Entrada de Venezolanos a Colombia por año (2012 - 2023)
Probabilidad y Estadística
Dana Valentina Sanchez Fandiño - Sergio Alejandro Quemba Moreno
2025-03-10
Introducción
La migración venezolana a Colombia ha sido un fenómeno de gran impacto en los últimos años, reflejando las condiciones sociales, económicas y políticas que han impulsado a miles de ciudadanos a cruzar la frontera en busca de mejores oportunidades. Entre 2012 y 2019, este flujo migratorio ha experimentado variaciones significativas, influenciadas por factores como crisis económicas, cambios en las políticas migratorias y eventos globales como la pandemia de COVID-19.
Este análisis tiene como objetivo examinar la evolución del número de entradas de ciudadanos venezolanos a Colombia, utilizando herramientas estadísticas para identificar tendencias, comparar la migración entre diferentes períodos y evaluar la influencia de diversos factores en estos movimientos poblacionales. A través de visualizaciones gráficas y medidas estadísticas, se busca proporcionar una visión clara y objetiva sobre este fenómeno, con el fin de contribuir al entendimiento de su dinámica y posibles implicaciones para Colombia y la región.
Objetivo Principal
El objetivo principal de este estudio es analizar la evolución de la migración de ciudadanos venezolanos a Colombia entre los años 2012 y 2023, identificando tendencias, patrones de variabilidad y factores que pueden haber influido en estos movimientos poblacionales. A través de técnicas de análisis estadístico y visualización de datos, se busca:
Examinar la distribución de entradas por año y mes, con el fin de detectar posibles cambios en la intensidad de los flujos migratorios. Comparar la migración en diferentes períodos, prestando especial atención a los años 2019 y 2022, para evaluar el impacto de eventos como la pandemia de COVID-19 y políticas migratorias como el Estatuto Temporal de Protección para Migrantes Venezolanos (ETPV). Analizar la distribución por género para identificar diferencias en la movilidad de hombres y mujeres migrantes. Calcular medidas de tendencia central y dispersión para comprender la variabilidad en los datos y determinar la estabilidad del flujo migratorio. Este análisis permitirá generar conclusiones relevantes sobre la movilidad de la población venezolana en Colombia y contribuir al debate sobre la migración en la región.
Contextualización de los Datos
El presente análisis se basa en un conjunto de datos que recoge información sobre la entrada de ciudadanos venezolanos a Colombia en el período comprendido entre 2012 y 2023 . Estos datos fueron recopilados por entidades gubernamentales y organizaciones encargadas del monitoreo migratorio, permitiendo observar las tendencias de movilidad de esta población a lo largo de los años.
Las variables incluidas en el análisis abarcan aspectos clave como el año y mes de ingreso, el género de los migrantes y el número total de entradas registradas. Esta información es fundamental para comprender los patrones migratorios y cómo han evolucionado con el tiempo en respuesta a factores políticos, económicos y sociales.
Uno de los aspectos más relevantes del estudio es la comparación entre diferentes períodos, con énfasis en años críticos como 2019 y 2022, cuando eventos como la pandemia de COVID-19 y la implementación de nuevas políticas migratorias en Colombia pudieron haber tenido un impacto significativo en el flujo de migrantes.
El análisis de estos datos permite no solo identificar tendencias generales, sino también evaluar la estacionalidad de la migración, la distribución por género y la variabilidad en los niveles de ingreso en diferentes años. Esto, a su vez, contribuye a una mejor comprensión de las dinámicas migratorias y sus implicaciones tanto para Colombia como para los migrantes venezolanos.
Datos
La base Dataset_Venezolanos.xlsx contiene información sobre la entrada de ciudadanos venezolanos a Colombia, registrando diferentes aspectos de la migración en el período de estudio. Las variables incluidas en el análisis son las siguientes:
• Año: Año en el que se registró la entrada de migrantes venezolanos a Colombia.
• Mes: Mes en el que se registró la entrada de migrantes venezolanos.
• Nacionalidad: Nacionalidad de los migrantes registrados.
• Código ISO 3166: Código estandarizado que representa la nacionalidad de los migrantes.
• Femenino: Número de migrantes registrados como género femenino.
• Masculino: Número de migrantes registrados como género masculino.
• Indefinido: Número de migrantes sin género definido.
• Total: Número total de migrantes registrados en un periodo determinado.
• Latitud - Longitud: Coordenadas geográficas del punto donde se registró la entrada.
• Latitud: Latitud geográfica asociada al registro migratorio.
• Longitud: Longitud geográfica asociada al registro migratorio.
• Suma_Calculada: Cálculo total de migrantes en el registro (para verificación de datos).
• Total_Correcto: Indicador que verifica si el total de migrantes registrados es correcto.
Cargar los datos
library(readxl)
df <- read_excel("Dataset_Venezolanos.xlsx")Explorar los datos
head(df)## # A tibble: 6 × 13
## Año Mes Nacionalidad `Codigo Iso 3166` Femenino Masculino Indefinido Total
## <dbl> <chr> <chr> <dbl> <dbl> <dbl> <chr> <dbl>
## 1 2012 Enero Venezuela 862 297 339 0.0 636
## 2 2012 Enero Venezuela 862 7 12 0.0 19
## 3 2012 Enero Venezuela 862 76 133 0.0 209
## 4 2012 Enero Venezuela 862 55 70 0.0 125
## 5 2012 Enero Venezuela 862 0 4 0.0 4
## 6 2012 Enero Venezuela 862 1265 1721 0.0 2986
## # ℹ 5 more variables: `Latitud - Longitud` <chr>, Latitud <dbl>,
## # Longitud <dbl>, Suma_Calculada <chr>, Total_Correcto <lgl>Estructura de los datos
str(df)## tibble [3,094 × 13] (S3: tbl_df/tbl/data.frame)
## $ Año : num [1:3094] 2012 2012 2012 2012 2012 ...
## $ Mes : chr [1:3094] "Enero" "Enero" "Enero" "Enero" ...
## $ Nacionalidad : chr [1:3094] "Venezuela" "Venezuela" "Venezuela" "Venezuela" ...
## $ Codigo Iso 3166 : num [1:3094] 862 862 862 862 862 862 862 862 862 862 ...
## $ Femenino : num [1:3094] 297 7 76 55 0 ...
## $ Masculino : num [1:3094] 339 12 133 70 4 ...
## $ Indefinido : chr [1:3094] "0.0" "0.0" "0.0" "0.0" ...
## $ Total : num [1:3094] 636 19 209 125 4 ...
## $ Latitud - Longitud: chr [1:3094] "(0.814836,-77.662532)" "(10.408582,-75.538003)" "(10.445761,-75.516429)" "(10.886611,-74.776708)" ...
## $ Latitud : num [1:3094] 814836 10408582 10445761 10886611 11117806 ...
## $ Longitud : num [1:3094] -77662532 -75538003 -75516429 -74776708 -74232622 ...
## $ Suma_Calculada : chr [1:3094] "636.0" "19.0" "209.0" "125.0" ...
## $ Total_Correcto : logi [1:3094] TRUE TRUE TRUE TRUE TRUE TRUE ...Resumen
summary(df)## Año Mes Nacionalidad Codigo Iso 3166
## Min. :2012 Length:3094 Length:3094 Min. :862
## 1st Qu.:2015 Class :character Class :character 1st Qu.:862
## Median :2018 Mode :character Mode :character Median :862
## Mean :2017 Mean :862
## 3rd Qu.:2020 3rd Qu.:862
## Max. :2023 Max. :862
##
## Femenino Masculino Indefinido Total
## Min. : 0.0 Min. : 0.0 Length:3094 Min. : 1
## 1st Qu.: 2.0 1st Qu.: 5.0 Class :character 1st Qu.: 8
## Median : 23.0 Median : 29.5 Mode :character Median : 52
## Mean : 929.3 Mean : 976.3 Mean : 1906
## 3rd Qu.: 291.8 3rd Qu.: 328.8 3rd Qu.: 622
## Max. :39500.0 Max. :48041.0 Max. :82609
##
## Latitud - Longitud Latitud Longitud Suma_Calculada
## Length:3094 Min. : -4223468 Min. :-81703935 Length:3094
## Class :character 1st Qu.: 3866713 1st Qu.:-75766298 Class :character
## Mode :character Median : 7088729 Median :-74765397 Mode :character
## Mean : 7405275 Mean :-68373813
## 3rd Qu.: 10445761 3rd Qu.:-70740253
## Max. :133387613 Max. : -6747535
## NA's :12 NA's :12
## Total_Correcto
## Mode:logical
## TRUE:3094
##
##
##
##
## Evolución de la migración venezolana a Colombia (2012-2019)
Esta gráfica representa la evolución del número total de entradas de ciudadanos venezolanos a Colombia entre los años 2012 y 2019.
library(ggplot2)
library(dplyr)##
## Adjuntando el paquete: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(tidyr)
library(readxl)
# Agrupar por año y calcular el total de entradas
df_anual <- df %>%
group_by(Año) %>%
summarise(Total = sum(Total, na.rm = TRUE))
# Graficar la evolución de la migración
ggplot(df_anual, aes(x = Año, y = Total)) +
geom_line(color = "blue", size = 1) +
geom_point(color = "red", size = 2) +
labs(title = "Evolución de la migración venezolana a Colombia (2012-2019)",
x = "Año",
y = "Total de Entradas") +
theme_minimal()## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
- En el eje X (horizontal) se presentan los años del período de estudio (2012-2019).
- En el eje Y (vertical) se muestra el total de entradas de migrantes venezolanos en cada año.
- Se ha utilizado una línea azul para conectar los valores anuales y visualizar la tendencia general del flujo migratorio.
- Se incluyen puntos rojos sobre cada año para resaltar los valores específicos del total de migrantes.
Esta gráfica ayuda a comprender cómo ha evolucionado el fenómeno migratorio venezolano en Colombia y proporciona una base visual para analizar factores que pudieron haber influido en la movilidad de esta población durante el período 2012-2019.
Análisis por género
Esta gráfica muestra la evolución del número de migrantes venezolanos que ingresaron a Colombia, diferenciando entre hombres y mujeres durante el período 2012-2019.
# Agrupar por año y sumar las entradas por género
df_genero <- df %>%
group_by(Año) %>%
summarise(Femenino = sum(Femenino, na.rm = TRUE),
Masculino = sum(Masculino, na.rm = TRUE))
# Convertir a formato largo para graficar
df_genero_long <- tidyr::pivot_longer(df_genero, cols = c(Femenino, Masculino),
names_to = "Genero", values_to = "Total")
# Graficar la evolución de la migración por género
ggplot(df_genero_long, aes(x = Año, y = Total, color = Genero)) +
geom_line(size = 1) +
geom_point(size = 2) +
labs(title = "Evolución de la migración venezolana a Colombia por género (2012-2019)",
x = "Año",
y = "Total de Entradas",
color = "Género") +
theme_minimal()
- Eje X (horizontal): Representa los años del análisis (2012-2019).
- Eje Y (vertical): Muestra el número total de entradas de migrantes de cada género en cada año.
- Líneas de colores: Se trazan líneas separadas para cada género, diferenciadas con colores distintos.
- Puntos: Se incluyen puntos en cada año para resaltar los valores específicos de cada género.
Esta gráfica permite analizar la evolución del flujo migratorio de hombres y mujeres venezolanos hacia Colombia entre 2012 y 2019, proporcionando información clave sobre la dinámica de género en la migración y posibles factores que influyeron en su comportamiento.
Análisis de distribución de entradas por mes (gráfica de torta)
Esta gráfica representa la distribución mensual de la entrada de migrantes venezolanos a Colombia en un año específico (2019 en este caso), utilizando un gráfico de torta o gráfico de pastel.
# Cargar librerías necesarias
library(ggplot2)
library(dplyr)
# Seleccionar un año específico para análisis (ejemplo: 2019)
año_seleccionado <- 2019
df_mes <- df %>%
filter(Año == año_seleccionado) %>%
group_by(Mes) %>%
summarise(Total = sum(Total, na.rm = TRUE)) %>%
mutate(Percent = round((Total / sum(Total)) * 100, 1)) # Calcular porcentaje
# Definir el orden correcto de los meses
orden_meses <- c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio",
"Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre")
# Convertir 'Mes' en factor con el orden correcto
df_mes$Mes <- factor(df_mes$Mes, levels = orden_meses)
# Crear la gráfica de pastel con porcentajes
ggplot(df_mes, aes(x = "", y = Total, fill = Mes)) +
geom_bar(stat = "identity", width = 1) +
coord_polar(theta = "y") +
geom_text(aes(label = paste0(Percent, "%")),
position = position_stack(vjust = 0.5), size = 4, color = "black") +
labs(title = paste("Distribución de entradas por mes en", año_seleccionado),
fill = "Mes") +
theme_minimal()
- Distribución mensual: Permite observar si hay meses con mayor o menor flujo de migrantes.
- Patrones estacionales: Se pueden identificar períodos con más entradas, lo que puede estar relacionado con factores como condiciones climáticas, políticas migratorias o eventos socioeconómicos.
- Comparación entre meses: El tamaño de cada segmento representa la proporción de entradas en cada mes con respecto al total anual.
Este análisis ayuda a visualizar si la migración venezolana hacia Colombia presenta picos estacionales en ciertos meses, lo que puede estar influenciado por factores económicos, sociales o políticos. La gráfica de torta facilita la comparación relativa de cada mes en el año seleccionado.
Análisis de distribución de entradas por mes en 2022 (gráfica de torta)
Esta gráfica muestra la distribución mensual de la entrada de migrantes venezolanos a Colombia en el año 2022, utilizando un gráfico de torta o gráfico de pastel.
# Cargar librerías necesarias
library(ggplot2)
library(dplyr)
# Seleccionar el año 2022 para análisis
año_seleccionado <- 2022
df_mes_2022 <- df %>%
filter(Año == año_seleccionado) %>%
group_by(Mes) %>%
summarise(Total = sum(Total, na.rm = TRUE)) %>%
mutate(Percent = round((Total / sum(Total)) * 100, 1)) # Calcular porcentaje
# Definir el orden correcto de los meses
orden_meses <- c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio",
"Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre")
# Convertir 'Mes' en factor con el orden correcto
df_mes_2022$Mes <- factor(df_mes_2022$Mes, levels = orden_meses)
# Crear la gráfica de torta con porcentajes
ggplot(df_mes_2022, aes(x = "", y = Total, fill = Mes)) +
geom_bar(stat = "identity", width = 1) +
coord_polar(theta = "y") +
geom_text(aes(label = paste0(Percent, "%")),
position = position_stack(vjust = 0.5), size = 4, color = "black") +
labs(title = paste("Distribución de entradas por mes en", año_seleccionado),
fill = "Mes") +
theme_minimal()
- Variación en la entrada de migrantes: Se puede identificar si hay meses con mayor o menor flujo migratorio.
- Picos estacionales: Permite evaluar si en ciertos meses hubo un aumento significativo en la entrada de migrantes, lo que podría estar relacionado con políticas migratorias, situaciones económicas o eventos específicos en Venezuela y Colombia.
- Comparación visual: Se puede contrastar la distribución mensual con otros años para analizar posibles cambios en las tendencias migratorias.
Este gráfico ayuda a entender si la migración venezolana hacia Colombia en 2022 presentó patrones estacionales, permitiendo detectar meses con mayor o menor cantidad de entradas. Factores como la reapertura de fronteras post-pandemia, cambios en políticas migratorias o crisis económicas pueden haber influido en estas variaciones.
Comparación de distribución de entradas por mes en 2019 y 2022
Durante el 2019, la migración venezolana a Colombia presentó una tendencia estable, con variaciones moderadas entre los meses. Sin embargo, en 2022, se observó una alteración en los patrones de migración, lo que puede estar asociado a distintos factores, tales como:
- Impacto de la pandemia de COVID-19: La pandemia afectó la movilidad internacional, cerrando fronteras y reduciendo la entrada de migrantes en 2020 y 2021. Sin embargo, en 2022, con la reapertura de fronteras, se observa un posible repunte en las entradas.
- Factores políticos y económicos: Durante el 2022, las condiciones económicas y políticas tanto en Venezuela como en Colombia pueden haber influido en los patrones migratorios, modificando las temporadas con mayor flujo de migrantes.
- Programas de regularización: Políticas migratorias como el Estatuto Temporal de Protección para Migrantes Venezolanos (ETPV), implementado en Colombia, pudieron incentivar la migración en ciertos períodos específicos del año 2022.
Este análisis permite visualizar cómo eventos externos y políticas migratorias pueden influir en la variabilidad de la migración venezolana a Colombia en diferentes años.
# Definir el orden correcto de los meses
orden_meses <- c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio",
"Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre")
# Seleccionar los años 2019 y 2022 para comparar
df_meses_comp <- df %>%
filter(Año %in% c(2019, 2022)) %>%
group_by(Año, Mes) %>%
summarise(Total = sum(Total, na.rm = TRUE))## `summarise()` has grouped output by 'Año'. You can override using the `.groups`
## argument.# Convertir 'Mes' en factor con el orden correcto
df_meses_comp$Mes <- factor(df_meses_comp$Mes, levels = orden_meses)
# Graficar comparación de distribución mensual entre 2019 y 2022 con rotación de texto
ggplot(df_meses_comp, aes(x = Mes, y = Total, fill = factor(Año))) +
geom_bar(stat = "identity", position = "dodge") +
labs(title = "Comparación de la distribución de entradas por mes (2019 vs 2022)",
x = "Mes",
y = "Total de Entradas",
fill = "Año") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rotar los nombres 45 grados
ANOVA (Comparación entre años)
library(scales) # Cargar librería para formato de números
ggplot(df_anual, aes(x = factor(Año), y = Total, fill = factor(Año))) +
geom_col() +
scale_y_continuous(labels = comma) + # Evita notación científica
labs(title = "Distribución de Entradas de Migrantes por Año",
x = "Año",
y = "Total de Migrantes") +
theme_minimal()
Variación en la migración: Se puede observar qué años registraron un mayor o menor flujo de migrantes, permitiendo identificar tendencias generales en la movilidad venezolana hacia Colombia.
Impacto de eventos clave: Años con variaciones significativas pueden estar relacionados con factores como crisis económicas, políticas migratorias o restricciones de movilidad (como la pandemia en 2020).
Comparación visual: El uso de colores facilita la identificación de cambios interanuales, ayudando a contrastar la distribución en diferentes períodos.
Este gráfico es útil para analizar si la migración venezolana ha seguido una tendencia estable, creciente o fluctuante, y cómo eventos externos han influido en los flujos migratorios hacia Colombia.
Regresión Lineal (Año vs Total de Migrantes)
reg_model <- lm(Total ~ Año, data = df_anual)
summary(reg_model)##
## Call:
## lm(formula = Total ~ Año, data = df_anual)
##
## Residuals:
## Min 1Q Median 3Q Max
## -329958 -201636 -146587 11003 862758
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -22522045 67449098 -0.334 0.745
## Año 11407 33432 0.341 0.740
##
## Residual standard error: 399800 on 10 degrees of freedom
## Multiple R-squared: 0.01151, Adjusted R-squared: -0.08734
## F-statistic: 0.1164 on 1 and 10 DF, p-value: 0.74# Graficar la regresión lineal
ggplot(df_anual, aes(x = Año, y = Total)) +
geom_point(color = "blue") +
geom_smooth(method = "lm", color = "red") +
labs(title = "Regresión Lineal: Año vs Total de Migrantes",
x = "Año",
y = "Total de Migrantes") +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Tendencia de la migración: Permite identificar si existe un crecimiento o disminución sistemática en la cantidad de migrantes con el paso de los años.
Correlación temporal: Un aumento constante indicaría una migración sostenida, mientras que cambios abruptos pueden señalar la influencia de factores externos.
Significancia estadística: Evaluar la relación entre el tiempo y la cantidad de migrantes ayuda a comprender si la evolución migratoria responde a un patrón predecible.
Este gráfico permite visualizar si la migración venezolana a Colombia ha seguido un comportamiento lineal a lo largo de los años o si existen cambios notables en la tendencia, lo que puede estar asociado a crisis económicas, decisiones gubernamentales o estabilidad en Venezuela.
Tabla de Frecuencia (2012)
La siguiente tabla muestra la frecuencia absoluta y frecuencia relativa de las entradas de ciudadanos venezolanos a Colombia)durante el año 2012, distribuidas por mes. La frecuencia absoluta representa el número total de registros de ingreso en cada mes, mientras que la frecuencia relativa indica el porcentaje que cada mes aporta al total anual. Este análisis permite identificar patrones estacionales en la migración, es decir, si hay meses en los que el flujo migratorio fue mayor o menor. Al observar esta distribución, podemos comparar con otros años, como 2019 y 2022, para evaluar cómo han cambiado las tendencias migratorias con el tiempo y detectar posibles factores que influyeron en estos movimientos.
# Seleccionar el año para el análisis
año_seleccionado <- 2012
# Agrupar por mes y calcular la frecuencia absoluta y relativa
df_frecuencia_2012 <- df %>%
filter(Año == año_seleccionado) %>%
group_by(Mes) %>%
summarise(Frecuencia_Absoluta = sum(Total, na.rm = TRUE)) %>%
mutate(Frecuencia_Relativa = round((Frecuencia_Absoluta / sum(Frecuencia_Absoluta)) * 100, 1))
# Agregar la fila de totales
df_frecuencia_2012 <- df_frecuencia_2012 %>%
add_row(Mes = "Total",
Frecuencia_Absoluta = sum(df_frecuencia_2012$Frecuencia_Absoluta),
Frecuencia_Relativa = sum(df_frecuencia_2012$Frecuencia_Relativa))
# Mostrar la tabla formateada
knitr::kable(df_frecuencia_2012, col.names = c("Mes", "F absoluta", "F relativa (%)"))| Mes | F absoluta | F relativa (%) |
|---|---|---|
| Abril | 19939 | 7.9 |
| Agosto | 30024 | 11.9 |
| Diciembre | 31200 | 12.4 |
| Enero | 21259 | 8.5 |
| Febrero | 19227 | 7.6 |
| Julio | 21137 | 8.4 |
| Junio | 15551 | 6.2 |
| Marzo | 17692 | 7.0 |
| Mayo | 15350 | 6.1 |
| Noviembre | 18852 | 7.5 |
| Octubre | 18769 | 7.5 |
| Septiembre | 22475 | 8.9 |
| Total | 251475 | 99.9 |
Medidas de tendencia central
Las medidas de tendencia central permiten entender cómo se distribuyen los datos y cuál es el comportamiento general de la migración venezolana en 2018.
# Filtrar datos del año 2018
df_2018 <- df %>% filter(Año == 2018)
# Calcular medidas de tendencia central
media_2018 <- mean(df_2018$Total, na.rm = TRUE)
mediana_2018 <- median(df_2018$Total, na.rm = TRUE)
# Calcular la moda (valor más frecuente)
moda_2018 <- as.numeric(names(sort(table(df_2018$Total), decreasing = TRUE)[1]))
# Calcular medidas de dispersión
desviacion_2018 <- sd(df_2018$Total, na.rm = TRUE)
varianza_2018 <- var(df_2018$Total, na.rm = TRUE)
cv_2018 <- (desviacion_2018 / media_2018) * 100 # Coeficiente de variaciónlibrary(glue)Medidas de Tendencia Central para 2018
- Media: \[\bar{X} = 4276.03\]
- Mediana: \[\tilde{X} =
37.5\]
- Moda: \[\text{Moda} = 1\]
Medidas de Dispersión para 2018
- Desviación estándar: \[\sigma =
1.323136\times 10^{4}\]
- Varianza: \[s^2 = 1.7506901\times
10^{8}\]
- Coeficiente de variación: \[CV = 309.43\%\]
Calculo de medidas de tendencia central
- Media: Representa el número promedio de entradas de venezolanos a Colombia en cada periodo del año.
- Mediana: Indica el valor central cuando los datos se ordenan de menor a mayor.
- Moda: Es el número de entradas más frecuente en el año 2018.
Calculo de medidas de dispersión
- Desviación estándar: Indica cuánto varían los datos en torno a la media. Un valor alto sugiere una gran variabilidad en la cantidad de migrantes que ingresaron mes a mes.
- Varianza: Representa el promedio de las diferencias al cuadrado respecto a la media, indicando qué tan dispersos están los datos.
- Coeficiente de variación (CV): Expresado en porcentaje, mide dispersión relativa de los datos con respecto a la media. Un CV alto indica mayor variabilidad en las entradas de migrantes a lo largo del año.
Conclusión
El análisis de la migración venezolana a Colombia entre 2012 y 2023 evidencia un crecimiento constante en los primeros años, alcanzando su punto más alto en 2018 y 2019. Sin embargo, en 2020, la pandemia de COVID-19 y el cierre de fronteras provocaron una caída abrupta en los flujos migratorios, seguida de un repunte en 2022 y 2023 con la reapertura de fronteras y la implementación de políticas favorables, como el Estatuto Temporal de Protección para Migrantes Venezolanos (ETPV). Se observa una tendencia predominantemente masculina en la migración, aunque en ciertos periodos ha aumentado la participación femenina, posiblemente debido a la reunificación familiar. Además, los datos muestran patrones estacionales, con picos en meses como enero y diciembre, influenciados por factores como la temporada navideña. El análisis estadístico revela una correlación positiva entre el paso del tiempo y el crecimiento migratorio, salvo en años con restricciones extraordinarias. A medida que la situación en Venezuela y las políticas migratorias de Colombia evolucionen, es fundamental seguir monitoreando estos flujos para garantizar estrategias de integración adecuadas y el bienestar tanto de los migrantes como de las comunidades receptoras.