Análisis de Criminalidad en Venezuela durante el período Enero - Septiembre año 2019
24 Estados
Mauricio Márquez Goa - Profesional GIS / Analista Datos
Noviembre 2019
Linkedin: Mauricio Márquez Goa
Venezuela, un país ubicado en América del Sur es actualmente un territorio donde los índices delictivos van en aumento producto de las precarizadas condiciones económicas, sociales y políticas predominantes.
Para el análisis delictivo se obtuvieron los delitos ocurridos de forma extraoficial, los cuales quedan tipificados de la siguiente forma:
Homicidio. Violación. Secuestro. Robo Vehículo. Enfrentamiento. Robo Genérico. Hurto Vehículo. Lesiones Personales. Hurto Genérico.
LLAMADO DE LIBRERIAS EN R
# Procedemos a llamar las librerías para conectarnos con las base de datos Postgres + PostGIS y acceder los datos
library(tidyverse)
library(sf)
library(ggplot2)
library(lubridate)
library(osmdata)
library(ggmap)
library(leaflet)
library(ggspatial)CREANDO LAS TABLAS DE DATOS Y LAS CAPAS CARTOGRAFICAS
#Capa de Delitos
delitos <- st_read("C:/Users/20958699825/Desktop/QGIS Blog/criminalidad/R Analisis/delitos.geojson") ## Reading layer `delitos' from data source `C:\Users\20958699825\Desktop\QGIS Blog\criminalidad\R Analisis\delitos.geojson' using driver `GeoJSON'
## Simple feature collection with 58956 features and 69 fields
## geometry type: MULTIPOINT
## dimension: XY
## bbox: xmin: -72.66719 ymin: 4.577148 xmax: -60.90665 ymax: 12.05013
## epsg (SRID): 4326
## proj4string: +proj=longlat +datum=WGS84 +no_defs#Capa de Estados
estado <- st_read("C:/Users/20958699825/Desktop/QGIS Blog/criminalidad/R Analisis/estados.geojson") ## Reading layer `estados' from data source `C:\Users\20958699825\Desktop\QGIS Blog\criminalidad\R Analisis\estados.geojson' using driver `GeoJSON'
## Simple feature collection with 24 features and 4 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: -73.37767 ymin: 0.647146 xmax: -59.80029 ymax: 12.20101
## epsg (SRID): 4326
## proj4string: +proj=longlat +datum=WGS84 +no_defs#Capa de Municipios
municipios <- st_read("C:/Users/20958699825/Desktop/QGIS Blog/criminalidad/R Analisis/municipios.geojson") ## Reading layer `municipios' from data source `C:\Users\20958699825\Desktop\QGIS Blog\criminalidad\R Analisis\municipios.geojson' using driver `GeoJSON'
## Simple feature collection with 336 features and 9 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: -73.37941 ymin: 0.634551 xmax: -59.74104 ymax: 12.19504
## epsg (SRID): 4326
## proj4string: +proj=longlat +datum=WGS84 +no_defs#Capa de Parroquias
parroquias <- st_read("C:/Users/20958699825/Desktop/QGIS Blog/criminalidad/R Analisis/parroquias.geojson")## Reading layer `parroquias' from data source `C:\Users\20958699825\Desktop\QGIS Blog\criminalidad\R Analisis\parroquias.geojson' using driver `GeoJSON'
## Simple feature collection with 1125 features and 8 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: -73.37967 ymin: 0.6439212 xmax: -59.79583 ymax: 12.19785
## epsg (SRID): 4326
## proj4string: +proj=longlat +datum=WGS84 +no_defsVISUALIZACION DE LOS DATOS
dim(delitos)## [1] 58956 70La cantidad de delitos denunciados es de 58956 con 70 columnas
summary(delitos)## id estado municipio
## Min. : 156 MIRANDA : 8740 LIBERTADOR: 8493
## 1st Qu.:16558 DISTRITO CAPITAL: 7449 SUCRE : 3976
## Median :32972 CARABOBO : 5416 VALENCIA : 2282
## Mean :33030 ZULIA : 4335 IRIBARREN : 2222
## 3rd Qu.:49506 BOLÍVAR : 3915 CARONÍ : 2216
## Max. :65950 ARAGUA : 3604 MARACAIBO : 1508
## (Other) :25497 (Other) :38259
## parroquia capital ciudad
## SUCRE : 1583 CARACAS : 4426 CARACAS : 1964
## PETARE : 1348 VALENCIA : 2282 GUARENAS : 234
## CHACAO : 1178 CIUDAD GUAYANA: 2216 HIGUEROTE : 194
## URBANA MIGUEL PEÑA: 874 BARQUISIMETO : 2203 LOS TEQUES : 186
## CATEDRAL : 850 MARACAIBO : 1470 CARACAS-PETARE: 133
## EL CARMEN : 833 PETARE : 1348 (Other) : 5150
## (Other) :52290 (Other) :45011 NA's :51095
## sector cuadrante_delito organo.actuante
## CENTRO : 687 P-01 : 7672 CICPC :58954
## CHACAO : 504 ZONA PERIURBANA: 6578 GAES 41 CARABOBO: 1
## CATIA : 365 P-02 : 6152 GAES SUCRE : 1
## MATURÍN : 344 P-03 : 4763
## SECTOR SAN JUAN: 328 P-04 : 4192
## (Other) :56661 P-06 : 2900
## NA's : 67 (Other) :26699
## número delito
## Min. : 1.00 HURTO :23247
## 1st Qu.: 17.39 ROBO : 9733
## Median : 33.81 LESIONES PERSONALES : 7863
## Mean : 40.42 ROBO DE VEHÍCULO : 5796
## 3rd Qu.: 50.35 HOMICIDIO : 4714
## Max. :998.00 RESISTENCIA A LA AUTORIDAD: 3605
## (Other) : 3998
## móvil día mes año
## AJUSTE DE CUENTA: 2846 Min. : 1.00 Min. :1.000 Min. :2019
## ROBO : 632 1st Qu.: 8.00 1st Qu.:2.000 1st Qu.:2019
## POR DETERMINAR : 578 Median :15.00 Median :5.000 Median :2019
## RIÑA : 200 Mean :15.49 Mean :4.752 Mean :2019
## PASIONAL : 116 3rd Qu.:23.00 3rd Qu.:7.000 3rd Qu.:2019
## (Other) : 351 Max. :31.00 Max. :9.000 Max. :2019
## NA's :54233
## hora
## 5:00:00 p. m. : 2909
## 6:00:00 p. m. : 2547
## 11:00:00 a. m.: 2291
## 12:00:00 p. m.: 2253
## 1:00:00 p. m. : 2123
## (Other) :46825
## NA's : 8
## dirección.exacta
## SECTOR ALTAMIRA, DISTRIBUIDOR DE ALTAMIRA, VIA PUBLICA, PARROQUIA CHACAO, MUNICIPIO CHACAO, ESTADO MIRANDA : 51
## SECTOR AEROPUERTO, LAS INSTALACIONES DEL CUERPO DE ATENCIÓN AL CIUDADANO 623, DE LA GUARDIA NACIONAL BOLIVARIANA, UBICADO EN LA POBLACIÓN DE SANTA ELENA DE UAIREN, PARROQUIA SANTA ELENA DE UAIREN, MUNICIPIO GRAN SABANA, ESTADO BOLÍVAR.: 43
## SECTOR CASCO CENTRAL , CALLE PRINCIPAL VIA PÚBLICA, POBLACIÓN DE SANTA ELENA DE UAIREN, MUNICIPIO GRAN SABANA, ESTADO BOLÍVAR : 34
## SECTOR CENTRO, ENTRE CALLE 15 Y 16 CARRERA 5TA, GUANARE, MUNICIPIO PAEZ, PARROQUIA GUANARE, ESTADO PORTUGUESA : 23
## SECTOR KUMARAKAPAY, TRONCAL 10, COMUNIDAD INDÍGENA SAN FRANCISCO DE YURUARIN DE KUMARAKAPAY, PARROQUIA GRAN SABANA MUNICIPIO GRAN SABANA, ESTADO BOLÍVAR, : 15
## KILOMETRO 8 DE LA CARRETERA PANAMERICANA, ENTRADA DE LA URBANIZACIÓN FELIPE ACOSTA, VÍA PÚBLICA, PARROQUIA COCHE, MUNICIPIO BOLIVARIANO LIBERTADOR : 14
## (Other) :58776
## categorización.de.referencias
## VÍA PÚBLICA :22071
## BARRIO O CASERÍO :15173
## URBANIZACIÓN O CONJUNTO RESIDENCIAL: 4043
## INSTALACIONES DEL ESTADO VENEZOLANO: 3238
## COMERCIO : 3187
## (Other) :11234
## NA's : 10
## número.de.cadáveres
## : 29
## : 1
## 0 : 735
## 1 : 7663
## NA's :50528
##
##
## arma.utilizada heridas.producidas
## ARMA DE FUEGO :22544 MÚLTIPLES : 3927
## FUERZA FÍSICA : 6182 UNA : 752
## ARMA BLANCA : 1986 MULTIPLES : 13
## OBJETO CONTUNDENTE: 766 GRAVE : 3
## OTRA : 497 NO APLICA : 2
## (Other) : 223 (Other) : 5
## NA's :26758 NA's :54254
## despacho tipo.de.lesión
## SUB DELEGACIÓN VALENCIA : 2130 LEVE : 6784
## SUB DELEGACIÓN CIUDAD GUAYANA: 1443 GRAVE : 1060
## SUB DELEGACIÓN CHACAO : 1418 LEVE : 8
## SUB DELEGACIÓN El LLANITO : 1400 N/A : 7
## SUB DELEGACIÓN MATURÍN : 1318 ESTABLE: 1
## (Other) :51246 (Other): 3
## NA's : 1 NA's :51093
## nombre.y.apellido sexo.victima
## POR DETERMINAR : 2201 MASCULINO :38813
## EL ESTADO VENEZOLANO: 322 FEMENINO :18334
## POR IDENTIFICAR : 167 POR DETERMINAR: 1064
## POR DETERMINAR : 144 NO APLICA : 633
## ESTADO VENEZOLANO : 46 MASCULINO : 45
## DE OFICIO : 43 (Other) : 65
## (Other) :56033 NA's : 2
## edad nacionalidad prontuario.policial_1
## POR DETERMINAR: 3509 VENEZOLANA :54038 POR DETERMINAR :52116
## 38 : 1596 POR DETERMINAR: 2671 NO POSEE : 2675
## 40 : 1570 NO APLICA : 723 POSEE : 463
## 35 : 1563 VENEZOLANA : 629 POR DETERMINAR : 33
## 39 : 1516 COLOMBIA : 271 NINGUNO : 17
## (Other) :49199 (Other) : 621 (Other) : 44
## NA's : 3 NA's : 3 NA's : 3608
## número.de.victimarios comisión.policial hubo.víctima tipo.de.víctima
## 1 : 3609 PNB / FAES: 788 NO : 243 CIVIL : 3423
## 2 : 143 PNB : 114 SI : 3438 FUNCIONARIO: 19
## 0 : 118 PNB/FAES : 111 SI : 3 NA's :55514
## 4 : 74 GNB : 97 NA's:55272
## 3 : 58 CICPC : 77
## (Other): 134 (Other) : 2501
## NA's :54820 NA's :55268
## condición.de.la.víctima número.de.victimas.civiles número.de.detenidos
## OCCISO : 7636 : 2 0 : 3587
## ESTABLE : 6552 0 : 9 1 : 61
## DETENIDO: 780 1 : 3413 2 : 14
## ILESO : 582 NA's:55532 9 : 5
## GRAVE : 486 3 : 3
## (Other) : 216 (Other): 7
## NA's :42704 NA's :55279
## patrimonio.afectado objeto.hurtado.robado
## PERSONA :12298 UN TELEFONO CELULAR : 559
## VIVIENDA : 8493 ELECTRODOMESTICOS : 283
## ESTADO VENEZOLANO: 5767 UN (01) TELEFONO CELULAR: 223
## ENTIDAD PRIVADA : 3191 TELEFONO CELULAR : 213
## COMERCIO : 3063 UN TELEFONO CELULAR : 202
## (Other) : 159 (Other) :31532
## NA's :25985 NA's :25944
## monto.aprox..de.lo.hurtado.robado cant..veh clasedevehículo
## 1000000: 1975 1 : 9207 MOTOCICLETA: 3389
## 2000000: 1825 2 : 35 AUTOMÓVIL : 2971
## 500000 : 1586 3 : 11 CAMIONETA : 1704
## 3000000: 1439 : 3 MOTO : 560
## 5000000: 1308 | : 2 CAMIÓN : 536
## (Other):34104 (Other): 7 (Other) : 111
## NA's :16719 NA's :49691 NA's :49685
## marca modelo año.del.vehículo
## CHEVROLET : 1551 HORSE KW-150: 229 2013 : 1163
## EMPIRE KEEWAY : 1173 BR-150 : 222 2012 : 1009
## TOYOTA : 842 HORSE : 221 2011 : 805
## FORD : 817 COROLLA : 216 2008 : 676
## BERA : 659 AVEO : 209 2007 : 674
## (Other) : 4229 (Other) : 8174 (Other): 4940
## NA's :49685 NA's :49685 NA's :49689
## color.del.veh. tipo.de.veh. uso.del.vehículo
## AZUL : 1664 PASEO : 3651 PARTICULAR : 8536
## NEGRO : 1545 SEDAN : 2600 CARGA : 535
## BLANCO : 1416 SPORT WAGON: 986 OFICIAL : 94
## ROJO : 1333 PICK UP : 374 TRANSPORTE PÚBLICO : 58
## GRIS : 836 PASEO : 208 PARTICULAR / PARTICULAR: 9
## (Other): 2477 (Other) : 1449 (Other) : 39
## NA's :49685 NA's :49688 NA's :49685
## hubo.pago vehículo.incriminado características.del.vehículo
## NO : 43 POR DETERMINAR:29304 POR DETERMINAR: 316
## SI : 36 NO :26345 COLOR NEGRO : 43
## NA's:58877 MOTO : 1437 COLOR ROJO : 32
## AUTOMÓVIL : 1207 COLOR AZUL : 21
## CAMIONETA : 487 COLOR BLANCO : 17
## (Other) : 137 (Other) : 2822
## NA's : 39 NA's :55705
## observaciones
## NINGUNA : 57
## SE INCLUYE POSTERIOR AL MOMENTO DEL REPORTE DEBIDO A QUE EL REDIP NO LO REPORTO EN MISMO DÍA. / / VARIOS SUJETOS POR IDENTIFICAR Y APREHENDER, TOMARON POR ASALTO LAS INSTALACIONES DEL CUERPO DE ATENCIÓN AL CIUDADANO 623, DE LA GUARDIA NACIONAL BOLIVARIANA: 43
## CASOS DE MANIFESTACIONES Y GUARIMBAS / LOS OCCISOS Y LOS LESIONADOS PARA EL MOMENTO EN QUE SE ENCONTRABAN EN UNA MANIFESTACIÓN, LE FUERON CAUSADAS LESIONES POR ARMA DE FUEGO Y OBJETOS CONTUNDENTES. LOGRANDO EN HORAS DE LA TARDE DE HOY MEDIANTE INVESTIGACI: 23
## SE COLOCO EL SECTOR MAS CERCANO A LA DIRECCION EXACTA ANTES MENCIONADA : 19
## SE RECIBE LLAMADA TELEFÓNICA DE PARTE DE LA INSPECTORA AGREGADO DIOSELINA MÁRQUEZ, ADSCRITA A LA RED DE EMERGENCIAS TÁCHIRA VEN 911, INFORMANDO QUE UN GRAN GRUPO DE PERSONAS SE ENCONTRABAN CONCENTRADOS EN LA DIRECCIÓN ANTES MENCIONADA, CON EL FIN DE REALI: 16
## (Other) : 5124
## NA's :53674
## cant. ejes fecha
## Min. :0.0000 - :48825 18/2/2019: 394
## 1st Qu.:1.0000 ALTOS MIRANDINOS: 976 18/3/2019: 382
## Median :1.0000 BARLOVENTO : 828 28/3/2019: 350
## Mean :0.9533 GUARENAS-GUATIRE: 808 11/2/2019: 348
## 3rd Qu.:1.0000 METROPOLITANO : 4180 6/3/2019 : 343
## Max. :1.0000 VALLES DEL TUY : 1586 8/4/2019 : 341
## NA's : 1753 (Other) :56798
## sem nombre_mes nombre_dia clase.dias
## Min. : 1.00 ENERO : 7598 DOMINGO : 5403 ENTRE SEMANA :37969
## 1st Qu.: 9.00 FEBRERO: 7240 JUEVES : 9227 FIN DE SEMANA:20987
## Median :18.00 MAYO : 7063 LUNES :10176
## Mean :19.01 ABRIL : 6907 MARTES : 9392
## 3rd Qu.:28.00 MARZO : 6730 MIÉRCOLES: 9174
## Max. :40.00 JULIO : 6127 SÁBADO : 6589
## (Other):17291 VIERNES : 8995
## semana.calendario rango.de.horas rango.de.edades.de.las.víctimas
## 12 : 1981 #N/D : 10 35 a 39: 7441
## 8 : 1901 00:00 a 06:00: 7695 30 a 34: 6958
## 6 : 1861 06:01 a 12:00:15760 40 a 44: 6779
## 7 : 1790 12:01 a 18:00:26340 25 a 29: 6550
## 3 : 1768 18:01 a 24:00: 8364 45 a 49: 5719
## 11 : 1761 IMPRECISA : 787 20 a 24: 5102
## (Other):47894 (Other):20407
## categoría
## CONTRA LA COSA PÚBLICA : 3085
## CONTRA LA PROPIEDAD :36161
## CONTRA LAS BUENAS COSTUMBRES Y BUEN ORDEN DE LAS FAMILIAS: 370
## CONTRA LAS PERSONAS :10785
## NA's : 8555
##
##
## municipios.priorizados comision.policial.estandarizado
## - : 8638 _ : 8603
## PRIORIZADOS:27199 PNB : 1313
## NA's :23119 CICPC : 1057
## GNB : 522
## POLICIA ESTADAL : 465
## (Other) : 1176
## NA's :45820
## casos.de.resistencias.sin.victimas fecha_latina hora_anglo
## 0,25 : 156 18-2-2019: 394 17:00:00: 2909
## 0,5 : 129 18-3-2019: 382 18:00:00: 2547
## 0,75 : 115 28-3-2019: 350 11:00:00: 2291
## 0,708333333: 114 11-2-2019: 348 00:00:00: 2253
## 0,458333333: 108 6-3-2019 : 343 13:00:00: 2123
## (Other) : 3245 8-4-2019 : 341 (Other) :46024
## NA's :55089 (Other) :56798 NA's : 809
## fecha_hora_anglo long_geom lat_geom
## Min. :2019-01-01 00:00:00 Min. :-72.67 Min. : 4.577
## 1st Qu.:2019-02-28 13:00:00 1st Qu.:-69.28 1st Qu.: 9.636
## Median :2019-05-04 19:57:30 Median :-67.01 Median :10.213
## Mean :2019-05-09 05:41:32 Mean :-67.41 Mean : 9.882
## 3rd Qu.:2019-07-14 09:00:00 3rd Qu.:-66.59 3rd Qu.:10.481
## Max. :2019-09-30 23:30:00 Max. :-60.91 Max. :12.050
##
## geometry
## MULTIPOINT :58956
## epsg:4326 : 0
## +proj=long...: 0
##
##
##
## Con la consulta a la capa de delitos podemos saber que:
- El Estado que mayor cantidad de delitos se han denunciados en los primeros nueve meses del año 2019 es Miranda con 8740, seguido del Distrito Capital con 5806.
- La Capital que mayor cantidad de delitos que se han denunciados en los primeros nueve meses del año 2019 es Caracas con 4426, seguido Valencia 2282, Ciudad Guayana 2216 y Barquisimeto 2203.
- El delito más cometido es el hurto con 23247 denuncias.
- El móvil que más se denuncia es el ajuste de cuenta con 2846.
- El horario que se denuncian más delitos es las 5:00:00 p.m. con 2909 seguido de las 6:00:00 p.m. con 2547
- La categorización de referencias es en la vía pública con 22071 delitos denunciados.
- El arma más utilizada en los delitos es el arma de fuego con 22544 casos denunciados.
- El sexo de la victima existen 38813 para masculino y 18334 para femenino.
- La edad de las victimas por determinar son 3509, 1596 para 38 años.
- La nacionalidad de las victimas es 54038 para venezolanos.
- En 3609 los victimarios se componían de una sola persona.
- Para el objeto hurtado/robado 559 son teléfono celular.
- La clase de vehículo mas hurtado/robado es motocicleta con 3389 casos.
- La marca de vehículos mas hurtado/robado es chevrolet con 1551 casos.
- La fecha con más delitos denunciados es 18/2/2019 con 394 casos.
- El mes con más denuncias de delitos es enero con 7598 casos.
- El rango de horas con más delitos denunciados es 12:01 a 18:00 con 26340 casos.
- El rango de edades con mayor cantidad de victimas es de 35 a 39 años con 7441 casos.
Para hacer el análisis haremos especial énfasis en la columna “delito” la cual define el tipo de delito denunciado en 9 categorias.
Verificamos si posee registros nulos:
sum(is.na(delitos$delito))## [1] 0Vamos muy bien!, no hay datos nulos.
Verificamos ahora las fechas y horas
sum(is.na(delitos$hora_anglo))## [1] 809Existen 809 casos donde la hora que se comete el delito no es conocida (imprecisa)
sum(is.na(delitos$fecha_hora_anglo))## [1] 0Perfecto!, todos los delitos tienen fecha.
Veamos ahora como es la categorización y la cantidad de delitos.
#Creamos una tabla que cuente los delitos por tipos
contador_delitos<- delitos %>%
count(delito) %>%
arrange(desc(n))Grafiquemos esos datos por el contador
ggplot(contador_delitos) +
geom_col(aes(x=reorder(delito,n), y=n, fill=delito)) +
theme(legend.position="none") +
geom_text(size=6,
aes(
x = delito,
y = n,
label = n))+
coord_flip() +
labs(title = "Total Delitos Denunciados",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
x = "Delitos",
y = "Cantidad") 
En la previa ya sabíamos que el delito más denunciado es el hurto con 23247 casos en el período de enero a septiembre del 2019.
Veamos como se comportan por cada entidad en Venezuela los delitos
#Creo un vector con los tipos de delitos
delitos_tipo <- delitos$delito
#Creo una tabla tipo de delitos por Estados
delitos_estados <- delitos %>%
filter(delito %in% delitos_tipo) %>%
count(delito,estado) %>%
arrange(desc(n))
ggplot() +
geom_bar(data=delitos_estados,
aes(x=reorder(delito,n),
weight=n,
fill=factor(delito))) +
facet_wrap(ncol=6,~estado) +
labs(title = "Histograma de Delitos Denunciados",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
fill = "Tipo de Delito",
x = "Delitos",
y = "Cantidad")
El gráfico muestra claramente que los estados centrales del país Miranda, Aragua, Carabobo y Distrito Capital así como para el occidente Lara y Zulia y el Oriente-Sur Anzoátegui y Bolívar son los que poseen mayor cantidad de denuncias.
Veamos ahora como se comportan en el tiempo
delitos <- delitos %>% mutate(fecha = ymd_hms(fecha_hora_anglo))
delitos %>%
ggplot() +
geom_bar(aes(x = month(fecha_hora_anglo, label = TRUE))) +
labs(title = "Total Delitos Denunciados",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
x = "Delitos",
y = "Cantidad") 
Existe una tendencia decreciente a la denuncia de delitos, se pronuncia desde el mes de mayo. Examinando los delitos por tipología se verificará los altibajos para cada uno.
delitos %>%
filter(delito %in% delitos_tipo) %>%
ggplot() +
geom_bar(aes(x = month(fecha_hora_anglo, label = TRUE), fill = delito)) +
labs(title = "Total Delitos Denunciados",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
fill = "Tipo de Delito",
x = "Meses",
y = "Cantidad") 
A partir del mes de junio del 2019 se ve un decrecimiento en los delitos robo y robo de vehículos (delitos violentos), quizás esté asociado a la implementación de alguna política de seguridad la cual sea efectiva en la persuación de los delicuentes violentos o sea producto de la crisis económica en la obtención de municiones que afecta de manera directa a la delincuencia.
Denuncias Realizadas por mes mediante Poligono de Frecuencia
# Se realiza primeramente un conteo de denuncias por mes
conteo_mes <- delitos %>%
count(delito, mes = month(fecha_hora_anglo, label = TRUE))
# Luego se muestran las cantidades mensuales como polígono de frecuencia
ggplot(conteo_mes) +
geom_line(aes(x = mes, y = n, group = delito, color = delito), size = 2) +
facet_wrap(~delito)+
guides(color = FALSE) +
geom_text(size=3,
aes(
x = mes,
y = n,
label = n))+
labs(title = "Total Delitos Denunciados",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
fill = "Tipo de Delito",
x = "Meses",
y = "Cantidad") +
expand_limits(y = 0)
Ahora se detalla con mayor claridad que el robo de vehículos ha tenido un decrecimiento sostenido así como el hurto de vehículo en menor medida. De igual forma el delito del hurto genérico ha disminuído los últimos 4 meses a comparación de los primeros 5 meses del año. El resto de los delitos han mantenido un valor relativamente constante en el tiempo. Quizás la crisis haya generado la desincorporación de vehículos por mal estado.
Denuncias Realizadas por día de semana mediante grafico de radar
conteo_dia <- delitos %>%
count(delito, diasemana = wday(fecha_hora_anglo, label = TRUE))
ggplot(conteo_dia, aes(x = diasemana, y = n, col = n, group = delito)) +
guides(color = "NA") +
geom_polygon(fill = "NA", size = 2, color = "red") +
coord_polar() +
facet_wrap(~delito)+
labs(title = "Total Delitos Denunciados",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
fill = "Tipo de Delito") +
expand_limits(y = -2000) +
xlab("")+
ylab("")+
geom_text(size=2,
aes(label = n),
color="black")
Mientras que los delitos hurto, robo de vehículos y robo genérico descansan los fines de semana con respeto a los días lunes a viernes, el resto de los delitos tienen un comportamiento similar todos los días de la semana.
Denuncias Realizadas por hora mediante Poligono de Frecuencia
# Se realiza primeramente un conteo de denuncias por mes
conteo_dia <- delitos %>%
count(delito, hora = hour(fecha_hora_anglo))
# Luego se muestran las cantidades mensuales como polígono de frecuencia
ggplot(conteo_dia) +
geom_line(aes(x = hora, y = n, group = delito, color = delito), size = 2) +
facet_wrap(~delito)+
guides(color = FALSE) +
geom_text(size=2,
aes(
x = hora,
y = n,
label = n))+
labs(title = "Total Delitos Denunciados",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
fill = "Tipo de Delito",
x = "Horas",
y = "Cantidad") +
expand_limits(y = 0)
A pesar que los missing quedaron registrados a las 00:00:00 y obviando ese horario se puede ver claramente que los delitos de hurto, hurto de vehículo, robo y lesiones personales tienden a aumentar en el horario comprendido de las 13:00:00 hasta las 20:00:00 mientras que el resto de los delitos tienen un comportamiento bastante similar durante todas las horas del día.
VISUALIZACION DE ESPACIO Y TIEMPO
Mapa Base
bbox <- c(min(delitos$long_geom, na.rm = TRUE),
min(delitos$lat_geom, na.rm = TRUE),
max(delitos$long_geom, na.rm = TRUE),
max(delitos$lat_geom, na.rm = TRUE))
venezuela <- get_stamenmap(bbox, maptype = "toner-lite")Mapa de Venezuela con Georeferenciación Delictiva por Tipo
ggplot() +
geom_sf(data = estado, color = "gray39", fill = "white") +
geom_point(data = filter(delitos, delito %in% delitos_tipo), aes(x = long_geom, y = lat_geom, color = delito), size = 0.1, alpha = 0.1) +
guides(color = guide_legend(override.aes = list(size=2, alpha = 1))) +
scale_fill_distiller(palette = "Spectral") +
labs(title = "Ubicacion de los 58956 Delitos Denunciados por Tipo",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
x = "Longitud",
y = "Latitud") +
annotation_scale() +
annotation_north_arrow(location='tr')
Mapa de Venezuela con Georeferenciación Delictiva por Categoria
ggplot() +
geom_sf(data = estado, color = "gray39", fill = "white") +
geom_point(data = filter(delitos, delito %in% delitos_tipo), aes(x = long_geom, y = lat_geom, color = delito), size = 0.1, alpha = 0.1) +
guides(color = guide_legend(override.aes = list(size=2, alpha = 1))) +
scale_fill_distiller(palette = "Spectral") +
labs(title = "Ubicacion de los 58956 Delitos Denunciados por Categoria",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
x = "Longitud",
y = "Latitud") +
facet_wrap(~delito, nrow = 3)
Combinando Horario y Tipo de Delito (Homicidios por Horas del Día)
delitos <- delitos %>%
mutate(hora_base = hour(ymd_hms(fecha_hora_anglo)))
ggplot() +
geom_sf(data = estado, color = "gray39", fill = "white") +
geom_point(data = filter(delitos, delito == "HOMICIDIO"), aes(x = long_geom, y = lat_geom, color = delito), size = 0.1, alpha = 0.1) +
guides(color = guide_legend(override.aes = list(size=2, alpha = 1))) +
scale_fill_distiller(palette = "Spectral") +
labs(title = "Ubicacion de los Homicidios por Horas del Día",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
x = "Longitud",
y = "Latitud") +
facet_wrap(~hora_base, nrow = 4)
Mapa de Densidad de Homicidios por Horas del Día
ggplot() +
geom_sf(data = estado, color = "gray39", fill = "white") +
stat_density_2d(data = filter(delitos, delito == "HOMICIDIO"), aes(x = long_geom, y = lat_geom, fill = stat(level)), alpha = 0.65, geom = "polygon") +
scale_fill_distiller(palette = "Spectral")+
facet_wrap(~hora_base, nrow = 4) +
labs(title = "Densidad de los Homicidios por Horas del Día",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
x = "Longitud",
y = "Latitud",
fill = "Densidad Delictiva") 
Mapa de Calor de Delitos
ggmap(venezuela) +
geom_bin2d(data = delitos, aes(x = long_geom, y = lat_geom), bins = 90, alpha = 0.8) +
scale_fill_distiller(palette = "Spectral") +
labs(title = "Mapa de Calor Delitos Denunciados",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
x = "Longitud",
y = "Latitud",
fill = "Concentración Delictiva") ## Warning: Removed 2 rows containing missing values (geom_tile).
Mapa de Densidad de Delitos
ggplot() +
geom_sf(data = estado, color = "gray39", fill = "white") +
stat_density_2d(data = delitos, aes(x = long_geom, y = lat_geom, fill = stat(level)), alpha = 0.65, geom = "polygon") +
scale_fill_distiller(palette = "Spectral")+
labs(title = "Densidad de los Delitos Denunciados",
subtitle = "Enero - Septiembre 2019",
caption = "Fuente: Extraoficial - Venezuela",
x = "Longitud",
y = "Latitud",
fill = "Densidad Delictiva") +
annotation_scale() +
annotation_north_arrow(location='tr')
El mapa muestra lo que previamente en el histograma se había analizado que los lugares (las capitales) en los estados centrales del país Miranda, Aragua, Carabobo y Distrito Capital así como para el occidente Lara y Zulia y el Oriente-Sur Anzoátegui y Bolívar son los que poseen mayor cantidad de denuncias.