Introducción
Este informe analiza la base de datos BD Comparendos
OK$.xlsx (2120 registros). Se presentan las características
principales, estadística descriptiva y visualizaciones para apoyar la
interpretación de los datos.
Importación y limpieza de datos
archivo <- "BD Comparendos OK$.xlsx"
datos <- read_excel(archivo)
names(datos) <- trimws(names(datos))
head(datos)
datos$`VALOR_A_PAGAR` <- as.numeric(datos$VALOR_A_PAGAR)
datos$`COD. INFRACCION` <- as.factor(datos$`COD. INFRACCION`)
datos$SEXO <- as.factor(datos$SEXO)
datos$`TIPO DE VEHICULO` <- as.factor(datos$`TIPO DE VEHICULO`)
datos$`NOMBRE DEL MES` <- as.factor(datos$`NOMBRE DEL MES`)
if("FECHA DE COMPARENDO" %in% names(datos)) {
datos$`FECHA DE COMPARENDO` <- as.Date(datos$`FECHA DE COMPARENDO`)
}
str(datos)
## tibble [2,120 × 17] (S3: tbl_df/tbl/data.frame)
## $ No. MANDAMIENTO DE PAGO : chr [1:2120] "F00002658" "F00004304" "F00001544" "F00001578" ...
## $ FECHA MANDAMIENTO DE PAGO: chr [1:2120] "19/08/2010" "19/08/2010" "19/08/2010" "19/08/2010" ...
## $ EJECUTADO : chr [1:2120] "RAMIRO ANTONIO PEREZ HERRERA" "TRANSPORTES MST Y CIA S. EN C" "NANCY ANGELICA GARCIA DUARTE" "FILOMENA DEL SOCORRO MARTINEZ ROMERO" ...
## $ TIPO DE IDENTIFICACION : chr [1:2120] "Cedula de Ciudadanía" "Nit" "Cedula de Ciudadanía" "Cedula de Ciudadanía" ...
## $ No. IDENTIFICACION : num [1:2120] 7.21e+07 9.00e+09 2.27e+07 2.32e+07 2.25e+07 ...
## $ SEXO : Factor w/ 4 levels "CÉDULA NUEVA",..: 3 2 4 4 4 4 4 3 2 2 ...
## $ COD. INFRACCION : Factor w/ 4 levels "64","67","76",..: 2 1 1 1 1 1 1 3 4 4 ...
## $ COMPARENDO : chr [1:2120] "F00007946" "F0000469" "F0000925" "F0000160" ...
## $ FECHA DE COMPARENDO : Date[1:2120], format: "2080-05-05" "2080-04-14" ...
## $ FECHA : POSIXct[1:2120], format: "2010-05-04" "2010-05-05" ...
## $ AÑO : num [1:2120] 2010 2010 2010 2010 2010 2010 2010 2010 2010 2010 ...
## $ DIA : num [1:2120] 4 13 15 12 26 30 23 14 24 18 ...
## $ MES : num [1:2120] 5 4 4 4 4 4 5 4 5 4 ...
## $ NOMBRE DEL MES : Factor w/ 2 levels "Abril","Mayo": 2 1 1 1 1 1 2 1 2 1 ...
## $ PACA DE VEHICULO : chr [1:2120] "QHO294" "UYU967" "UYZ604" "EDN17B" ...
## $ TIPO DE VEHICULO : Factor w/ 2 levels "CARRO","MOTO": 1 1 1 2 2 2 2 2 1 1 ...
## $ VALOR_A_PAGAR : num [1:2120] 438900 438900 438900 438900 438900 ...
Revisión rápida de calidad
dim(datos)
## [1] 2120 17
na_por_col <- sapply(datos, function(x) sum(is.na(x)))
kable(as.data.frame(na_por_col), caption="Valores faltantes por columna")
Valores faltantes por columna
| No. MANDAMIENTO DE PAGO |
0 |
| FECHA MANDAMIENTO DE PAGO |
0 |
| EJECUTADO |
0 |
| TIPO DE IDENTIFICACION |
0 |
| No. IDENTIFICACION |
0 |
| SEXO |
0 |
| COD. INFRACCION |
0 |
| COMPARENDO |
0 |
| FECHA DE COMPARENDO |
0 |
| FECHA |
0 |
| AÑO |
0 |
| DIA |
0 |
| MES |
0 |
| NOMBRE DEL MES |
0 |
| PACA DE VEHICULO |
0 |
| TIPO DE VEHICULO |
0 |
| VALOR_A_PAGAR |
0 |
duplicados <- datos %>% group_by(`No. IDENTIFICACION`, `FECHA DE COMPARENDO`) %>% filter(n()>1)
nrow(duplicados)
## [1] 330
Estadística descriptiva univariada
summary(datos)
## No. MANDAMIENTO DE PAGO FECHA MANDAMIENTO DE PAGO EJECUTADO
## Length:2120 Length:2120 Length:2120
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
## TIPO DE IDENTIFICACION No. IDENTIFICACION SEXO COD. INFRACCION
## Length:2120 Min. :2.358e+05 CÉDULA NUEVA: 88 64:1626
## Class :character 1st Qu.:3.273e+07 EMPRESA :472 67: 105
## Mode :character Median :7.214e+07 HOMBRE :615 76: 4
## Mean :8.476e+08 MUJER :945 77: 385
## 3rd Qu.:8.002e+08
## Max. :9.003e+09
## COMPARENDO FECHA DE COMPARENDO FECHA
## Length:2120 Min. :2080-04-13 Min. :2010-05-04 00:00:00
## Class :character 1st Qu.:2080-04-28 1st Qu.:2011-10-15 18:00:00
## Mode :character Median :2080-05-07 Median :2013-03-28 12:00:00
## Mean :2080-05-06 Mean :2013-03-28 12:00:00
## 3rd Qu.:2080-05-17 3rd Qu.:2014-09-09 06:00:00
## Max. :2080-05-28 Max. :2016-02-21 00:00:00
## AÑO DIA MES NOMBRE DEL MES
## Min. :2010 Min. : 1.00 Min. :4.000 Abril: 712
## 1st Qu.:2010 1st Qu.: 9.00 1st Qu.:4.000 Mayo :1408
## Median :2010 Median :16.00 Median :5.000
## Mean :2010 Mean :15.76 Mean :4.664
## 3rd Qu.:2010 3rd Qu.:23.00 3rd Qu.:5.000
## Max. :2010 Max. :30.00 Max. :5.000
## PACA DE VEHICULO TIPO DE VEHICULO VALOR_A_PAGAR
## Length:2120 CARRO:1938 Min. :438900
## Class :character MOTO : 182 1st Qu.:438900
## Mode :character Median :438900
## Mean :438900
## 3rd Qu.:438900
## Max. :438900
val <- datos$VALOR_A_PAGAR
estad_valor <- data.frame(
N = length(val),
Media = mean(val, na.rm=TRUE),
Mediana = median(val, na.rm=TRUE),
SD = sd(val, na.rm=TRUE),
Min = min(val, na.rm=TRUE),
Q1 = quantile(val, 0.25, na.rm=TRUE),
Q3 = quantile(val, 0.75, na.rm=TRUE),
Max = max(val, na.rm=TRUE)
)
kable(estad_valor, digits = 2, caption = "Estadísticos para VALOR_A_PAGAR")
Estadísticos para VALOR_A_PAGAR
| 25% |
2120 |
438900 |
438900 |
0 |
438900 |
438900 |
438900 |
438900 |
Frecuencias y proporciones
tab_sexo <- table(datos$SEXO)
por_sexo <- round(prop.table(tab_sexo)*100, 2)
kable(as.data.frame(tab_sexo), caption="Conteo por SEXO")
Conteo por SEXO
| CÉDULA NUEVA |
88 |
| EMPRESA |
472 |
| HOMBRE |
615 |
| MUJER |
945 |
kable(as.data.frame(por_sexo), caption="Porcentaje por SEXO (%)")
Porcentaje por SEXO (%)
| CÉDULA NUEVA |
4.15 |
| EMPRESA |
22.26 |
| HOMBRE |
29.01 |
| MUJER |
44.58 |
tab_veh <- table(datos$`TIPO DE VEHICULO`)
kable(as.data.frame(tab_veh), caption="Conteo por TIPO DE VEHICULO")
Conteo por TIPO DE VEHICULO
| CARRO |
1938 |
| MOTO |
182 |
tab_cruz <- table(datos$SEXO, datos$`TIPO DE VEHICULO`)
kable(as.data.frame.matrix(tab_cruz), caption="Comparendos por SEXO y TIPO DE VEHICULO")
Comparendos por SEXO y TIPO DE VEHICULO
| CÉDULA NUEVA |
81 |
7 |
| EMPRESA |
455 |
17 |
| HOMBRE |
526 |
89 |
| MUJER |
876 |
69 |
Agregados por mes y monto total
tab_mes <- table(datos$`NOMBRE DEL MES`)
kable(as.data.frame(tab_mes), caption="Conteo por Mes")
Conteo por Mes
| Abril |
712 |
| Mayo |
1408 |
suma_mes <- aggregate(VALOR_A_PAGAR ~ `NOMBRE DEL MES`, datos, sum)
kable(suma_mes, caption="Suma VALOR_A_PAGAR por mes")
Suma VALOR_A_PAGAR por mes
| Abril |
312496800 |
| Mayo |
617971200 |
Códigos de infracción más frecuentes
conteo_cod <- table(datos$`COD. INFRACCION`)
top_cod <- names(conteo_cod)[which.max(conteo_cod)]
top_cod_count <- max(conteo_cod)
kable(as.data.frame(conteo_cod), caption="Frecuencia por COD. INFRACCION")
Frecuencia por COD. INFRACCION
| 64 |
1626 |
| 67 |
105 |
| 76 |
4 |
| 77 |
385 |
cat("Código de infracción más común:", top_cod, "con", top_cod_count, "ocurrencias.\n")
## Código de infracción más común: 64 con 1626 ocurrencias.
Visualizaciones
hist(val, main="Histograma de VALOR_A_PAGAR", xlab="VALOR_A_PAGAR", breaks=20)
boxplot(val, main="Boxplot de VALOR_A_PAGAR", ylab="VALOR_A_PAGAR")
barplot(tab_sexo, main="Comparendos por Sexo", ylab="Frecuencia", beside=TRUE)
barplot(as.matrix(tab_cruz), beside=TRUE, legend.text=TRUE, main="Comparendos por Sexo y Tipo de Vehículo")
Interpretación y recomendaciones
- La variable
VALOR_A_PAGAR es constante: si esto es
intencional, está correcto (multa fija). Si no, revisar captura de datos
o formato de importación.
- Código 64 concentra la mayoría de infracciones (~76.7%), por lo que
conviene revisar su definición normativa.
- Mayo tiene casi el doble de comparendos que Abril; investigar si
hubo campañas o cambios normativos.
- Posibles análisis futuros: chi-cuadrado para sexo vs tipo de
vehículo, pruebas t para medias si hay variables numéricas
adicionales.
Renderizar a PDF
# install.packages("tinytex")
# tinytex::install_tinytex()
rmarkdown::render("Informe_Comparendos.Rmd", output_format = "pdf_document")