Problema y contexto
A lo largo de la historia de la Ciudad de México, ésta ha tenido historia de una alta incidencia criminal. Sin embargo el esfuerzo de las autoridades competentes de justicia ha observado y clasificado patrones de delitos conforme ha habido una evolución en la legislación de la Ciudad de México (CdMx). Es decir, ahora se documentan feminicidios, crímenes de de violencia familiar, extorsión y hasta el robo de identidad. Sin embargo, a pesar de la modificación de la legislación, los crímenes siguen presentes, aunque hay crímenes que han reducido en cantidad en la CdMx.
En este reporte se buscó definir si había patrones criminales relacionados con la mensualidad del reporte de crímenes en las carpetas de investigación que sube la Fiscalía de Justicia de la Ciudad de México, siendo carpetas de investigación acumulada dentro de los años \(2016\) al \(2024\). En este reporte se usó el método de clustering, para visualizar cómo incidían los crímenes con su relación mensual. Se analizó de forma geográfica usando un mapa de la Ciudad de México por Sectores, ya que esto podría aportar más información del lugar de ocurrencia de los delitos.
Pregunta principal
En este proyecto la pregunta motivo este estudio es: ¿Es posible identificar distintos perfiles de delitos entre las alcaldia?
Datos y procedencia
El análisis se hace a través de una base de datos pública por parte de la Fiscalía de Justicia de la Ciudad de México (FJCdMx), la cual se puede consultar y descargar en la siguiente página: Carpetas de investigación
| Concepto | Total |
|---|---|
| Filas (carpetas) | 2098743 |
| Columnas (variables) | 21 |
Como podemos observar, la base de datos cuenta con 209873 filas y 21 columnas. A continuación se mostrará un diccionario de nuestra base de datos:
| No | Columna |
|---|---|
| 1 | anio_inicio |
| 2 | mes_inicio |
| 3 | fecha_inicio |
| 4 | hora_inicio |
| 5 | anio_hecho |
| 6 | mes_hecho |
| 7 | fecha_hecho |
| 8 | hora_hecho |
| 9 | delito |
| 10 | categoria_delito |
| 11 | competencia |
| 12 | fiscalia |
| 13 | agencia |
| 14 | unidad_investigacion |
| 15 | colonia_hecho |
| 16 | colonia_catalogo |
| 17 | alcaldia_hecho |
| 18 | alcaldia_catalogo |
| 19 | municipio_hecho |
| 20 | latitud |
| 21 | longitud |
| Columna | Descripcion | Tipo |
|---|---|---|
| anio_inicio | Año en que inicia la carpeta | Temporal |
| mes_inicio | Mes en que inicia la carpeta | |
| fecha_inicio | Fecha de inicio de la carpeta | |
| hora_inicio | Hora de inicio de la carpeta | |
| anio_hecho | Año en que ocurrió el hecho | |
| mes_hecho | Mes en que ocurrió el hecho | |
| fecha_hecho | Fecha del hecho delictivo | |
| hora_hecho | Hora del hecho delictivo | |
| delito | Tipo de delito específico | Delito |
| categoria_delito | Clasificación: bajo impacto, alto impacto, etc | |
| competencia | Fuero común es delito local; Hecho no delictivo es denuncia que al final no fue delito; Incomptencia es que FGJ no es competente y lo turna; Vacío es que no tiene valor | |
| fiscalia | Fiscalía donde se levanta | Ubicación/Administrativo |
| agencia | Agencia del MP | |
| unidad_investigacion | Unidad de investigación | |
| colonia_hecho | Colonia donde ocurrió (reportada) | |
| colonia_catalogo | Colonia homologada del catálogo | |
| alcaldia_hecho | Alcaldía donde ocurrió (reportada) | |
| alcaldia_catalogo | Alcaldía homologada | |
| municipio_hecho | Municipio si es fuera de CDMX | |
| latitud | Coordenada latitud del hecho | Georreferenciación |
| longitud | Coordenada longitud del hecho |
Alcance
Este proyecto abarca datos de las carpetas de incevtigación de delitos de la Fiscalía General de Justicia de la Ciudad de México, del periodo 2016-2024.
Principales decisiones de limpieza
Las decisiones de limpieza para la base de datos que se tomaron fueron:
Eliminación de filas con NA’s: Durante el análisis de la base de datos nos encontramos con carpetas que tienen NA en datos como la latitud, longitud, fecha en que se inicio la carpeta, fecha en que sucedio el delito, etc. Dado que la base tiene mas de 2 millones de datos la cantidad de carpetas eliminadas no afecta.
Eliminación de columnas: Analizando al columna de alcaldia catálogo podemos ver que esta vacia, todos sus datos estan en blanco, por lo que no aporta información relevante y del mismo modo la columna municipio hecho solo tiene como único valor “CDMX” que del mismo modo no aporta mayor información a la que ya sabemos, es por esto que aliminamos ambas columnas.
Eliminar carpetas fuera del rango de estudio: La base contiene datos del periodo 2016-2025 pero en el caso del año 2025 solo contiene registros del mes de enero y al ser muy pocos afectan en la creación de ciertas visualizaciones. Además también hay registro de fechas anteriores al 2016 las cuales pueden afectar al análisis.
Metodología
Análisis cualitativo de las carpetas
Aquí veremos la información que contiene la tabla de carpetas de investigación acumuladas de FGJCdMx del año 2016 al 2024 de los hechos delictivos en la CdMx:
Primero notamos que hay más de \(2,098,743\) de carpetas de investigación acumuludas y que hay \(21\) columnas, por ende, investigamos cada una la información contenida en la base de datos, para tener un diccionario y dar de forma detallada lo que denota cada valor.
| Concepto | Total |
|---|---|
| Filas (carpetas) | 2098743 |
| Columnas (variables) | 21 |
Por otro lado, mostramos de forma resumida un poco de la información que se encuentra en la base de datos, teniendo variables , , y .
| No | Columna |
|---|---|
| 1 | anio_inicio |
| 2 | mes_inicio |
| 3 | fecha_inicio |
| 4 | hora_inicio |
| 5 | anio_hecho |
| 6 | mes_hecho |
| 7 | fecha_hecho |
| 8 | hora_hecho |
| 9 | delito |
| 10 | categoria_delito |
| 11 | competencia |
| 12 | fiscalia |
| 13 | agencia |
| 14 | unidad_investigacion |
| 15 | colonia_hecho |
| 16 | colonia_catalogo |
| 17 | alcaldia_hecho |
| 18 | alcaldia_catalogo |
| 19 | municipio_hecho |
| 20 | latitud |
| 21 | longitud |
| anio_inicio | mes_inicio | fecha_inicio | hora_inicio | anio_hecho | mes_hecho |
|---|---|---|---|---|---|
| 2016 | Enero | 2016-01-01 | 00:00:00 | 2015 | Diciembre |
| 2016 | Enero | 2016-01-01 | 00:00:00 | 2015 | Diciembre |
| 2016 | Enero | 2016-01-01 | 00:00:00 | 2016 | Enero |
| 2016 | Enero | 2016-01-01 | 00:00:00 | 2015 | Diciembre |
La razón de porqué tomamos la categorías, es porque necesitamos conocer el tipo de crimen y la gravedad de este; la fecha nos es necesario para hacer el análisis temporal de la incidencia de crimen y responder a la pregunta de investigación de influencia del mes; la locación nos sirve para hacer estadística básica de las alcaldías con alta y baja incidencia criminal de algún tipo, ver la distribución de carpetas de investigación y la forma de clusterizar los hechos delictivos y ver si existe alguna reducción en los crímenes.
Análisis cuantitativo de las carpetas
Consecuentemente, vemos las carpetas de investigación por alcaldía en CdMx, teniendo la siguiente tabla:
| Alcaldía | N carpetas | % |
|---|---|---|
| CUAUHTEMOC | 318787 | 15.2 |
| IZTAPALAPA | 304367 | 14.5 |
| GUSTAVO A. MADERO | 209034 | 10.0 |
| BENITO JUAREZ | 164576 | 7.8 |
| COYOACAN | 142074 | 6.8 |
| ALVARO OBREGON | 140019 | 6.7 |
| MIGUEL HIDALGO | 130574 | 6.2 |
| TLALPAN | 125799 | 6.0 |
| VENUSTIANO CARRANZA | 118736 | 5.7 |
| AZCAPOTZALCO | 98994 | 4.7 |
| IZTACALCO | 89879 | 4.3 |
| XOCHIMILCO | 67289 | 3.2 |
| TLAHUAC | 57691 | 2.7 |
| LA MAGDALENA CONTRERAS | 37189 | 1.8 |
| CUAJIMALPA DE MORELOS | 33282 | 1.6 |
| nan | 24896 | 1.2 |
| MILPA ALTA | 17971 | 0.9 |
| CDMX (indeterminada) | 17586 | 0.8 |
Vemos que las delegaciones con menos carpetas de investigación son Milpa Alta, Cuajimal de Morelos y Magdalena Contreras. Por otro lado, las de mayor cantidad de carpetas de investigación son Cuahtemoc, Iztapalapa y Benito Juárez. Con base a la tabla anterior, lo conveniente es limpiar la base de datos, ya que hay valores NAN y carpetas que están hechas en CdMx, lo que denota dos cosas. NAN cuando no está bien georreferenciado el lugar del hecho y CdMx el hecho se reportó en la vía pública, pero la persona en cuestión no sabe con exactitud el lugar en el que ocurrió el crimen. Por ende, NAN y CdMx serán valores que no tomaremos en cuenta.
A continuación veremos los NA-s de cada columna y se hace limpieza de los datos contenidos en la tabla de carpetas de investigación:
| Variable | N de NAs | % de NAs | |
|---|---|---|---|
| latitud | latitud | 101207 | 4.82 |
| longitud | longitud | 101207 | 4.82 |
| fecha_hecho | fecha_hecho | 560 | 0.03 |
| anio_hecho | anio_hecho | 559 | 0.03 |
| fecha_inicio | fecha_inicio | 3 | 0.00 |
Vemos que hay más NA en latitud y en longitud en nuestra base de datos. Al igual que en el año y fecha de los hechos, discrepando entre ambas con un valor. Lo que nos dice que hay que tener precacuón al tomar las coordenadas como georreferencia, ya que implica un \(4.8\%\) de faltantes y deseamos tener más acceso a datos. Por ende, se hizó un leftjoin para relacionar los crímenes con la alcaldía donde ocrrió el hecho y se usaron los cuadrantes como la policía suele hacer uso.
| variable | n_NA | |
|---|---|---|
| fecha_inicio | fecha_inicio | 2 |
| hora_inicio | hora_inicio | 10 |
| anio_hecho | anio_hecho | 433 |
| fecha_hecho | fecha_hecho | 434 |
| hora_hecho | hora_hecho | 692 |
| variable | n_NA | |
|---|---|---|
| anio_inicio | anio_inicio | 0 |
| mes_inicio | mes_inicio | 0 |
| fecha_inicio | fecha_inicio | 2 |
| hora_inicio | hora_inicio | 10 |
| anio_hecho | anio_hecho | 433 |
| mes_hecho | mes_hecho | 0 |
| fecha_hecho | fecha_hecho | 434 |
| hora_hecho | hora_hecho | 692 |
| delito | delito | 0 |
| categoria_delito | categoria_delito | 0 |
| competencia | competencia | 0 |
| fiscalia | fiscalia | 0 |
| agencia | agencia | 0 |
| unidad_investigacion | unidad_investigacion | 0 |
| colonia_hecho | colonia_hecho | 0 |
| colonia_catalogo | colonia_catalogo | 0 |
| alcaldia_hecho | alcaldia_hecho | 0 |
| alcaldia_catalogo | alcaldia_catalogo | 0 |
| municipio_hecho | municipio_hecho | 0 |
| latitud | latitud | 0 |
| longitud | longitud | 0 |
También los NA-s de las horas y fecha del hecho se eliminan, ya que no nos aporta mucho en el análisis estadístico que hicimos con clustering usando la temporalidad de la incidencia del hecho.
| Concepto | Total |
|---|---|
| Filas (carpetas) | 1997536 |
| Columnas (variables) | 21 |
Por otro lado, se hace la limpieza de la base de datos con la finalidad de reducir los NA-s y transformar a información útil para el análisis. Además, tenemos el porcentaje que representa cada carpeta de investigación por alcaldía en la CdMx, para tener una magnitud en cuanto a variación de las carpetas de investigación.
| Alcaldía | N carpetas | % |
|---|---|---|
| cuauhtemoc | 299680 | 15.0 |
| iztapalapa | 292968 | 14.7 |
| gustavo a. madero | 203185 | 10.2 |
| benito juarez | 162085 | 8.1 |
| coyoacan | 139953 | 7.0 |
| alvaro obregon | 136326 | 6.8 |
| miguel hidalgo | 128622 | 6.4 |
| tlalpan | 123522 | 6.2 |
| venustiano carranza | 115699 | 5.8 |
| azcapotzalco | 97975 | 4.9 |
| iztacalco | 88830 | 4.4 |
| xochimilco | 66056 | 3.3 |
| tlahuac | 55692 | 2.8 |
| la magdalena contreras | 36842 | 1.8 |
| cuajimalpa de morelos | 32738 | 1.6 |
| milpa alta | 17353 | 0.9 |
| TOTAL | 1997526 | 100.0 |
De forma consecuente, vemos en la siguiente tabla los delitos que influyen en forma porcentual en la mayoría de las carpetas de investigación y el número de carpetas de investigación analizadas. Tenemos que las carpetas de investigación con más porcentaje son delictos de bajo impacto con un \(78.19\%\), robo a traseunte en vía pública con y sin violencia es \(4.9\) y el robo a vehículo es es \(4.1\%\). Por otro lado, los menos influyentes en valor porcentual son feminicidio, plagio, secuestro y robo con y sin violencia a transportistas, con valores casi cercanos al \(0.0\%\).
| Categoría del delito | N carpetas | % |
|---|---|---|
| DELITO DE BAJO IMPACTO | 1640970 | 78.19 |
| ROBO A TRANSEUNTE EN V�A PÚBLICA CON Y SIN VIOLENCIA | 102909 | 4.90 |
| ROBO DE VEHÃ?CULO CON Y SIN VIOLENCIA | 86000 | 4.10 |
| HECHO NO DELICTIVO | 65201 | 3.11 |
| ROBO A NEGOCIO CON VIOLENCIA | 27794 | 1.32 |
| ROBO A REPARTIDOR CON Y SIN VIOLENCIA | 16436 | 0.78 |
| ROBO A PASAJERO A BORDO DEL METRO CON Y SIN VIOLENCIA | 14663 | 0.70 |
| VIOLACIÓN | 12521 | 0.60 |
| HOMICIDIO DOLOSO | 9024 | 0.43 |
| ROBO A PASAJERO A BORDO DE MICROBUS CON Y SIN VIOLENCIA | 6212 | 0.30 |
| LESIONES DOLOSAS POR DISPARO DE ARMA DE FUEGO | 5776 | 0.28 |
| ROBO A CASA HABITACIÓN CON VIOLENCIA | 4172 | 0.20 |
| ROBO A CUENTAHABIENTE SALIENDO DEL CAJERO CON VIOLENCIA | 3065 | 0.15 |
| ROBO A PASAJERO A BORDO DE TAXI CON VIOLENCIA | 1859 | 0.09 |
| ROBO A TRANSPORTISTA CON Y SIN VIOLENCIA | 719 | 0.03 |
| SECUESTRO | 213 | 0.01 |
| FEMINICIDIO | 1 | 0.00 |
| PLAGIO O SECUESTRO | 1 | 0.00 |
Ahora se hace el mapeo de los datos:
Como vemos en el mapa, todas las delegaciones tienen muchos delitos, pero no nos arroja mucha información de cuáles son las que tengan tanta incidencia. Por ende, nos valdremos de la intensidad que Cuathémoc, Benito Juárez e Iztapalapa. Sin embargo, por la gráfica de barras vemos que la delegación Gustavo A. Madero también sufre de alta incidencia delictiva.
Para el aanálisis, lo mejor es asociar la incidencia del hecho por cuadrantes, por ende dejamos el siguiente diccionario que especifica cada una de las variables del archivo cuadrante.csv. Esto se hace para hacer un análisis más profundo de en que zonas se distribuye los hechos delictivos y poder clasificrlos de mejor manera:
| Campo | Descripción | Tipo |
|---|---|---|
| X | Longitud del centroide | Numérico |
| X_id | identificación de la longitud del centroide | Numérico |
| alcaldi | ID único del cuadrante Ej. C-3.2.4 | Texto |
| sector | Sector policial | Texto |
| cuadrante_id | Alcaldía | Texto |
| no_cdrn | Número de cuadrante | Texto |
Método de Clustering aplicado a las carpetas de FGJCdMx
En este problema de las carpetas de investigación se usó el método de clustering para determinar si los crímenes cometidos.
356
Durante la revisión inicial se identificó una baja frecuencia en las categorías FEMINICIDIO y PLAGIO_O_SECUESTRO. Al examinar a detalle la variable de origen, se observó que varios casos de feminicidio estaban clasificados bajo HOMICIDIO_DOLOSO, mientras que distintas modalidades de secuestro utilizaban la denominación de PLAGIO_O_SECUESTRO, la cual corresponde al término jurídico formal con el que el Código Penal en México contempla este delito. Para corregir estas inconsistencias y unificar los registros, se reasignaron a FEMINICIDIO todas las incidencias con la raíz feminicid- y a SECUESTRO_O_PLAGIO aquellas relacionadas con secuestro o plagio, garantizando una representación precisa de ambas categorías.
| X | delito | total |
|---|---|---|
| 0 | HOMICIDIO POR ARMA DE FUEGO | 5895 |
| 1 | HOMICIDIO POR ARMA BLANCA | 1185 |
| 2 | HOMICIDIO POR GOLPES | 683 |
| 3 | HOMICIDIOS INTENCIONALES (OTROS) | 642 |
| 4 | FEMINICIDIO | 318 |
| 5 | FEMINICIDIO POR ARMA BLANCA | 101 |
| 6 | FEMINICIDIO POR DISPARO DE ARMA DE FUEGO | 58 |
| 7 | FEMINICIDIO POR GOLPES | 48 |
| 8 | HOMICIDIO POR AHORCAMIENTO | 19 |
| 9 | HOMICIDIO POR INMERSION | 1 |
| X | categoria_delito | total |
|---|---|---|
| 0 | DELITO DE BAJO IMPACTO | 1605608 |
| 1 | ROBO A TRANSEUNTE EN VÍA PÚBLICA CON Y SIN VIOLENCIA | 102147 |
| 2 | ROBO DE VEHÍCULO CON Y SIN VIOLENCIA | 85394 |
| 3 | HECHO NO DELICTIVO | 61203 |
| 4 | ROBO A NEGOCIO CON VIOLENCIA | 27542 |
| 5 | ROBO A REPARTIDOR CON Y SIN VIOLENCIA | 16363 |
| 6 | ROBO A PASAJERO A BORDO DEL METRO CON Y SIN VIOLENCIA | 14549 |
| 7 | VIOLACIÓN | 11622 |
| 8 | HOMICIDIO DOLOSO | 8425 |
| 9 | ROBO A PASAJERO A BORDO DE MICROBUS CON Y SIN VIOLENCIA | 6179 |
| 10 | LESIONES DOLOSAS POR DISPARO DE ARMA DE FUEGO | 5721 |
| 11 | ROBO A CASA HABITACIÓN CON VIOLENCIA | 4141 |
| 12 | ROBO A CUENTAHABIENTE SALIENDO DEL CAJERO CON VIOLENCIA | 3047 |
| 13 | ROBO A PASAJERO A BORDO DE TAXI CON VIOLENCIA | 1845 |
| 14 | FEMINICIDIO | 928 |
| 15 | ROBO A TRANSPORTISTA CON Y SIN VIOLENCIA | 718 |
| 16 | SECUESTRO | 211 |
| 17 | PLAGIO O SECUESTRO | 1 |
| delito_original | total |
|---|---|
| SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) | 870 |
| PLAGIO O SECUESTRO | 211 |
| SECUESTRO EXTORSIVO | 10 |
| SECUESTRO | 1 |
Construcción de indicadores y conjuntos de variables
| sector_id | DELITO_DE_BAJO_IMPACTO | SECUESTRO_O_PLAGIO | VIOLACIÓN |
|---|---|---|---|
| C-1.1 | 1551.92 | 0.79 | 5.91 |
| C-1.2 | 739.65 | 0.55 | 4.69 |
| C-1.3 | 398.04 | 0.12 | 2.08 |
| C-1.4 | 333.96 | 0.13 | 1.99 |
| C-1.5 | 398.07 | 0.47 | 2.73 |
| C-1.6 | 253.67 | 0.25 | 1.79 |
| C-1.7 | 602.84 | 0.55 | 2.23 |
| C-1.8 | 217.35 | 0.08 | 1.30 |
| N-1.1 | 124.20 | 0.16 | 0.80 |
| N-1.2 | 76.26 | 0.03 | 1.14 |
| N-1.3 | 161.05 | 0.18 | 0.85 |
| N-1.4 | 256.63 | 0.12 | 1.41 |
| N-1.5 | 119.50 | 0.06 | 1.01 |
| N-1.6 | 133.56 | 0.10 | 1.11 |
| N-1.7 | 295.29 | 0.17 | 1.58 |
| N-1.8 | 137.84 | 0.08 | 1.17 |
| N-2.1 | 166.01 | 0.05 | 1.16 |
| N-2.2 | 145.92 | 0.09 | 1.12 |
| N-2.3 | 216.20 | 0.06 | 1.49 |
| N-3.1 | 165.31 | 0.12 | 1.17 |
| N-3.2 | 367.96 | 0.31 | 2.20 |
| N-3.3 | 158.83 | 0.28 | 1.36 |
| N-3.4 | 215.73 | 0.09 | 1.22 |
| N-3.5 | 186.02 | 0.23 | 1.36 |
| N-3.6 | 224.04 | 0.15 | 0.66 |
| O-1.1 | 186.76 | 0.09 | 1.13 |
| O-1.2 | 146.29 | 0.06 | 0.91 |
| O-1.3 | 104.04 | 0.04 | 1.17 |
| O-1.4 | 161.33 | 0.05 | 1.36 |
| O-1.5 | 145.93 | 0.11 | 0.97 |
| O-1.6 | 80.63 | 0.06 | 1.08 |
| O-1.7 | 123.68 | 0.06 | 1.16 |
| O-1.8 | 83.67 | 0.07 | 1.20 |
| O-1.9 | 117.88 | 0.04 | 1.18 |
| O-2.1 | 123.78 | 0.09 | 1.86 |
| O-2.2 | 109.35 | 0.04 | 1.22 |
| O-3.1 | 123.78 | 0.05 | 1.46 |
| O-3.2 | 111.72 | 0.04 | 1.33 |
| O-4.1 | 128.14 | 0.04 | 1.53 |
| O-4.2 | 113.18 | 0.05 | 1.60 |
| P-1.1 | 110.18 | 0.05 | 1.17 |
| P-1.2 | 136.88 | 0.28 | 1.05 |
| P-1.3 | 462.01 | 0.94 | 1.99 |
| P-1.4 | 118.94 | 0.07 | 1.06 |
| P-2.1 | 167.89 | 0.21 | 0.99 |
| P-2.2 | 222.26 | 0.18 | 0.96 |
| P-2.3 | 151.81 | 0.12 | 0.83 |
| P-2.4 | 269.99 | 0.77 | 1.04 |
| P-3.1 | 158.03 | 0.07 | 1.28 |
| P-3.2 | 118.35 | 0.08 | 0.86 |
| P-4.1 | 196.81 | 0.07 | 0.57 |
| P-4.2 | 539.16 | 0.48 | 1.56 |
| P-4.3 | 210.66 | 0.19 | 0.89 |
| P-4.4 | 205.08 | 0.11 | 1.28 |
| P-4.5 | 287.65 | 0.35 | 1.65 |
| S-1.1 | 337.94 | 0.25 | 1.14 |
| S-1.2 | 364.44 | 0.26 | 1.60 |
| S-1.3 | 312.41 | 0.09 | 1.20 |
| S-1.4 | 228.09 | 0.02 | 1.21 |
| S-1.5 | 300.47 | 0.11 | 1.38 |
| S-2.1 | 325.66 | 0.16 | 1.25 |
| S-2.2 | 142.80 | 0.05 | 0.83 |
| S-2.3 | 187.34 | 0.10 | 0.96 |
| S-2.4 | 202.99 | 0.07 | 1.44 |
| S-2.5 | 153.44 | 0.05 | 1.20 |
| S-3.1 | 139.55 | 0.09 | 1.34 |
| S-3.2 | 135.47 | 0.05 | 1.18 |
| S-4.1 | 235.98 | 0.30 | 0.92 |
| S-4.2 | 133.85 | 0.08 | 1.16 |
| S-4.3 | 228.01 | 0.12 | 1.76 |
| S-4.4 | 114.13 | 0.04 | 1.33 |
| S-4.5 | 114.03 | 0.13 | 1.56 |
Con el propósito de estandarizar las comparaciones entre sectores de distinto tamaño poblacional, los conteos absolutos se transformaron en tasas por cada 1,000 habitantes utilizando la población total (POBTOT) reportada por el INEGI. Asimismo, mediante la variable fecha_hecho y excluyendo la categoría HECHO_NO_DELICTIVO, se calcularon por cada sector la distribución porcentual de delitos por día de la semana y las tasas de incidencia anual para el periodo 2016–2024. Tras verificar que delitos críticos como VIOLACIÓN, SECUESTRO_O_PLAGIO y FEMINICIDIO mantuvieran una presencia adecuada en los 72 sectores analizados, se estructuraron tres conjuntos de variables con distintos componentes temporales:
| dia | count | mean | std | min | X25. | X50. | X75. | max |
|---|---|---|---|---|---|---|---|---|
| pct_lunes | 72 | 14.95 | 0.39 | 13.98 | 14.69 | 14.95 | 15.20 | 15.87 |
| pct_martes | 72 | 14.79 | 0.63 | 12.34 | 14.48 | 14.78 | 15.18 | 16.16 |
| pct_miercoles | 72 | 14.91 | 0.60 | 13.46 | 14.61 | 14.82 | 15.16 | 16.68 |
| pct_jueves | 72 | 14.68 | 0.73 | 13.05 | 14.26 | 14.54 | 15.12 | 16.68 |
| pct_viernes | 72 | 15.33 | 0.94 | 13.76 | 14.64 | 15.19 | 15.80 | 17.55 |
| pct_sabado | 72 | 13.12 | 1.03 | 9.73 | 12.79 | 13.21 | 13.67 | 17.14 |
| pct_domingo | 72 | 12.22 | 1.72 | 8.34 | 11.24 | 12.31 | 13.42 | 16.57 |
| sector_id | pct_viernes | pct_sabado | delitos_2023 | delitos_2024 |
|---|---|---|---|---|
| C-1.1 | 17.29 | 14.36 | 188.80 | 155.87 |
| C-1.2 | 16.98 | 12.44 | 98.42 | 72.69 |
| C-1.3 | 16.36 | 10.55 | 51.30 | 35.53 |
| C-1.4 | 15.95 | 13.52 | 39.05 | 29.80 |
| C-1.5 | 15.59 | 17.14 | 53.11 | 42.77 |
| C-1.6 | 15.04 | 13.03 | 32.41 | 28.68 |
| C-1.7 | 17.31 | 13.15 | 84.13 | 55.94 |
| C-1.8 | 15.51 | 13.50 | 29.14 | 22.84 |
| N-1.1 | 14.96 | 12.79 | 17.86 | 13.53 |
| N-1.2 | 14.31 | 13.09 | 11.56 | 8.46 |
El primer conjunto integra únicamente las tasas por categoría delictiva para caracterizar el perfil general de la zona; el segundo suma la distribución porcentual semanal para identificar patrones temporales específicos por día; y el tercero incorpora las tasas anuales del periodo de estudio para evaluar la evolución de los delitos a lo largo del tiempo. Esta aproximación diferenciada permite separar el análisis del perfil delictivo estructural de las dinámicas temporales de cada sector.
Procesamiento de datos y evaluación de la tendencia al agrupamiento
Para la aplicación del agrupamiento, cada conjunto de datos fue sometido a un preprocesamiento que consistió en excluir la variable identificadora sector_id del cálculo de distancias, imputar los valores faltantes mediante la mediana, aplicar una transformación logarítmica para reducir el efecto de valores extremos y estandarizar las variables. Antes de proceder con el agrupamiento, se evaluó la tendencia de los sectores a formar conglomerados mediante el estadístico de Hopkins, donde valores cercanos a 1 indican una clara estructura de agrupamiento y valores próximos a 0.5 sugieren una distribución aleatoria.
El conjunto de Delitos y Años presentan una distribución cercana al azar y podría no ser adecuado al agruparse. Para garantizar la estabilidad del estadístico y evitar sesgos por el uso de una sola semilla, se ejecutaron 30 simulaciones con 71 observaciones cada una.
| Conjunto | Min | Q1 | Mediana | Media | Q3 | Max |
|---|---|---|---|---|---|---|
| Delitos | 0.9957 | 0.9988 | 0.9991 | 0.9990 | 0.9997 | 1 |
| Delitos y días | 0.3739 | 0.7882 | 0.8899 | 0.8664 | 1.0000 | 1 |
| Delitos y años | 0.0112 | 0.0274 | 0.0373 | 0.2935 | 0.7741 | 1 |
Mientras que los conjuntos de Delitos y Delitos y Días alcanzaron medianas superiores a 0.8, lo que confirma una marcada estructura de agrupamiento, el conjunto de Delitos y Años fue descartado debido a su inestabilidad en las pruebas de Hopkins y a que una partición preliminar aisló un único sector, añadiendo redundancia con variables anuales que aportaban información similar a las tasas generales.
Clustering jerárquico y selección del método de enlace
A partir de las observaciones estandarizadas se construyó una matriz de distancias euclidianas para servir como insumo en la formación de los grupos. Para seleccionar el algoritmo jerárquico más adecuado, se evaluaron los métodos de enlace Average, Complete, Single, Ward.D y Ward.D2.
| Método | Correlación (Delitos) | Correlación (Días) |
|---|---|---|
| Average | 0.8973 | 0.9410 |
| Single | 0.8595 | 0.9263 |
| Complete | 0.8091 | 0.8778 |
| Ward.D2 | 0.7583 | 0.7008 |
| Ward | 0.4142 | 0.6932 |
La evaluación inicial con la correlación cofenética mostró valores más altos en los métodos Average y Single; sin embargo, este métrico únicamente indica qué tan bien conserva el dendrograma las distancias originales, mas no la interpretabilidad o calidad de la partición.
La inspección visual reveló que Average y Single generaban encadenamiento y aislaban observaciones, dificultando la identificación de conglomerados diferenciados. Por el contrario, los enfoques de minimización de varianza (Ward.D y Ward.D2) mostraron estructuras mucho más equilibradas y compactas.
Para complementar esta decisión, se aplicó el algoritmo de agrupamiento jerárquico aglomerativo AGNES (Agglomerative Nesting) y se evaluó su coeficiente aglomerativo.
El método Ward obtuvo el coeficiente más alto, superando el valor de 0.875 en ambos conjuntos de variables, lo que ratificó una alta cohesión interna en las fusiones sucesivas. La combinación de estos resultados respaldó formalmente la selección final del método de enlace Ward.D2 para la construcción de los grupos.
Principales resultados
Una vez definido el método de enlace, se determinó el número adecuado de grupos mediante la combinación del método del codo (WSS) y el coeficiente de Silhouette, buscando el balance óptimo entre la cohesión interna de los sectores y la separación entre conglomerados.
Aunque ambas métricas señalaron matemáticamente una solución inicial de \(k = 2\), la inspección de esta partición mostró que únicamente aislaba valores atípicos sin reflejar perfiles delictivos diferenciados. Por esta razón, se examinaron valores superiores de \(k\) priorizando la representatividad y la interpretabilidad de las agrupaciones.
| k | Silhouette (Delitos) | Silhouette (Días) |
|---|---|---|
| 2 | 0.464 | 0.442 |
| 3 | 0.217 | 0.424 |
| 4 | 0.230 | 0.424 |
| 5 | 0.138 | 0.177 |
| 6 | 0.143 | 0.190 |
| 7 | 0.161 | 0.187 |
| 8 | 0.134 | 0.180 |
| 9 | 0.145 | 0.184 |
| 10 | 0.149 | 0.175 |
Dendrogramas del Clustering Jerárquico: Delitos vs. Días
Al analizar los valores subsecuentes del coeficiente de Silhouette junto con la distribución y tamaño de los grupos, se seleccionó una partición de \(k = 4\) para el primer conjunto de variables. Esta misma solución de \(k = 4\) se mantuvo para el segundo conjunto al registrar el mayor valor de Silhouette dentro del rango de soluciones interpretables, permitiendo así caracterizar de forma consistente perfiles delictivos y patrones temporales bien delimitados entre los sectores.
Modelo final de clustering jerárquico y caracterización de clusters
Una vez seleccionado el método de enlace Ward.D2 y determinado el número idóneo de grupos, se ajustó el modelo final cortando los dendrogramas respectivos en \(k = 4\) tanto para el conjunto de Delitos como para el de Delitos y Días.
Esta partición permitió asignar a cada uno de los sectores un grupo específico según la estructura jerárquica resultante de la fusión progresiva de las observaciones. Para caracterizar y diferenciar los perfiles de cada conglomerado, se calcularon los promedios de las variables de interés por cluster, facilitando así la comparación directa entre las dinámicas delictivas y patrones identificados.
Centroides
Debido a la estandarización aplicada en el preprocesamiento, los valores de los centroides expresan la posición relativa de cada cluster con respecto al promedio general de las observaciones (con media cero y desviación estándar uno). En este sentido, los valores positivos indican una presencia o tasa superior al promedio, mientras que los valores negativos representan niveles inferiores al promedio.
Caracteristicas de los Clusters
| Variable | Cluster_1 | Cluster_2 | Cluster_3 | Cluster_4 |
|---|---|---|---|---|
| DELITO_DE_BAJO_IMPACTO | 1.73 | 2.04 | -0.14 | -0.69 |
| FEMINICIDIO | 2.36 | 0.94 | -0.27 | 0.08 |
| HOMICIDIO_DOLOSO | 2.66 | -0.71 | -0.06 | -0.44 |
| LESIONES_DOLOSAS_POR_DISPARO_DE_ARMA_DE_FUEGO | 2.72 | -0.13 | 0.00 | -0.96 |
| ROBO_A_CASA_HABITACIÓN_CON_VIOLENCIA | -0.37 | 1.82 | -0.21 | 0.47 |
| ROBO_A_CUENTAHABIENTE_SALIENDO_DEL_CAJERO_CON_VIOLENCIA | 0.49 | 2.48 | -0.04 | -0.88 |
| ROBO_A_NEGOCIO_CON_VIOLENCIA | 0.58 | 1.50 | 0.13 | -1.37 |
| ROBO_A_PASAJERO_A_BORDO_DE_MICROBUS_CON_Y_SIN_VIOLENCIA | -0.16 | -0.57 | 0.29 | -1.14 |
| ROBO_A_PASAJERO_A_BORDO_DE_TAXI_CON_VIOLENCIA | 1.40 | 2.93 | -0.18 | -0.70 |
| ROBO_A_PASAJERO_A_BORDO_DEL_METRO_CON_Y_SIN_VIOLENCIA | 2.19 | 1.12 | -0.08 | -0.80 |
| ROBO_A_REPARTIDOR_CON_Y_SIN_VIOLENCIA | 2.15 | -0.29 | 0.11 | -1.21 |
| ROBO_A_TRANSEUNTE_EN_VÍA_PÚBLICA_CON_Y_SIN_VIOLENCIA | 2.47 | 1.20 | 0.00 | -1.34 |
| ROBO_A_TRANSPORTISTA_CON_Y_SIN_VIOLENCIA | -0.34 | -0.45 | 0.17 | -0.53 |
| ROBO_DE_VEHÍCULO_CON_Y_SIN_VIOLENCIA | -1.03 | 1.46 | 0.23 | -1.26 |
| SECUESTRO_O_PLAGIO | 1.61 | 2.48 | -0.19 | -0.56 |
| VIOLACIÓN | 2.22 | 1.69 | -0.25 | -0.21 |
| Variable | Cluster_1 | Cluster_2 | Cluster_3 | Cluster_4 |
|---|---|---|---|---|
| DELITO_DE_BAJO_IMPACTO | 6.60 | 1.13 | -0.29 | 0.55 |
| FEMINICIDIO | 4.37 | 0.24 | -0.19 | 1.76 |
| HOMICIDIO_DOLOSO | 0.71 | -0.56 | -0.13 | 3.84 |
| LESIONES_DOLOSAS_POR_DISPARO_DE_ARMA_DE_FUEGO | 0.67 | -0.26 | -0.17 | 3.89 |
| ROBO_A_CASA_HABITACIÓN_CON_VIOLENCIA | -0.20 | 1.30 | -0.15 | -0.40 |
| ROBO_A_CUENTAHABIENTE_SALIENDO_DEL_CAJERO_CON_VIOLENCIA | 3.06 | 1.76 | -0.27 | -0.30 |
| ROBO_A_NEGOCIO_CON_VIOLENCIA | 5.01 | 0.79 | -0.18 | -0.16 |
| ROBO_A_PASAJERO_A_BORDO_DE_MICROBUS_CON_Y_SIN_VIOLENCIA | -0.10 | -0.65 | 0.10 | -0.29 |
| ROBO_A_PASAJERO_A_BORDO_DE_TAXI_CON_VIOLENCIA | 2.32 | 1.56 | -0.29 | 0.89 |
| ROBO_A_PASAJERO_A_BORDO_DEL_METRO_CON_Y_SIN_VIOLENCIA | 7.89 | 0.15 | -0.19 | 0.82 |
| ROBO_A_REPARTIDOR_CON_Y_SIN_VIOLENCIA | 5.10 | -0.44 | -0.12 | 1.84 |
| ROBO_A_TRANSEUNTE_EN_VÍA_PÚBLICA_CON_Y_SIN_VIOLENCIA | 6.52 | 0.27 | -0.25 | 2.05 |
| ROBO_A_TRANSPORTISTA_CON_Y_SIN_VIOLENCIA | -0.53 | -0.40 | 0.07 | -0.24 |
| ROBO_DE_VEHÍCULO_CON_Y_SIN_VIOLENCIA | -0.94 | 0.85 | -0.05 | -0.88 |
| SECUESTRO_O_PLAGIO | 3.37 | 1.27 | -0.27 | 0.95 |
| VIOLACIÓN | 5.84 | 0.75 | -0.25 | 1.08 |
| pct_lunes | -1.26 | 0.18 | 0.04 | -0.80 |
| pct_martes | -1.63 | 1.04 | 0.00 | -2.26 |
| pct_miercoles | 0.67 | 1.86 | -0.27 | 0.18 |
| pct_jueves | 0.90 | 1.92 | -0.28 | 0.10 |
| pct_viernes | 2.10 | 1.91 | -0.28 | -0.25 |
| pct_sabado | 1.21 | -1.81 | 0.15 | 1.45 |
| pct_domingo | -1.61 | -1.84 | 0.26 | 0.17 |
Conjunto de variables: Delitos
El Cluster 1 representa un patrón de criminalidad violenta con una altísima incidencia en delitos de impacto social grave y violencia directa. Este grupo destaca por presentar las puntuaciones más elevadas en lesiones dolosas por disparo de arma de fuego, homicidio doloso, feminicidio, robo a transeúnte en vía pública y delitos de bajo impacto, además de registrar niveles significativos en violaciones y robos a bordo de transporte público (metro y repartidor). En conjunto, constituye el perfil con mayor concentración de delitos letales y asaltos en la vía pública.
El Cluster 2 concentra delitos patrimoniales de alta oportunidad y extorsión, caracterizándose por una combinación de violencia y logística en puntos específicos. Lidera holgadamente en rubros como robo a pasajero en taxi, robo a cuentahabiente saliendo del cajero, secuestro o plagio, robo a casa habitación con violencia y robo de vehículo. Aunque comparte con el Cluster 1 niveles altos en violación y robo a transeúnte, se diferencia marcadamente por mostrar valores negativos en homicidio doloso y robos a transporte público o repartidores, lo que apunta a dinámicas delictivas orientadas a objetivos económicos específicos.
El Cluster 3 refleja un comportamiento cercano a la media general, sin picos pronunciados en prácticamente ninguna categoría delictiva. Sus valores oscilan levemente alrededor de cero, registrando pequeñas variaciones positivas en robo a pasajero a bordo de microbús y vehículo, pero con valores predominantemente negativos o nulos en los delitos de mayor gravedad. Este perfil representa zonas con una actividad delictiva promedio o de baja intensidad relativa dentro de la muestra.
El Cluster 4 define un entorno de muy bajo riesgo o de alta contención criminal. Muestra valores consistentemente negativos en la totalidad de las variables analizadas, alcanzando sus niveles más bajos en categorías clave como robo a negocio con violencia, robo a transeúnte, robo de vehículo, robo a repartidor y lesiones por arma de fuego. Por ello, representa el perfil de mayor seguridad dentro del agrupamiento analizado.
Conjunto de variables: Delitos + Dias
El Cluster 1 concentra la máxima actividad criminal violenta y patrimonial, con un comportamiento fuertemente marcado hacia el cierre de la semana laboral. Registra las puntuaciones más elevadas en delitos de alto impacto como robo a pasajero en el metro, delitos de bajo impacto, robo a transeúnte en vía pública, violación, robo a repartidor, robo a negocio con violencia, feminicidio y secuestro. En términos temporales, la incidencia se incrementa progresivamente desde el miércoles hasta alcanzar su punto máximo los viernes y sábados, disminuyendo drásticamente los domingos y durante los primeros días de la semana (lunes y martes).
El Cluster 2 reúne un perfil de delitos patrimoniales y de oportunidad focalizados en días laborables. Encabeza los registros en robo a casa habitación con violencia, robo a cuentahabiente saliendo del cajero y robo a pasajero en taxi, manteniendo niveles significativos en secuestro y robo de vehículo. Su patrón temporal muestra una concentración entre martes y viernes (con su pico entre miércoles y jueves) y un desplome durante el fin de semana, reflejando dinámicas delictivas ligadas a la actividad bancaria, comercial y de movilidad laboral en días hábiles.
El Cluster 3 describe un comportamiento de baja intensidad sin picos delictivos severos en ningún rubro, representando el nivel base o promedio. A diferencia de los demás grupos, muestra un patrón temporal invertido con valores levemente positivos durante el fin de semana (sábado y domingo) y una reducción moderada a mitad de la semana laboral (miércoles a viernes), lo que sugiere una actividad delictiva residual no asociada a concentraciones críticas de violencia.
El Cluster 4 define un patrón caracterizado por la concentración extrema de violencia letal en fines de semana. Este grupo presenta las puntuaciones más altas en homicidio doloso y lesiones por disparo de arma de fuego, acompañadas de niveles elevados en feminicidio, robo a transeúnte y robo a repartidor. Su comportamiento temporal se concentra en el fin de semana, destacando el sábado y el domingo, mientras se mantiene marcadamente negativo en los días laborables (especialmente el miercoles), perfilando eventos de alta violencia interpersonal asociados a las dinámicas de ocio de fin de semana.
Distribución espacial de los clusters
Para complementar la caracterización de los agrupamientos y analizar su dimensión geográfica, los resultados de ambos análisis se integraron con la información cartográfica mediante la variable clave sector_id. A partir de esta vinculación, se elaboró un mapa para cada conjunto de variables, lo que permitió examinar la distribución espacial de los grupos e identificar patrones de concentración territorial, continuidad geográfica o dispersión de los perfiles delictivos a lo largo de los sectores analizados.
Como cierre del análisis, se identificaron las alcaldías con mayor presencia de sectores clasificados en el perfil de alta violencia y delitos letales, cruzando la asignación de clusters con la alcaldía correspondiente a cada sector. Esto permite traducir los hallazgos del clustering en una unidad administrativa más familiar para la toma de decisiones, en lugar de limitarse a los códigos de sector.
| alcaldia | n_sectores |
|---|---|
| IZTAPALAPA | 9 |
| CUAUHTEMOC | 8 |
| GUSTAVO A MADERO | 8 |
| VENUSTIANO CARRANZA | 6 |
| BENITO JUAREZ | 5 |
| COYOACAN | 5 |
| MIGUEL HIDALGO | 5 |
| TLALPAN | 5 |
| ALVARO OBREGON | 4 |
| AZCAPOTZALCO | 4 |
| IZTACALCO | 3 |
| CUAJIMALPA | 2 |
| MAGDALENA CONTRERAS | 2 |
| MILPA ALTA | 2 |
| TLAHUAC | 2 |
| XOCHIMILCO | 2 |
Se encontró que las alcaldías Iztapalapa, seguida de Cuauhtémoc y Gustavo A. Madero que concentran el mayor número de sectores con este perfil, mientras que otras, como Cuajimalpa, Magdalena Contreras, Milpa Alta, Tlahuac y Xochimilco, no presentan ningún sector clasificado dentro de los grupos de mayor incidencia. Esto sugiere que, aunque el análisis se realizó a nivel de sector, los perfiles delictivos identificados no se distribuyen de manera uniforme entre alcaldías, sino que tienden a concentrarse geográficamente.
Conclusiones
Es posible notar que los crímenes si tienen una incidencia criminal respecto al clustering hecho por sectores, teniendo en cuenta que se ven influenciados por la clasificación de cada cluster, siendo Baja Incidencia, Cercano al Promedio, Robo Patrimonial y Secuestros y Alta Violencia y Delitos letales.
Por otro lado, tenemos que los crímenes cometidos Alta Violencia y Delitos Letales se encuentran asociados a los sectores ubicados en las alcaldías Iztapalapa, Cuauhtémoc, Gustavo A. Madero, Venustiano Carranza y Benito Juárez, esto leído en este orden. Los facotores pueden deberse a la densidad poblacional de las delegaciones y los centros corporativos de la CdMx. En contraste las alcaldías con menos incidencia de crímenes Altamente Violentos y Letales son las más rurales como Xochimilco, Milpa Alta, Magdalena Contreras y Tlahuac.
Por otro lado, hay que tomar en cuenta que los crímenes registrados en las carpetas de investigación no son los mismo que puedas contrastar en el INEGI, ya que la gente no tiende a denunciar y darle seguimiento a las carpetas. Mientras el INEGI registra una cifra neta por muestreo de hechos cometidos.
Por otro lado, las categorías de delitos que más se cometieron en la CdMxson durante el período 2016-2024 son delito de bajo impacto (1,605,608), robo a transeunte con y sin violencia en vía pública (102,147), robo de vehículo con y sin violencia (85,394), hecho no delictivo y robo a negocio con violencia (61203), léase en ese orden. Los crímenes con menor ocurrencia son feminicidio (928), robo a transporte con y sin violencia (718), seucestro (211) y plagio o secuestro (1).
Además, los delitos por día de la semana tienen mayor ocurrencia entre semana (lunes, martes, miércoles, jueves y viernes). Mientras los días con menor cantidad de delitos son los sábados y domingos. Esto tomando en cuenta la cantidad de carpetas de investigación en promedio. Cabe resaltar que la diferencia entre los fines de semana y entre semana es de 1 a 2 crímenes. Por ende, notamos que no hay mucha variación en general.
Finalmente, podemos notar que si hacemos más clustering, podríamos clasificar casi de manera adecuada la criminalidad por cuadrantes. Destacando los cuadrantes por la cantidad de crímenes promedios en ellos y por sus centroides. En cambio si hubieran sido dos clusters, quizá no tendríamos la misma cantidad de información sobre las categorías relacionadas a cada cluster, dificultando su análisis.
Limitaciones
Como limitaciones podemos mencionar que la proporción de los datos se encuentra desequilibrada pues la grán mayoria de las carpetas de investigación abordaban hechos no delictivos, lo que hace que el estudio de delitos dolosos registrados sea menos preciso.
También podemos añadir el hecho de que hay muchos datos censurados, puesto que esta base de datos cuenta con carpetas de investigación de delitos denunciados y, como es bien sabido, hay una grán cantidad de delitos que no se denuncian, por lo que este análisis no representa el total de delitos en la CDMX.
Además, es importante señalar que los datos con los que se trabajó son carpetas de investigación registradas por la fiscalía y no representan una medición directa de número de delitos cometidos.
Posibles extensiones
Algo que nos puede ser de ayuda para expandir más nuestro estudio sería incluir más fuentes de información referentes a factores económicos, tráfico vehicular, afluencia de personas, etc. Esto para poder determinar con más presición las posibles razones por las cuales se registran cierto tipo de delitos y la frecuencia con la que ocurren.
También seria ideal tener fuentes que nos ayuden a evaluar por qué se ha reducido el número de creaciones de carpetas de investigación, a pesar de que el número de delitos no ha disminuido.