ANÁLISIS ESTADÍSTICO-ESPACIAL DE DELITOS EN LA … · 2009-11-14 · El análisis estadístico y...

ANÁLISIS ESTADÍSTICO-ESPACIAL DE DELITOS EN LA LOCALIDAD DE CIUDAD BOLÍVARIsaac De León Beltrán, Elkin Velasquez Monsalve y Luis Carlos Jiménez*

Bogotá-Universidad Nacional Encuentro de Geografos Latinoamericanos. Marzo 2007

Resumen El objetivo de este trabajo es presentar un ejercicio de «colaboración» de varios métodos de investigación en el estudio de ciertas conductas delictivas en la localidad de Ciudad Bolívar, Bogotá. En especial, se explora la relación entre el homicidio y otros delitostales como el atraco, las lesiones personales, el hurto a residencia, el hurto a establecimientos comerciales y el hurto de vehículos. Los métodos utilizados son: el uso de mapas del crimen – cartografía del crimen – , el análisis estadístico del delito y el uso de materialvisual – fotografías. Dichos métodos son utilizados haciendo advertencias jurídicas en torno a los datos y su calidad en tanto que fuente sociológica y cartográfica. Un objetivo especifico es ilustrar la complejidad de la interacción entre agentes en un entorno socio espacial complejo caracterizado por la pobreza en medio de asentamientos urbanos recientes y la mayoría ilegales. Los resultadosmuestran que la superposición de métodos permite insinuar una relación robusta en términos estadísticos y espaciales en torno a la ocurrencia de los delitos estudiados. El trabajo abre una agenda de investigación en torno a ciertos aspectos criminológicos y criminodinámicos del delito en la localidad de Ciudad Bolívar y se convierte en una oportunidad para el trabajo interdisciplinar.Adicionalmente, se señalan posibles usos de la investigación para los diseñadores de políticas públicas de seguridad.

El objetivo de este documento es describir y explicar el comportamiento de ciertos delitos en la localidad de Ciudad Bolívar - Bogotá. Dicha localidad se encuentra en el sur de la capital de Colombia. La localidad está compuesta por barrios construidos recientemente. La mayoría de los barrios han sido construidos en el periodo comprendido entre 1980 y 2006. La localidad es considerada como pobre. De acuerdo con cifras oficiales es la segunda localidad con mayor índice de necesidades básicas insatisfechas; se calcula que el 76% de los habitantes se encuentran por debajo de la línea de pobreza. En general, Ciudad Bolívar se caracteriza por tener barrios en proceso de consolidación que son consecuencia de procesos de ocupación ilegal de tierras, barrios consolidados después de muchos años de disputas judiciales y, en menor medida, barrios planeados formalmente. En las siguientes fotografías se puede apreciar visualmente la complejidad y el orden espacial de las personas, su entorno y el territorio. Sobresale la mezcla de diversos tipos de asentamiento en un espacio relativamente pequeño.

Fotografías 1-4 Elementos de la configuración espacial «mixta»de Ciudad Bolívar

En resumen, Ciudad Bolívar es una mezcla de muchos entornos socio-espaciales – lo cual incluye lo económico – en los que se producen una gran cantidad de conflictos sociales. Esta es una de las razones que explican la gran cantidad de delitos reportados en la localidad.1 El material visual de la localidad refleja

* Agradecemos la colaboración en el levantamiento de datos y elaboración de mapas a los siguientes asistentes de investigación: Freddy, Johann y Daniel. Isaac De León Beltrán y Elkin Velasquez son docentes investigadores de la Universidad Externado de Colombia. Luis Carlos Jiménez es docente investigador de la Universidad Nacional 1 Subsecretaria de seguridad y convivencia (2005). Diagnostico. Localidad 19 Ciudad Bolívar. En: http://www.suivd.gov.co/G10/diagnosticosG10.

en parte muchas tensiones sociales en torno a la construcción y las disputas de legalización (ver Fotos 5 y 6 del Anexo Fotográfico).

La localidad de Ciudad Bolívar preocupa a la administración distrital porque presenta el mayor número de homicidios en la ciudad. Son veinte localidades y Ciudad Bolívar no es la más poblada. Se estima que la tasa de homicidios en la localidad – con datos de 2001 – es de 470 por cada 100.000. Esta es una de las motivaciones del presente documento.

La descripción de los delitos se hará por medio de la unión de herramientas estadísticas y el uso de un sistema de información geográfica (SIG). La combinación de estas dos técnicas de análisis permitirá confirmar y/o rechazar algunas hipótesis con respecto al comportamiento espacial del delito en la localidad. A lo largo del texto se usan indistintamente los conceptos de «delito» y «crimen» con el fin de hacer más cómoda la lectura. Vale la pena hacer la aclaración porque las normas jurídicas afirman que sólo un juez de la República – el cual puede ser también un cuerpo colegiado – está autorizado para declarar que una persona ha cometido un crimen. Ningún otro ciudadano puede proferir una afirmación de esta naturaleza y producir los efectos jurídicos del caso. Por lo tanto, los «delitos» considerados en este trabajo serán tratados desde una perspectiva más sociológica que jurídica.

Este documento es un informe de investigación que usa como fuente de información una base de datos en la que los delitos han sido ubicados en el espacio de la localidad. Los delitos han sido ubicados manualmente en un mapa digital. El periodo de análisis es el comprendido entre 2003 y 2005. Las conductas delictivas escogidas para el análisis son las siguientes: homicidio, atraco, hurto a residencias, hurto a establecimiento comercial, hurto de motocicletas, hurto de vehículos y lesiones comunes.2

La fuente primaria de la información delincuencial fue el Centro de Investigaciones Criminológicas de la Policía Metropolitana – CIC – de Bogotá, y el Instituto Nacional de Medicina Legal y Ciencias Forenses (INML y CF) en el caso de los homicidios. Vale la pena aclarar que hay incentivos organizacionales al interior de cada una de estas dos organizaciones estatales que pueden distorsionar la calidad de los datos. Por ejemplo, a la Policía Nacional le preocupa mucho la dirección de la ocurrencia de ciertos hechos delictivos porque ello es un criterio de evaluación de los comandantes de la Policía (CAI´s, Estaciones de Policía, etc), mientras que la dirección de los hechos no suele ser una variable relevante para los miembros del INML y CF porque esa no es información normalmente utilizada para evaluar su gestión. Esta aclaración sirve para matizar las conclusiones del trabajo y más bien considerarlas como provisionales y sujetas a revisión. En últimas, este trabajo utiliza como fuente de información denuncias presentadas por ciudadanos; lo cual es otra razón para hablar con más cautela acerca del «crimen». Únicamente en el caso de los homicidios se cuenta con información de investigación de oficio.

La selección de las conductas se basa en una definición de seguridad personal que gira en torno a no ser agredido en el espacio privado (residencia) ni en el espacio público (calles y parques, por ejemplo). Esta es una definición «estrecha» del concepto de seguridad pero es suficiente y útil para los fines de la investigación. Se reconoce que puede haber otras nociones de seguridad – como por ejemplo aquellas que incluyen aspectos tales como seguridad en el empleo, en los alimentos, etc – pero estas no serán consideradas en el trabajo. De acuerdo con la definición una zona geográfica es segura si en ella las personas no son víctimas de homicidio, atraco, hurto a residencia, etc. En otras palabras, la definición propuesta permite una sencilla forma de medición y comparación, y, de este modo, se evitan discusiones retóricas.

El análisis estadístico y espacial utiliza una unidad espacial creada por el equipo de investigación. La unidad espacial consiste en un cuadrado de 200x200 mt, el cual sirvió para cubrir el mapa de la localidad. Esta unidad tiene la ventaja de ser mucho más pequeña que la UPZ pero es más grande que una manzana y más pequeña que un barrio. La creación de esta unidad espacial se hizo por cuestiones prácticas que facilitan el análisis espacial y estadístico. La aplicación de esta unidad espacial de cuatro hectáreas generó 910 unidades espaciales.3 Otro punto central en el análisis es que el componente estadístico supone que no hay fenómenos de contagio entre unidades espaciales. Esta es una opción metodológica de la investigación.

2 Conviene aclarar que dichas conductas no son delitos en un sentido jurídico. Esta aclaración es relevante porque, por ejemplo, el «atraco», el «hurto a residencia» y el «hurto de vehículos» no son conductas que se encuentren tipificadas en el Código Penal Colombiano. Por lo tanto, dichas conductas están más cerca de descripciones policiales que de descripciones jurídico penales. Lasanteriores conductas serían clasificadas en el Código Penal bajo del titulo de Delitos contra el patrimonio económico. Una característica relevante de las conductas seleccionadas es que normalmente suelen ser dolosas, es decir, conductas que se cometen con el conocimiento y la voluntad. En cualquier caso, es muy difícil concebir que alguno de estas conductas se pueda cometer culposamente. 3 El siguiente es el orden por tamaño de cada una de las unidades espaciales mencionadas. En un primer nivel se encuentra Bogotá,en el segundo la localidad de Ciudad Bolívar, el tercer nivel esta compuesto por las UPZ, el cuarto nivel lo conforman los barrios y en el último nivel las manzanas. No se tomaron las manzanas porque el número era demasiado elevado (4.722 manzanas de acuerdo con DAPD, Plan de Ordenamiento Territorial, Decreto 619 del 2.000 y Subdirección de Desarrollo Social, Bogotá, D.C., 2.002). No se

El procedimiento con el cual se llevó a cabo la división del territorio fue el resultado de un análisis heurístico de la escala, es decir, un proceso de ensayo y error. Para ello fue necesario comparar las diversas escalas espaciales y métricas desde la totalidad del territorio de la ciudad de Bogotá hasta los pocos metros de un barrio específico.

Cuadro La variación de la escala de un modo heurístico y la construcción de la unidad espacial de 200x200

mt

El documento se divide en tres partes. En la primera de ella se describen los delitos y ciertas variables o factores explicativos. En esta primera sección se explora también la relación entre los mismos delitos. En la segunda parte se presenta un modelo estadístico que explica la asociación entre los delitos y un conjunto de variables explicativas. Conviene anotar que las variables explicativas no son consideradas en este caso variables causales. Las variables explicativas serán consideradas como aquellas que deben ser tenidas en cuenta al momento de explicar ciertos fenómenos criminales porque existe un marco teórico y argumentos razonables que justifican su inclusión en el modelo. Es decir, la relación entre las variables explicativas y el crimen será en este texto una relación de asociación, no de causalidad. En la última parte se presentan recomendaciones de política y una lista de zonas en las que, de acuerdo con el modelo, se pueden focalizar esfuerzos de intervención del estado. Las variables escogidas para explicar el delito son pocas y en ese sentido vale la pena aclarar que este trabajo es una «pequeña sección de la realidad criminal». Es importante aclarar esto porque siempre habrá variables que se quedan por fuera del modelo. Esta acotación es central ya que permite el estudio científico de un problema social específico, es decir, el estudio ordenado de un conjunto bien definido de posibles relaciones sociales verificables con un método que puede ser replicado por otros investigadores.

1. Los delitos y las variables explicativas

Esta sección se divide en dos partes. En la primera se describen estadísticamente los delitos en Ciudad Bolívar. Dicha descripción se concentra únicamente en los elementos básicos de cada delito sin considerar otras variables. Se incluye una descripción espacial y visual y se muestran algunas ventajas de la metodología propuesta. En la segunda parte se describe la relación de algunos delitos con ciertas variables del entorno espacial y social de la unidad espacial de 200x200 mt.

1.1. Los delitos en Ciudad Bolívar

A continuación se hace una descripción estadística de los delitos en la localidad. La característica central de dicha descripción es que se centra en la unidad espacial propuesta, a saber, el cuadrado de 200x200 mt. La descripción de los delitos gira en torno a la unidad espacial definida. A continuación se presenta la descripción más general de los delitos.

Tabla A. El comportamiento de los delitos en la unidad espacial.(2003-2005)

N Mínimo Máximo Suma Media Desv. típ. Hurto de motocicletas 910 ,00 4,00 119,00 ,1308 ,4492Número de hurto de vehículos 910 ,00 5,00 231,00 ,2538 ,6929

tomaron UPZ ni barrios porque eran muy pocos y su distribución era demasiado irregular lo cual dificulta ciertos procesos de comparación; sólo 8 UPZ y 252 barrios.

Hurto establecimiento comer. 910 ,00 6,00 284,00 ,3121 ,8161Atracos 910 ,00 13,00 609,00 ,6692 1,3265Homicidios 910 ,00 8,00 622,00 ,6835 1,3204Hurto a residencias 910 ,00 11,00 668,00 ,7341 1,2930Lesiones personales comunes 910 ,00 23,00 1680,00 1,8462 3,2052N válido (según lista) 910

Nota: en la tabla se puede observar que hay 910 unidades espaciales. En cada unidad espacial se realizó el conteo de cada uno de los delitos. Luego se procedió a calcular cada una de las medias y las desviaciones para cada delito.

La Tabla A sirve para reconocer que es lo «normal» en cada una de las unidades espaciales. Por ejemplo, lo «normal» es que haya 0.68 homicidios cada 3 años. Un valor más allá de esto puede significar un cambio abrupto en el comportamiento de este delito en términos relativos. En general, la mayoría de los casos – es decir la media más dos veces la desviación típica – se encuentran entre 0 y 3.32 homicidios. Cualquier valor por encima de 3.32 (lo cual en términos prácticos significa un número de homicidios mayor o igual a tres) representa un valor atípico. Un razonamiento similar se puede hacer con los otros delitos. El conteo de cada delito al interior de cada unidad espacial es lo que permite hacer los cálculos de la Tabla A. En la siguiente gráfica se muestra una sección del mapa de Ciudad Bolívar y el correspondiente conteo de delitos.

Cuadro El conteo de delitos en la unidad espacial de 200x200 mt

Ahora bien, esta información sirve para reconocer los valores medios de cada uno de los delitos en el periodo y en la unidad espacial. El problema de presentar la información de este modo es que el componente espacial no está presente. Vista así, la información tiene únicamente un carácter estadístico. Al momento de incluir la distribución espacial de los delitos aparecen áreas de concentración que insinúan que el fenómeno presenta una distribución espacial particular. Esta forma de representar los datos señala la concentración espacial de los delitos; la ventaja de representar así la información es que los casos atípicos sobresalen visualmente porque son resaltados con un color mucho más oscuro. Lo más importante de la representación espacial es que se hacen fácilmente visibles los casos atípicos, es decir, aquellas zonas en las que el delito tiende a ocurrir con más frecuencia (ver Anexo mapas. Mapas 2-8). Sin embargo, la información de los mapas es una información visual – es decir que apela a la capacidad de distinción del sentido de la vista – que puede ser cotejada con información de carácter estadístico. Una ventaja de ubicar los delitos en una unidad espacial determinada es que se delimita con precisión las áreas de potencial intervención del Estado. En ejercicios anteriores las autoridades han señalado zonas de alto impacto en el mapa de Ciudad Bolívar, sin embargo, dichos ejercicios incluyen zonas muy amplias de intervención (ver Mapa 8. Un ejercicio de georeferenciación de homicidios realizado por la Policía Metropolitana de Bogota y la Fiscalía General de la Nación).

Una de las características más importantes de los delitos espacialmente analizados es su alto grado de correlación. De acuerdo con la evidencia, los delitos analizados tienen un alto grado de correlación espacial, es decir, suelen ocurrir en los mismos sitios. La correlación entre estos delito es positiva en todos los casos. Esto quiere decir que los delitos estudiados aumentan o disminuyen todos al mismo tiempo. La correlación en todos los casos es positiva y estadísticamente significativa. Sin embargo sobresale el alto grado de correlación entre el homicidio y las lesiones personales comunes, el homicidio y el hurto a residencia y el homicidio y los atracos (ver Anexo estadístico. Tabla 1. La correlación entre los delitos). En resumen, y para ilustrar con un ejemplo, si en una unidad espacial determinada aumenta el número de lesiones personales y el número de atracos entonces es muy probable, en términos estadísticos, que aumente también el número de homicidios. En un sentido estadístico, los delitos en Ciudad Bolívar se encuentran positivamente conectados. En estudios anteriores para Bogotá se ha encontrado que a veces los delitos se encuentran

correlacionados negativamente, es decir, que cuando uno de ellos aumenta los demás disminuyen. Una de las explicaciones posibles de este fenómeno es que los criminales tienden a cambiar de actividad cuando las autoridades se concentran en perseguir una actividad criminal específica (Beltrán, Gaitán y Fernández, 2001). Por el contrario, en Ciudad Bolívar la ocurrencia de un delito da pie para la ocurrencia de otros.

La distribución de delitos en la localidad muestra que hay un gran número de territorios en los que no ocurren muchos delitos. Las gráficas muestran que la mayor frecuencia de ocurrencia de delitos es 0 y 1, y esto es así para cada uno de los delitos analizados. (Ver anexo estadístico, Tablas 2-8. Frecuencia de delitos por unidad espacial, y, Gráficas. Frecuencia de delitos por unidad espacial). Desde luego, esto no debe ser leído como que la localidad es pacífica en la mayor parte de su territorio sino más bien como una constatación de la alta concentración delincuencial. Vale la pena esta advertencia para evitar lecturas posiblemente «optimistas» al ver en el mapa grandes áreas sin colorear.

1.2. Las variables explicativas del delito en Ciudad Bolívar: un ejercicio de estadística y relaciones espaciales

Las variables explicativas, o asociadas, a los delitos son las siguientes: uso del suelo, el estrato, el periodo de construcción de la zona, la presencia de CAI´s, la cantidad de colegios y la cantidad de iglesias. Se reconoce que estas variables son insuficientes para explicar un fenómeno social tan complejo como es el crimen. Sin embargo, se puede justificar su inclusión ya que hay argumentos teóricos y empíricos a favor de esta selección. Por ejemplo, el uso del suelo brinda una idea aproximada del grado de actividad económica en el que se lleva a cabo el delito, el estrato y el periodo de construcción de la zona capturan información sobre la pobreza en la que se ejecuta el ilícito, la presencia de CAI´s advierte sobre la capacidad de coerción y prevención del Estado en la zona y la cantidad de colegios e iglesias da información sobre la infraestructura de bienestar social además de cierta capacidad de organización social.

Algunos de los hallazgos estadísticos más importantes muestran que, por ejemplo, la mayoría de los homicidios se producen en un uso del suelo destinado a la actividad residencial (382 zonas en las que se registra al menos un homicidio). En el estrato 0, 1 y 2 se concentra la mayor parte de los casos de este delito este delito (644 zonas de estrato 0, 1 y 2 en las que se registra al menos un homicidio). Del mismo modo, los barrios de más reciente consolidación son aquellos en los que ocurren la mayoría de los homicidios (en los barrios consolidados entre 1990 y 2006 se encontraron 245 zonas con homicidios). La mayoría de los homicidios – como era de esperarse – se causan en zonas en las que no hay CAI (899 de un total de 910 zonas). Merece ser resaltado el hecho de que el número de homicidios decrece en la medida en que aumenta el número de colegios y el número de iglesias en la zona. Algo similar sucede con los atracos. En general, se encuentra que los delitos estudiados disminuyen en presencia de cierta dotación social y ciertas organizaciones sociales. En alguna medida, estos datos parecen confirmar la existencia de una relación negativa entre el capital social, entendido como la capacidad de las personas para crear redes sociales, y el crimen. (ver Anexo estadístico. La relación entre homicidio y otras variables. Cuadros 1-6; ver Anexo estadístico. La relación entre atraco y otras variables, Cuadros 1-6). En la siguiente tabla se puede notar la distribución específica del número de homicidios por unidad espacial.

Tabla B. La distribución de homicidios por unidad espacial y su relación con el uso del suelo. Número de homicidios A B C D E F G nd tot al ,00 1 7 20 30 162 108 25 262 6151,00 3 1 97 12 5 28 1462,00 56 1 1 14 723,00 26 1 2 294,00 16 2 1 195,00 14 146,00 7 1 87,00 3 1 1 58,00 1 1 2 Total 1 7 23 31 382 124 33 309 910

A: Comercio, B: Dotacional, C: Industrial, D: Minera, E: Residencial, F: Urbana Integral, G: Sistema de área protegida, n.d: Información sobre uso de suelo no disponible.

2. Dos modelos estadísticos para explicar y predecir la ocurrencia de homicidio en Ciudad Bolívar

En esta sección se construye dos modelos estadísticos para explicar y predecir la ocurrencia de homicidios en Ciudad Bolívar. El trabajo se centra en el homicidio por ser considerado uno de los delitos más importantes para la política de seguridad del Distrito Capital. El primer modelo es un modelo de regresión lineal. El segundo es un modelo de regresión logística binaria. En ambos casos lo que se busca es

establecer una relación entre una variable dependiente y un conjunto de variables independientes (esto, desde luego y como se dijo en la introducción, no significa causalidad). En términos generales el cálculo de una regresión permite saber si hay una relación funcional del siguiente tipo:

núm homicidios por unidad espacial = f(conjunto de variables independientes)

2.1. Modelo de regresión lineal para los homicidios

El supuesto de partida en esta sección es que el homicidio se encuentra relacionado con otros delitos. En otras palabras, se supone que el homicidio puede ser predecido y explicado por otras conductas criminales. La alta correlación de los delitos a nivel espacial justifica este modelo estadístico. No se incluyen en este modelo variables que también serían de mucho interés tales como el uso del suelo porque de acuerdo con la Tabla B (La distribución de homicidios por unidad espacial y su relación con el uso del suelo) hay 309 casos sin información disponible lo cual hace muy difícil el uso de modelos de regresión. La estimación de dichos modelos mostró que el uso del suelo no es una variable estadísticamente significativa. De todos modos, conviene reconocer la incidencia de los delitos en función del uso del suelo. Quizás, la poca significancia del uso del suelo se explica por los pocos datos disponibles. Los mismo resultados se obtuvieron con el modelo de regresión logística.4

El punto de partida para el modelo de regresión lineal es establecer la función a calcular. En este caso, se trata de estimar la significancia (lo cual quiere decir validez) que las variables independientes o predictoras tienen al momento de explicar la variable dependiente. La ecuación que será estimada tiene la siguiente expresión:

Homicidio= 0+ 1Atraco+ 2Hurt_comer+ 3Hurt_resid+ 4Hurt_mot+ 5Hurt_vehi+ 6Lesiones+e

Como se puede notar, esta es una expresión lineal tanto en los i como en las variables independientes. En el cálculo del modelo se busca que los i sean significativos y que tengan un signo conceptual y teóricamente esperado. Para saber si una variable es significativa lo que se debe mirar es el valor del estadístico “t” asociado a cada uno de los coeficientes. Entre más alto sea el valor de el estadístico “t” entonces la variable independiente asociada es más significativa, es decir, tiene mayor validez. Se coloca un término de error “e” al final de la ecuación que recoge el efecto de todos los factores no incluidos en el modelo. Lo ideal es que el término de error sea lo más bajo posible; en los cuadros que se presentan más abajo el error “e” se captura en lo que se conoce como error residual. Vale la pena aclarar que ciertas variables como la presencia de CAI´s, el número de colegios y el número de iglesias fueron introducidas en un primer modelo pero ninguna de ellas fue estadísticamente significativa. Es por eso que se decidió construir el modelo únicamente con los otros delitos.

El modelo es aceptable (lo cual se prueba con el estadístico F que se encuentra en la tabla ANOVA. La aceptación de un modelo de esta naturaleza se basa en una prueba en la que se muestra que al menos una de las variables es significativa). La variabilidad explicada por el modelo sólo alcanza a ser el 45.3%. Esta es una variabilidad baja pero puede ser considerada suficiente para el análisis – en algunos casos se exige que la variabilidad explicada sea superior al 90% pero ese no es el caso. Si se escoge un nivel de confiabilidad del 99% se puede concluir que el hurto a establecimiento comercial, el hurto de motocicletas y el hurto de vehículos no son variables significativas al momento de explicar los homicidios en la unidad espacial de 200x200 mt. Las variables que se encuentran fuertemente ligadas a los cambios en los homicidios son las siguientes: atraco, hurto a residencia y lesiones personales. El coeficiente i de cada una de estas variables es positivo, lo cual quiere decir que un aumento en cada una de ellas representa un

4 Cuando hay una proporción tan elevada de casos sin información la técnica de regresión no parece ser muy adecuada. Sin embargo,dado que el uso del suelo podría ser una variable importante al momento de hacer una comparación y el diseño de una política pública, conviene conocer la incidencia promedio de delitos en las unidades espaciales de acuerdo con el uso del suelo.

Tabla C. La concentración de delitos en función del uso del sueloHomicidio Atraco Hurto comercio Hurto residencia Hurto vehículo Lesiones personales

Industri 0,13 0,70 0,35 0,09 0,26 0,87Residen 1,29 1,31 0,64 1,52 0,48 3,68Integral 0,20 0,25 0,02 0,07 0,12 0,50Minero 0,03 0,00 0,00 0,10 0,03 0,06S.A 0,67 0,27 0,03 0,30 0,00 0,73

A partir de esta tabla se puede observar que el uso del suelo en el que ocurren más delitos es el residencial. Este hecho es útil porque da pistas sobre una posible concentración de la política pública.

aumento en el número de homicidio en la unidad espacial en cuestión. En los siguientes cuadros se puede observar la información estadística con la cual se hizo el análisis.

Cuadros. Modelo de regresión lineal para estimar la relación entre los homicidios (variable dependiente) y otros delitos (variables independientes) en la unidad espacial de 200x200 mt definida

por la investigación

Modelo R R cuadrado 1 ,453 ,205

AnovaModelo Suma de cuadrados gl Media cuadrática F Sig.

1 Regresión 325,573 6 54,262 38,910 ,000Residual 1259,280 903 1,395

Total 1584,853 909

Coeficientes Variables independientes Coefientes Estadístico “t” Sig(Constante) ,327 6,945 ,000Atracos (2003-2005) ,104 2,695 ,007Hurto establecimiento comercial (2003-2005) -,148 -2,482 ,013Hurto a residencias (2003-2005) ,182 4,510 ,000Hurto de motocicletas (2003-2005) -,105 -1,120 ,263Número de hurto de vehículos (2003-2005) -,130 -2,106 ,035Lesiones personales comunes (2003-2005) ,133 7,021 ,000

a Variable dependiente: Homicidios (2003-2005).

2.1. Modelo de regresión logística binaria para explicar los homicidios

En este modelo lo que se calcula es la probabilidad de encontrar “muchos homicidios” en una unidad espacial determinada. Para ello lo primero que hay que aclarar es el concepto de “muchos homicidios”. Esta importante cuestión se aclara por medio de un criterio – más o menos arbitrario – que afirma que muchos homicidios son más de tres. Por supuesto, se puede utilizar otro criterio como por ejemplo, muchos homicidios es más de uno. Sin embargo, al optar por más de tres se trata de mantener coherencia con la distribución espacial de homicidios que aparece en el anexo de mapas. De nuevo, más de tres homicidios en una de las zonas significa que se está más allá de tres desviaciones estándar. El mencionado criterio permite construir una nueva variable dicotómica – es decir que sólo puede tomar dos valores. El primer valor de la variable dicotómica es 0, lo cual quiere decir que la situación de homicidio no es grave. Cuando la variable dicotómica toma el valor de 1 quiere decir que la situación es grave; hecho que corresponde al criterio antes mencionado, a saber, si hay más de tres homicidios la situación es grave.

La ventaja de esta conversión es la siguiente: lo que se busca ahora es estimar la probabilidad de que una zona escogida al azar se encuentre en grave situación de homicidios en función de una serie de características definidas de antemano. Estas características son las llamadas variables independientes.

La variable dependiente es la probabilidad de que una unidad espacial de 200x200 presente una situación grave de homicidio, es decir, más de tres homicidios. Las variables independientes son las siguientes: la presencia de CAI en la zona ( que es una variable que puede sólo tomar dos valores al igual que la variable dependiente), Número de colegios (Colegio) y Número de iglesias (Iglesias) en la misma zona. Ahora bien, lo que se busca en la estimación de una regresión logística es una forma funcional específica que permita calcular la probabilidad de que una zona específica presente un alto número de homicidios, es decir, estimar P(alt_ho). La relación funcional es la siguiente:

IglesiaColegioCAI

IglesiaColegioCAI

eeho)P(Alt

3210

3210

1_

Esta formula permite establecer si las variables introducidas en el modelo son significativas. Esto se hace por medio de la estimación de los valores i que acompañan a cada una de las variables independientes. Lo primero que se analiza es si el valor i es significativo en términos estadísticos. Lo segundo que se observa es el signo. Si el signo es positivo, entonces se dice que la variable asociada a dicho i aumenta la

probabilidad de ocurrencia de la variable dependiente. Por el contrario, si el signo es negativo entonces se afirma que dicha variable independiente disminuye la probabibilidad de ocurrencia. Nótese que esta función se acerca a 1 cuando las variables independientes toman un valor alto; pero nunca será igual a la unidad.

Cuadro. Modelo de regresión logística para estimar la relación entre los homicidios (variable dependiente) y otros delitos (variables independientes) en la unidad espacial de 200x200 mt definida

por la investigación

Variables en la ecuación B Sig. Exp(B)

CAI -,179 ,844 ,836COLEGIO ,192 ,332 1,211IGLESIA ,054 ,852 1,056ATRACO ,150 ,114 1,162HURT_COM -,254 ,095 ,776HUR_RES ,351 ,000 1,421HURT_MOT -,671 ,033 ,511HURT_VEH -,388 ,064 ,678LES_PER ,157 ,001 1,170Constante -3,135 ,000 ,044

a Variable(s) introducida(s) en el paso 1: CAI, COLEGIO, IGLESIA, ATRACO, HURT_COM, HUR_RES, HURT_MOT, HURT_VEH, LES_PER. (Se resalta en un cuadro de color oscuro las variables más importantes. Dichas variables son las más importantes porque son estadísticamente significativas y para ello se revisa el valor correspondiente a la columna “Sig.”) A partir de esta tabla se puede afirmar que las variables que aumentan la probabilidad de ocurrencia de un alto número de homicidios en una zona cualquiera de Ciudad Bolívar – utilizando un 99% de confianza – son las siguientes: hurto a residencias y las lesiones personales; de nuevo, el criterio para realizar esta afirmación es la significancia de las dos variables, es decir, la columna “Sig”. En resumen, un aumento en cualquiera de estos delitos se encuentra correlacionado espacial y estadísticamente correlacionado con un aumento en el número de homicidios.

3. Conclusiones y recomendaciones

Los delitos en Ciudad Bolívar se encuentran altamente correlacionados. Sin embargo, hay unos delitos que se encuentran más conectados con otros. En el caso específico del homicidio se halló que este se encuentra alta y significativamente asociado a los atracos, el hurto a residencia y las lesiones comunes. Las otras conductas no muestran conexión estadística detectable con los homicidios. El uso del suelo no parece tener impacto. Cuando se estimaron modelos estadísticos no se obtuvieron resultados que confirmaran la unión entre homicidios y uso del suelo; esto se debe muy posiblemente a que, por un lado, hay un número elevado de zonas con información no disponible y, en segundo lugar, porque tal vez, el uso del suelo no sea una variable conectada con el homicidio. Por supuesto, eso no significa que esa no sea una variable importante pero si se sugiere que tal vez sea recomendable reemplazarla por otra.

La conexión entre el homicidio y las otras conductas sugiere pensar que los delitos no ocurren al azar en el espacio ni en el tiempo. De acuerdo con varias teorías, el homicidio es un resultado de la actividad criminal organizada. Ahora bien, el atraco y el asalto a residencias son delitos organizados (es muy difícil imaginar que el hurto a una residencia se produce . Muy probablemente la conexión entre el homicidio y estos delitos tenga alguna conexión con el hecho de que los grupos criminales utilizan la violencia homicida como un instrumento para desplazar la competencia, proteger la propiedad ilegal y amedrentar a sus víctimas.

Anexo fotográfico Fotografía 5

Fuente: www.bogota.gov.co

Fotografía 6

Fuente: http://www.suivd.gov.co/G10/diagnosticosG10

Anexo de mapas Mapa 1. La localidad de Ciudad Bolívar y la unidad espacial de 200x200mt

Mapas (2-7). La distribución espacial de los delitos en Ciudad Bolívar(2003-2005)

Mapa 8. Un ejercicio de georeferenciación de homicidios realizado por la Policía Metropolitana de Bogota y la Fiscalía General de la Nación

DISTRIBUCIDISTRIBUCIÓÓN DE HOMICIDIOS POR N DE HOMICIDIOS POR VECINDARIOSVECINDARIOSENERO A JUNIO DE 2005ENERO A JUNIO DE 2005

AC

57 R

S

TV50

KR 73

AC61

S

KR 72

AC 68 SAK

51

KR 75

CL

62D

S

KR 17F

TV 60

CL

63

S

KR 77A

KR 77C

KR

44B

KR

43

KR

19GK

R19

F

KR 18R

KR 67

AK 70C

CL

67S

TV49C

KR

20C

KR 76C

KR

21

KR

4 6B

KR

19D

DG

62G

S

KR20D

KR

4 5 A

KR 71

KR20AK

R22

KR 17

DG 62 S

KR

46C

DG

57CS

KR 20

KR48

KR

47

KR 74IKR 74H

KR46A

KR20F

KR 75B

KR 76D

CL

63AS

CL

64S

KR 75H

CL

73A

S

KR 74B

KR21A

CL 59C S

KR20B

KR 16C

KR 27I

CL

68AS

KR 27C

KR 18D

CL

64AS

CL

67AS

KR 74C

KR38

KR 75C

KR 70

KR 27J

KR 27F

CL

77D

S

CL

60A

S

KR 73F

KR 26C

CL

66

S

KR 18

AC 71B S

KR 27H

KR 74D

DG73

CS

CL

62F

S

CL 68F S

TV 17

KR

47B

CL

69C

S

CL

68S

KR 73H

KR 74F

KR 73G

KR 18B

CL

69AS

KR 18A

KR

19B

TV73G

KR23KR 29

AC

60G

S

KR 77

KR 18G

DG70 S

CL70G

S

KR 15D

KR 73I

KR 18M

KR 16A

TV33

TV70C

TV 73H

CL

71P

S

AC

45A

S

CL

70

S

TV

5 1

CL

65DS

DG

77A

S

KR 77F

CL

65BS

TV22

CL 65C S

KR 76

KR 73J

CL

68AB

ISS

TV 28

KR 18DBIS

CL

75D

S

CL 67C S

KR 75A

CL

64F

S

KR 17B

KR 15C

CL

71B

S

CL

77S

KR 17NBIS

CL

64CS

CL

68BIS

S

KR 74G

KR 15F

KR

48A

KR 71F

KR

41

KR 27

KR 77B

KR 27L

CL

67A

BIS

S

CL

7 4BS

CL

62 IS

KR 22G

KR 16B

CL

75H

S

KR 75LBIS

KR 66

KR 73L

TV 56

KR

40

KR 18J

KR 74A

TV 18R

KR 18C

KR 19

CL

77 AS

KR 15

KR23D

KR

48B

CL

62B

S

CL

6 2H

S

KR 68C

CL

60C

S

KR 18F

CL 71BISS

TV54

CL

71I S

CL

7 1K

S

TV74BIS

TV 58

CL

78C

S

CL

62G

S

DG

60S

CL

61

S

CL

70FS

CL 80 S

KR 17P

TV 70G

CL70I S

KR19BB

IS

TV 27H

KR 63

CL60B

S

CL

73A

BIS

AS

KR 17G

CL

76AS

KR19C

KR

18X

KR36

TV

40

TV49D

TV 77C

TV 32

KR 17N

KR48G

CL

67B

S

KR 17BISA

TV57

TV 34

CL

59AS

TV 75F

CL

60S

CL

62B

ISS

KR18T

KR

19B

IS

CL 69D S

TV 48

KR 17C

CL

81B

S

TV 36

KR 75L

CL70H

S

CL

69BS

TV 27T

KR

44

TV 16

CL60

DS

TV 23D

TV73C

KR

22A

KR 18Q

KR 71J

DG

58S

CL 58 S

KR46

CL 68D S

DG 68B S

CL

62S

KR 25

KR 71H

KR 76A

KR44A

KR

42

TV49G

DG 72 S

TV59

KR

18MBIS

A

CL 65 S

KR 23C

CL

69PS

CL

67A

BIS

AS

KR 75G

TV73D

CL 58G S

TV73I

KR 24

DG63C

S

DG 69A S

KR 24A

CL

78S

CL 63F S

KR73K

KR 24BTV

49

TV65

KR

45D

CL

81F

S

TV44BIS

DG69 S

CL

57 T

S

TV53

CL

82A

S

DG

68S

KR 64

KR39

CL 69K S

CL

75A

S

KR

5 3

CL 67D S

KR 71C

KR 16D

CL

73B

S

TV66

KR 26

KR48C

KR 23A

CL68G

S

TV 73

TV18

P

KR48D

DG

57Z

S

KR 14

KR 18P

KR 74CBIS

TV 48A

KR

49C

TV 26C

KR

31

TV55

DG

71B

S

KR 76BISB

TV73D

BIS

DG 63 S

CL

66A

S

TV 75H

KR 70C

TV 47ATV71

TV 48B

DG 69CBIS S

KR45B

DG 64B S

CL

78D

S

KR 75J

KR 74

DG 69D S

DG81 S

KR 73HBIS

DG 64A S

TV44

TV67

CL

80B

S

KR 75BBIS

KR

37

KR 27N

CL

59

S

KR

22B

DG

62A

S

KR 73A

KR 22J

CL

68CS

CL

74AS

TV27B

KR

45

DG 65 S

TV49A

CL

70BIS

S

KR 75I

CL 72B S

KR 17J

DG64BIS

S

CL 83 S

KR18Q

BISB

CL 69J S

KR

49B

KR 15B

TV

20A

KR 18CBISA

TV19

CL

74C

S

KR43A

CL

81CS

CL

69 C

BI S

S

KR 27K

TV52

KR42A

TV48C

TV73HBIS

CL 68GBIS S

CL

63B

S

KR

48 F

CL

69RS

CL

81A

S

AK16B

DG65

AS

KR 75D

KR 18BBISA

KR 26CBIS

TV77

CL

70JS

TV 75I

KR18R

BIS

CL

62A

S

DG 62D S

CL 63C S

TV44B

KR 37B

KR 77D

KR18PBISB

KR14A

TV18I

CL

72 G

S

DG75

FS

DG64

S

CL 58D S

DG

67A

S

KR 72F

KR

18L

KR

18QBIS

TV 18JBISB

CL57

DS

CL 69G S

TV 73B

KR16

CL 63D S

CL

78B

ISA

S

TV 20C

CL

72C

S

CL 82 S

KR 75K

CL 69H

S

TV 75J

TV63

DG

70XS

CL

57 ZS

KR 18CBIS

DG

76S

KR 64B

CL 64DS

TV18HBIS

DG 66 S

CL

69MSDG 68A S

TV20

D

CL

76B

ISA

S

CL 5

8CS

CL

71AB

ISS

KR18U

TV 18H

DG 65B S

KR 71G

KR 18BBISB

TV 73M

KR 17DBIS

TV 48BIS

CL 61A S

CL

81S

CL

69AB

ISS

KR47A

CL

70BS

CL 61D S

CL81G

S

TV34

C

KR44C

KR 72B

TV 37

CL

80AS

DG

75S

CL

74

S

CL

8 1A

BIS

S

TV 74F

KR 18BIS

CL

58A

S

TV 77B

KR 75F

KR

43C

KR12

CL

70KS

TV 73GBIS

CL78

AS

KR 27P

KR 16F

CL

69F

S

KR 70F

KR 28

DG 71P S

KR45BBIS

CL

68I S

KR10

KR 18I

CL

71DS

DG

75AB

ISS

KR 73B

KR 30

KR 17A

TV70D

DG68

J S

KR

45C

DG

77D

S

DG 80A S

CL

76B

I SS

TV 20F

CL 68K S

KR18LB

IS

DG71

S

CL71

S

CL

71IB

ISS

KR 76B

KR 17L

KR

18LBISA

CL

70LS

KR 18K

KR

49

TV36B

KR 17ABIS

KR 65B

TV19

A KR 18H

CL 59BIS S

KR 69B

KR 17HBIS

CL 72F S

KR 27Q

DG 68F S

KR 18KBIS

KR 6 8A

TV 18PBIS

KR 27G

TV76C

CL

57U

S

TV41

CL

64B

S

CL 72A S

CL

82D

S

KR 18N

DG 72F S

KR49CB

ISA

CL 78B S

TV35

CL 75ABIS

S

CL 69I S

KR19H

KR 26F

CL 75C S

CL 68H S

CL

72S

KR

18Z

CL

71K

BIS

S

TV39

DG

62C

S

KR 68

CL

75BS

KR 22H CL

79S

CL

70U

S

TV40

B

TV16C

TV38B

DG

72DS

KR

18V

CL

65AS

TV34

BIS

TV40

CTV61

TV23

TV

42A

DG

74B

BI S

AS

CL

75

S

DG

61S

TV69

TV 73F

KR49A

CL

66BS

TV 18Q

CL

71C

S

TV1

8U

KR 70B

KR45BIS

KR 26A

CL 69 S

CL

76S

KR 73C

TV18

CL

73

S

CL

71H

S

TV 18K

CL 66C S

TV 18NBISA

TV73GBISB

KR 17K

TV

38

CL

69 L

S

CL 82B S

KR 22I

KR 66A

TV 17M

TV 18G

KR 73D

CL

58B

S

CL

68B

S

CL

82C

S

TV

43

TV72

C

KR 15A

KR 18BBIS

DG 68C S

TV36A

KR

49F

KR

32

KR 64A

TV18

NB

IS

KR 62D

DG 69C S

KR

45BBIS

A

KR 19A

DG

74S

DG69F S

KR 17D

KR 65A

DG

81ABIS

S

CL

71M

S

KR 27B

KR 23B

CL

73A

BIS

S

CL

59B

SC

L72A

BI S

S

KR 18ABIS

DG

77S

KR

35

TV40

D

DG80B S

CL73

CS

TV18M

CL

57Y

S

CL

70R

S

TV17B

CL

70AS

DG72A S

TV 76

KR 26BIS

CL

69Q

S

CL

77B

ISS

CL

8 0B

ISS

TV38A

CL

75B

ISS

CL

70MS

DG

59C

S

DG73 S

CL

6 2F

BIS

S

TV 73J

KR 16ABIS

TV35

B

KR

18NB

ISA

CL

70PS

KR 17BIS

TV73DBIS

A

KR 27A

KR 64BIS

KR 33

DG71F

S

CL

69TS

KR

18PB

IS

DG 81B S

KR

41A

KR 77BISA

KR 72D

DG68I

S

KR 71I

CL

70DS

TV3

1

CL

63BIS

S

DG

75B

S

DG69H

S

DG

82

S

CL 69N S

CL

81DS

CL

81B

ISS

KR

52

DG

61B

S

KR34

CL70

NS

TV35A

CL

77B

S

DG69B

S

CL

62C

S

KR 17M

CL

62 G

BIS

S

KR 18JBISA

KR19BBISA

KR 17BBIS

KR 71A

KR 22F

TV

46A

KR 27ABIS

KR 21B

DG

75CS

KR 18DBISA

TV17P

CL 66D S

CL 74DS

KR 16BIS

KR 73CBIS

CL

70CS

CL

61BS

CL 73BBIS S

CL

57RB

ISS

TV54BIS

KR 41ABIS

TV45

A

CL 58BIS S

TV 18DBIS

DG 73ABIS S

KR45C

BISA

TV 68C DG 69M S

CL80

CBIS

S

CL

7 3AB

ISB

S

DG

67BS

KR

42B

KR 21BIS

KR 70FBIS

KR74BIS

TV34

B

KR 18ABISA

CL

81G

BI S

S

CL70KBIS

S

CL

80A

BIS

S

CL 66A S

TV28

DG

69S

KR 23

KR 73L

CL 62A S

CL 5

8A S

CL 68B S

KR 18C

KR 23

KR 18C

CL

6 8S

CL

6 2S

CL

70DS

KR

18J

KR

49A

CL

69BS

CL

68A

S

KR

4 6A

KR 23A

KR 18

CL

69 DS

KR 27A

KR 18 KR 18A

KR 75F

KR

43

CL

74S

KR 21

CL 68A S

DG 68 S

CL 59A S

KR 18J

KR 17

CL

68CS

CL

78B

S

KR

45

CL

59

S

CL

61S

DG68A

S

KR 71

KR 17G

CL

76AS

KR 18M

KR 75L

KR 18N

KR 24A

KR

48C

TV59

KR

44

KR 16

TV73I

CL

70MS

CL

80B

ISS

KR 73

KR

48G

CL

63S

KR 17A

KR31

KR 17

KR

46A

CL 77 S

CL

81S

CL62

AS

CL

62F

S

CL

71A

S

KR 74GKR 74F

CL62

S

KR 73GKR 73I

KR43A

TV 18RCL 63 S

KR

4 0

CL 68ABIS S

KR 44

KR 18B

CL

62B

S

CL

69

S

CL

73

SK

R45

KR

48

KR 18N

CL 67A S

CL

61

S

KR

37

CL 75AS

KR

47

KR 73B

KR

47

KR 37

KR 76B

KR 73 I

CL

6 3B

S

TV 73M

KR 17N

CL 62B S

CL 81 S

CL 68H S

KR3

8

CL

58

S

KR

44A

KR46

KR 77

CL

78C

S

KR 26

CL 69B S

CL

58A

S

KR 18G

CL77

S

KR 23

CL69

BS

CL

7 7S

KR

26

TV33

DG

69AS

CL 64 S

DG 69A S

KR 18C

KR18K

CL

73

S

CL 72 S

CL 62 S

KR 74C

CL

64A

S

CL

58C

S

KR19D

CL

65S

KR 73G

CL 68D S

KR 77B

KR 17A

KR

18P

CL

74C

S

CL

64

S

KR 74

KR 76A

CL

70AS

KR 74I

CL

70AS

KR18J

KR73H

CL

63S

KR

48C

CL 67 S

KR

41

CL

65

S

KR

1 9

CL

80BS

KR

18L

CL

5 9AS

CL76

S

KR

19C

KR

37

CL

59S

KR 18B

CL

79S

KR 22B

KR 64

CL

62AS

CL

75

S

CL

69FS

KR

45B

CL 70 S

KR19F

CL 68C S

CL

64

S

KR

42

KR 77B

KR 76

TV28

CL 68 S

TV 73B

CL 61D S

DG 66 S

KR

19

TV32

KR 18I

KR

18KB

IS

CL75

S

CL 68B S

AC 61 S

KR18Q

KR 26F

DG 62A S

CL

71S

CL

80S

CL

78

S

KR 73B

TV73B

TV36

KR 26

KR

45D

CL

66S

TV73G

TV20

F

KR 26C

C L 68 S

KR 22

KR 73G

KR

41

CL 64A S

CL

69AS

CL

68AS

CL

69AS

KR 27

KR18J

DG

65B

S

CL59

AS

CL

62

S

KR 22

KR44

KR 18D

CL 61B S

KR

44C

CL 7

2 S

TV20

C

KR

44A

TV 16

CL 68B S

KR 75A

KR 18H

KR 17C

KR 73F

CL 71 S

CL 75B

S

KR 75BBIS

CL

6 0BS

CL

63B

ISS

TV36

KR 76

CL

59AS

CL 70 S

CL 60A S

KR 22I

TV51

CL

66AS

KR

22A

KR

48A

KR

46

KR18M

CL 62A S

TV73J

DG

66S

KR

47A

KR 17A

KR

18M

CL 63 S

KR 75

KR 71C

KR 18N

KR

20

CL

76

S

CL

60 A

S

CL

62H

S

KR 74

KR 72

CL

82C

S

KR 16D

KR 75I

CL 64 S

KR 77

CL

66S

CL

66A

S

CL

76

S

CL

6 5 AS

KR 27

CL

60A

S

TV73H

TV70D

CL 77 S

KR 16

KR 70

KR 15

TV56

CL

62D

S

CL

71

S

KR 17N

CL 81 S

KR 18L

KR

18K

TV32

KR 75H

DG 63 S

CL

70KSK

R45A

CL

67

S

C L 66 S

KR

22B

KR 75A

KR 71

NN

NNúúcleo Tres cleo Tres Reyes: Reyes: Tres Tres Reyes, MarReyes, Marííaa

Cano, La Cano, La EstanciaEstancia

NNúúcleo El cleo El Espino: Espino: El El

EspinoEspino

NNúúcleo Caracolcleo Caracolíí :: CaracolCaracolíí ,,PotosPotos íí, Santa , Santa VivianaViviana, Sierra , Sierra

MorenaMorena

NNúúcleo Jerusalcleo Jerusaléén: n: Candelaria I y II, Candelaria I y II,

JerusalJerusaléén, Canteras, Los n, Canteras, Los Tanques, Arborizadora AltaTanques, Arborizadora Alta

NNúúcleo San Francisco: cleo San Francisco: San San Francisco, Acacias, Juan Pablo II, Francisco, Acacias, Juan Pablo II,

CompartirCompartir

NNúúcleo Paracleo Paraííso: so: ParaParaííso, Bella Flor, so, Bella Flor,

Villa Los Alpes, Villa Villa Los Alpes, Villa Gloria, Villa del Gloria, Villa del

ProgresoProgreso

NNúúcleo Lucero: cleo Lucero: Lucero Bajo, Lucero Bajo, MediioMediio ,,

y Alto y Gibraltary Alto y Gibraltar

661010

1414

32322121

10101717

Fuente: http://www.suivd.gov.co/G10/diagnosticosG10

Anexo estadístico Tabla 1. La correlación entre los delitos

Correlaciones

1,000 ,317** ,189** ,365** ,105** ,093** ,416**, ,000 ,000 ,000 ,002 ,005 ,000

910 910 910 910 910 910 910,317** 1,000 ,402** ,487** ,283** ,357** ,608**,000 , ,000 ,000 ,000 ,000 ,000910 910 910 910 910 910 910

,189** ,402** 1,000 ,454** ,273** ,266** ,572**,000 ,000 , ,000 ,000 ,000 ,000

910 910 910 910 910 910 910

,365** ,487** ,454** 1,000 ,283** ,282** ,638**,000 ,000 ,000 , ,000 ,000 ,000910 910 910 910 910 910 910

,105** ,283** ,273** ,283** 1,000 ,211** ,309**,002 ,000 ,000 ,000 , ,000 ,000910 910 910 910 910 910 910

,093** ,357** ,266** ,282** ,211** 1,000 ,325**,005 ,000 ,000 ,000 ,000 , ,000910 910 910 910 910 910 910

,416** ,608** ,572** ,638** ,309** ,325** 1,000,000 ,000 ,000 ,000 ,000 ,000 ,910 910 910 910 910 910 910

Correlación de PearsonSig. (bilateral)NCorrelación de PearsonSig. (bilateral)NCorrelación de PearsonSig. (bilateral)N

Correlación de PearsonSig. (bilateral)NCorrelación de PearsonSig. (bilateral)NCorrelación de PearsonSig. (bilateral)NCorrelación de PearsonSig. (bilateral)N

Homicidios (2003-2005)

Atracos (2003-2005)

Hurto establecimientocomercial (2003-2005)

Hurto a residencias(2003-2005)

Hurto de motocicletas(2003-2005)

Número de hurto devehículos (2003-2005)

Lesiones personalescomunes (2003-2005)

Homicidios(2003-2005)

Atracos(2003-2005)

Hurtoestablecimiento comercial(2003-2005)

Hurto aresidencias(2003-2005)

Hurto demotocicletas(2003-2005)

Número dehurto de

vehículos(2003-2005)

Lesionespersonalescomunes

(2003-2005)

La correlación es significativa al nivel 0,01 (bilateral).**.

Tablas 2-8. Frecuencia de delitos por unidad espacialHomicidios (2003-2005)

615 67,6 67,6 67,6146 16,0 16,0 83,6

72 7,9 7,9 91,529 3,2 3,2 94,719 2,1 2,1 96,814 1,5 1,5 98,4

8 ,9 ,9 99,25 ,5 ,5 99,82 ,2 ,2 100,0

910 100,0 100,0

,001,002,003,004,005,006,007,008,00Total

VálidosFrecuencia Porcentaje

Porcentajeválido

Porcentajeacumulado

Atracos (2003-2005)

611 67,1 67,1 67,1158 17,4 17,4 84,5

69 7,6 7,6 92,126 2,9 2,9 94,923 2,5 2,5 97,511 1,2 1,2 98,7

6 ,7 ,7 99,33 ,3 ,3 99,71 ,1 ,1 99,81 ,1 ,1 99,91 ,1 ,1 100,0

910 100,0 100,0

,001,002,003,004,005,006,007,008,0010,0013,00Total


Porcentajeválido

Porcentajeacumulado

Hurto establecimiento comercial (2003-2005)

740 81,3 81,3 81,3108 11,9 11,9 93,2

35 3,8 3,8 97,014 1,5 1,5 98,6

3 ,3 ,3 98,98 ,9 ,9 99,82 ,2 ,2 100,0

910 100,0 100,0

,001,002,003,004,005,006,00Total


Porcentajeválido

Porcentajeacumulado

Hurto a residencias (2003-2005)

589 64,7 64,7 64,7142 15,6 15,6 80,3

90 9,9 9,9 90,248 5,3 5,3 95,523 2,5 2,5 98,0

7 ,8 ,8 98,86 ,7 ,7 99,54 ,4 ,4 99,91 ,1 ,1 100,0

910 100,0 100,0

,001,002,003,004,005,006,007,0011,00Total


Porcentajeválido

Porcentajeacumulado

Hurto de motocicletas (2003-2005)

822 90,3 90,3 90,364 7,0 7,0 97,419 2,1 2,1 99,5

3 ,3 ,3 99,82 ,2 ,2 100,0

910 100,0 100,0

,001,002,003,004,00Total


Porcentajeválido

Porcentajeacumulado

Número de hurto de vehículos (2003-2005)

763 83,8 83,8 83,893 10,2 10,2 94,137 4,1 4,1 98,1

9 1,0 1,0 99,13 ,3 ,3 99,55 ,5 ,5 100,0

910 100,0 100,0

,001,002,003,004,005,00Total


Porcentajeválido

Porcentajeacumulado

Lesiones personales comunes (2003-2005)

492 54,1 54,1 54,1125 13,7 13,7 67,8

60 6,6 6,6 74,450 5,5 5,5 79,947 5,2 5,2 85,141 4,5 4,5 89,626 2,9 2,9 92,414 1,5 1,5 94,017 1,9 1,9 95,8

5 ,5 ,5 96,45 ,5 ,5 96,96 ,7 ,7 97,64 ,4 ,4 98,04 ,4 ,4 98,53 ,3 ,3 98,82 ,2 ,2 99,02 ,2 ,2 99,21 ,1 ,1 99,31 ,1 ,1 99,52 ,2 ,2 99,71 ,1 ,1 99,81 ,1 ,1 99,91 ,1 ,1 100,0

910 100,0 100,0

,001,002,003,004,005,006,007,008,009,0010,0011,0012,0013,0014,0015,0016,0017,0018,0019,0020,0021,0023,00Total


Porcentajeválido

Porcentajeacumulado

Gráficas. Frecuencia de delitos por unidad espacial



8,007,006,005,004,003,002,001,00,00

Por

cent

aje

80

60

40

20

0

Atracos (2003-2005)

Atracos (2003-2005)

13,0010,00

8,007,00

6,005,00

4,003,00

2,001,00

,00

Por

cent

aje

80

70

60

50

40

30

20

10

0



6,005,004,003,002,001,00,00

Por

cent

aje

100

80

60

40

20

0



11,007,006,005,004,003,002,001,00,00

Por

cent

aje

70

60

50

40

30

20

10

0



4,003,002,001,00,00

Por

cent

aje

100

80

60

40

20

0



5,004,003,002,001,00,00

Por

cent

aje

100

80

60

40

20

0



23,0020,00

18,0016,00

14,0012,00

10,008,00

6,004,00

2,00,00

Por

cent

aje

60

50

40

30

20

10

0

Anexo estadístico La relación entre el homicidio y otras variables

Cuadro 1 Uso del suelo Homicidios (2003-2005)ÁREA DE ACTIVIDAD DE COMERCIO 1AREA DE ACTIVIDAD DOTACIONAL 7AREA DE ACTIVIDAD INDUSTRIAL 23AREA DE ACTIVIDAD MINERA 31AREA DE ACTIVIDAD RESIDENCIAL 382AREA URBANA INTEGRAL 124SISTEMA DE AREAS PROTEGIDAS 33Nd 309Total 910

Cuadro 2 Estrato Homicidios (2003-2005),00 2421,00 2682,00 1343,00 189,00 248Total 910

Cuadro 3 Período de construcción Homicidios (2003-2005)1950-1960 221960-1970 601970-1980 1381980-1990 1231990-2006 245Nd 322Total 910

Cuadro 4 Presencia de CAI Homicidios (2003-2005)0 8991 11Total 910

Cuadro 5 Cantidad colegios Homicidios (2003-2005)0 7701 1012 283 74 4Total 910

Cuadro 6 Cantidad de iglesias Homicidios (2003-2005)0 8351 682 33 4Total 910

La relación entre el atraco y otras variables

Cuadro 7 Uso del suelo Atracos (2003-2005) ÁREA DE ACTIVIDAD DE COMERCIO 1AREA DE ACTIVIDAD DOTACIONAL 7AREA DE ACTIVIDAD INDUSTRIAL 23AREA DE ACTIVIDAD MINERA 31AREA DE ACTIVIDAD RESIDENCIAL 382AREA URBANA INTEGRAL 124SISTEMA DE AREAS PROTEGIDAS 33Nd 309Total 910

Cuadro 8 Estrato Atracos (2003-2005),00 2421,00 2682,00 1343,00 189,00 248Total 910

Cuadro 9 Período de construcción Atracos (2003-2005)1950-1960 221960-1970 601970-1980 1381980-1990 1231990-2006 245Nd 322Total 910

Cuadro 10 Presencia de CAI Atracos (2003-2005)0 8991 11Total 910

Cuadro 11 Cantidad colegios Atracos (2003-2005)0 7701 1012 283 74 4Total 910

Cuadro 12 Cantidad de iglesias Atracos (2003-2005)0 8351 682 33 4Total 910

ANÁLISIS ESTADÍSTICO-ESPACIAL DE DELITOS EN LA … · 2009-11-14 · El análisis estadístico y...

Documents

Transcript of ANÁLISIS ESTADÍSTICO-ESPACIAL DE DELITOS EN LA … · 2009-11-14 · El análisis estadístico y...