好的下午。
今天是去至是說關於這理解
的犯罪速度和犯罪預言。
前我們去進入這數據，讓我介紹一個團隊。
我們有Karanveer，我們的數據科學家和數據造型專家，
和我自己格蘭特·拉基作為一個數據研究員和
數據可視化專家。
所以前我們得到進入這數據，讓我們做一個概述
的這全部的介紹。
是去至開始和這背景
哪個將要是這最初的數據套和為什麼我們選擇了我們的數據。
這數據概述，哪個再次是去進入這原因
為什麼我們選擇了我們的數據和什麼是去至是試至回答。
這商業問題，哪個是這問題那
我們有和我們的數據。
為什麼是試至回答肯定
問題和這全面的主意的這全部的項目。
下一個是我們的方法和計劃，哪個是我們的程序的接聽
我們的商業問題和然後我們的結果，
哪個是這結果的我們的方法'計劃。
我們的應用，哪個是真實的-生活影響
從我們的結果，和後分析，
哪個是什麼我們可以包括或者添加上至我們的結果。
什麼我們可以添加上至提升之上這個和年至來。
開始和背景，為什麼應該我們關心關於犯罪速度？
出色地犯罪是只是重要的至每個人，它是到處在這團結的狀態，
和所以什麼是犯罪速度和如何能夠我們定義它？
如何我們定義犯罪速度是我們的最初的刑事活動，
分為經過這人口密度每縣或者每狀態。
是主要是去至是看著在每狀態。
所以如何是我們去至確認因素
哪個能夠減少犯罪費率始終我們的全部的項目。
這裡是去至是請講關於如何肯定犯罪
是去至是更多的有影響在肯定狀態比其他，
和做肯定犯罪影響其他犯罪？
所以為了例子，
如果那裡曾是一個謀殺犯罪，將槍或者盜竊是更多的
有影響在那謀殺犯罪或者將其他犯罪是有影響在那？
所以看著在我們的數據概述。
我們開始離開和我們的最初的數據放哪個是我們的犯罪統計數據數據，
和我們添加其他數據變量之後上始終這個最初的數據放。
開始和我們的最初的數據放，我們開始和2014數據，
和這個最初的數據放曾是給定至我們從
聯邦局調查：這聯邦調查局。
我們看起來在42刑事活動哪個是寬的範圍
從謀殺，盜竊至藥品擁有，藥品活動。
我們看起來在關於3,200縣，和內全部這些縣
或者內這些狀態將是全部那些縣。
我們有至看在48狀態。
我們有至排除佛羅里達和伊利諾伊州，
因為佛羅里達和伊利諾伊州做過不是提供數據至這聯邦調查局
為了這刑事活動。
如果你看在未來2018數據或者過去的2012數據，它是這相同的問題。
他們只是別提供數據至這聯邦調查局它似乎.
和全部的這個為了2014數據，有180,000數據積分
說關於這FIPS代碼。
這個是如何我們確定肯定刑事活動在肯定縣。
為了例子，我們有我們的狀態代碼，哪個將01為了阿拉巴馬州。
這些狀態是代表按字母順序。
阿拉巴馬州將是這第一的一，和然後每個縣內那狀態
將有數字至他們。
為了例子，鮑德溫將是003.
如果你看起來在鮑德溫，阿拉巴馬州，
它會的是01003,所以上和所以向前為了每一個縣詳細的在這狀態。
看著在我們的額外的變量，我們看起來在人口普查數據。
人口普查數據是總是偉大的為了檢查出去這年齡，人口，
收入每縣或者每狀態，
和我們有至看在其他數據套喜歡
性別，移民，宗教，婚姻，失業和識字率。
這些其他數據套看起來更多的或者所以在這全州費率，
和這個不是真的有關的至刑事活動，
但我們通緝至涉及它
內我們的最初的數據放至看如果有任何相關性和他們。
去進入我們的商業問題，
我們想至回答什麼狀態在這團結的狀態具體來說
有這最高和最低犯罪費率和為什麼是那所以？
至回答我們的商業問題，
我們有至回答這些商業問題去進入那。
如何能夠我們確認變量那影響犯罪？
哪個是這最多重要的因素？
是那裡犯罪那影響其他犯罪？
我是去至手它離開至卡蘭維爾至講話關於計劃和方法。
感謝你，授予。
我們的方法至解決這個商業問題，
曾是至來向上和一個回歸模型。
我們有用過的JMP至製作它。
第一的，作為授予提及，
我們有連接的這各種各樣的數據庫，那是這犯罪數據放，
沿著和那些額外的變量這樣的作為宗教，收入，等等
我們有製成當然無論這數據看起來乾淨的。
一個之後那，我們有跑我們的回歸模型，
哪個是有能力的至預測這犯罪速度為了我們。
和這個，我們是有能力的至知道這各種各樣的變量
和他們的重要性在決定這個犯罪速度，
和我們是有能力的至列表他們經過他們的重要性。
一個噸這結尾出色地還是顯示你可視化基於上它。
作為授予提及，我們有42刑事活動變量。
一些的這些變量是非常小的，
這樣的作為藥品擁有，藥品消耗，藥品銷售量。
在那案子，我們有簡單地分組他們至製作當然那
我們能夠來上一個結論上那
自從這數據曾是否則也是小的為了這亞組。
出色地是看著他們狀態明智的
作為我們沒有有這額外的變量上一個縣基礎。
但我感覺那這個是偉大的為了開始這個項目。
我們的目標多變的將是這犯罪速度。
我們有定義這犯罪速度作為這數字的逮捕
在那肯定人口。
現在，未來下至這變量那我們是使用。
最多的這些變量有到過歸一化和我們有用過的
一個百分比為了他們，這樣的作為移民為了性別。
我們將要是使用二類型那將要是一個男性和一個女性，
和然後宗教，失業，婚姻，識字。
最多的這些是歸一化所以那
我們別有一個分析哪個可以是誤導。
未來下至這最後方程的我們的回歸模型。
這個是這方程的一個模型。
我們有圓形離開這樣品，
和作為我們能夠看那裡是一個很多的變量
那有一個積極的影響，作為在，那他們增加這犯罪速度，
和那裡是肯定變量哪個有一個消極的符號和他們。
他們基本上減少這犯罪速度。
使用這個我們能夠看如何我們能夠定義一個犯罪速度在任何狀態或者縣。
未來下至這結果。
這發現數字一。
我們真的通緝至看哪個狀態有這最高犯罪速度。
這些是這下列的五狀態。
田納西州，懷俄明州，密西西比州，威斯康星州，新的墨西哥。
然後我們有這下列的狀態和這最低犯罪速度，
那是新的約克，阿拉巴馬州，佛蒙特，馬薩諸塞州和密歇根州。
這是一個下列的可視化解釋如何這犯罪速度
變化穿過團結的狀態。
作為我們看，那裡是不肯定圖案和它是全部超過這地方。
發現數字二。
使用JMP和正在做一個日誌[聽不清 00:07:57]
上這變量，我們可以基本上看哪個變量有更多的重要性。
這數字一曾是武器擁有，跟隨經過識字速度，
然後宗教百分比，移民，人口密度，
和這失業速度。
我思考這個是一個偉大的發現，儘管任何政府身體
或者任何組織想要至分配資源
每當他們是試至減少這犯罪速度或者試至分析它。
這發現數字三是某物真的有趣的。
我們的目標曾是至看無論那裡是肯定犯罪
哪個可以幫助我們解決不是只是那犯罪，
但也許其他犯罪作為出色地。
哪個這些犯罪是試至影響。
藥品和武器曾是一的他們。
我們可以看藥品和武器有一個非常高的相關性
和說，盜竊，搶劫，謀殺。
使用一個智-正方形測試，我們鋸那這相關性是非常高的。
所以在案子任何組織將想至重點上和開始和，
我思考藥品和武器是一個偉大的類別在哪裡
他們能夠重點在為了減少犯罪速度在任何狀態或者縣。
這個是這下列的地圖顯示
這宗教速度，擁有的武器，和識字速度，
和這變化穿過團結的狀態。
如果我們放它和這犯罪速度，我們能夠看一個肯定圖案
哪個是實際上解釋經過我們的回歸模型。
現在未來下至這影響，
如何我們能夠利用我們的分析至一個真實的-世界解決方案。
喜歡這數據放我們有用過的，和我們有連接的至變量，
我們將確實想至工作和政府，城市和社區
因為犯罪是一個普遍的問題
和這個是某物大家想要至減少。
這恢復分配能夠是完畢根據至這個，
和更遠，這個將結果在一個減少在犯罪速度
和增加幸福在這社區。
郵政-分析。
那裡是一個很多的事物那我們將想至包括在我們的項目，
和這個是一個偉大的未來範圍作為出色地。
第一的事物，我們將想至包括更多的變量
這樣的作為天氣，種族和這列表去上。
我們可以確實甚至聽至這政府身體和拿輸入
為了這些變量從他們。
縣詳細的或者在至少城市細節。
我感覺它是偉大的至開始和狀態-明智的數據，
但我們將確實想至重點上一個更多的詳細的等級的分析，
所以那我們能夠利用這些結論至這真實的世界
更多的清楚地，更多的恰恰和我們將有一個更好的影響作為出色地。
這數據時間框架。
正確的現在我們有用過的這數據從這年2014 年。
我感覺這個是一個八年老的數據放。
我們將確實想至利用一個更多的最新的數據放，
和某物那是跨越超過一個夫妻的年，
所以那它給我們明晰。
自從冠狀病毒病有受影響我們在一個很多的方法，
和它有改變了如何基本上生活是在職的大約我們，
和所以有犯罪速度和這方法犯罪發生了有到過改變了。
我們將確實想至重點郵政冠狀病毒病,
和超過這最後的二-三年，為了一個郵政-分析。
那是全部和感謝你。
