library(readr)
AccidentesDB <- read_csv("Accidentalidad_en_Barranquilla_20240819.csv")Actividad Evaluativa Primer Corte
La base de datos utilizada es suministrada por la Alcaldía Distrital de Barranquilla, Distrito Especial, Industrial y Portuario. Esta contiene información relacionada a los accidentes de tránsito ocurridos en el distrito de Barranquilla, con datos recopilados a partir de los informes policiales de accidentes de tránsito (IPAT). Su última actualización fue el 17 de julio de 2024 y contiene 11 variables que describen diferentes aspectos de la accidentalidad en la ciudad.
Utilizando la función “dim( )”, se obtiene el número total de filas y columnas de la base datos:
dim(AccidentesDB)[1] 25610 11La base de datos está compuesta por un total de 25610 filas y 11 columnas.
Con fines ilustrativos, se muestra una vista preliminar de los primeros 20 registros de la database:
library(knitr)
print(kable(head(AccidentesDB, 20)))
|FECHA_ACCIDENTE |HORA_ACCIDENTE |GRAVEDAD_ACCIDENTE |CLASE_ACCIDENTE |SITIO_EXACTO_ACCIDENTE | CANT_HERIDOS_EN _SITIO_ACCIDENTE| CANT_MUERTOS_EN _SITIO_ACCIDENTE| CANTIDAD_ACCIDENTES| AÑO_ACCIDENTE|MES_ACCIDENTE |DIA_ACCIDENTE |
|:---------------|:--------------|:------------------|:---------------|:----------------------|--------------------------------:|--------------------------------:|-------------------:|-------------:|:-------------|:-------------|
|2018-01-01 |01:30:00:am |Con heridos |Atropello |CL 87 9H 24 | 1| NA| 1| 2018|January |Mon |
|2018-01-01 |02:00:00:pm |Solo daños |Choque |CL 110 CR 46 | NA| NA| 1| 2018|January |Mon |
|2018-01-01 |04:00:00:am |Solo daños |Choque |AV CIRCUNVALAR CR 9G | NA| NA| 1| 2018|January |Mon |
|2018-01-01 |04:30:00:am |Solo daños |Choque |CLLE 72 CRA 29 | NA| NA| 1| 2018|January |Mon |
|2018-01-01 |05:20:00:pm |Solo daños |Choque |VIA 40 CALLE 75 | NA| NA| 1| 2018|January |Mon |
|2018-01-01 |06:00:00:pm |Con heridos |Choque |CR 8 CL 41 | 3| NA| 1| 2018|January |Mon |
|2018-01-01 |12:50:00:am |Con heridos |Atropello |CLLE 119B CRA 11B | 1| NA| 1| 2018|January |Mon |
|2018-01-02 |02:30:00:pm |Solo daños |Choque |CARRERA 25 37-42 | NA| NA| 1| 2018|January |Tue |
|2018-01-02 |03:00:00:pm |Solo daños |Choque |CR 51B 1D 35 | NA| NA| 1| 2018|January |Tue |
|2018-01-02 |03:45:00:pm |Solo daños |Choque |VIA 40 CLLE 85 | NA| NA| 1| 2018|January |Tue |
|2018-01-02 |04:10:00:pm |Solo daños |Choque |CL 19 CR 2C | NA| NA| 1| 2018|January |Tue |
|2018-01-02 |05:30:00:pm |Solo daños |Choque |VIA 40 CL 77B | NA| NA| 1| 2018|January |Tue |
|2018-01-02 |05:45:00:pm |Solo daños |Choque |CL 89 CON 75B | NA| NA| 1| 2018|January |Tue |
|2018-01-02 |07:00:00:pm |Solo daños |Choque |CL 47 CR 38 | NA| NA| 1| 2018|January |Tue |
|2018-01-02 |07:30:00:pm |Solo daños |Choque |CLLE 96 CRA 64 | NA| NA| 1| 2018|January |Tue |
|2018-01-02 |08:40:00:pm |Con heridos |Choque |CIRCUNVALAR CR 9G | 2| NA| 1| 2018|January |Tue |
|2018-01-02 |09:00:00:am |Solo daños |Choque |CLLE 39 CRA 27 | NA| NA| 1| 2018|January |Tue |
|2018-01-02 |11:00:00:pm |Con heridos |Choque |CL 30 CR 30 | 1| NA| 1| 2018|January |Tue |
|2018-01-03 |02:20:00:pm |Solo daños |Choque |CL 110 CR 6Q | NA| NA| 1| 2018|January |Wed |
|2018-01-03 |03:15:00:pm |Solo daños |Choque |CL 19 CR 5C | NA| NA| 1| 2018|January |Wed |Gracias a las librerías “knitr” y “tibble”, se crea una tabla que contiene las variables utilizadas :
library(knitr)
library(tibble)
variables<-as.data.frame(enframe(names(AccidentesDB), name = NULL, value = "Variables"))
kable(variables)| Variables |
|---|
| FECHA_ACCIDENTE |
| HORA_ACCIDENTE |
| GRAVEDAD_ACCIDENTE |
| CLASE_ACCIDENTE |
| SITIO_EXACTO_ACCIDENTE |
| CANT_HERIDOS_EN _SITIO_ACCIDENTE |
| CANT_MUERTOS_EN _SITIO_ACCIDENTE |
| CANTIDAD_ACCIDENTES |
| AÑO_ACCIDENTE |
| MES_ACCIDENTE |
| DIA_ACCIDENTE |
A continuación, se explicará en qué consisten y a qué tipo pertenecen cada una de ellas:
1.) FECHA_ACCIDENTE: Registra la fecha en la que ocurrió el accidente. Esta variable es de tipo categórico, pues se usa para clasificar datos en categorías temporales, como años, meses o días, y no se analiza directamente como un número, que sería propio de una variable numérica.
2.) HORA_ACCIDENTE: Registra la hora exacta en la que sucedió el accidente. Esta variable es de tipo categórico porque al igual que la fecha, esta no se analiza directamente como un número continuo, sino que se usa para clasificar eventos en distintos momentos del día.
3.) GRAVEDAD_ACCIDENTE: Registra la gravedad del accidente. Dependiendo de si este dejó solo daños, heridos o muertos. Esta variable es de tipo categórico, ya que describe la gravedad del accidente, utilizando las categorías mencionadas.
4.) CLASE_ACCIDENTE: Registra la clase de accidente que se produjo. Teniendo en cuenta si este fue un choque, un atropello, un volcamiento, un incendio, entre otros. Esta variable es de tipo categórico, pues clasifica a los accidentes en las múltiples categorías mencionadas.
5.) SITIO_EXACTO_ACCIDENTE: Registra la dirección o lugar exacto en el que sucedió el accidente. Esta variable es de tipo categórico, pues describe la ubicación específica en la que ocurrió el accidente.
6.) CANT_HERIDOS_EN_SITIO_ACCIDENTE: Registra la cantidad de heridos que dejó el accidente., mostrando “NA” en el caso de que no haya heridos. Esta es una variable numérica discreta, ya que cuenta el número de heridos en cada accidente utilizando valores enteros.
7.) CANT_MUERTOS_EN_SITIO_ACCIDENTE: Registra la cantidad de muertos que dejó el accidente, mostrando “NA” en el caso de que no se produjera ninguna muerte. Esta es una variable numérica discreta, porque cuenta el número de muertos en cada accidente utilizando valores enteros.
8.) CANTIDAD_ACCIDENTES: Registra la cantidad de accidentes que ocurrieron en ese lugar y hora. Esta es una variable numérica discreta, pues cuenta el número de accidentes ocurridos en la ciudad de Barranquilla utilizando valores enteros.
9.) AÑO_ACCIDENTE: Registra el año en el que ocurrió el accidente. Esta variable es de tipo categórico, ya que aunque sea un número, esta se puede usar como categoría al representar un año específico.
10.) MES_ACCIDENTE: Registra el mes en el que ocurrió el accidente. Esta variable es de tipo categórico, debido a que se utiliza para representar un mes específico, aunque lo haga a través de un número.
11.) DIA_ACCIDENTE: Registra el día en el que ocurrió el accidente. Esta variable es de tipo categórico, porque aunque lo haga a través de un número, se utiliza para representar un día específico.
Ahora, a través de la librería “dplyr”, se consiguen identificar todos los registros con valores “NA”. En este caso se filtran todos los datos que contienen valores “Not Available” y se genera una tabla utilizando “kable” con las primeras 20 filas de la base de datos.
library(dplyr)
library(knitr)
filter1 <- AccidentesDB %>% filter_all(any_vars(is.na(.)))
knitr::kable(head(filter1, 20), caption = "Datos con valores Not Available")| FECHA_ACCIDENTE | HORA_ACCIDENTE | GRAVEDAD_ACCIDENTE | CLASE_ACCIDENTE | SITIO_EXACTO_ACCIDENTE | CANT_HERIDOS_EN _SITIO_ACCIDENTE | CANT_MUERTOS_EN _SITIO_ACCIDENTE | CANTIDAD_ACCIDENTES | AÑO_ACCIDENTE | MES_ACCIDENTE | DIA_ACCIDENTE |
|---|---|---|---|---|---|---|---|---|---|---|
| 2018-01-01 | 01:30:00:am | Con heridos | Atropello | CL 87 9H 24 | 1 | NA | 1 | 2018 | January | Mon |
| 2018-01-01 | 02:00:00:pm | Solo daños | Choque | CL 110 CR 46 | NA | NA | 1 | 2018 | January | Mon |
| 2018-01-01 | 04:00:00:am | Solo daños | Choque | AV CIRCUNVALAR CR 9G | NA | NA | 1 | 2018 | January | Mon |
| 2018-01-01 | 04:30:00:am | Solo daños | Choque | CLLE 72 CRA 29 | NA | NA | 1 | 2018 | January | Mon |
| 2018-01-01 | 05:20:00:pm | Solo daños | Choque | VIA 40 CALLE 75 | NA | NA | 1 | 2018 | January | Mon |
| 2018-01-01 | 06:00:00:pm | Con heridos | Choque | CR 8 CL 41 | 3 | NA | 1 | 2018 | January | Mon |
| 2018-01-01 | 12:50:00:am | Con heridos | Atropello | CLLE 119B CRA 11B | 1 | NA | 1 | 2018 | January | Mon |
| 2018-01-02 | 02:30:00:pm | Solo daños | Choque | CARRERA 25 37-42 | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 03:00:00:pm | Solo daños | Choque | CR 51B 1D 35 | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 03:45:00:pm | Solo daños | Choque | VIA 40 CLLE 85 | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 04:10:00:pm | Solo daños | Choque | CL 19 CR 2C | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 05:30:00:pm | Solo daños | Choque | VIA 40 CL 77B | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 05:45:00:pm | Solo daños | Choque | CL 89 CON 75B | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 07:00:00:pm | Solo daños | Choque | CL 47 CR 38 | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 07:30:00:pm | Solo daños | Choque | CLLE 96 CRA 64 | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 08:40:00:pm | Con heridos | Choque | CIRCUNVALAR CR 9G | 2 | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 09:00:00:am | Solo daños | Choque | CLLE 39 CRA 27 | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 11:00:00:pm | Con heridos | Choque | CL 30 CR 30 | 1 | NA | 1 | 2018 | January | Tue |
| 2018-01-03 | 02:20:00:pm | Solo daños | Choque | CL 110 CR 6Q | NA | NA | 1 | 2018 | January | Wed |
| 2018-01-03 | 03:15:00:pm | Solo daños | Choque | CL 19 CR 5C | NA | NA | 1 | 2018 | January | Wed |
Se utilizará la misma técnica para filtrar datos importantes que permitan entender mejor la estructura de la database.
Con el fin de conocer los accidentes de mayor gravedad, entendiéndose por mayor gravedad, como aquellos que dejaron muertos; se aplica un segundo filtro.
library(dplyr)
library(knitr)
filter2 <- AccidentesDB %>% filter(GRAVEDAD_ACCIDENTE == "Con muertos")
knitr::kable(head(filter2, 10), caption = "Primeras 10 filas de accidentes que dejaron muertos")| FECHA_ACCIDENTE | HORA_ACCIDENTE | GRAVEDAD_ACCIDENTE | CLASE_ACCIDENTE | SITIO_EXACTO_ACCIDENTE | CANT_HERIDOS_EN _SITIO_ACCIDENTE | CANT_MUERTOS_EN _SITIO_ACCIDENTE | CANTIDAD_ACCIDENTES | AÑO_ACCIDENTE | MES_ACCIDENTE | DIA_ACCIDENTE |
|---|---|---|---|---|---|---|---|---|---|---|
| 2018-01-06 | 12:15:00:pm | Con muertos | Atropello | CALLE 30 CRA 46 | 1 | 1 | 1 | 2018 | January | Sat |
| 2018-01-21 | 10:30:00:pm | Con muertos | Choque | CL 37 ENTRE CR 13 Y 14 ENTRADA MANUELA BELTRAN | 1 | 1 | 1 | 2018 | January | Sun |
| 2018-01-22 | 01:30:00:pm | Con muertos | Atropello | CR 37 CL 81 | NA | 1 | 1 | 2018 | January | Mon |
| 2018-01-25 | 05:20:00:pm | Con muertos | Choque | VIA 40 CR 51 | NA | 1 | 1 | 2018 | January | Thu |
| 2018-02-04 | 09:40:00:pm | Con muertos | Choque | CL 45 CR 2E | NA | 1 | 1 | 2018 | February | Sun |
| 2018-02-10 | 04:00:00:pm | Con muertos | Volcamiento | CR 47 CL 75 | 2 | 1 | 1 | 2018 | February | Sat |
| 2018-02-23 | 01:10:00:am | Con muertos | Choque | CARRERA 38 CALLE 44 | 1 | 1 | 1 | 2018 | February | Fri |
| 2018-03-04 | 05:10:00:am | Con muertos | Choque | KILOMETRO 113 VIA CORDIALIDAD | NA | 1 | 1 | 2018 | March | Sun |
| 2018-03-07 | 05:55:00:am | Con muertos | Atropello | CALLE 31 CARRERA 40 | NA | 1 | 1 | 2018 | March | Wed |
| 2018-03-22 | 02:30:00:pm | Con muertos | Atropello | AV CIRCUNVALAR CR 40A1 | NA | 2 | 1 | 2018 | March | Thu |
Para conocer los accidentes que ocurrieron debido a un choque, se aplica un tercer filtro.
library(dplyr)
library(knitr)
filter3 <- AccidentesDB %>% filter(CLASE_ACCIDENTE == "Choque")
knitr::kable(head(filter3, 10), caption = "Primeras 10 filas de accidentes que fueron ocasionados por un choque")| FECHA_ACCIDENTE | HORA_ACCIDENTE | GRAVEDAD_ACCIDENTE | CLASE_ACCIDENTE | SITIO_EXACTO_ACCIDENTE | CANT_HERIDOS_EN _SITIO_ACCIDENTE | CANT_MUERTOS_EN _SITIO_ACCIDENTE | CANTIDAD_ACCIDENTES | AÑO_ACCIDENTE | MES_ACCIDENTE | DIA_ACCIDENTE |
|---|---|---|---|---|---|---|---|---|---|---|
| 2018-01-01 | 02:00:00:pm | Solo daños | Choque | CL 110 CR 46 | NA | NA | 1 | 2018 | January | Mon |
| 2018-01-01 | 04:00:00:am | Solo daños | Choque | AV CIRCUNVALAR CR 9G | NA | NA | 1 | 2018 | January | Mon |
| 2018-01-01 | 04:30:00:am | Solo daños | Choque | CLLE 72 CRA 29 | NA | NA | 1 | 2018 | January | Mon |
| 2018-01-01 | 05:20:00:pm | Solo daños | Choque | VIA 40 CALLE 75 | NA | NA | 1 | 2018 | January | Mon |
| 2018-01-01 | 06:00:00:pm | Con heridos | Choque | CR 8 CL 41 | 3 | NA | 1 | 2018 | January | Mon |
| 2018-01-02 | 02:30:00:pm | Solo daños | Choque | CARRERA 25 37-42 | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 03:00:00:pm | Solo daños | Choque | CR 51B 1D 35 | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 03:45:00:pm | Solo daños | Choque | VIA 40 CLLE 85 | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 04:10:00:pm | Solo daños | Choque | CL 19 CR 2C | NA | NA | 1 | 2018 | January | Tue |
| 2018-01-02 | 05:30:00:pm | Solo daños | Choque | VIA 40 CL 77B | NA | NA | 1 | 2018 | January | Tue |
Aunque 2020 fue un año de menor tráfico y flujo vehicular, también ocurrieron accidentes, por lo que para ver algunos de ellos, se aplica un cuarto filtro.
library(dplyr)
library(knitr)
filter4 <- AccidentesDB %>% filter(AÑO_ACCIDENTE == 2020)
knitr::kable(head(filter4, 10), caption = "Primeras 10 filas de accidentes que ocurrieron en el año 2020")| FECHA_ACCIDENTE | HORA_ACCIDENTE | GRAVEDAD_ACCIDENTE | CLASE_ACCIDENTE | SITIO_EXACTO_ACCIDENTE | CANT_HERIDOS_EN _SITIO_ACCIDENTE | CANT_MUERTOS_EN _SITIO_ACCIDENTE | CANTIDAD_ACCIDENTES | AÑO_ACCIDENTE | MES_ACCIDENTE | DIA_ACCIDENTE |
|---|---|---|---|---|---|---|---|---|---|---|
| 2020-01-01 | 05:00:00:pm | Solo daños | Choque | AV CIRCUNVALAR CL 96 | NA | NA | 1 | 2020 | January | Wed |
| 2020-01-01 | 05:30:00:am | Solo daños | Choque | CR 10 CL 10 | NA | NA | 1 | 2020 | January | Wed |
| 2020-01-01 | 05:40:00:pm | Solo daños | Choque | CL 114 CR 42 | NA | NA | 1 | 2020 | January | Wed |
| 2020-01-01 | 08:00:00:pm | Con heridos | Choque | CL 86 CR 9L | 1 | NA | 1 | 2020 | January | Wed |
| 2020-01-01 | 08:10:00:pm | Solo daños | Choque | CL 72 CR 44 25 | NA | NA | 1 | 2020 | January | Wed |
| 2020-01-01 | 09:00:00:pm | Solo daños | Choque | CL 19 CR 2 | NA | NA | 1 | 2020 | January | Wed |
| 2020-01-01 | 09:00:00:pm | Solo daños | Choque | CR 6 89 87 | NA | NA | 1 | 2020 | January | Wed |
| 2020-01-01 | 09:30:00:pm | Solo daños | Choque | CL 72 CR 41 | NA | NA | 1 | 2020 | January | Wed |
| 2020-01-01 | 12:20:00:pm | Con heridos | Choque | CL 30 25 35 | 1 | NA | 1 | 2020 | January | Wed |
| 2020-01-01 | 12:30:00:am | Con heridos | Atropello | CL 60B CR 9 | 1 | NA | 1 | 2020 | January | Wed |
También, es posible saber cuántos accidentes ocurrieron a una hora determinada, para ello, se aplica un quinto filtro.
library(dplyr)
library(knitr)
filter5 <- AccidentesDB %>% filter(HORA_ACCIDENTE == "12:30:00:am")
knitr::kable(head(filter5, 10), caption = "Primeras 10 filas de accidentes que ocurrieron a las 12:30 am")| FECHA_ACCIDENTE | HORA_ACCIDENTE | GRAVEDAD_ACCIDENTE | CLASE_ACCIDENTE | SITIO_EXACTO_ACCIDENTE | CANT_HERIDOS_EN _SITIO_ACCIDENTE | CANT_MUERTOS_EN _SITIO_ACCIDENTE | CANTIDAD_ACCIDENTES | AÑO_ACCIDENTE | MES_ACCIDENTE | DIA_ACCIDENTE |
|---|---|---|---|---|---|---|---|---|---|---|
| 2018-02-09 | 12:30:00:am | Solo daños | Choque | CL 84 CR 51B | NA | NA | 1 | 2018 | February | Fri |
| 2018-02-10 | 12:30:00:am | Solo daños | Choque | CR 44 CL 69 | NA | NA | 1 | 2018 | February | Sat |
| 2018-03-30 | 12:30:00:am | Solo daños | Choque | CALLE 68 29-84 | NA | NA | 1 | 2018 | March | Fri |
| 2018-04-20 | 12:30:00:am | Solo daños | Choque | CALLE 99 CRA 53 | NA | NA | 1 | 2018 | April | Fri |
| 2018-04-22 | 12:30:00:am | Con heridos | Volcamiento | CARRERA 42G2 CALLE 99B | 2 | NA | 1 | 2018 | April | Sun |
| 2018-06-17 | 12:30:00:am | Solo daños | Choque | CALLE 100 CARRERA 37 | NA | NA | 1 | 2018 | June | Sun |
| 2018-09-22 | 12:30:00:am | Con heridos | Choque | CR 23 CL 68 | 1 | NA | 1 | 2018 | September | Sat |
| 2018-10-26 | 12:30:00:am | Con muertos | Atropello | AV CIRCUNVALAR CON CR 38 | NA | 1 | 1 | 2018 | October | Fri |
| 2018-11-16 | 12:30:00:am | Con heridos | Volcamiento | CL 110 CR 55 | 1 | NA | 1 | 2018 | November | Fri |
| 2018-12-01 | 12:30:00:am | Solo daños | Choque | CARRERA 47 CALLE 85 | NA | NA | 1 | 2018 | December | Sat |
Tras haber analizado la base de datos, es posible extraer algunos valores atípicos que se caracterizan por desviarse significativamente del resto de registros. Uno de ellos llamado “Caida Ocupante” se presenta en la variable “CLASE_ACCIDENTE”. Esta categoría es bastante peculiar, y por ende, es diferente a la mayoría de registros pertenecientes a esta variable, como los choques, atropellos y volcamientos. Además, en esta misma categoría, se presenta un segundo dato atípico llamado “Otro” que también difiere notablemente del resto de registros.
Sin embargo, también existen datos atípicos que pertenecen a otras categorías. Por ejemplo, en la variable “CANTIDAD_ACCIDENTES”, un sexto filtro revela que ha habido 5 ocasiones en las que se registraron más de un accidente en el mismo lugar, fecha y hora. Como se evidencia en la siguiente tabla:
library(dplyr)
library(knitr)
filter6 <- AccidentesDB %>% filter(CANTIDAD_ACCIDENTES == "2")
knitr::kable(head(filter6, 10), caption = "Dato atípico - Más de 1 accidente a la vez")| FECHA_ACCIDENTE | HORA_ACCIDENTE | GRAVEDAD_ACCIDENTE | CLASE_ACCIDENTE | SITIO_EXACTO_ACCIDENTE | CANT_HERIDOS_EN _SITIO_ACCIDENTE | CANT_MUERTOS_EN _SITIO_ACCIDENTE | CANTIDAD_ACCIDENTES | AÑO_ACCIDENTE | MES_ACCIDENTE | DIA_ACCIDENTE |
|---|---|---|---|---|---|---|---|---|---|---|
| 2018-06-09 | 09:35:00:am | Solo daños | Choque | CARRERA 38 CALLE 52 | NA | NA | 2 | 2018 | June | Sat |
| 2019-12-28 | 12:28:00:pm | Solo daños | Choque | CR 38 CL 81 | NA | NA | 2 | 2019 | December | Sat |
| 2020-02-06 | 09:00:00:am | Solo daños | Choque | AV CIRCUNVALAR CR 27 | NA | NA | 2 | 2020 | February | Thu |
| 2020-05-02 | 07:40:00:pm | Solo daños | Choque | CR 46 87 27 | NA | NA | 2 | 2020 | May | Sat |
| 2020-11-05 | 05:25:00:pm | Solo daños | Choque | AV 110 CR 35 | NA | NA | 2 | 2020 | November | Thu |
Este análisis diferencial, permitió obtener los siguientes resultados:
1.) La base de datos utilizada, contiene 25610 registros y 11 variables relacionadas con accidentes de tránsito en la ciudad de Barranquilla.
2.) Tras clasificar las variables según su tipo, se dividen en:
Categóricas: FECHA_ACCIDENTE, HORA_ACCIDENTE, GRAVEDAD_ACCIDENTE, CLASE_ACCIDENTE, SITIO_EXACTO_ACCIDENTE, AÑO_ACCIDENTE, MES_ACCIDENTE, DIA_ACCIDENTE.
Numéricas Discretas: CANT_HERIDOS_EN_SITIO_ACCIDENTE, CANT_MUERTOS_EN_SITIO_ACCIDENTE, CANT_ACCIDENTES.
3.) En esta base de datos existen múltiples valores atípicos, que se presentan en más de una variable y categoria. A su vez se utiliza “NA” para los datos que no están disponibles, ya sea por errores de registro, o porque no aplicaban para el respectivo accidente.