Censo Nacional de Comisarías 2017

Análisis de Infraestructura y Equipamiento

Introducción

Los datos que vamos a analizar provienen del VI Censo Nacional de Comisarías realizado en el año 2017 por el Instituto Nacional de Estadística e Informática. El objetivo primordial de dicho censo fue conocer mejor la infraestructura y equipamiento con el que cuentan los locales donde funcionan las Comisarías de la Policía Nacional del Perú. Entre las principales características a evaluar fueron:

• Ámbito jurisdiccional de la comisaría
• Número de policías asignados
• Labor de cada policiía asignado
• Accesorios de trabajo
• Planes operativos y de emergencia

Pueden conocer más sobre el ánalisis final de este censo en la publicación oficial del INEI: PERÚ: VI CENSO NACIONAL DE COMISARÍAS 2017, Resultados Definitivos.

Análisis Descriptivo

Lectura de Datos

El archivo con la información descargada del INEI se encuentra en la carpeta datos y tiene por nombre CensoComisarias.sav. El formato de este archivo corresponde a bases de datos registradas en el software SPSS, por lo que, se debe importar al R haciendo uso del paquete foreign.

#install.packages("foreign") 
library(foreign)
datos <-  read.spss("datos/Cap_100_Infraestructura 2017.sav", to.data.frame=TRUE)

Veamos cuanta información tenemos,

dim(datos)

## [1] 1495  280

Existen 1495 registros y 280 variables.

Ahora, veamos un pequeño extracto de los datos.

datos[1:5, 4:6]

##                               NOMBREDI               INF109    INF109A
## 1 RUPA-RUPA                            De 40001 - 80000 Hab  Distrital
## 2 MARIANO DAMASO BERAUN                 De 5000 - 10000 Hab  Distrital
## 3 JOSE CRESPO Y CASTILLO               De 20001 - 40000 Hab  Distrital
## 4 TOCACHE                               De 5000 - 10000 Hab Provincial
## 5 NUEVO PROGRESO                        De 5000 - 10000 Hab  Distrital

knitr::kable(datos[1:5, 4:6])

NOMBREDI	INF109	INF109A
RUPA-RUPA	De 40001 - 80000 Hab	Distrital
MARIANO DAMASO BERAUN	De 5000 - 10000 Hab	Distrital
JOSE CRESPO Y CASTILLO	De 20001 - 40000 Hab	Distrital
TOCACHE	De 5000 - 10000 Hab	Provincial
NUEVO PROGRESO	De 5000 - 10000 Hab	Distrital

Jurisdicción

Alcance de Jurisdicción

cuadro1 <- as.data.frame(table(datos$INF109))
cuadro2 <- as.data.frame(prop.table(table(datos$INF109)))
names(cuadro1) <- c("Categoría", "Frecuencia")
cuadro1$Porcentaje <- cuadro2$Freq
knitr::kable(cuadro1)

Categoría	Frecuencia	Porcentaje
Menos de 5000 Hab	288	0.1926421
De 5000 - 10000 Hab	329	0.2200669
De 10001 - 20000 Hab	290	0.1939799
De 20001 - 40000 Hab	248	0.1658863
De 40001 - 80000 Hab	196	0.1311037
De 80001 a más Hab	144	0.0963211

library(ggplot2)
ggplot(datos, mapping = aes(x = INF109)) +
  geom_bar() +
  xlab("Habitantes") + ylab("Frecuencia") +
  theme(axis.text.x = element_text(angle = 12))

Alcance de Jurisdicción de las Comisarías

Tipo de Jurisdicción

knitr::kable(table(datos$INF109A), col.names = c("Categoría", "Frecuencia"))

Categoría	Frecuencia
Nacional	2
Regional	29
Provincial	139
Distrital	1241
Otros	84

library(ggplot2)
ggplot(datos, mapping = aes(x = INF109A)) +
  geom_bar(color = "black", fill = "red", alpha = 0.6) +
  xlab("") + ylab("Frecuencia")

Tipo de Jurisdicción de las Comisarías

Estos gráficos fueron elaborados con el paquete ggplot2 desarrollado por @Wickham2009. Además, el reporte fue generado usando rmarkdown. Pueden aprender más en el libro de @Xie2018. Reporte basado en el siguiente Rmd github