da Bahia é o mais populoso do grupo, portanto o número absoluto de homicídios é naturalmente o maior. Por outro lado, usando a taxa por 100 mil habitantes, a Bahia tem relativamente menos homicídios doque o Espírito Santo o Acre e outros.

Problema: Os números absolutos passam uma impressão, quando a taxa por habitantes contextualizaria melhor os dados.

Ranqueamento (ou hierarquização)

Descrição: Divulgação de rankings baseados em estatísticas sem considerar todas as variáveis que afetam o fenômeno estudado em determinado local.
Exemplo: Khan reproduz um alerta do FBI que descreve a situação:

A cada ano quando o anuário é publicado, muitas entidades – jornais, agências de turismo, e outros grupos com interesse em crimes – utilizam as estatísticas dos crimes relatados para compilar rankings de cidades e Estados. Estes rankings, todavia, são meramente uma escolha ligeira feita pelos usuários e não permitem nenhuma percepção sobre as muitas variáveis que moldam o crime numa cidade ou região em particular. Conseqüentemente, estas hierarquizações levam a interpretações simplistas ou incompletas, que freqüentemente criam percepções enganosas que afetam negativamente algumas cidades e seus residentes (FBI apud KAHN, 2005, pág. 20).

Problema: Comparações apressadas que não refletem a realidade fielmente.

Percentual calculado utilizando períodos base sem relação natural
Descrição: percentual calculado em relação a período diferente (sem relação) do equivalente anterior (ano, ou semestre, ou trimenstre, ou outra sequência lógica anterior).

Exemplo:

([…] evolução do 3º trimestre de 1995 ao 3º trimestre de 2004). Muitas vezes, porém, o interesse está em saber a evolução em relação a períodos anteriores, mesmo que não coincidentes (ex: evolução do primeiro trimestre de 2001 ao terceiro trimestre de 2004). Como as porcentagens, recomenda-se que as taxas sejam calculadas apenas quando o número absoluto de casos é superior a 100, com o intuito de evitar que uma pequena alteração em termos absolutos reflita-se, também enganosamente, em grandes alterações em termos relativos (KAHN, 2005, pág. 21).

Problema:a taxa de variação Porcentual deve, preferencialmente, ser calculada com relação ao mesmo período do ano anterior, para evitar interpretações erradas causadas pelo fenômeno da sazonalidade. Valem os mesmos cuidados em relação à escolha do período base adequado, no que concerne à tipicidade e à distância com relação período de comparação (idem).

Estatísticas do Sistema de Justiça Criminal

Descrição: as estatísticas brasileiras são, em regra, feitas seguindo critérios jurídicos de classificação, e não critérios policiais. Isso torna algumas informações irrelevantes para o enfrentamento ao crime e dados importantes são, simplesmente, deixados de coletar.

Exemplo:

[…] nossas estatísticas nos dizem se um homicídio é “doloso” ou “culposo” – uma diferença jurídica importante para estabelecer o grau de culpabilidade do autor e a punição correspondente – mas não se foi um homicídio cometido por alguém conhecido ou desconhecido da vítima, informação que seria relevante para traçar uma política de prevenção ao delito (KAHN, 2005, pág. 22).

Problema: as bases de dados estatístico-policiais geralmente não trazem informações relevantes sobre modus operandi, vitimologia, tipos de autores, características de locais de crimes etc., que dificultam a produção de conhecimento especificamente policial.

3. CONCLUSÃO

Como ficou demonstrado, a estatística é instrumento muito comumente utilizado de forma errada – intencionalmente ou não – ou pelo menos tem seus resultados apresentados de forma indevida com grande frequência.
A coletânea de comentários e exemplos que foram relacionados neste artigo é um rol ilustrativo que está longe de ter exaurido as possibilidades de falhas nos métodos estatísticos e os meios de “fantasiar” sua apresentação.

A Análise Criminal não prescinde da estatística e, portanto, a consciência das distorções que a esta podem ser aplicadas é essencial ao trabalho do bom analista. Eximindo-se da hipocrisia, não resta dúvida de que o relatório ou boletim apresentado para o decisor é diferente daquele passado ao jornalista, por exemplo.

Embora não haja um código deontológico que determine a conduta ética do analista criminal, analogicamente é possível afirmar que, como em profissões como a advocacia, o jornalismo, a história, a literatura não-ficcional, etc., há um certo grau de discricionariedade na forma de se apresentar os resultados das pesquisas, justificável pela necessidade retórica de converter o destinatário às conclusões que se pretende e/ou de preservar interesses que estão por trás do que precisa ser dito. No entanto, isso não se confunde com a mera invenção de fontes e dados ou com sua deturpação intencional. Talvez esse seja o limite.

Em toda manifestação oral e escrita há conteúdo persuasório , sempre se quer convencer o receptor da verdade do que se afirma. Há maneiras mais ou menos “contundentes” de se expor argumentos, dependendo do efeito que se quer alcançar. A habilidade de saber trabalhar o discurso para atender àquele que encomendou o trabalho de análise e também aos interessados menos prioritários, resguardando ainda a instituição de segurança a que pertence e à Administração Pública de forma geral, é competência crucial do bom analista.

Para além da análise propriamente dita, a forma de sua apresentação é muito importante, afinal, é o que fica. Traduzir os resultados de maneira a destacar o que se pretende ou minimizar o impacto daquilo que se considera seja necessário diminuir é tarefa que exige conhecimento linguístico, estatístico e institucional. O bom-senso deve estar vinculado ao bem-comum e aos interesses da Administração.

É intenção que este artigo equipe melhor o Analista Criminal, aumentando sua visão crítica dos dados e estatísticas que lhe caem nas mãos, além imunizarem-no contra erros que possa cometer sem intenção e também armarem-no com arsenal discursivo que possa utilizar para tornar seu trabalho mais conveniente (essa a palavra-chave). Há muita bibliografia sobre o tema para aprofundamento . Uma primeira sugestão é a lista de referências bibliográficas a seguir, além daquelas apresentadas em notas de rodapé.

REFERÊNCIAS BIBLIOGRÁFICAS

AZEVEDO, Ana Luísa Vieira de; RICCIO, Vicente and RUEDIGER, Marco Aurélio. A utilização das estatísticas criminais no planejamento da ação policial: cultura e contexto organizacional como elementos centrais à sua compreensão. Ci. Inf. [online]. 2011, vol.40, n.1, pp. 9-21. ISSN 0100-1965.

BORGES, G.; BAYMA, F. e ZOUAIN, D. Inteligência estratégica x investigação policial no combate às organizações criminosas. IN: OLIVEIRA, F. B.; ZOUAIN, D. M.; RUEDIGER, M. A.; e RICCIO, V. (Org.). Desafios da Gestão Pública de Segurança. Rio de Janeiro: FGV, 2009.

HUFF, Darrell. Como Mentir com Estatísticas. Edições Financeiras S.A. RJ : 1968.
KAHN, Túlio. Estatística de Criminalidade: Manual de Interpretação. Secretaria de Segurança Pública de São Paulo – Coordenadoria de Análise e Planejamento. São Paulo, 2005. Acessado em 09 dec. 2014. Disponível em: < http://www.ssp.sp.gov.br/media/documents/manual_interpretacao.pdf>

LIVRAGHI, Giancarlo. Corso di Logica. Università di Cagliari. Outubro de 2009. Disponível em: Acessado em 08 dez. 2014.

RODRIGUES, Juliano Barreto. A Verdade dos Autos versus a Verdade Real na Justiça Criminal, 2013. 184f. Dissertação (Mestrado em Direito, Relações Internacionais e Desenvolvimento) – Pontifícia Universidade Católica de Goiás, Goiás, 2013. Disponível em PDF: <http://tede.biblioteca.ucg.br/tde_arquivos/24/TDE-2014-02-28T160356Z-1545/Publico/JULIANO%20BARRETO%20RODRIGUES.pdf>. Acesso em 06 dez. 2014.

RODRIGUES, Lílian Cavalheiro e ABREU-RODRIGUES, Josele. “Falácia da conjunção”: definição e variáveis de controle. Psic.: Teor. e Pesq. [online]. 2007, vol.23, n.4, pp. 433-442. ISSN 0102-3772. Disponível em: <http://www.scielo.br/pdf/ptp/v23n4/09.pdf> Acessado em 08 dec. 2014.

SEIFE, Charles. Os Números (não) Mentem: como a matemática pode ser usada para enganar você. – Rio de Janeiro : Zahar, 2012.

SILVA, Joselí Maria da. A Subjetividade lingüisticamente marcada em Pareceres Técnicos e Jurídicos / Joselí Maria da Silva. – João Pessoa: UFPB, 2007