1 Introducción

Los datos que vamos a analizar provienen del VI Censo Nacional de Comisarías realizado en el año 2017 por el Instituto Nacional de Estadística e Informática. El objetivo primordial de dicho censo fue conocer mejor la infraestructura y equipamiento con el que cuentan los locales donde funcionan las Comisarías de la Policía Nacional del Perú. Entre las principales características a evaluar fueron:

Ámbito jurisdiccional de la comisaría
Número de policías asignados
Labor de cada policiía asignado
Accesorios de trabajo
Planes operativos y de emergencia

Pueden conocer más sobre el ánalisis final de este censo en la publicación oficial del INEI: PERÚ: VI CENSO NACIONAL DE COMISARÍAS 2017, Resultados Definitivos.

2 Análisis Descriptivo

En este análisis se explora la data sobre comisarias.

2.1 Lectura de Datos

El archivo con la información descargada del INEI se encuentra en la carpeta datos y tiene por nombre CensoComisarias.sav. El formato de este archivo corresponde a bases de datos registradas en el software SPSS, por lo que, se debe importar al R haciendo uso del paquete foreign.

# install.packages("foreign") 
library(foreign) 
datos <-  read.spss("https://pebiba-taller-rmd.netlify.app/datos/Cap_100_Infraestructura%202017.sav", to.data.frame=TRUE)

Veamos la data.

library(DT)

## Warning: package 'DT' was built under R version 4.0.5

datatable(datos)

## Warning in instance$preRenderHook(instance): It seems your data is too big
## for client-side DataTables. You may consider server-side processing: https://
## rstudio.github.io/DT/server.html

knitr::kable(cars)

speed	dist
4	2
4	10
7	4
7	22
8	16
9	10
10	18
10	26
10	34
11	17
11	28
12	14
12	20
12	24
12	28
13	26
13	34
13	34
13	46
14	26
14	36
14	60
14	80
15	20
15	26
15	54
16	32
16	40
17	32
17	40
17	50
18	42
18	56
18	76
18	84
19	36
19	46
19	68
20	32
20	48
20	52
20	56
20	64
22	66
23	54
24	70
24	92
24	93
24	120
25	85

Veamos cuanta información tenemos,

dim(datos)

## [1] 1495  280

Existen 1495 registros y 280 variables.

Ahora, veamos un pequeño extracto de los datos.

datos[1:5, 4:6]

##                               NOMBREDI               INF109    INF109A
## 1 RUPA-RUPA                            De 40001 - 80000 Hab  Distrital
## 2 MARIANO DAMASO BERAUN                 De 5000 - 10000 Hab  Distrital
## 3 JOSE CRESPO Y CASTILLO               De 20001 - 40000 Hab  Distrital
## 4 TOCACHE                               De 5000 - 10000 Hab Provincial
## 5 NUEVO PROGRESO                        De 5000 - 10000 Hab  Distrital

knitr::kable(datos[1:5, 4:6])

NOMBREDI	INF109	INF109A
RUPA-RUPA	De 40001 - 80000 Hab	Distrital
MARIANO DAMASO BERAUN	De 5000 - 10000 Hab	Distrital
JOSE CRESPO Y CASTILLO	De 20001 - 40000 Hab	Distrital
TOCACHE	De 5000 - 10000 Hab	Provincial
NUEVO PROGRESO	De 5000 - 10000 Hab	Distrital

2.2 Jurisdicción

2.2.1 Alcance de Jurisdicción

cuadro1 <- as.data.frame(table(datos$INF109))
cuadro2 <- as.data.frame(prop.table(table(datos$INF109)))
names(cuadro1) <- c("Categoría", "Frecuencia")
cuadro1$Porcentaje <- cuadro2$Freq
knitr::kable(cuadro1)

Categoría	Frecuencia	Porcentaje
Menos de 5000 Hab	288	0.1926421
De 5000 - 10000 Hab	329	0.2200669
De 10001 - 20000 Hab	290	0.1939799
De 20001 - 40000 Hab	248	0.1658863
De 40001 - 80000 Hab	196	0.1311037
De 80001 a más Hab	144	0.0963211

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.0.5

ggplot(datos, mapping = aes(x = INF109)) +
  geom_bar() +
  xlab("Habitantes") + ylab("Frecuencia") +
  theme(axis.text.x = element_text(angle = 12))

Alcance de Jurisdicción de las Comisarías

2.2.2 Tipo de Jurisdicción

knitr::kable(table(datos$INF109A), col.names = c("Categoría", "Frecuencia"))

Categoría	Frecuencia
Nacional	2
Regional	29
Provincial	139
Distrital	1241
Otros	84

library(ggplot2)
ggplot(datos, mapping = aes(x = INF109A)) +
  geom_bar(color = "black", fill = "red", alpha = 0.6) +
  xlab("") + ylab("Frecuencia")

Tipo de Jurisdicción de las Comisarías

Estos gráficos fueron elaborados con el paquete ggplot2 desarrollado por @Wickham2009. Además, el reporte fue generado usando rmarkdown. Pueden aprender más en el libro de @Xie2018.

Censo Nacional de Comisarías 2017

Análisis de Infraestructura y Equipamiento