Este informe analiza la incidencia de delitos sexuales durante el primer cuatrimestre del año 2024. Los delitos sexuales representan una preocupación significativa en términos de seguridad pública y bienestar social. Este informe tiene como objetivo proporcionar una visión general de la distribución geográfica, las tendencias temporales y otros aspectos relevantes relacionados con estos delitos en Colombia.

  1. IMPORTAR BASE DE DATOS
library(readxl)#libreria para cargar los datos
DELITOS_SEXUALES <- read_excel("D:/TRIMESTRE 2/R/DELITOS_SEXUALES.xlsx")
View(DELITOS_SEXUALES)
  1. EJERCICIOS

La función tapply(), divide los datos en grupos basados en una o más características y luego realiza una operación o cálculo específico para cada grupo. En este caso, se quiere saber el número total de delitos sexuales por departamento.

delitos_por_departamento <- tapply(DELITOS_SEXUALES$CANTIDAD, DELITOS_SEXUALES$DEPARTAMENTO, sum)
print(delitos_por_departamento)
##           AMAZONAS          ANTIOQUIA             ARAUCA          ATLÁNTICO 
##                  8               1164                 54                334 
##            BOLÍVAR             BOYACÁ             CALDAS            CAQUETÁ 
##                241                196                140                 63 
##           CASANARE              CAUCA              CESAR              CHOCÓ 
##                 57                206                215                 69 
##            CÓRDOBA       CUNDINAMARCA            GUAINÍA            GUAJIRA 
##                 44               2890                 14                 66 
##           GUAVIARE              HUILA          MAGDALENA               META 
##                 38                222                163                252 
##             NARIÑO NORTE DE SANTANDER           PUTUMAYO            QUINDÍO 
##                241                150                 89                 59 
##          RISARALDA         SAN ANDRÉS          SANTANDER              SUCRE 
##                161                 23                360                114 
##             TOLIMA              VALLE             VAUPÉS            VICHADA 
##                330                731                  9                 21
conteo_departamento <- table(DELITOS_SEXUALES$`DEPARTAMENTO`)
conteo_departamento_mayor <- names(conteo_departamento)[which.max(conteo_departamento)]
max_conteo_depa <- max(conteo_departamento)
cat("El departamento con mayor cantidad de delitos sexuales es:", conteo_departamento_mayor, "con un total de", max_conteo_depa, "delitos.")
## El departamento con mayor cantidad de delitos sexuales es: CUNDINAMARCA con un total de 1998 delitos.
conteo_municipio <- table(DELITOS_SEXUALES$`MUNICIPIO`)
conteo_municipio_mayor <- names(conteo_municipio)[which.max(conteo_municipio)]
max_conteo <- max(conteo_municipio)
cat("El municipio con mayor cantidad de delitos sexuales es:", conteo_municipio_mayor, "con un total de", max_conteo, "delitos.")
## El municipio con mayor cantidad de delitos sexuales es: Bogotá D.C. (CT) con un total de 1540 delitos.
delitos_por_mes <- tapply(DELITOS_SEXUALES$CANTIDAD, DELITOS_SEXUALES$NOMBRE_MES, sum)
print(delitos_por_mes)
##   ABRIL   ENERO FEBRERO   MARZO 
##    2178    1866    2296    2384
delitos_por_genero_etapa <- with(DELITOS_SEXUALES, tapply(CANTIDAD, list(GENERO, ETAPA_DE_VIDA), sum))
print(delitos_por_genero_etapa)
##              ADOLESCENTES ADULTOS MENORES NO REPORTADO
## FEMENINO             2126    2848    2066           NA
## MASCULINO             255     835     455           NA
## NO REPORTADO           NA      NA      NA          139
delitos_por_arma <- tapply(DELITOS_SEXUALES$CANTIDAD, DELITOS_SEXUALES$ARMAS_MEDIOS, sum)
print(delitos_por_arma)
## ARMA BLANCA / CORTOPUNZANTE               ARMA DE FUEGO 
##                         453                           9 
##                CONTUNDENTES                ESCOPOLAMINA 
##                         591                          33 
##                NO REPORTADO         SIN EMPLEO DE ARMAS 
##                           6                        7632
conteo_tipo_delito <- table(DELITOS_SEXUALES$`TIPO_DELITO`)
conteo_tipo_mayor <- names(conteo_tipo_delito)[which.max(conteo_tipo_delito)]
max_conteo_tipo <- max(conteo_tipo_delito)
cat("El tipo de delito con mayor cantidad de delitos sexuales es:", conteo_tipo_mayor, "con un total de", max_conteo_tipo, "delitos.")
## El tipo de delito con mayor cantidad de delitos sexuales es: ACTOS SEXUALES CON MENOR DE 14 AÑOS con un total de 2252 delitos.
  1. GRÁFICOS
colores <- c("peachpuff", "lightgreen", "lightblue", "pink", "lightyellow", "lightcyan")

delitos_por_genero <- tapply(DELITOS_SEXUALES$CANTIDAD, DELITOS_SEXUALES$GENERO, sum)
print(delitos_por_genero)
##     FEMENINO    MASCULINO NO REPORTADO 
##         7040         1545          139
barplot(delitos_por_genero,
        main = "Cantidad de delitos sexuales por género",
        xlab = "Género",
        ylab = "Número de delitos",
        col= colores,
        border = "black",
        cex.names = 1)

plot(delitos_por_mes,
     type = "b", 
     col = "red", 
     xlab = "Mes", 
     ylab = "Número de delitos", 
     main = "Cantidad de delitos sexuales por mes",
    xaxt = "n")
axis(side = 1, at = 1:length(delitos_por_mes), labels = names(delitos_por_mes))

barplot(delitos_por_arma,
        main = "Cantidad de delitos sexuales por tipo de arma o medio utilizado",
        xlab = "Tipo de arma o medio",
        ylab = "Número de delitos",
        col= colores,
        border = "black",
        xaxt= "n")
legend("topleft", legend = names(delitos_por_arma), fill = colores, bty = "n")