Informe Estadístico de Comparendos 2010

1 Descripción de los datos

La base tiene información de los comparendos de tránsito de abril y mayo de 2010.

nrow(comparendos)

## [1] 2120

ncol(comparendos)

## [1] 17

knitr::kable(table(comparendos$`TIPO DE IDENTIFICACION`),
             col.names = c("Tipo de identificación", "Cantidad"))

Tipo de identificación	Cantidad
Cedula de Ciudadanía	1648
Cedula de Extanjería	5
Nit	467

2 Análisis por variable

2.1 Comparendos por sexo

knitr::kable(table(comparendos$SEXO), col.names = c("Sexo", "Cantidad"))

Sexo	Cantidad
CÉDULA NUEVA	88
EMPRESA	472
HOMBRE	615
MUJER	945

barplot(table(comparendos$SEXO), col = "steelblue",
        main = "Comparendos por sexo", ylab = "Cantidad")

Sexo: Las mujeres concentran la mayor cantidad de comparendos, con 945 (44,6 %), seguidas de los hombres con 615 (29 %) y las empresas con 472 (22,3 %). Hay además 88 registros (4,2 %) marcados como «cédula nueva», que no indican el sexo de la persona y podrían ser un error de digitación en la base.

2.2 Comparendos por código de infracción

knitr::kable(table(comparendos$`COD. INFRACCION`), col.names = c("Código", "Cantidad"))

Código	Cantidad
64	1626
67	105
76	4
77	385

barplot(table(comparendos$`COD. INFRACCION`), col = "steelblue",
        main = "Comparendos por código de infracción", ylab = "Cantidad")

Código de infracción: La infracción 64 es por mucho la más frecuente, con 1.626 comparendos (76,7 %), seguida de la 77 con 385 (18,2 %). Las infracciones 67 y 76 son poco comunes, con 105 (5 %) y apenas 4 casos (0,2 %), respectivamente. ## Comparendos por tipo de vehículo

knitr::kable(table(comparendos$`TIPO DE VEHICULO`), col.names = c("Vehículo", "Cantidad"))

Vehículo	Cantidad
CARRO	1938
MOTO	182

barplot(table(comparendos$`TIPO DE VEHICULO`), col = "steelblue",
        main = "Comparendos por tipo de vehículo", ylab = "Cantidad")

Tipo de vehículo: Casi todos los comparendos corresponden a carros, que suman 1.938 (91,4 %), frente a solo 182 motos (8,6 %).

2.3 Comparendos por mes

knitr::kable(table(comparendos$`NOMBRE DEL MES`), col.names = c("Mes", "Cantidad"))

Mes	Cantidad
Abril	712
Mayo	1408

barplot(table(comparendos$`NOMBRE DEL MES`), col = "steelblue",
        main = "Comparendos por mes", ylab = "Cantidad")

Mayo registró 1.408 comparendos (66,4 %), casi el doble que abril con 712 (33,6 %).

3 Cruces entre variables

3.1 Sexo por tipo de vehículo

t1 <- table(comparendos$SEXO, comparendos$`TIPO DE VEHICULO`)
knitr::kable(t1)

	CARRO	MOTO
CÉDULA NUEVA	81	7
EMPRESA	455	17
HOMBRE	526	89
MUJER	876	69

barplot(t(t1), beside = TRUE, col = c("#2C3E50", "#18BC9C"),
        legend.text = TRUE, args.legend = list(x = "topleft"),
        main = "Comparendos por sexo y tipo de vehículo", ylab = "Cantidad")

3.2 Infracción por mes

t2 <- table(comparendos$`COD. INFRACCION`, comparendos$`NOMBRE DEL MES`)
knitr::kable(t2)

	Abril	Mayo
64	531	1095
67	43	62
76	4	0
77	134	251

barplot(t2, beside = TRUE, col = c("#2C3E50", "#18BC9C", "#F39C12", "#E74C3C"),
        legend.text = TRUE, args.legend = list(x = "topleft", title = "Código"),
        main = "Comparendos por infracción y mes", ylab = "Cantidad")

3.3 Valor de las multas por sexo

v <- tapply(comparendos$VALOR_A_PAGAR, comparendos$SEXO, sum)
knitr::kable(data.frame(Sexo = names(v), Total = format(v, big.mark = ".")), row.names = FALSE)

## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

Sexo	Total
CÉDULA NUEVA	38.623.200
EMPRESA	207.160.800
HOMBRE	269.923.500
MUJER	414.760.500

pie(v, labels = paste0(names(v), " (", round(100 * v / sum(v), 1), "%)"),
    col = c("#95A5A6", "#2C3E50", "#18BC9C", "#F39C12"),
    main = "Distribución del valor de las multas por sexo")

4 Conclusiones

La mayoría de los comparendos corresponden a carros y a la infracción 64.
Las mujeres son el grupo con más comparendos.
Mayo duplicó a abril en número de comparendos.

5 Dashboard interactivo

Haz clic en la imagen para abrir el tablero interactivo: