Este documento hace públicos los procedimientos y los datos utilizados para analizar la incidencia delictiva en Querétaro, en arreglo con los datos del SESNSP.

Te indicamos dónde descargar los datos, y cómo procesarlos en R. La base de datos es demasiado grande para abrirse en excel, así que necesitarás un software estadístico.

Haz click en los botones code para ver las instrucciones; copia y pega el código en R para reproducir los resultados.

Pasos preliminares:

En el resumen presentamos los resultados más importantes; en el resto del documento desglosamos las tablas y procedimientos que realizamos para llegar a ellos.

Resumen

  1. Entre Julio y Agosto, el delito en Querétaro creció en 1.34%, en tanto que a nivel nacional lo hizo en 2.68%. Querétaro es en este periodo el estado con la decimonovena tasa de crecimiento más alta.
  1. En el acumulado de delitos de 2020, Querétaro alcanzó el quinto lugar nacional en carpetas de investigación por cada 100 mil habitantes; desde 2018 se había mantenido en el sexto lugar. De enero a Agosto, la tasa de delitos por cada 100 mil habitantes en Querétaro es de 1506.69, superada sólo por Aguascalientes,Baja California,Colima y Quintana Roo.
  1. Considerando sólo a las carpetas iniciadas en Agosto, por segunda vez en el año Querétaro fue el cuarto estado con mayor tasa de delitos por cada 100 mil habitantes para un sólo mes.
  1. Querétaro vuelve a ocupar el primer lugrar nacional en carpetas iniciadas por Acoso sexual y por Otros robos; también es el tercer lugar nacional en Lesiones dolosas, Robo en transporte público individual, Robo en transporte público colectivo, y Robo en transporte individual. En el otro extremo, la entidad ocupa el lugar 25 en homicidio doloso y el lugar 30 en feminicidio.
  1. Durante agosto, tres municipios queretanos estuvieron entre los 100 municipios con mayor tasa de carpetas de investigación iniciadas por cada 100 mil habitantes: Querétaro, El Marqués y San Juan del Río, en las posiciones 25, 74 y 79, respectivamente. Sólo la capital empeoró respecto de Julio, cuando ocupaba la posición 28.
  1. Acoso sexual, violación equiparada, fraude y Otros delitos que atentan contra la vida y la integridad corporal alcanzaron máximos históricos para Querétaro en Agosto. Con 56 carpetas de investigación, Querétaro alcanzó en agosto un maximo histórico para un sólo mes en la entidad en Acoso sexual; en el mismo sentido, nunca antes se habían registrado 21 carpetas por violación equiparada; otro tanto ocurrió con el fraude: las 278 carpetas abiertas por este delito son un nuevo record para la entidad, y las 106 carpetas por Otros delitos que atentan contra la vida y la integridad corporal también representan la mayor cantidad de incidentes de este tipo registrada en Querétaro.
  1. En el estado de Querétaro, los 10 motivos más frecuentes para iniciar carpetas de investigación en agosto fueron: Otros robos (896), Lesiones dolosas (393), Amenazas (345), Otros delitos del Fuero Común (302),Robo de vehículo automotor (301), Robo a negocio (293), Violencia familiar (292), Fraude (278), Robo a casa habitación (227), y Robo a transeúnte en vía pública (141).
  1. En Agosto se registraron en Querétaro dos carpetas por feminicidio, la cantidad más alta para un mes en lo que va del año en la entidad. Desde enero no se haba iniciado ninguna carpeta por incidentes de este tipo en la entidad.
  1. Agosto fue el mes con mayor cantidad de delitos en Jalpan de Serra en lo que va del año; se registraron 42 carpetas, la mayor cantidad desde mayo de 2019, cuando registró 57.
  1. Durante agosto de 2020 se registraron 21 homicidios dolosos en Querétaro; agosto fue el segundo mes con más incidentes de este tipo en lo que va del año, sólo debajo de los 26 registrados el pasado marzo.
  1. En 2018, el porcentaje de robos con violencia en Querétaro era de 9.93%; en lo que va de 2020, ha alcanzado el 13.85%. Durante los primeros ocho meses del año, los tipos de robo que con mayor frecuencia registraron actos violentos son: Robo a transeúnte en espacio abierto al público, Robo en transporte individual, Robo a transeúnte en vía pública, Robo en transporte público individual y Robo en transporte público colectivo.
  1. Entre marzo y Julio aumentó el porcentaje de robos que se cometieron con violencia en Querétaro. En agosto esta tendencia parece revertirse, toda vez que el porcentaje de robos con violencia respecto del total de los robos disminuyó hasta el 12% en este mes, para volver a sus niveles de principios de año. As, durante la pandemia disminuyó el número de carpetas de investigación iniciadas por alguna modalidad de robo, pero aumentó el porcentaje de robos violentos.
  1. Considerados los registros acumulados hasta agosto, 2020 ya es el segundo año con mayor proporción de homicidios dolosos cometidos con arma de fuego en Querétaro, al alcanzar el 54%, frente al 57% de 2019, y muy lejos del 39% de 2015; aunque en agosto sólo el 47% de los incidentes involucró un arma de fuego, en junio fue el 75%. Los homicidios dolosos se concentran en Querétaro, San Juan del Río y el Marqués, donde el 40%, 70% y 70.5% de los incidentes, respectivamente, se cometen con armas de fuego.
  1. La violación equiparada alcanzó un máximo histórico en Agosto, con 21 incidentes; en el acumulado anual, Querétaro se posiciona en el cuarto lugar nacional en este delito, con una tasa de 4.69 violaciones equiparadas por cada 100 mil habitantes, sólo por debajo de Baja California (con 5.69 incidentes por cada 100 mil habitantes), Hidalgo (6.8), y Campeche (8.49).
  1. Alerta en Octubre: Los delitos que tienden a aumentar en octubre son Falsificación, Incumplimiento de obligaciones de asistencia familiar, Lesiones culposas, Narcomenudeo, Otros robos, Robo a negocio y Robo a transeúnte en vía pública.
#plotly nos ayudará con los gráficos

library(plotly)
## Loading required package: ggplot2
## 

## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':

## 

##     last_plot
## The following object is masked from 'package:stats':

## 

##     filter
## The following object is masked from 'package:graphics':

## 

##     layout
#Cargo kintr para ver las tablas

library(knitr)

#instalo una reshape para transformar la estructura de las bases de datos

library(reshape2)

#indico el directorio de trabajo; si quieres trabajar en C:/, descargas o alguna otra carpeta, deberás modificar esta línea.

setwd("D:/")

#la base de datos de población de CONAPO viene en dos partes, las descomprimimos 

elzip<-unzip("Municipal-Delitos-2015-2020_ago2020.zip", list = TRUE)

elzip<-unzip("Municipal-Delitos-2015-2020_ago2020.zip", elzip$Name[9])

#las leemos

pop1<-read.table("base_municipios_final_datos_01.csv",TRUE,",")

pop2<-read.table(file = "base_municipios_final_datos_02.csv",header = TRUE,sep = ",")

#Las fusionamos

pop<-rbind(pop1,pop2)

#cambiamos los nombres para evitar problemas de codificacipon

names(pop)<-names(pop)<-c(names(pop[1:6]),"ANO",names(pop[8:9]))





#Creo una tabla con la población por cada entidad federativa



names(pop)[7]<-"ANO"

years=unique(pop$ANO)

ent=unique(pop$CLAVE_ENT)

ent<-as.data.frame(ent)

for(i in 1:length(years)){

  a<-subset(pop,pop$ANO==years[i])

  tpob<-aggregate(a$POB~a$CLAVE_ENT,a,sum)

  tpobDF<-as.data.frame(tpob)

  tpobDF<-tpobDF[,2]

  ent<-cbind(ent,tpobDF)

}



names(ent)<- c("Entidad", paste0("year",years))









 ### AHORA LOS DATOS DE SESNSP

#DELITOS



esteMes<-"Agosto"

anterior= "Julio"

proximo<-"Octubre" ## Aqui va el mes siguiente al de la publicacion de los datos de SESNSP, no el mes actual



ruta<-"D:/Municipal-Delitos-2015-2020_ago2020/Municipal-Delitos-2015-2020_ago2020.csv"

#+Municipal-Delitos-2015-2020_mar2020/

#+Municipal-Delitos-2015-2020_mar2020.csv"



delitos<-read.csv(file = ruta,header = TRUE,sep = ",")

names(delitos)<-c("Ano",names(delitos[2:21]))



delitos2<-melt(

  data = delitos,

  id.vars = names(delitos[1:9]),

  measure.vars = names(delitos[10:21]),

  variable.name = "meses")



delitos2$value[is.na(delitos2$value)]<-0



queMes<-levels(delitos2$meses)

for (i in 1:length(queMes)) {

    if(queMes[i]==esteMes){elActual<-i+1}        

}

Delitos por estado (Serie Anual)

losAnos<-unique(delitos2$Ano)

porEstadoAnual<-as.data.frame(order(unique(delitos2$Clave_Ent)))

for (i in 1:length(losAnos)) {

  misub=subset(delitos2,delitos2$Ano==losAnos[i])

  mitab<-as.data.frame(aggregate(misub$value~misub$Clave_Ent,misub,sum))[2]

  porEstadoAnual<-cbind(porEstadoAnual,mitab)

}

names(porEstadoAnual)<-c("clave de la entidad",paste0("year",losAnos))



tasaPorEstadoAnual<-porEstadoAnual

tasaPorEstadoAnual[,2:7]<-round(porEstadoAnual[,2:7]/ent[,2:7]*100000,2)



nomEnt<-c()

for (i in 1:32) {

  nomEnt<-c(nomEnt,delitos2$Entidad[delitos2$Clave_Ent==i][1])

}

for (i in 1:length(nomEnt)) {

  porEstadoAnual[i,1]<-nomEnt[i]

  tasaPorEstadoAnual[i,1]<-nomEnt[i]

}

Serie Anual (Absolutos)

kable(porEstadoAnual)
clave de la entidad year2015 year2016 year2017 year2018 year2019 year2020
Aguascalientes 23212 23729 33548 38834 38429 22862
Baja California 119944 109109 111722 103028 104011 60633
Baja California Sur 21415 24606 24174 23438 22644 12088
Campeche 1886 2237 2056 2157 2312 1280
Coahuila de Zaragoza 46569 51242 56311 56307 52936 32306
Colima 6561 10877 24425 24494 26554 16316
Chiapas 21618 22189 25364 28892 23294 11661
Chihuahua 61280 57904 68819 68898 71837 45356
Ciudad de México 169701 179720 204078 241030 242849 128112
Durango 29088 32183 34851 31903 30338 17843
Guanajuato 95782 106265 117857 133749 137658 80778
Guerrero 36783 36561 32799 27695 27343 15372
Hidalgo 27504 33754 43963 51222 49750 26950
Jalisco 95331 136820 166599 162756 156654 84660
México 323525 325038 345693 341028 354602 221274
Michoacán de Ocampo 30899 32558 41836 45190 45377 30299
Morelos 49245 45448 44329 44936 43191 26434
Nayarit 6651 3668 3220 4545 4642 2657
Nuevo León 72350 84746 83974 81125 75871 48751
Oaxaca 6127 31607 31938 41989 43788 25630
Puebla 64399 51061 53800 61172 76557 40686
Querétaro 32817 42900 53379 57809 60515 34347
Quintana Roo 32496 18958 26518 34043 45896 26349
San Luis Potosí 21419 28613 35179 38362 52288 30212
Sinaloa 25812 22141 22931 23486 23443 14683
Sonora 28659 39423 25969 18197 23438 19074
Tabasco 57452 59434 60395 58271 56561 28773
Tamaulipas 44527 48528 47163 44048 42413 20694
Tlaxcala 8317 6775 6964 6369 4411 2691
Veracruz de Ignacio de la Llave 45539 42312 66379 60758 89822 51242
Yucatán 34716 34288 24390 13129 16419 5252
Zacatecas 16179 17136 18874 21070 23952 15359

Serie Anual (Tasa por 100 mil habitantes)

kable(tasaPorEstadoAnual)
clave de la entidad year2015 year2016 year2017 year2018 year2019 year2020
Aguascalientes 1742.87 1750.80 2438.47 2782.22 2715.02 1593.58
Baja California 3572.11 3205.94 3226.28 2925.90 2906.50 1668.09
Baja California Sur 2974.94 3338.69 3204.95 3038.79 2873.17 1502.16
Campeche 205.71 239.65 216.32 222.99 234.95 127.92
Coahuila de Zaragoza 1552.01 1683.90 1823.63 1797.79 1666.94 1003.69
Colima 909.11 1480.54 3267.11 3221.48 3435.89 2078.07
Chiapas 407.29 411.37 462.90 519.28 412.46 203.49
Chihuahua 1694.46 1586.66 1865.32 1848.13 1907.86 1193.11
Ciudad de México 1873.34 1984.98 2255.23 2665.85 2689.00 1420.52
Durango 1632.71 1786.00 1915.42 1737.20 1637.28 954.68
Guanajuato 1615.04 1771.83 1945.29 2186.44 2229.74 1296.98
Guerrero 1028.44 1016.34 907.49 763.00 750.36 420.34
Hidalgo 948.58 1148.58 1476.77 1699.32 1630.76 873.18
Jalisco 1197.13 1698.37 2044.37 1975.44 1881.55 1006.70
México 1966.28 1951.18 2050.24 1999.38 2056.19 1269.66
Michoacán de Ocampo 665.25 694.97 886.01 949.87 946.94 627.91
Morelos 2550.89 2325.04 2241.16 2246.21 2135.45 1293.21
Nayarit 556.34 301.99 261.00 362.91 365.33 206.20
Nuevo León 1389.90 1600.73 1562.24 1487.21 1371.21 868.98
Oaxaca 152.44 781.10 784.27 1024.87 1062.62 618.55
Puebla 1026.36 804.62 838.87 944.18 1170.15 616.04
Querétaro 1585.70 2029.59 2475.64 2630.15 2702.63 1506.69
Quintana Roo 2131.06 1211.44 1651.84 2069.19 2724.54 1529.02
San Luis Potosí 776.55 1028.71 1254.74 1357.87 1837.27 1054.10
Sinaloa 855.90 726.08 745.13 756.49 748.74 465.14
Sonora 993.46 1348.87 876.79 606.54 771.56 620.34
Tabasco 2367.92 2418.60 2428.49 2316.09 2222.98 1118.58
Tamaulipas 1274.12 1375.86 1325.08 1226.80 1171.34 566.87
Tlaxcala 642.14 515.44 523.07 472.50 323.35 195.00
Veracruz de Ignacio de la Llave 552.57 508.77 792.40 720.38 1058.17 600.03
Yucatán 1630.78 1590.44 1117.65 594.55 735.00 232.48
Zacatecas 1010.11 1059.95 1158.06 1282.89 1447.61 921.67

Posición de Querétaro por año (según tasa por cada 100k habitantes)

posicionAnual<-c()

for (i in 1:length(losAnos)) {

  a<-tasaPorEstadoAnual[22,i+1]

  if(a==0){b=0}else{b<-1+length(tasaPorEstadoAnual[tasaPorEstadoAnual[i+1]>a,i+1])}

  posicionAnual<-c(posicionAnual,b)

}

posicionesAnual<-data.frame(losAnos, posicionAnual)

names(posicionesAnual)<-c("Año","Posición del estado de Querétaro a nivel nacional")

kable(posicionesAnual, caption="Posición de Querétaro en la incidencia delictiva anual")
Posición de Querétaro en la incidencia delictiva anual
Año Posición del estado de Querétaro a nivel nacional
2015 13
2016 5
2017 4
2018 6
2019 6
2020 5

Delitos por estado (Serie Mensual)

delitoMensual<-subset(delitos2, delitos2$Ano==2020)

losmeses<-unique(delitoMensual$meses)



delitoPorEstado2020=as.data.frame(order(unique(delitoMensual$Clave_Ent)))

for (i in 1:length(losmeses)) {

  datos<-delitoMensual[delitoMensual$meses==losmeses[i],]

  delitoAnual<-as.data.frame(aggregate(datos$value~datos$Clave_Ent,datos,sum))[2]

  delitoPorEstado2020<-cbind(delitoPorEstado2020,delitoAnual)

}

names(delitoPorEstado2020)<-c("clave de la entidad",levels(losmeses))



tasaAnualDedelitoPorEstado2020<-delitoPorEstado2020

tasaAnualDedelitoPorEstado2020[,2:elActual]<-round(delitoPorEstado2020[,2:elActual]/ent$year2020*100000,2)



tasaDeCambio<-delitoPorEstado2020[,c(anterior,esteMes)]

tasaDeCambio$tasa<-NA

tasaDeCambio$tasa<-round((tasaDeCambio[2]-tasaDeCambio[1])/tasaDeCambio[1]*100,2)

#la tasa de cambio de QUerétaro

tq<-tasaDeCambio[22,3]

tq<-tq[1,1]



#Querétaro fue el iesimo estado que mas crecio

iesimo<-length(tasaDeCambio$tasa[tasaDeCambio$tasa>tq])+1



totN<-colSums(tasaDeCambio[,c(1,2)])





#El pais creció a una tasa de tmex en el periodo

tmex<-round((totN[2]-totN[1])/totN[1]*100,2)

tmex<-as.vector(tmex)[1]





# Pone nombre al estado

nomEnt<-c()

for (i in 1:32) {

  nomEnt<-c(nomEnt,delitoMensual$Entidad[delitoMensual$Clave_Ent==i][1])

}



delitoPorEstado2020$`clave de la entidad`<-nomEnt

ent$Entidad<-nomEnt



tasaAnualDedelitoPorEstado2020[1]<-nomEnt

En esta sección mostramos cómo se ha comportado la incidencia delictiva mes a mes, estado por estado.

General

Entre Julio y Agosto, el delito en Querétaro creció en 1.34%, en tanto que a nivel nacional lo hizo en 2.68%. Querétaro es en este periodo el 19 estado con la tasa de crecimiento más alta.

Serie Mensual 2020 (Absolutos)

kable(delitoPorEstado2020)
clave de la entidad Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
Aguascalientes 3254 3183 3429 2085 2305 2951 2925 2730 0 0 0 0
Baja California 8384 8313 8862 5718 6247 6799 8088 8222 0 0 0 0
Baja California Sur 1776 1664 1792 1039 1153 1603 1607 1454 0 0 0 0
Campeche 202 185 198 134 141 128 135 157 0 0 0 0
Coahuila de Zaragoza 4445 4159 4126 3051 3375 4256 4715 4179 0 0 0 0
Colima 2269 2157 2169 1693 1855 2102 2118 1953 0 0 0 0
Chiapas 1730 1754 2001 1221 1117 979 1417 1442 0 0 0 0
Chihuahua 5587 5717 5671 4699 5000 6139 6230 6313 0 0 0 0
Ciudad de México 18579 20012 20640 11818 10941 13230 16046 16846 0 0 0 0
Durango 2485 2590 2665 1583 1789 1892 2365 2474 0 0 0 0
Guanajuato 11628 11212 11622 8065 8637 9718 9936 9960 0 0 0 0
Guerrero 2306 2390 2339 1496 1396 1560 1863 2022 0 0 0 0
Hidalgo 4162 4184 4478 2937 2266 2614 2945 3364 0 0 0 0
Jalisco 11832 11025 11143 8526 9430 10897 10961 10846 0 0 0 0
México 29429 29815 29960 24907 22884 25990 28263 30026 0 0 0 0
Michoacán de Ocampo 3991 3897 4416 3086 3590 3599 3845 3875 0 0 0 0
Morelos 3577 3603 3708 2543 2672 3018 3551 3762 0 0 0 0
Nayarit 351 401 407 251 292 313 311 331 0 0 0 0
Nuevo León 6305 7266 6710 4850 5044 6165 5556 6855 0 0 0 0
Oaxaca 3485 3718 3846 2708 2844 2724 3083 3222 0 0 0 0
Puebla 5224 5216 5624 4532 4736 4784 5419 5151 0 0 0 0
Querétaro 4656 4695 4843 3723 3590 3810 4485 4545 0 0 0 0
Quintana Roo 4012 3753 4166 2025 2163 3201 3487 3542 0 0 0 0
San Luis Potosí 4269 4226 4023 2722 3089 3859 4439 3585 0 0 0 0
Sinaloa 1998 1980 1960 1231 1605 1869 1860 2180 0 0 0 0
Sonora 2427 2313 2425 1859 2404 2217 2797 2632 0 0 0 0
Tabasco 4466 4316 4315 2018 1958 3348 4026 4326 0 0 0 0
Tamaulipas 2961 3023 3022 1855 2103 2684 2321 2725 0 0 0 0
Tlaxcala 333 365 331 287 334 313 337 391 0 0 0 0
Veracruz de Ignacio de la Llave 6527 7552 7598 5287 4969 6248 6434 6627 0 0 0 0
Yucatán 990 867 823 419 387 568 627 571 0 0 0 0
Zacatecas 2151 2059 2071 1441 1558 2201 1933 1945 0 0 0 0

Serie Mensual 2020 (Tasa por 100 mil habitantes)

kable(tasaAnualDedelitoPorEstado2020)
clave de la entidad Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
Aguascalientes 226.82 221.87 239.02 145.33 160.67 205.70 203.88 190.29 0 0 0 0
Baja California 230.65 228.70 243.81 157.31 171.86 187.05 222.51 226.20 0 0 0 0
Baja California Sur 220.70 206.78 222.69 129.12 143.28 199.20 199.70 180.69 0 0 0 0
Campeche 20.19 18.49 19.79 13.39 14.09 12.79 13.49 15.69 0 0 0 0
Coahuila de Zaragoza 138.10 129.21 128.19 94.79 104.86 132.23 146.49 129.83 0 0 0 0
Colima 288.99 274.72 276.25 215.63 236.26 267.72 269.76 248.74 0 0 0 0
Chiapas 30.19 30.61 34.92 21.31 19.49 17.08 24.73 25.16 0 0 0 0
Chihuahua 146.97 150.39 149.18 123.61 131.53 161.49 163.88 166.07 0 0 0 0
Ciudad de México 206.01 221.90 228.86 131.04 121.32 146.70 177.92 186.79 0 0 0 0
Durango 132.96 138.58 142.59 84.70 95.72 101.23 126.54 132.37 0 0 0 0
Guanajuato 186.70 180.02 186.60 129.49 138.68 156.03 159.53 159.92 0 0 0 0
Guerrero 63.06 65.35 63.96 40.91 38.17 42.66 50.94 55.29 0 0 0 0
Hidalgo 134.85 135.56 145.09 95.16 73.42 84.69 95.42 108.99 0 0 0 0
Jalisco 140.69 131.10 132.50 101.38 112.13 129.58 130.34 128.97 0 0 0 0
México 168.86 171.08 171.91 142.92 131.31 149.13 162.17 172.29 0 0 0 0
Michoacán de Ocampo 82.71 80.76 91.52 63.95 74.40 74.58 79.68 80.30 0 0 0 0
Morelos 175.00 176.27 181.40 124.41 130.72 147.65 173.72 184.05 0 0 0 0
Nayarit 27.24 31.12 31.59 19.48 22.66 24.29 24.14 25.69 0 0 0 0
Nuevo León 112.39 129.52 119.60 86.45 89.91 109.89 99.03 122.19 0 0 0 0
Oaxaca 84.11 89.73 92.82 65.35 68.64 65.74 74.40 77.76 0 0 0 0
Puebla 79.10 78.98 85.15 68.62 71.71 72.44 82.05 77.99 0 0 0 0
Querétaro 204.24 205.95 212.45 163.32 157.48 167.13 196.74 199.37 0 0 0 0
Quintana Roo 232.81 217.79 241.75 117.51 125.52 185.75 202.35 205.54 0 0 0 0
San Luis Potosí 148.95 147.45 140.36 94.97 107.78 134.64 154.88 125.08 0 0 0 0
Sinaloa 63.29 62.72 62.09 39.00 50.84 59.21 58.92 69.06 0 0 0 0
Sonora 78.93 75.23 78.87 60.46 78.19 72.10 90.97 85.60 0 0 0 0
Tabasco 173.62 167.79 167.75 78.45 76.12 130.16 156.51 168.18 0 0 0 0
Tamaulipas 81.11 82.81 82.78 50.81 57.61 73.52 63.58 74.65 0 0 0 0
Tlaxcala 24.13 26.45 23.99 20.80 24.20 22.68 24.42 28.33 0 0 0 0
Veracruz de Ignacio de la Llave 76.43 88.43 88.97 61.91 58.19 73.16 75.34 77.60 0 0 0 0
Yucatán 43.82 38.38 36.43 18.55 17.13 25.14 27.75 25.28 0 0 0 0
Zacatecas 129.08 123.56 124.28 86.47 93.49 132.08 116.00 116.72 0 0 0 0

posición de queretaro por mes en el país

posicionMensual<-c()

for (i in 1:length(losmeses)) {

  a<-tasaAnualDedelitoPorEstado2020[22,i+1]

  if(a==0){b=0}else{b<-1+length(tasaAnualDedelitoPorEstado2020[tasaAnualDedelitoPorEstado2020[i+1]>a,i+1])}

  posicionMensual<-c(posicionMensual,b)

}

posiciones<-data.frame(losmeses, posicionMensual)

names(posiciones)<-c("Mes","Posición de Querétaro a nivel nacional en el periodo")

kable(posiciones)
Mes Posición de Querétaro a nivel nacional en el periodo
Enero 7
Febrero 7
Marzo 7
Abril 2
Mayo 4
Junio 6
Julio 6
Agosto 4
Septiembre 0
Octubre 0
Noviembre 0
Diciembre 0

Lugar de Querétaro en el año por delito

losDelitos<-unique(delitos2$Subtipo.de.delito)

losDelitos2020<-subset(delitos2,delitos2$Ano==2020)

delitoEstado2020=as.data.frame(order(unique(losDelitos2020$Clave_Ent)))



for (i in 1:length(losDelitos)) {

  a<-subset(losDelitos2020,losDelitos2020$Subtipo.de.delito==losDelitos[i])

  b<-as.data.frame(aggregate(a$value~a$Clave_Ent,a,sum))[2]

  delitoEstado2020<-cbind(delitoEstado2020,b)

}

names(delitoEstado2020)<-c("claveEntidad",losDelitos)





tasaDelitoEstado2020<-delitoEstado2020

tasaDelitoEstado2020[,2:56]<-round(delitoEstado2020[,2:56]/ent$year2020*100000,2)



for (i in 1:length(nomEnt)) {

  delitoEstado2020[i,1]<-nomEnt[i]

  tasaDelitoEstado2020[i,1]<-nomEnt[i]

}

Incidencia en subtipos de Delito por estado en 2020

kable(delitoEstado2020)
claveEntidad Homicidio doloso Homicidio culposo Lesiones dolosas Lesiones culposas Feminicidio Aborto Otros delitos que atentan contra la vida y la integridad corporal Secuestro Tráfico de menores Rapto Otros delitos que atentan contra la libertad personal Abuso sexual Acoso sexual Hostigamiento sexual Violación simple Violación equiparada Incesto Otros delitos que atentan contra la libertad y la seguridad sexual Robo a casa habitación Robo de vehículo automotor Robo de autopartes Robo a transportista Robo a transeúnte en vía pública Robo a transeúnte en espacio abierto al público Robo en transporte público individual Robo en transporte público colectivo Robo en transporte individual Robo a institución bancaria Robo a negocio Robo de ganado Robo de maquinaria Otros robos Fraude Abuso de confianza Extorsión Daño a la propiedad Despojo Otros delitos contra el patrimonio Violencia familiar Violencia de género en todas sus modalidades distinta a la violencia familiar Incumplimiento de obligaciones de asistencia familiar Otros delitos contra la familia Corrupción de menores Trata de personas Otros delitos contra la sociedad Narcomenudeo Amenazas Allanamiento de morada Evasión de presos Falsedad Falsificación Contra el medio ambiente Delitos cometidos por servidores públicos Electorales Otros delitos del Fuero Común
Aguascalientes 59 102 2453 558 1 3 30 8 0 0 275 0 0 53 143 54 0 275 1603 1146 538 3 901 0 62 11 21 0 1299 120 2 1259 959 365 73 2402 209 177 1478 3 105 26 39 2 4 1901 2170 314 0 35 521 25 264 0 811
Baja California 1728 267 3780 1001 25 28 1275 5 1 0 421 893 0 143 377 207 1 151 2567 6867 35 21 2545 3 4 9 6 6 2947 44 0 3840 938 296 85 4358 750 538 6908 0 361 312 491 40 34 6847 2596 1569 4 53 204 17 576 0 4459
Baja California Sur 39 36 948 217 2 6 100 3 0 0 112 188 81 9 121 31 0 62 731 440 13 1 115 50 9 2 4 0 470 58 6 1942 635 179 56 812 237 82 1597 5 405 172 30 0 1 291 894 99 0 49 65 2 179 0 502
Campeche 51 28 48 44 3 0 11 2 0 0 13 31 0 0 31 85 0 11 121 245 4 3 27 0 0 1 2 0 130 12 0 61 4 0 8 76 4 30 23 0 0 0 2 0 3 65 25 10 0 0 11 1 4 0 50
Coahuila de Zaragoza 138 129 2435 337 15 0 26 6 0 0 30 367 158 5 88 87 0 16 1352 379 88 9 225 22 11 3 14 2 688 25 35 1518 676 311 26 3788 259 659 6149 300 157 107 16 10 0 6959 2878 346 2 14 83 0 415 1 942
Colima 370 68 774 369 10 2 0 5 0 0 252 216 0 19 79 6 0 27 1180 592 0 0 83 0 0 0 0 0 461 27 0 1602 864 305 78 1555 258 153 2859 0 484 0 20 0 75 834 1756 121 0 32 88 4 195 2 491
Chiapas 291 418 414 348 16 6 97 7 1 0 97 104 66 13 324 0 0 422 156 1300 1 8 146 62 0 3 2 0 203 49 6 447 173 66 49 520 101 301 3132 1 109 2 32 4 66 708 296 54 1 15 41 28 173 1 781
Chihuahua 1657 184 2807 723 23 7 302 13 2 0 483 936 0 121 579 148 0 230 1489 2661 475 28 228 69 4 0 16 4 1246 148 93 2468 1737 544 12 5181 557 417 7896 27 1047 14 59 19 0 5113 2027 559 8 108 433 61 1102 0 1291
Ciudad de México 790 409 2908 2269 48 57 140 48 0 10 1167 2076 719 0 719 262 0 422 2827 6854 4681 124 6903 1200 205 2459 1783 17 10905 0 25 13571 8525 2460 264 5444 2391 2924 17529 0 215 13 140 64 1227 4019 9077 498 13 235 2569 408 3305 4 3190
Durango 102 115 1248 556 11 0 50 0 0 0 289 261 60 9 156 2 0 178 1916 698 90 8 275 12 9 4 6 1 794 83 4 2143 719 220 70 1441 207 93 3719 1 61 114 4 1 13 513 803 128 0 10 52 0 60 0 534
Guanajuato 2250 1041 7309 18 11 20 129 8 0 0 0 760 153 25 325 29 0 18 2777 2895 0 5 121 0 0 0 0 0 4439 181 0 12901 1741 792 11 5835 750 6 6573 0 958 9 141 2 0 9333 5699 253 1 82 245 20 60 0 12852
Guerrero 825 99 1350 161 10 2 9 14 1 0 250 195 42 8 124 90 0 0 237 1444 12 1 122 19 0 7 1 9 362 26 2 1603 342 156 169 1069 286 9 1925 203 206 105 10 12 0 473 1396 115 0 30 153 3 118 2 1565
Hidalgo 222 153 2888 722 14 14 218 16 0 4 1253 457 0 35 272 210 0 24 1528 2231 68 17 479 119 32 13 44 1 1081 68 0 2084 687 277 103 1432 470 64 3940 0 357 3 14 8 11 234 1747 143 2 39 87 1 303 15 2746
Jalisco 1173 576 4990 1625 35 11 0 9 1 0 697 1460 176 42 224 0 0 217 3193 9012 1373 272 7174 52 75 60 0 21 6971 103 62 7552 4533 1287 516 4636 1240 0 8201 0 0 697 88 5 7 673 6700 168 0 84 1088 68 250 3 7260
México 1648 668 28506 6578 97 101 758 104 1 0 1798 1774 667 77 714 444 0 64 5277 25495 1647 3242 10691 209 574 4358 6322 25 12339 156 27 20522 7056 2125 1980 8058 2882 86 10520 1260 1090 5 96 61 2453 2400 0 1132 13 35 791 316 2498 2 41532
Michoacán de Ocampo 1291 639 4367 642 13 6 123 30 1 0 309 349 14 73 235 66 0 68 978 3848 29 694 419 79 25 109 15 12 586 55 88 2478 1239 392 13 1992 577 214 806 0 71 0 25 11 3 1318 2587 241 0 21 253 106 244 1 2544
Morelos 538 153 583 1642 27 7 323 43 0 3 143 288 18 32 265 12 0 54 942 2481 852 282 527 47 24 44 25 14 1702 29 11 3077 885 349 87 1283 664 200 3319 0 139 223 23 1 9 597 2928 191 1 40 161 8 31 1 1106
Nayarit 102 79 97 34 9 0 7 1 0 0 72 0 3 0 77 11 0 85 82 229 19 0 0 1 1 0 0 0 107 4 1 87 113 14 5 57 15 0 542 0 180 5 6 3 2 96 44 13 1 3 2 0 8 0 440
Nuevo León 595 330 2269 833 42 67 168 12 1 62 1331 827 284 31 534 219 0 477 1629 1213 84 461 618 332 42 13 24 5 1372 67 23 4701 1789 445 259 3078 630 43 11598 0 242 3506 112 27 8 2431 1918 148 1 121 581 0 1353 12 1783
Oaxaca 568 554 2690 580 24 7 156 19 0 0 125 358 125 31 276 155 0 46 836 1630 122 37 1016 116 59 129 18 19 881 55 19 2054 924 303 77 1724 503 249 4141 2 74 146 31 9 350 187 2700 182 1 119 166 2 304 28 703
Puebla 618 235 2791 473 39 4 289 17 0 0 159 481 162 42 282 205 0 453 1286 7114 172 676 1148 0 51 122 405 23 2166 88 226 3221 1369 584 103 1629 883 186 6254 0 163 540 21 2 329 703 2540 267 2 35 159 38 725 7 1199
Querétaro 121 187 3281 525 3 19 682 6 0 0 64 355 390 0 280 107 0 36 1808 2387 490 0 953 72 93 249 253 0 2011 114 14 6647 1597 356 159 894 560 30 2433 13 347 131 0 0 169 756 2509 202 0 55 210 2 0 14 2763
Quintana Roo 408 523 1424 429 8 11 182 8 1 0 371 369 121 24 379 0 0 112 1250 1793 26 31 1011 99 73 30 55 6 2909 26 142 3005 278 1178 176 2039 379 166 3031 0 265 369 50 16 1 731 1360 150 2 133 143 44 350 14 648
San Luis Potosí 411 244 2543 328 19 9 163 12 0 0 382 341 122 14 435 0 0 198 804 2238 748 226 521 19 15 34 4 4 967 153 54 2680 1232 452 102 2885 432 727 5183 0 263 1 24 9 0 967 1923 333 3 0 57 42 429 1 1459
Sinaloa 487 403 1418 368 16 2 372 6 1 0 815 221 57 0 92 53 0 23 371 2202 3 3 10 0 5 2 7 13 537 23 0 973 255 117 33 1042 191 24 3169 0 59 50 27 5 31 201 638 54 1 10 61 0 144 3 85
Sonora 870 241 910 471 14 2 171 2 0 2 279 327 36 9 125 32 0 45 841 1808 53 9 195 197 2 0 11 2 560 67 58 2650 301 92 34 1229 172 174 3157 6 676 87 22 1 38 1811 336 135 0 9 9 0 36 0 760
Tabasco 346 184 2503 490 11 2 415 22 0 0 320 100 0 147 173 0 0 362 1204 1631 8 8 2535 0 8 4 14 1 995 444 0 1652 519 346 67 1411 283 90 4078 0 509 13 29 2 0 52 2541 273 3 12 116 0 186 1 4663
Tamaulipas 429 440 1346 508 6 24 138 12 0 0 272 337 49 27 271 0 0 74 930 1537 8 0 74 0 0 0 0 2 851 50 1 2372 655 267 86 1967 306 18 4273 0 595 423 23 1 0 131 985 139 0 40 87 4 263 0 673
Tlaxcala 72 27 152 54 1 0 6 11 0 0 6 20 2 1 23 0 0 0 168 1019 4 84 52 1 2 1 1 1 198 21 26 74 44 6 1 135 23 12 8 0 13 1 0 9 0 164 15 33 2 1 5 0 0 0 192
Veracruz de Ignacio de la Llave 878 572 4347 1022 61 16 121 94 0 0 476 436 16 183 257 9 1 839 1784 4406 77 137 1372 194 47 43 47 23 3641 319 58 2584 2048 716 492 4117 1340 574 6681 720 675 1092 20 4 0 408 4285 376 1 83 269 128 265 5 2883
Yucatán 29 74 138 30 5 0 143 0 0 0 3 46 3 0 25 0 0 2 216 92 1 0 46 0 0 0 0 0 74 2 3 0 267 240 0 890 7 188 407 0 112 24 2 14 0 109 1342 45 0 11 15 1 14 0 632
Zacatecas 473 86 1298 358 7 1 146 26 0 0 256 136 62 15 107 66 0 62 237 981 22 5 13 12 0 1 7 0 115 115 19 2558 648 199 242 1338 233 54 2255 0 292 75 12 6 0 211 809 123 6 66 48 1 173 3 1381

Tasa por cada 100 mil habitantes

kable(tasaDelitoEstado2020)
claveEntidad Homicidio doloso Homicidio culposo Lesiones dolosas Lesiones culposas Feminicidio Aborto Otros delitos que atentan contra la vida y la integridad corporal Secuestro Tráfico de menores Rapto Otros delitos que atentan contra la libertad personal Abuso sexual Acoso sexual Hostigamiento sexual Violación simple Violación equiparada Incesto Otros delitos que atentan contra la libertad y la seguridad sexual Robo a casa habitación Robo de vehículo automotor Robo de autopartes Robo a transportista Robo a transeúnte en vía pública Robo a transeúnte en espacio abierto al público Robo en transporte público individual Robo en transporte público colectivo Robo en transporte individual Robo a institución bancaria Robo a negocio Robo de ganado Robo de maquinaria Otros robos Fraude Abuso de confianza Extorsión Daño a la propiedad Despojo Otros delitos contra el patrimonio Violencia familiar Violencia de género en todas sus modalidades distinta a la violencia familiar Incumplimiento de obligaciones de asistencia familiar Otros delitos contra la familia Corrupción de menores Trata de personas Otros delitos contra la sociedad Narcomenudeo Amenazas Allanamiento de morada Evasión de presos Falsedad Falsificación Contra el medio ambiente Delitos cometidos por servidores públicos Electorales Otros delitos del Fuero Común
Aguascalientes 4.11 7.11 170.98 38.89 0.07 0.21 2.09 0.56 0.00 0.00 19.17 0.00 0.00 3.69 9.97 3.76 0.00 19.17 111.74 79.88 37.50 0.21 62.80 0.00 4.32 0.77 1.46 0.00 90.55 8.36 0.14 87.76 66.85 25.44 5.09 167.43 14.57 12.34 103.02 0.21 7.32 1.81 2.72 0.14 0.28 132.51 151.26 21.89 0.00 2.44 36.32 1.74 18.40 0.00 56.53
Baja California 47.54 7.35 103.99 27.54 0.69 0.77 35.08 0.14 0.03 0.00 11.58 24.57 0.00 3.93 10.37 5.69 0.03 4.15 70.62 188.92 0.96 0.58 70.02 0.08 0.11 0.25 0.17 0.17 81.08 1.21 0.00 105.64 25.81 8.14 2.34 119.89 20.63 14.80 190.05 0.00 9.93 8.58 13.51 1.10 0.94 188.37 71.42 43.17 0.11 1.46 5.61 0.47 15.85 0.00 122.67
Baja California Sur 4.85 4.47 117.81 26.97 0.25 0.75 12.43 0.37 0.00 0.00 13.92 23.36 10.07 1.12 15.04 3.85 0.00 7.70 90.84 54.68 1.62 0.12 14.29 6.21 1.12 0.25 0.50 0.00 58.41 7.21 0.75 241.33 78.91 22.24 6.96 100.91 29.45 10.19 198.46 0.62 50.33 21.37 3.73 0.00 0.12 36.16 111.10 12.30 0.00 6.09 8.08 0.25 22.24 0.00 62.38
Campeche 5.10 2.80 4.80 4.40 0.30 0.00 1.10 0.20 0.00 0.00 1.30 3.10 0.00 0.00 3.10 8.49 0.00 1.10 12.09 24.48 0.40 0.30 2.70 0.00 0.00 0.10 0.20 0.00 12.99 1.20 0.00 6.10 0.40 0.00 0.80 7.60 0.40 3.00 2.30 0.00 0.00 0.00 0.20 0.00 0.30 6.50 2.50 1.00 0.00 0.00 1.10 0.10 0.40 0.00 5.00
Coahuila de Zaragoza 4.29 4.01 75.65 10.47 0.47 0.00 0.81 0.19 0.00 0.00 0.93 11.40 4.91 0.16 2.73 2.70 0.00 0.50 42.00 11.77 2.73 0.28 6.99 0.68 0.34 0.09 0.43 0.06 21.37 0.78 1.09 47.16 21.00 9.66 0.81 117.69 8.05 20.47 191.04 9.32 4.88 3.32 0.50 0.31 0.00 216.20 89.41 10.75 0.06 0.43 2.58 0.00 12.89 0.03 29.27
Colima 47.12 8.66 98.58 47.00 1.27 0.25 0.00 0.64 0.00 0.00 32.10 27.51 0.00 2.42 10.06 0.76 0.00 3.44 150.29 75.40 0.00 0.00 10.57 0.00 0.00 0.00 0.00 0.00 58.71 3.44 0.00 204.04 110.04 38.85 9.93 198.05 32.86 19.49 364.13 0.00 61.64 0.00 2.55 0.00 9.55 106.22 223.65 15.41 0.00 4.08 11.21 0.51 24.84 0.25 62.54
Chiapas 5.08 7.29 7.22 6.07 0.28 0.10 1.69 0.12 0.02 0.00 1.69 1.81 1.15 0.23 5.65 0.00 0.00 7.36 2.72 22.69 0.02 0.14 2.55 1.08 0.00 0.05 0.03 0.00 3.54 0.86 0.10 7.80 3.02 1.15 0.86 9.07 1.76 5.25 54.66 0.02 1.90 0.03 0.56 0.07 1.15 12.36 5.17 0.94 0.02 0.26 0.72 0.49 3.02 0.02 13.63
Chihuahua 43.59 4.84 73.84 19.02 0.61 0.18 7.94 0.34 0.05 0.00 12.71 24.62 0.00 3.18 15.23 3.89 0.00 6.05 39.17 70.00 12.50 0.74 6.00 1.82 0.11 0.00 0.42 0.11 32.78 3.89 2.45 64.92 45.69 14.31 0.32 136.29 14.65 10.97 207.71 0.71 27.54 0.37 1.55 0.50 0.00 134.50 53.32 14.70 0.21 2.84 11.39 1.60 28.99 0.00 33.96
Ciudad de México 8.76 4.54 32.24 25.16 0.53 0.63 1.55 0.53 0.00 0.11 12.94 23.02 7.97 0.00 7.97 2.91 0.00 4.68 31.35 76.00 51.90 1.37 76.54 13.31 2.27 27.27 19.77 0.19 120.92 0.00 0.28 150.48 94.53 27.28 2.93 60.36 26.51 32.42 194.36 0.00 2.38 0.14 1.55 0.71 13.61 44.56 100.65 5.52 0.14 2.61 28.49 4.52 36.65 0.04 35.37
Durango 5.46 6.15 66.77 29.75 0.59 0.00 2.68 0.00 0.00 0.00 15.46 13.96 3.21 0.48 8.35 0.11 0.00 9.52 102.51 37.35 4.82 0.43 14.71 0.64 0.48 0.21 0.32 0.05 42.48 4.44 0.21 114.66 38.47 11.77 3.75 77.10 11.08 4.98 198.98 0.05 3.26 6.10 0.21 0.05 0.70 27.45 42.96 6.85 0.00 0.54 2.78 0.00 3.21 0.00 28.57
Guanajuato 36.13 16.71 117.35 0.29 0.18 0.32 2.07 0.13 0.00 0.00 0.00 12.20 2.46 0.40 5.22 0.47 0.00 0.29 44.59 46.48 0.00 0.08 1.94 0.00 0.00 0.00 0.00 0.00 71.27 2.91 0.00 207.14 27.95 12.72 0.18 93.69 12.04 0.10 105.54 0.00 15.38 0.14 2.26 0.03 0.00 149.85 91.50 4.06 0.02 1.32 3.93 0.32 0.96 0.00 206.35
Guerrero 22.56 2.71 36.92 4.40 0.27 0.05 0.25 0.38 0.03 0.00 6.84 5.33 1.15 0.22 3.39 2.46 0.00 0.00 6.48 39.49 0.33 0.03 3.34 0.52 0.00 0.19 0.03 0.25 9.90 0.71 0.05 43.83 9.35 4.27 4.62 29.23 7.82 0.25 52.64 5.55 5.63 2.87 0.27 0.33 0.00 12.93 38.17 3.14 0.00 0.82 4.18 0.08 3.23 0.05 42.79
Hidalgo 7.19 4.96 93.57 23.39 0.45 0.45 7.06 0.52 0.00 0.13 40.60 14.81 0.00 1.13 8.81 6.80 0.00 0.78 49.51 72.28 2.20 0.55 15.52 3.86 1.04 0.42 1.43 0.03 35.02 2.20 0.00 67.52 22.26 8.97 3.34 46.40 15.23 2.07 127.66 0.00 11.57 0.10 0.45 0.26 0.36 7.58 56.60 4.63 0.06 1.26 2.82 0.03 9.82 0.49 88.97
Jalisco 13.95 6.85 59.34 19.32 0.42 0.13 0.00 0.11 0.01 0.00 8.29 17.36 2.09 0.50 2.66 0.00 0.00 2.58 37.97 107.16 16.33 3.23 85.31 0.62 0.89 0.71 0.00 0.25 82.89 1.22 0.74 89.80 53.90 15.30 6.14 55.13 14.74 0.00 97.52 0.00 0.00 8.29 1.05 0.06 0.08 8.00 79.67 2.00 0.00 1.00 12.94 0.81 2.97 0.04 86.33
México 9.46 3.83 163.57 37.74 0.56 0.58 4.35 0.60 0.01 0.00 10.32 10.18 3.83 0.44 4.10 2.55 0.00 0.37 30.28 146.29 9.45 18.60 61.34 1.20 3.29 25.01 36.28 0.14 70.80 0.90 0.15 117.75 40.49 12.19 11.36 46.24 16.54 0.49 60.36 7.23 6.25 0.03 0.55 0.35 14.08 13.77 0.00 6.50 0.07 0.20 4.54 1.81 14.33 0.01 238.31
Michoacán de Ocampo 26.75 13.24 90.50 13.30 0.27 0.12 2.55 0.62 0.02 0.00 6.40 7.23 0.29 1.51 4.87 1.37 0.00 1.41 20.27 79.74 0.60 14.38 8.68 1.64 0.52 2.26 0.31 0.25 12.14 1.14 1.82 51.35 25.68 8.12 0.27 41.28 11.96 4.43 16.70 0.00 1.47 0.00 0.52 0.23 0.06 27.31 53.61 4.99 0.00 0.44 5.24 2.20 5.06 0.02 52.72
Morelos 26.32 7.49 28.52 80.33 1.32 0.34 15.80 2.10 0.00 0.15 7.00 14.09 0.88 1.57 12.96 0.59 0.00 2.64 46.08 121.38 41.68 13.80 25.78 2.30 1.17 2.15 1.22 0.68 83.27 1.42 0.54 150.53 43.30 17.07 4.26 62.77 32.48 9.78 162.37 0.00 6.80 10.91 1.13 0.05 0.44 29.21 143.24 9.34 0.05 1.96 7.88 0.39 1.52 0.05 54.11
Nayarit 7.92 6.13 7.53 2.64 0.70 0.00 0.54 0.08 0.00 0.00 5.59 0.00 0.23 0.00 5.98 0.85 0.00 6.60 6.36 17.77 1.47 0.00 0.00 0.08 0.08 0.00 0.00 0.00 8.30 0.31 0.08 6.75 8.77 1.09 0.39 4.42 1.16 0.00 42.06 0.00 13.97 0.39 0.47 0.23 0.16 7.45 3.41 1.01 0.08 0.23 0.16 0.00 0.62 0.00 34.15
Nuevo León 10.61 5.88 40.44 14.85 0.75 1.19 2.99 0.21 0.02 1.11 23.72 14.74 5.06 0.55 9.52 3.90 0.00 8.50 29.04 21.62 1.50 8.22 11.02 5.92 0.75 0.23 0.43 0.09 24.46 1.19 0.41 83.79 31.89 7.93 4.62 54.86 11.23 0.77 206.73 0.00 4.31 62.49 2.00 0.48 0.14 43.33 34.19 2.64 0.02 2.16 10.36 0.00 24.12 0.21 31.78
Oaxaca 13.71 13.37 64.92 14.00 0.58 0.17 3.76 0.46 0.00 0.00 3.02 8.64 3.02 0.75 6.66 3.74 0.00 1.11 20.18 39.34 2.94 0.89 24.52 2.80 1.42 3.11 0.43 0.46 21.26 1.33 0.46 49.57 22.30 7.31 1.86 41.61 12.14 6.01 99.94 0.05 1.79 3.52 0.75 0.22 8.45 4.51 65.16 4.39 0.02 2.87 4.01 0.05 7.34 0.68 16.97
Puebla 9.36 3.56 42.26 7.16 0.59 0.06 4.38 0.26 0.00 0.00 2.41 7.28 2.45 0.64 4.27 3.10 0.00 6.86 19.47 107.72 2.60 10.24 17.38 0.00 0.77 1.85 6.13 0.35 32.80 1.33 3.42 48.77 20.73 8.84 1.56 24.67 13.37 2.82 94.69 0.00 2.47 8.18 0.32 0.03 4.98 10.64 38.46 4.04 0.03 0.53 2.41 0.58 10.98 0.11 18.15
Querétaro 5.31 8.20 143.93 23.03 0.13 0.83 29.92 0.26 0.00 0.00 2.81 15.57 17.11 0.00 12.28 4.69 0.00 1.58 79.31 104.71 21.49 0.00 41.80 3.16 4.08 10.92 11.10 0.00 88.22 5.00 0.61 291.58 70.06 15.62 6.97 39.22 24.57 1.32 106.73 0.57 15.22 5.75 0.00 0.00 7.41 33.16 110.06 8.86 0.00 2.41 9.21 0.09 0.00 0.61 121.20
Quintana Roo 23.68 30.35 82.63 24.89 0.46 0.64 10.56 0.46 0.06 0.00 21.53 21.41 7.02 1.39 21.99 0.00 0.00 6.50 72.54 104.05 1.51 1.80 58.67 5.74 4.24 1.74 3.19 0.35 168.81 1.51 8.24 174.38 16.13 68.36 10.21 118.32 21.99 9.63 175.89 0.00 15.38 21.41 2.90 0.93 0.06 42.42 78.92 8.70 0.12 7.72 8.30 2.55 20.31 0.81 37.60
San Luis Potosí 14.34 8.51 88.73 11.44 0.66 0.31 5.69 0.42 0.00 0.00 13.33 11.90 4.26 0.49 15.18 0.00 0.00 6.91 28.05 78.08 26.10 7.89 18.18 0.66 0.52 1.19 0.14 0.14 33.74 5.34 1.88 93.51 42.98 15.77 3.56 100.66 15.07 25.37 180.84 0.00 9.18 0.03 0.84 0.31 0.00 33.74 67.09 11.62 0.10 0.00 1.99 1.47 14.97 0.03 50.90
Sinaloa 15.43 12.77 44.92 11.66 0.51 0.06 11.78 0.19 0.03 0.00 25.82 7.00 1.81 0.00 2.91 1.68 0.00 0.73 11.75 69.76 0.10 0.10 0.32 0.00 0.16 0.06 0.22 0.41 17.01 0.73 0.00 30.82 8.08 3.71 1.05 33.01 6.05 0.76 100.39 0.00 1.87 1.58 0.86 0.16 0.98 6.37 20.21 1.71 0.03 0.32 1.93 0.00 4.56 0.10 2.69
Sonora 28.30 7.84 29.60 15.32 0.46 0.07 5.56 0.07 0.00 0.07 9.07 10.64 1.17 0.29 4.07 1.04 0.00 1.46 27.35 58.80 1.72 0.29 6.34 6.41 0.07 0.00 0.36 0.07 18.21 2.18 1.89 86.19 9.79 2.99 1.11 39.97 5.59 5.66 102.68 0.20 21.99 2.83 0.72 0.03 1.24 58.90 10.93 4.39 0.00 0.29 0.29 0.00 1.17 0.00 24.72
Tabasco 13.45 7.15 97.31 19.05 0.43 0.08 16.13 0.86 0.00 0.00 12.44 3.89 0.00 5.71 6.73 0.00 0.00 14.07 46.81 63.41 0.31 0.31 98.55 0.00 0.31 0.16 0.54 0.04 38.68 17.26 0.00 64.22 20.18 13.45 2.60 54.85 11.00 3.50 158.54 0.00 19.79 0.51 1.13 0.08 0.00 2.02 98.78 10.61 0.12 0.47 4.51 0.00 7.23 0.04 181.28
Tamaulipas 11.75 12.05 36.87 13.92 0.16 0.66 3.78 0.33 0.00 0.00 7.45 9.23 1.34 0.74 7.42 0.00 0.00 2.03 25.48 42.10 0.22 0.00 2.03 0.00 0.00 0.00 0.00 0.05 23.31 1.37 0.03 64.98 17.94 7.31 2.36 53.88 8.38 0.49 117.05 0.00 16.30 11.59 0.63 0.03 0.00 3.59 26.98 3.81 0.00 1.10 2.38 0.11 7.20 0.00 18.44
Tlaxcala 5.22 1.96 11.01 3.91 0.07 0.00 0.43 0.80 0.00 0.00 0.43 1.45 0.14 0.07 1.67 0.00 0.00 0.00 12.17 73.84 0.29 6.09 3.77 0.07 0.14 0.07 0.07 0.07 14.35 1.52 1.88 5.36 3.19 0.43 0.07 9.78 1.67 0.87 0.58 0.00 0.94 0.07 0.00 0.65 0.00 11.88 1.09 2.39 0.14 0.07 0.36 0.00 0.00 0.00 13.91
Veracruz de Ignacio de la Llave 10.28 6.70 50.90 11.97 0.71 0.19 1.42 1.10 0.00 0.00 5.57 5.11 0.19 2.14 3.01 0.11 0.01 9.82 20.89 51.59 0.90 1.60 16.07 2.27 0.55 0.50 0.55 0.27 42.64 3.74 0.68 30.26 23.98 8.38 5.76 48.21 15.69 6.72 78.23 8.43 7.90 12.79 0.23 0.05 0.00 4.78 50.18 4.40 0.01 0.97 3.15 1.50 3.10 0.06 33.76
Yucatán 1.28 3.28 6.11 1.33 0.22 0.00 6.33 0.00 0.00 0.00 0.13 2.04 0.13 0.00 1.11 0.00 0.00 0.09 9.56 4.07 0.04 0.00 2.04 0.00 0.00 0.00 0.00 0.00 3.28 0.09 0.13 0.00 11.82 10.62 0.00 39.40 0.31 8.32 18.02 0.00 4.96 1.06 0.09 0.62 0.00 4.82 59.40 1.99 0.00 0.49 0.66 0.04 0.62 0.00 27.98
Zacatecas 28.38 5.16 77.89 21.48 0.42 0.06 8.76 1.56 0.00 0.00 15.36 8.16 3.72 0.90 6.42 3.96 0.00 3.72 14.22 58.87 1.32 0.30 0.78 0.72 0.00 0.06 0.42 0.00 6.90 6.90 1.14 153.50 38.89 11.94 14.52 80.29 13.98 3.24 135.32 0.00 17.52 4.50 0.72 0.36 0.00 12.66 48.55 7.38 0.36 3.96 2.88 0.06 10.38 0.18 82.87

Posicion de queretaro en 2020 por tipo de delito

posicionAnualporDelito<-c()

for (i in 1:length(losDelitos)) {

  a<-tasaDelitoEstado2020[22,i+1]

  if(a==0){b=0}else{b<-1+length(tasaDelitoEstado2020[tasaDelitoEstado2020[i+1]>a,i+1])}

  posicionAnualporDelito<-c(posicionAnualporDelito,b)

}

posicionesAnualporDelito<-data.frame(losDelitos, posicionAnualporDelito)



posicionesAnualporDelito<-posicionesAnualporDelito[order(posicionesAnualporDelito$posicionAnualporDelito),]

names(posicionesAnualporDelito)<-c("Subtipo de delito", "Posición que ocupa Querétaro a nivel nacional en ese delito")

kable(posicionesAnualporDelito[posicionesAnualporDelito[2]>0,])
Subtipo de delito Posición que ocupa Querétaro a nivel nacional en ese delito
13 Acoso sexual 1
32 Otros robos 1
6 Aborto 2
7 Otros delitos que atentan contra la vida y la integridad corporal 2
3 Lesiones dolosas 3
25 Robo en transporte público individual 3
26 Robo en transporte público colectivo 3
27 Robo en transporte individual 3
54 Electorales 3
16 Violación equiparada 4
29 Robo a negocio 4
33 Fraude 4
19 Robo a casa habitación 5
21 Robo de autopartes 5
35 Extorsión 5
37 Despojo 5
45 Otros delitos contra la sociedad 5
47 Amenazas 5
55 Otros delitos del Fuero Común 5
15 Violación simple 6
20 Robo de vehículo automotor 6
30 Robo de ganado 6
24 Robo a transeúnte en espacio abierto al público 7
40 Violencia de género en todas sus modalidades distinta a la violencia familiar 7
51 Falsificación 7
12 Abuso sexual 8
23 Robo a transeúnte en vía pública 8
34 Abuso de confianza 8
2 Homicidio culposo 9
50 Falsedad 9
41 Incumplimiento de obligaciones de asistencia familiar 10
48 Allanamiento de morada 10
4 Lesiones culposas 11
42 Otros delitos contra la familia 11
31 Robo de maquinaria 13
46 Narcomenudeo 13
39 Violencia familiar 16
8 Secuestro 19
52 Contra el medio ambiente 19
18 Otros delitos que atentan contra la libertad y la seguridad sexual 20
38 Otros delitos contra el patrimonio 23
1 Homicidio doloso 25
11 Otros delitos que atentan contra la libertad personal 25
36 Daño a la propiedad 25
5 Feminicidio 30

Lugar a nivel nacional de los municipios Queretanos en incidencia delictiva

Top 50 municipios en el año

pop2020<-subset(pop,pop$ANO==2020)

delitos2020<-subset(delitos2,delitos2$Ano==2020)

popMun<-aggregate(pop2020$POB~pop2020$MUN,pop2020,sum)

delMun<-aggregate(delitos2020$value~delitos2020$Cve..Municipio,delitos2020,sum)



delMun$estado<-NA

delMun$municipio<-NA

for (i in 1:nrow(delMun)) {

  delMun$estado[i]<-unique(delitos2020$Entidad[delitos2020$Cve..Municipio==delMun$`delitos2020$Cve..Municipio`[i]])

  

  delMun$municipio[i]<-unique(delitos2020$Municipio[delitos2020$Cve..Municipio==delMun$`delitos2020$Cve..Municipio`[i]])

}





delMun$poblacion<-NA

for (i in 1:nrow(delMun)) {

  delMun$poblacion[delMun$municipio==popMun$`pop2020$MUN`[i]]<-popMun$`pop2020$POB`[i]

  

}

delMun$incidencia<-NA

delMun$incidencia<-round(delMun$`delitos2020$value`/delMun$poblacion*100000,2)

delMun<-delMun[order(delMun$incidencia,decreasing = TRUE),]



delMun$posicion<-NA



for (i in 1:nrow(delMun)) {

  delMun$posicion[i]<-i

}

names(delMun)[c(1,2,6,7)]<-c("Clave del municipio","Número de carpetas de investigación", "Incidencia por cada 100 mil habitantes","Posición a nivel nacional")

kable(head(delMun[,c(7,3,4,2,5,6)],50),caption = "Top 50 en el año")
Top 50 en el año
Posición a nivel nacional estado municipio Número de carpetas de investigación poblacion Incidencia por cada 100 mil habitantes
72 1 Colima Colima 5913 169188 3494.93
227 2 Chihuahua Santa Isabel 127 4293 2958.30
908 3 Morelos Cuernavaca 9638 399426 2412.96
1821 4 Quintana Roo Tulum 880 36866 2387.02
1556 5 Oaxaca Tlacolula de Matamoros 571 24027 2376.49
284 6 Ciudad de México Cuauhtémoc 18195 776217 2344.06
969 7 Nuevo León Doctor Coss 43 1845 2330.62
1072 8 Oaxaca Oaxaca de Juárez 5707 258636 2206.58
16 9 Baja California Playas de Rosarito 2376 107859 2202.88
501 10 Hidalgo Pachuca de Soto 6092 280312 2173.29
913 11 Morelos Jojutla 1314 61366 2141.25
285 12 Ciudad de México Miguel Hidalgo 8015 379624 2111.30
14 13 Baja California Tecate 2368 113857 2079.80
333 14 Guanajuato Celaya 10866 530820 2047.02
77 15 Colima Manzanillo 4160 203306 2046.18
1343 16 Oaxaca Villa de Etla 227 11426 1986.70
1807 17 Querétaro Querétaro 19255 976939 1970.95
907 18 Morelos Cuautla 4053 210529 1925.15
264 19 Chihuahua Satevó 65 3381 1922.51
11 20 Aguascalientes San Francisco de los Romo 983 51568 1906.22
769 21 México Toluca 17916 948950 1887.98
13 22 Baja California Mexicali 20260 1087478 1863.03
6 23 Aguascalientes Pabellón de Arteaga 932 50032 1862.81
2469 24 Zacatecas Zacatecas 2836 155533 1823.41
576 25 Jalisco Guadalajara 26811 1503505 1783.23
1820 26 Quintana Roo Solidaridad 4262 239850 1776.94
773 27 México Valle de Bravo 1224 70192 1743.79
1851 28 San Luis Potosí San Luis Potosí 15064 870578 1730.34
1 29 Aguascalientes Aguascalientes 16508 961977 1716.05
331 30 Guanajuato Apaseo el Grande 1698 99036 1714.53
732 31 México Papalotla 74 4367 1694.53
784 32 México Cuautitlán Izcalli 9726 577190 1685.06
672 33 México Amecameca 916 54548 1679.25
696 34 México Ecatepec de Morelos 28668 1707754 1678.70
762 35 México Texcoco 4380 262015 1671.66
341 36 Guanajuato Guanajuato 3306 198035 1669.40
788 37 México Tonanitla 181 10960 1651.46
80 38 Colima Villa de Álvarez 2493 151019 1650.79
724 39 México Nopaltepec 159 9753 1630.27
74 40 Colima Coquimatlán 361 22167 1628.55
688 41 México Chalco 6464 397344 1626.80
1804 42 Querétaro El Marqués 2898 178672 1621.97
720 43 México Naucalpan de Juárez 14741 910187 1619.56
514 44 Hidalgo Tepeapulco 947 58776 1611.20
910 45 Morelos Huitzilac 328 20372 1610.05
1639 46 Puebla Esperanza 251 15794 1589.21
346 47 Guanajuato León 26577 1679610 1582.33
739 48 México San Mateo Atenco 1280 80903 1582.14
767 49 México Tlalnepantla de Baz 11960 756537 1580.89
271 50 Ciudad de México Azcapotzalco 6403 408441 1567.67

Top 50 municipios en el mes

pop2020<-subset(pop,pop$ANO==2020)

delitos2020Mes<-subset(delitos2,delitos2$Ano==2020 & delitos2$meses== esteMes)

popMun<-aggregate(pop2020$POB~pop2020$MUN,pop2020,sum)

delMunMes<-aggregate(delitos2020Mes$value~delitos2020Mes$Cve..Municipio,delitos2020Mes,sum)



delMunMes$estado<-NA

delMunMes$municipio<-NA

for (i in 1:nrow(delMunMes)) {

  delMunMes$estado[i]<-unique(delitos2020Mes$Entidad[delitos2020Mes$Cve..Municipio==delMunMes$`delitos2020Mes$Cve..Municipio`[i]])

  

  delMunMes$municipio[i]<-unique(delitos2020Mes$Municipio[delitos2020Mes$Cve..Municipio==delMunMes$`delitos2020Mes$Cve..Municipio`[i]])

}





delMunMes$poblacion<-NA

for (i in 1:nrow(delMunMes)) {

  delMunMes$poblacion[delMunMes$municipio==popMun$`pop2020$MUN`[i]]<-popMun$`pop2020$POB`[i]

  

}

delMunMes$incidencia<-NA

delMunMes$incidencia<-round(delMunMes$`delitos2020Mes$value`/delMunMes$poblacion*100000,2)

delMunMes<-delMunMes[order(delMunMes$incidencia,decreasing = TRUE),]



delMunMes$posicion<-NA



for (i in 1:nrow(delMunMes)) {

  delMunMes$posicion[i]<-i

}

names(delMunMes)[c(1,2,6,7)]<-c("Clave del municipio","Número de carpetas de investigación", "Incidencia por cada 100 mil habitantes","Posición a nivel nacional")

kable(head(delMunMes[,c(7,3,4,2,5,6)],50),caption = "Top 50 en el mes")
Top 50 en el mes
Posición a nivel nacional estado municipio Número de carpetas de investigación poblacion Incidencia por cada 100 mil habitantes
227 1 Chihuahua Santa Isabel 27 4293 628.93
72 2 Colima Colima 704 169188 416.11
1821 3 Quintana Roo Tulum 137 36866 371.62
732 4 México Papalotla 15 4367 343.49
2134 5 Veracruz de Ignacio de la Llave Coetzala 8 2373 337.13
908 6 Morelos Cuernavaca 1290 399426 322.96
16 7 Baja California Playas de Rosarito 345 107859 319.86
724 8 México Nopaltepec 31 9753 317.85
1204 9 Oaxaca San Juan Ihualtepec 2 642 311.53
773 10 México Valle de Bravo 217 70192 309.15
1004 11 Nuevo León Vallecillo 6 1942 308.96
284 12 Ciudad de México Cuauhtémoc 2390 776217 307.90
14 13 Baja California Tecate 350 113857 307.40
910 14 Morelos Huitzilac 61 20372 299.43
1461 15 Oaxaca Santiago Cacaloxtepec 5 1674 298.69
742 16 México Soyaniquilpan de Juárez 42 14339 292.91
913 17 Morelos Jojutla 176 61366 286.80
1214 18 Oaxaca San Juan Mixtepec Distrito 26 2 701 285.31
1556 19 Oaxaca Tlacolula de Matamoros 67 24027 278.85
501 20 Hidalgo Pachuca de Soto 770 280312 274.69
1072 21 Oaxaca Oaxaca de Juárez 707 258636 273.36
1324 22 Oaxaca San Pedro Mixtepec Distrito 26 3 1110 270.27
1116 23 Oaxaca San Antonio Tepetlapa 12 4460 269.06
1134 24 Oaxaca San Cristóbal Suchixtlahuaca 1 375 266.67
1807 25 Querétaro Querétaro 2589 976939 265.01
285 26 Ciudad de México Miguel Hidalgo 994 379624 261.84
907 27 Morelos Cuautla 550 210529 261.25
769 28 México Toluca 2455 948950 258.71
1255 29 Oaxaca San Mateo Etlatongo 3 1182 253.81
1343 30 Oaxaca Villa de Etla 29 11426 253.81
1820 31 Quintana Roo Solidaridad 596 239850 248.49
77 32 Colima Manzanillo 504 203306 247.90
11 33 Aguascalientes San Francisco de los Romo 125 51568 242.40
13 34 Baja California Mexicali 2628 1087478 241.66
762 35 México Texcoco 632 262015 241.21
1005 36 Nuevo León Villaldama 11 4567 240.86
679 37 México Axapusco 72 30040 239.68
784 38 México Cuautitlán Izcalli 1373 577190 237.88
1145 39 Oaxaca San Francisco Chindúa 2 841 237.81
1481 40 Oaxaca Santiago Miltepec 1 425 235.29
1722 41 Puebla Santa Catarina Tlaltempan 2 853 234.47
576 42 Jalisco Guadalajara 3524 1503505 234.39
2469 43 Zacatecas Zacatecas 363 155533 233.39
788 44 México Tonanitla 25 10960 228.10
717 45 México Metepec 589 258563 227.80
720 46 México Naucalpan de Juárez 2066 910187 226.99
1977 47 Tabasco Centro 1678 739611 226.88
986 48 Nuevo León Lampazos de Naranjo 13 5783 224.80
333 49 Guanajuato Celaya 1169 530820 220.23
696 50 México Ecatepec de Morelos 3737 1707754 218.83

Posición de los municipios de Queretaro en el año

kable(delMun[delMun$estado=="Querétaro",c(7,3,4,2,5,6)])
Posición a nivel nacional estado municipio Número de carpetas de investigación poblacion Incidencia por cada 100 mil habitantes
1807 17 Querétaro Querétaro 19255 976939 1970.95
1804 42 Querétaro El Marqués 2898 178672 1621.97
1809 74 Querétaro San Juan del Río 4545 316169 1437.52
1799 128 Querétaro Corregidora 2492 208076 1197.64
1801 183 Querétaro Huimilpan 456 42305 1077.89
1810 203 Querétaro Tequisquiapan 823 78742 1045.19
1802 268 Querétaro Jalpan de Serra 282 29625 951.90
1805 273 Querétaro Pedro Escobedo 721 76411 943.58
1800 297 Querétaro Ezequiel Montes 417 45877 908.95
1794 319 Querétaro Amealco de Bonfil 598 68441 873.75
1798 359 Querétaro Colón 560 69112 810.28
1797 548 Querétaro Cadereyta de Montes 498 76829 648.19
1806 605 Querétaro Peñamiller 133 21988 604.88
1795 656 Querétaro Pinal de Amoles 159 28189 564.05
1796 691 Querétaro Arroyo Seco 80 14789 540.94
1803 728 Querétaro Landa de Matamoros 106 20313 521.83
1808 748 Querétaro San Joaquín 53 10323 513.42
1811 859 Querétaro Tolimán 190 42391 448.21
1812 2463 Querétaro No Especificado 81 NA NA

Posición de los municipios de Queretaro en el mes

kable(delMunMes[delMunMes$estado=="Querétaro",c(7,3,4,2,5,6)])
Posición a nivel nacional estado municipio Número de carpetas de investigación poblacion Incidencia por cada 100 mil habitantes
1807 25 Querétaro Querétaro 2589 976939 265.01
1804 74 Querétaro El Marqués 361 178672 202.05
1809 79 Querétaro San Juan del Río 625 316169 197.68
1799 198 Querétaro Corregidora 308 208076 148.02
1801 227 Querétaro Huimilpan 60 42305 141.83
1802 228 Querétaro Jalpan de Serra 42 29625 141.77
1805 234 Querétaro Pedro Escobedo 107 76411 140.03
1810 266 Querétaro Tequisquiapan 105 78742 133.35
1794 407 Querétaro Amealco de Bonfil 76 68441 111.04
1800 501 Querétaro Ezequiel Montes 44 45877 95.91
1806 508 Querétaro Peñamiller 21 21988 95.51
1798 509 Querétaro Colón 66 69112 95.50
1797 719 Querétaro Cadereyta de Montes 56 76829 72.89
1795 749 Querétaro Pinal de Amoles 20 28189 70.95
1796 791 Querétaro Arroyo Seco 10 14789 67.62
1803 825 Querétaro Landa de Matamoros 13 20313 64.00
1808 903 Querétaro San Joaquín 6 10323 58.12
1811 987 Querétaro Tolimán 22 42391 51.90
1812 2463 Querétaro No Especificado 14 NA NA

Delitos en Querétaro

delitosQRO2020<-subset(delitos2, delitos2$Clave_Ent==22)

delitosQRO2020$periodo<-NA

delitosQRO2020$mes<-NA

m<-unique(delitosQRO2020$meses)

for (i in m) {

  delitosQRO2020$mes[delitosQRO2020$meses==i]<-switch (i,"Enero"="01","Febrero"="02","Marzo"="03", "Abril"="04","Mayo"="05","Junio"="06","Julio"="07","Agosto"="08","Septiembre"="09","Octubre"="10","Noviembre"="11", "Diciembre"="12")

}



delitosQRO2020$periodo<-paste0(delitosQRO2020$Ano,delitosQRO2020$mes)



catalogoDelitos<-as.data.frame(sort(unique(delitosQRO2020$Subtipo.de.delito)))

losMeses2020<-sort(unique(delitosQRO2020$periodo))

for (i in 1:length(losMeses2020)){

  a<-subset(delitosQRO2020, delitosQRO2020$periodo==losMeses2020[i])

  b<-as.data.frame(aggregate(a$value~a$Subtipo.de.delito,a,sum))[2]

  catalogoDelitos<-cbind(catalogoDelitos,b)

}

names(catalogoDelitos)<-c("Delito", losMeses2020)



stop1<-0

dondeBuscar<-colSums(catalogoDelitos[2:ncol(catalogoDelitos)])

for (i in 1:length(dondeBuscar)) {

  if(dondeBuscar[i]==0){

    stop1<-i;

    break;

  }

}

if(stop1==0){stop1=ncol(catalogoDelitos)}

stop2=stop1-12  



#Superior al mismo périodo del año anterior

comparaAniAnterior<-catalogoDelitos[,c(1,stop2,stop1)]

comparaAniAnteriorTasa<-comparaAniAnterior

comparaAniAnteriorTasa[2]<-round(comparaAniAnteriorTasa[2]/ent$year2019[22]*1000,3)

comparaAniAnteriorTasa[3]<-round(comparaAniAnteriorTasa[3]/ent$year2020[22]*1000,3)

names(comparaAniAnteriorTasa)<-c("Delito", "Tasa 2019", "Tasa 2020")

comparaAniAnteriorTasa$cambio<-NA

comparaAniAnteriorTasa$cambio<-round((comparaAniAnteriorTasa[3]-comparaAniAnteriorTasa[2])/comparaAniAnteriorTasa[2],2)



aumentoContraUnAno<-comparaAniAnteriorTasa$Delito[comparaAniAnteriorTasa$cambio>0 & !is.na(comparaAniAnteriorTasa$cambio)]





maximoAbsoluto<-apply(X = catalogoDelitos[,2:stop1], MARGIN = 1,max)

estePeriodo<-catalogoDelitos[,stop1]

DelitosEnMaximoAbsoluto<-catalogoDelitos$Delito[estePeriodo!=0 & estePeriodo>=maximoAbsoluto]



names(DelitosEnMaximoAbsoluto)<-c(paste0("Delitos que alcanzan su máximo histórico en ",esteMes ,"(Números absolutos)"))

Delitos que aumentaron entre Julio y Agosto

cambioMes<-cbind(catalogoDelitos[,1], catalogoDelitos[,(stop1-1):stop1])

cambioMes$tasadeCambio<-NA

cambioMes$tasadeCambio<-round((cambioMes[,3]-cambioMes[,2])/cambioMes[,2]*100,2)

cambioMes<-cambioMes[order(cambioMes$tasadeCambio,decreasing = TRUE),]

cambioMes1<-cambioMes[!is.infinite(cambioMes[,4]) & !is.nan(cambioMes[,4]), ]

cambioMes1<-cambioMes1[order(cambioMes1[3], decreasing = TRUE),]

                                   

names(cambioMes1)<-c("Delito", paste0("Carpetas en ", anterior), paste0("Carpetas en ", esteMes),"Tasa de cambio (%)")



kable(cambioMes1)
Delito Carpetas en Julio Carpetas en Agosto Tasa de cambio (%)
34 Otros robos 811 896 10.48
25 Lesiones dolosas 477 393 -17.61
6 Amenazas 322 345 7.14
30 Otros delitos del Fuero Común 302 302 0.00
45 Robo de vehículo automotor 339 301 -11.21
38 Robo a negocio 259 293 13.13
55 Violencia familiar 342 292 -14.62
18 Fraude 239 278 16.32
36 Robo a casa habitación 227 227 0.00
40 Robo a transeúnte en vía pública 133 141 6.02
9 Daño a la propiedad 104 127 22.12
33 Otros delitos que atentan contra la vida y la integridad corporal 76 106 39.47
26 Narcomenudeo 80 93 16.25
11 Despojo 104 86 -17.31
24 Lesiones culposas 58 64 10.34
42 Robo de autopartes 52 62 19.23
4 Acoso sexual 48 56 16.67
2 Abuso de confianza 54 48 -11.11
23 Incumplimiento de obligaciones de asistencia familiar 57 46 -19.30
3 Abuso sexual 56 42 -25.00
16 Falsificación 18 38 111.11
29 Otros delitos contra la sociedad 23 31 34.78
53 Violación simple 35 31 -11.43
46 Robo en transporte individual 50 30 -40.00
5 Allanamiento de morada 29 29 0.00
47 Robo en transporte público colectivo 35 22 -37.14
52 Violación equiparada 9 21 133.33
20 Homicidio doloso 15 21 40.00
14 Extorsión 18 20 11.11
43 Robo de ganado 10 19 90.00
28 Otros delitos contra la familia 26 19 -26.92
19 Homicidio culposo 24 17 -29.17
48 Robo en transporte público individual 7 10 42.86
39 Robo a transeúnte en espacio abierto al público 7 9 28.57
31 Otros delitos que atentan contra la libertad personal 4 6 50.00
27 Otros delitos contra el patrimonio 5 5 0.00
15 Falsedad 8 5 -37.50
1 Aborto 5 4 -20.00
54 Violencia de género en todas sus modalidades distinta a la violencia familiar 2 3 50.00
12 Electorales 3 2 -33.33
32 Otros delitos que atentan contra la libertad y la seguridad sexual 7 2 -71.43
44 Robo de maquinaria 4 0 -100.00
49 Secuestro 1 0 -100.00

Querétaro: Los delitos que han alcanzado su máximo histórico (en números absolutos) en este mes

kable(DelitosEnMaximoAbsoluto)
x
Acoso sexual
Feminicidio
Fraude
Otros delitos que atentan contra la vida y la integridad corporal
Violación equiparada
Violencia de género en todas sus modalidades distinta a la violencia familiar

Querétaro: Los delitos más frecuentes en Agosto

elMes<-catalogoDelitos[,c(1,stop1)]

elMes<-elMes[order(elMes[2], decreasing =TRUE),]

names(elMes)<-c(paste0("Delitos más frecuentes en ",esteMes),esteMes)

kable(elMes)
Delitos más frecuentes en Agosto Agosto
34 Otros robos 896
25 Lesiones dolosas 393
6 Amenazas 345
30 Otros delitos del Fuero Común 302
45 Robo de vehículo automotor 301
38 Robo a negocio 293
55 Violencia familiar 292
18 Fraude 278
36 Robo a casa habitación 227
40 Robo a transeúnte en vía pública 141
9 Daño a la propiedad 127
33 Otros delitos que atentan contra la vida y la integridad corporal 106
26 Narcomenudeo 93
11 Despojo 86
24 Lesiones culposas 64
42 Robo de autopartes 62
4 Acoso sexual 56
2 Abuso de confianza 48
23 Incumplimiento de obligaciones de asistencia familiar 46
3 Abuso sexual 42
16 Falsificación 38
29 Otros delitos contra la sociedad 31
53 Violación simple 31
46 Robo en transporte individual 30
5 Allanamiento de morada 29
47 Robo en transporte público colectivo 22
20 Homicidio doloso 21
52 Violación equiparada 21
14 Extorsión 20
28 Otros delitos contra la familia 19
43 Robo de ganado 19
19 Homicidio culposo 17
48 Robo en transporte público individual 10
39 Robo a transeúnte en espacio abierto al público 9
31 Otros delitos que atentan contra la libertad personal 6
15 Falsedad 5
27 Otros delitos contra el patrimonio 5
1 Aborto 4
54 Violencia de género en todas sus modalidades distinta a la violencia familiar 3
12 Electorales 2
17 Feminicidio 2
32 Otros delitos que atentan contra la libertad y la seguridad sexual 2
7 Contra el medio ambiente 1
8 Corrupción de menores 0
10 Delitos cometidos por servidores públicos 0
13 Evasión de presos 0
21 Hostigamiento sexual 0
22 Incesto 0
35 Rapto 0
37 Robo a institución bancaria 0
41 Robo a transportista 0
44 Robo de maquinaria 0
49 Secuestro 0
50 Tráfico de menores 0
51 Trata de personas 0

Serie Mensual por delito en Querétaro

kable(catalogoDelitos)
Delito 201501 201502 201503 201504 201505 201506 201507 201508 201509 201510 201511 201512 201601 201602 201603 201604 201605 201606 201607 201608 201609 201610 201611 201612 201701 201702 201703 201704 201705 201706 201707 201708 201709 201710 201711 201712 201801 201802 201803 201804 201805 201806 201807 201808 201809 201810 201811 201812 201901 201902 201903 201904 201905 201906 201907 201908 201909 201910 201911 201912 202001 202002 202003 202004 202005 202006 202007 202008 202009 202010 202011 202012
Aborto 0 2 0 0 0 1 0 0 0 0 2 0 1 1 0 0 0 2 1 0 1 0 0 4 1 1 0 2 3 1 1 0 1 0 0 2 4 0 3 1 0 2 0 1 1 1 0 1 1 0 1 2 1 1 3 2 3 1 3 4 0 3 3 1 3 0 5 4 0 0 0 0
Abuso de confianza 36 23 30 33 40 39 60 32 39 41 54 32 44 31 52 42 54 54 44 35 67 52 39 50 46 59 49 54 60 44 60 61 64 46 48 44 42 53 55 64 58 45 68 55 44 49 46 43 53 64 55 44 53 48 75 59 61 69 47 53 54 48 55 38 26 33 54 48 0 0 0 0
Abuso sexual 20 13 14 25 25 17 21 23 20 29 26 17 22 14 16 20 28 24 31 28 34 25 30 22 27 25 34 27 43 35 30 23 27 32 32 23 19 29 35 43 31 39 46 27 37 34 39 34 29 47 48 54 59 44 50 57 34 39 39 40 34 40 69 22 47 45 56 42 0 0 0 0
Acoso sexual 5 1 0 0 3 3 0 4 1 2 2 2 1 4 3 6 4 5 6 2 2 6 0 1 1 4 1 2 7 3 3 9 4 4 4 2 2 16 9 18 9 10 13 13 11 12 14 1 11 14 14 19 17 19 22 37 31 33 44 33 33 54 52 54 43 50 48 56 0 0 0 0
Allanamiento de morada 10 10 9 5 12 6 5 4 5 9 16 10 10 10 10 12 9 11 15 16 13 20 11 12 11 17 17 11 17 15 12 13 15 18 12 14 15 10 16 18 27 26 31 13 23 14 8 31 26 20 26 25 25 20 39 32 17 28 30 27 23 28 22 24 26 21 29 29 0 0 0 0
Amenazas 78 81 95 94 88 85 103 98 95 102 103 86 71 67 89 106 113 189 187 223 159 184 148 174 169 186 176 189 294 231 208 281 241 245 230 215 233 210 287 263 315 276 315 297 273 341 278 273 319 307 333 376 417 344 399 391 308 367 353 328 342 390 380 251 201 278 322 345 0 0 0 0
Contra el medio ambiente 2 1 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 1 0 0 0 0 0 1 0 0 1 0 0 0 0
Corrupción de menores 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
Daño a la propiedad 167 153 186 178 172 168 158 132 165 143 186 174 155 183 159 185 213 391 430 461 477 402 394 412 407 387 432 395 477 447 385 455 412 522 437 444 478 395 433 426 436 510 487 462 473 465 430 426 451 436 484 481 506 452 272 116 120 112 102 128 113 128 105 115 96 106 104 127 0 0 0 0
Delitos cometidos por servidores públicos 0 0 0 0 0 0 0 0 0 1 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Despojo 43 40 45 51 35 33 48 38 34 38 28 50 41 47 47 38 36 46 38 49 41 46 37 45 36 48 51 55 56 64 51 61 51 41 54 29 45 57 65 47 68 60 60 72 61 78 58 49 69 71 83 72 73 73 81 66 65 69 66 62 66 77 58 45 53 71 104 86 0 0 0 0
Electorales 0 0 0 0 0 1 0 0 1 0 0 3 0 0 5 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 0 1 1 3 26 12 2 2 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3 0 3 0 0 3 3 2 0 0 0 0
Evasión de presos 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
Extorsión 2 0 1 0 0 0 0 3 0 0 0 0 4 0 1 0 1 1 1 0 0 0 0 3 2 0 3 2 1 0 1 0 0 1 3 5 4 5 7 13 4 13 4 13 7 12 12 10 14 33 20 13 23 19 38 35 14 20 16 14 26 16 25 15 21 18 18 20 0 0 0 0
Falsedad 1 2 2 4 5 5 3 2 5 2 4 2 6 3 18 8 9 8 2 10 11 7 6 7 4 4 4 10 14 7 7 6 6 7 3 7 4 6 6 11 13 6 5 12 8 9 4 4 7 6 8 12 4 11 6 11 13 8 8 7 9 13 9 3 6 2 8 5 0 0 0 0
Falsificación 65 40 48 40 59 63 47 44 61 56 63 56 48 40 42 45 52 45 64 52 33 44 47 44 33 38 48 28 43 34 40 25 30 51 33 35 34 35 27 56 56 56 57 52 60 70 38 39 65 42 61 73 63 58 73 49 57 68 46 40 47 36 29 11 11 20 18 38 0 0 0 0
Feminicidio 2 1 0 1 0 0 1 0 2 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 2 0 2 1 1 0 0 1 2 1 2 0 2 0 0 1 0 1 0 0 0 0 0 0 2 0 0 0 0
Fraude 115 113 138 114 134 138 134 106 110 124 130 130 104 106 117 141 172 153 153 167 167 132 161 119 157 171 181 159 192 186 152 188 143 195 184 126 143 157 211 156 189 172 189 209 185 182 174 152 189 164 221 207 222 180 257 224 206 210 192 208 242 192 170 123 153 200 239 278 0 0 0 0
Homicidio culposo 23 29 24 20 30 25 24 20 30 25 32 34 22 23 30 28 33 23 33 24 18 23 21 25 20 27 18 30 28 26 24 27 27 28 14 27 30 20 30 27 25 34 29 21 22 18 33 21 25 32 33 27 28 20 23 26 27 21 34 31 24 27 22 24 26 23 24 17 0 0 0 0
Homicidio doloso 9 9 12 11 11 10 12 13 10 13 13 8 12 9 12 8 14 7 7 6 15 8 12 8 12 12 14 21 8 21 10 20 19 14 9 15 14 10 15 12 14 16 14 18 22 7 16 22 13 16 18 13 15 11 17 17 21 9 12 15 11 11 26 11 18 8 15 21 0 0 0 0
Hostigamiento sexual 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Incesto 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Incumplimiento de obligaciones de asistencia familiar 67 75 59 61 64 66 67 85 66 79 76 47 58 57 79 69 92 50 103 75 74 63 63 46 63 50 84 77 78 87 76 68 85 79 57 44 69 72 50 63 52 74 38 56 43 64 53 29 43 39 73 53 63 66 58 71 52 82 52 45 75 71 60 11 9 18 57 46 0 0 0 0
Lesiones culposas 37 42 45 45 42 45 32 37 44 53 51 68 44 46 45 59 41 83 70 72 83 82 95 64 76 53 71 71 78 61 52 60 70 72 62 67 59 65 75 74 81 69 83 85 70 91 77 64 78 70 71 65 80 69 77 91 105 87 83 96 56 80 91 63 40 73 58 64 0 0 0 0
Lesiones dolosas 176 194 205 244 236 240 235 246 227 245 290 266 172 173 219 239 286 322 320 405 357 366 304 409 367 315 366 356 561 458 389 422 375 399 355 371 325 335 448 459 504 432 519 419 421 509 400 423 402 413 503 483 614 522 499 448 498 461 380 467 351 416 488 432 327 397 477 393 0 0 0 0
Narcomenudeo 21 22 18 19 18 18 10 7 10 30 30 21 62 84 79 63 42 61 72 74 72 68 71 78 97 74 91 66 81 84 91 70 58 67 82 81 85 79 85 98 92 83 106 112 97 115 88 109 139 133 138 139 165 158 152 119 117 126 107 86 133 121 102 77 78 72 80 93 0 0 0 0
Otros delitos contra el patrimonio 2 0 3 4 4 2 4 2 2 2 5 3 1 3 2 2 6 1 2 3 3 2 2 1 1 5 5 4 3 2 4 2 5 3 1 3 1 4 4 5 6 1 3 3 3 4 2 1 1 3 9 2 3 5 7 4 6 4 1 3 4 2 5 3 2 4 5 5 0 0 0 0
Otros delitos contra la familia 3 4 3 6 5 4 5 4 10 8 4 10 4 8 5 15 11 4 10 14 8 12 10 11 9 5 11 13 17 12 13 23 11 14 10 26 21 17 16 14 16 14 19 26 15 18 18 17 12 6 13 17 28 15 20 29 15 18 14 20 14 13 22 12 11 14 26 19 0 0 0 0
Otros delitos contra la sociedad 12 8 14 9 5 13 8 6 10 11 4 8 12 7 18 15 16 13 8 7 9 6 9 4 6 12 11 14 14 6 13 12 16 9 9 10 3 17 11 7 16 11 14 5 10 9 13 16 8 9 11 15 12 11 7 8 25 39 23 15 15 17 29 16 25 13 23 31 0 0 0 0
Otros delitos del Fuero Común 106 112 121 96 107 142 130 120 114 136 166 163 122 133 163 148 202 233 268 245 267 269 236 275 252 259 317 252 304 350 300 323 287 321 262 305 302 348 388 382 366 355 349 339 373 428 318 346 376 364 359 397 469 424 465 461 414 453 401 339 403 405 399 296 328 328 302 302 0 0 0 0
Otros delitos que atentan contra la libertad personal 3 1 2 3 1 8 2 3 2 3 3 2 3 0 2 2 1 2 3 2 1 6 3 1 8 3 3 4 0 8 6 0 1 7 1 3 1 2 2 2 1 2 1 4 4 3 5 3 3 1 4 3 10 5 7 4 7 2 4 2 4 8 15 13 7 7 4 6 0 0 0 0
Otros delitos que atentan contra la libertad y la seguridad sexual 7 1 7 4 6 6 2 2 4 4 6 4 3 4 4 2 9 1 5 8 1 2 2 4 1 4 5 2 6 1 7 7 2 3 6 3 4 7 2 3 2 1 2 2 3 2 0 1 3 4 6 4 6 3 5 5 5 5 2 3 6 7 2 5 4 3 7 2 0 0 0 0
Otros delitos que atentan contra la vida y la integridad corporal 50 36 60 58 47 52 44 44 53 72 59 84 24 35 44 40 48 74 55 81 66 54 56 49 54 70 69 67 61 63 58 61 48 83 63 67 64 54 66 59 80 64 62 55 57 61 66 79 67 70 72 76 73 72 95 84 80 85 80 86 77 93 91 76 80 83 76 106 0 0 0 0
Otros robos 573 539 543 542 560 557 534 563 580 627 556 494 556 480 559 591 551 649 719 788 731 822 724 649 716 710 797 710 777 877 805 898 887 912 946 844 816 795 866 887 926 947 903 929 865 931 800 828 963 940 1015 942 884 938 967 978 871 1029 950 1018 938 911 937 736 732 686 811 896 0 0 0 0
Rapto 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Robo a casa habitación 165 161 215 220 236 202 184 212 223 192 201 206 194 204 213 218 213 285 292 317 289 383 309 365 308 291 351 282 304 331 327 327 327 345 356 303 369 271 344 331 312 270 352 361 357 320 282 360 340 260 278 303 320 265 303 290 266 267 264 253 317 261 218 188 180 190 227 227 0 0 0 0
Robo a institución bancaria 1 2 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Robo a negocio 177 129 192 191 140 152 153 157 136 151 140 132 154 132 154 152 185 220 294 244 249 296 264 269 257 256 314 252 261 229 271 295 294 294 292 348 296 267 262 249 262 215 224 237 223 292 299 226 257 248 268 281 312 272 312 319 252 297 299 262 286 238 270 214 219 232 259 293 0 0 0 0
Robo a transeúnte en espacio abierto al público 0 1 0 0 1 0 1 0 0 1 2 2 3 1 1 2 3 9 7 6 7 6 5 4 18 8 8 6 16 27 22 24 17 13 14 30 0 11 20 31 11 13 21 13 45 14 22 16 14 14 7 14 14 8 22 7 12 16 8 22 11 14 7 9 6 9 7 9 0 0 0 0
Robo a transeúnte en vía pública 101 58 110 80 97 80 83 88 116 118 108 90 87 64 114 104 110 149 158 186 185 172 150 176 140 147 157 157 151 161 141 169 169 195 194 195 199 178 159 135 181 160 178 170 137 203 153 147 124 133 115 145 145 122 113 137 146 162 156 116 110 134 149 85 91 110 133 141 0 0 0 0
Robo a transportista 8 20 9 10 10 13 8 10 6 16 17 14 20 22 8 10 15 14 10 1 7 11 4 3 10 7 8 2 3 6 10 11 11 16 4 10 33 17 21 18 11 2 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Robo de autopartes 33 26 39 34 37 30 52 34 34 41 40 28 36 22 16 16 14 49 62 52 46 49 43 40 55 64 57 72 55 76 53 70 76 86 87 57 78 86 100 94 116 90 104 86 104 90 73 73 110 96 75 68 63 69 76 58 61 71 39 45 70 62 81 68 46 49 52 62 0 0 0 0
Robo de ganado 26 24 24 22 19 28 42 34 32 22 14 32 30 26 21 20 26 18 13 20 18 26 26 22 14 20 20 7 20 18 27 17 16 21 21 23 28 31 12 9 15 19 16 21 11 16 13 14 17 33 19 19 29 19 19 27 19 22 13 22 22 11 15 7 18 12 10 19 0 0 0 0
Robo de maquinaria 0 1 1 3 2 2 3 1 1 2 3 1 2 3 2 2 3 3 0 1 3 2 1 1 0 0 4 0 6 3 1 1 1 2 0 4 1 1 0 1 3 2 1 1 0 2 2 2 1 1 2 0 0 0 0 1 0 0 1 1 3 0 2 2 1 2 4 0 0 0 0 0
Robo de vehículo automotor 313 275 274 273 326 340 320 364 389 350 311 337 326 305 378 347 372 415 408 504 458 478 440 449 423 412 457 411 500 516 513 516 496 510 494 490 508 398 468 474 535 525 556 632 480 527 468 594 472 442 441 473 426 399 402 372 355 357 376 407 347 338 329 272 224 237 339 301 0 0 0 0
Robo en transporte individual 22 12 16 12 16 22 11 23 26 19 29 28 26 24 25 15 35 19 22 32 19 25 36 28 17 25 41 25 27 22 27 29 37 31 33 41 33 33 28 21 34 38 24 30 37 31 37 29 22 20 19 36 35 42 27 28 35 43 23 27 27 27 28 17 32 42 50 30 0 0 0 0
Robo en transporte público colectivo 29 26 51 33 27 20 38 60 60 54 41 48 28 38 35 47 53 57 55 75 61 66 46 32 38 31 33 33 34 65 52 33 24 16 17 24 15 12 10 2 7 6 5 7 5 5 9 9 16 7 4 13 12 16 13 21 24 47 51 27 30 42 21 28 37 34 35 22 0 0 0 0
Robo en transporte público individual 6 3 7 6 3 7 5 2 4 5 2 5 1 4 5 4 1 6 9 7 6 6 0 6 7 5 12 10 8 12 14 12 10 5 5 2 7 11 8 5 12 8 8 6 11 6 6 6 8 14 15 8 6 6 12 8 17 8 13 20 11 10 21 14 11 9 7 10 0 0 0 0
Secuestro 1 0 2 2 3 1 2 3 0 2 0 3 1 0 1 1 0 0 0 1 2 0 3 3 2 0 1 0 2 0 3 0 1 1 0 1 2 0 1 0 0 0 2 0 2 3 1 1 1 2 1 0 2 0 0 0 0 0 0 2 1 0 2 2 0 0 1 0 0 0 0 0
Tráfico de menores 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Trata de personas 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 2 0 1 0 0 1 3 0 1 0 0 0 3 1 2 1 3 1 1 2 0 0 1 0 0 1 1 3 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0
Violación equiparada 1 3 3 2 1 2 3 1 3 4 1 5 1 1 4 1 3 6 7 4 6 3 7 6 6 8 4 1 11 10 7 9 9 6 6 4 10 5 6 5 6 9 4 4 6 5 9 4 3 9 8 7 12 5 9 12 5 7 11 14 11 14 4 12 16 20 9 21 0 0 0 0
Violación simple 17 11 30 25 31 22 29 28 24 28 28 21 16 20 21 24 34 22 25 25 37 24 28 9 12 21 31 23 36 31 25 27 23 24 24 19 18 25 18 18 22 32 23 23 20 22 27 14 20 24 29 33 44 47 49 33 28 44 43 51 46 39 48 30 25 26 35 31 0 0 0 0
Violencia de género en todas sus modalidades distinta a la violencia familiar 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 1 1 1 2 0 1 0 1 3 0 3 1 2 3 0 0 0 0
Violencia familiar 49 67 81 74 86 76 73 82 86 106 83 79 59 72 80 82 75 76 83 95 89 103 82 69 85 63 96 83 123 92 106 126 86 111 103 112 113 97 136 178 179 154 177 175 182 188 142 144 150 159 221 236 245 216 385 354 286 338 283 262 260 297 376 298 307 261 342 292 0 0 0 0

Delitos que aumentaron respecto del mismo mes en el año anterior(en tasa por cada 1000 habitantes)

kable(aumentoContraUnAno)
x
Aborto
Acoso sexual
Daño a la propiedad
Despojo
Electorales
Fraude
Homicidio doloso
Otros delitos contra la sociedad
Otros delitos que atentan contra la libertad personal
Otros delitos que atentan contra la vida y la integridad corporal
Robo a transeúnte en espacio abierto al público
Robo a transeúnte en vía pública
Robo de autopartes
Robo en transporte público colectivo
Violación equiparada
Violencia de género en todas sus modalidades distinta a la violencia familiar

Delitos en su máximo del año en Querétaro

#MAximo en el año

stop3<-stop1-(stop1 %% 12)+2

soloEsteAno<-catalogoDelitos[,c(1,stop3:stop1)]

maxAno<-apply(X = soloEsteAno[,2:ncol(soloEsteAno)],MARGIN = 1,FUN = max)

delitosEnmaximoAnual<-soloEsteAno$Delito[soloEsteAno[,ncol(soloEsteAno)]>=maxAno & soloEsteAno[ncol(soloEsteAno)]!=0]



kable(delitosEnmaximoAnual)
x
Acoso sexual
Allanamiento de morada
Contra el medio ambiente
Feminicidio
Fraude
Otros delitos contra el patrimonio
Otros delitos contra la sociedad
Otros delitos que atentan contra la vida y la integridad corporal
Robo a negocio
Violación equiparada
Violencia de género en todas sus modalidades distinta a la violencia familiar

Municipal

Municipios que aumentaron respecto del mismo mes del año anterior (Agosto )

#Superior al mismo périodo del año anterior



catalogoMunicipios<-as.data.frame(sort(unique(delitosQRO2020$Cve..Municipio)))

losMeses2020<-sort(unique(delitosQRO2020$periodo))

for (i in 1:length(losMeses2020)){

  a<-subset(delitosQRO2020, delitosQRO2020$periodo==losMeses2020[i])

  b<-as.data.frame(aggregate(a$value~a$Cve..Municipio,a,sum))[2]

  catalogoMunicipios<-cbind(catalogoMunicipios,b)

}

names(catalogoMunicipios)<-c("cveMun", losMeses2020)

catalogoMunicipios<-catalogoMunicipios[1:18,]



pop2020Qro<-subset(pop2020,pop2020$CLAVE_ENT==22)

popQro20<- aggregate(pop2020Qro$POB~ pop2020Qro$CLAVE,pop2020Qro,sum)



pop2019Qro<-subset(pop,pop$CLAVE_ENT==22 & pop$ANO==2019)

popQro19<- aggregate(pop2019Qro$POB~ pop2019Qro$CLAVE,pop2019Qro,sum)





comparaAnoAnteriorMUN<-catalogoMunicipios[,c(1,stop2,stop1)]

comparaAnoAnteriorMUNTasa<-comparaAnoAnteriorMUN

comparaAnoAnteriorMUNTasa[2]<-round(comparaAnoAnteriorMUNTasa[2]/popQro19[2]*1000,3)

comparaAnoAnteriorMUNTasa[3]<-round(comparaAnoAnteriorMUNTasa[3]/popQro20[2]*1000,3)

names(comparaAnoAnteriorMUNTasa)<-c("Delito", "Tasa 2019", "Tasa 2020")

comparaAnoAnteriorMUNTasa$cambio<-NA

comparaAnoAnteriorMUNTasa$cambio<-round((comparaAnoAnteriorMUNTasa[3]-comparaAnoAnteriorMUNTasa[2])/comparaAnoAnteriorMUNTasa[2],2)



misMuns<-catalogoMunicipios[,1]

catalogoMunicipios$nomMun<-NA

nomMun<-c()

for (i in 1:length(misMuns)) {

  catalogoMunicipios$nomMun[i]<-unique(delitosQRO2020$Municipio[delitosQRO2020$Cve..Municipio==misMuns[i]])

  nomMun[i]<-unique(delitosQRO2020$Municipio[delitosQRO2020$Cve..Municipio==misMuns[i]])

}





aumento<-comparaAnoAnteriorMUNTasa$Delito[comparaAnoAnteriorMUNTasa$cambio>0 & !is.na(comparaAnoAnteriorMUNTasa$cambio)]

aumentoContraUnAnoMUNICIPAL<-NA

for (i in 1:length(aumento)) {

  aumentoContraUnAnoMUNICIPAL[i]<-catalogoMunicipios$nomMun[catalogoMunicipios$cveMun==aumento[i]]

}

names(aumentoContraUnAnoMUNICIPAL)<-c("Municipios")



kable(aumentoContraUnAnoMUNICIPAL,caption = "Municipios cuya tasa por cada 1000 habitantes aumentó respecto del mismo mes del año anterior")
Municipios cuya tasa por cada 1000 habitantes aumentó respecto del mismo mes del año anterior
x
Amealco de Bonfil
Arroyo Seco
Huimilpan
Jalpan de Serra
Landa de Matamoros
Peñamiller

Cambio respecto del mes anterior por municipio

stop4<-stop1-1

municipio<-as.data.frame(cbind(catalogoMunicipios$cveMun, catalogoMunicipios$nomMun,catalogoMunicipios[,stop4],catalogoMunicipios[,stop1]))

municipio$tasa<-NA

municipio$tasa<-round((as.numeric(municipio[,4])-as.numeric(municipio[,3]) )/as.numeric(municipio[,3])*100,2)

names(municipio)<-c("cveMun","Municipio",anterior, esteMes,"Tasa de cambio respecto del mes anterior (%)")

kable(municipio[2:5])
Municipio Julio Agosto Tasa de cambio respecto del mes anterior (%)
Amealco de Bonfil 67 76 13.43
Pinal de Amoles 12 20 66.67
Arroyo Seco 10 10 0.00
Cadereyta de Montes 72 56 -22.22
Colón 61 66 8.20
Corregidora 314 308 -1.91
Ezequiel Montes 44 44 0.00
Huimilpan 67 60 -10.45
Jalpan de Serra 36 42 16.67
Landa de Matamoros 14 13 -7.14
El Marqués 404 361 -10.64
Pedro Escobedo 103 107 3.88
Peñamiller 15 21 40.00
Querétaro 2487 2589 4.10
San Joaquín 7 6 -14.29
San Juan del Río 650 625 -3.85
Tequisquiapan 99 105 6.06
Tolimán 16 22 37.50

Municipios en Máximo Anual

soloEsteAnoMUN<-catalogoMunicipios[,c(1,stop3:stop1)]

maxAnoMun<-apply(X = soloEsteAnoMUN[,2:ncol(soloEsteAnoMUN)],MARGIN = 1,FUN = max)



municipiosEnmaximoAnual<-soloEsteAnoMUN

municipiosEnmaximoAnual<-soloEsteAnoMUN$cveMun[soloEsteAnoMUN[,ncol(soloEsteAnoMUN)]>=maxAnoMun & soloEsteAnoMUN[ncol(soloEsteAnoMUN)]!=0]



munmax<-c()

for (i in 1:length(municipiosEnmaximoAnual)) {

  munmax[i]<-catalogoMunicipios$nomMun[catalogoMunicipios$cveMun==municipiosEnmaximoAnual[i]]

}

names(munmax)<-c("Municipios en Máximo Anual")

kable(munmax)
x
Municipios en Máximo Anual Jalpan de Serra

Municipios en su nivel máximo (absoluto) registrado

maximoAbsolutoMUNICIPAL<-apply(X = catalogoMunicipios[,2:stop1], MARGIN = 1,max)



estePeriodoMunicipal<-catalogoMunicipios[,stop1]



municipiosEnmaximoAbsoluto<-catalogoMunicipios$nomMun[estePeriodoMunicipal!=0 & estePeriodoMunicipal>=maximoAbsolutoMUNICIPAL]





if(!is.null(dim(municipiosEnmaximoAbsoluto))){

names(municipiosEnmaximoAbsoluto)<-c("Municipios en máximo histórico (absoluto) registrado")

}

kable(municipiosEnmaximoAbsoluto)
x

Serie de tiempo municipal (Absolutos)

catalogoMunicipios2<-catalogoMunicipios

names(catalogoMunicipios2[2:73])<-paste0(substr(names(catalogoMunicipios2[2:73]),5,6),"-",substr(names(catalogoMunicipios2[2:73]),1,4))





catalogoMunicipios2<-cbind(catalogoMunicipios2[,1],catalogoMunicipios2[,74],catalogoMunicipios2[,2:stop1])

names(catalogoMunicipios2)[c(1,2)]<-c("Clave","Municipio")

kable(catalogoMunicipios2)
Clave Municipio 201501 201502 201503 201504 201505 201506 201507 201508 201509 201510 201511 201512 201601 201602 201603 201604 201605 201606 201607 201608 201609 201610 201611 201612 201701 201702 201703 201704 201705 201706 201707 201708 201709 201710 201711 201712 201801 201802 201803 201804 201805 201806 201807 201808 201809 201810 201811 201812 201901 201902 201903 201904 201905 201906 201907 201908 201909 201910 201911 201912 202001 202002 202003 202004 202005 202006 202007 202008
22001 Amealco de Bonfil 45 47 52 40 52 51 50 59 42 52 55 70 48 51 53 52 71 50 59 49 43 44 40 40 51 36 45 43 43 81 48 42 48 40 48 37 54 46 43 34 38 80 90 80 53 70 73 70 92 89 92 101 101 105 80 74 65 87 87 88 75 84 93 75 53 75 67 76
22002 Pinal de Amoles 14 3 10 10 11 12 11 6 10 11 3 11 10 17 9 14 10 9 5 10 8 17 4 13 8 7 17 13 14 11 13 12 11 21 13 6 9 11 9 18 26 28 28 15 18 15 12 7 9 21 16 25 15 21 21 21 15 18 18 19 20 20 19 19 28 21 12 20
22003 Arroyo Seco 5 4 5 4 4 5 7 8 5 4 5 3 2 2 4 3 7 6 6 2 5 2 3 9 6 6 3 5 4 2 9 7 2 3 5 3 3 6 6 8 12 8 12 5 2 8 3 9 17 7 7 9 7 9 12 8 5 7 20 10 11 4 16 11 10 8 10 10
22004 Cadereyta de Montes 41 37 37 37 38 47 40 36 50 29 37 40 47 48 47 58 52 41 51 45 42 50 37 38 43 44 46 48 51 59 47 48 49 49 40 27 38 50 46 59 48 74 84 60 109 75 53 64 58 88 87 60 66 62 75 80 71 60 74 72 52 69 61 65 64 59 72 56
22005 Colón 40 30 46 42 40 56 45 40 48 38 47 36 49 53 50 49 57 63 56 60 71 66 55 52 45 60 53 50 57 67 48 48 36 54 55 56 47 53 49 62 54 61 80 53 67 77 54 65 62 59 71 76 67 70 75 82 86 80 59 71 72 65 81 69 64 82 61 66
22006 Corregidora 176 166 186 179 200 218 189 183 189 210 211 182 185 192 183 213 226 297 338 359 302 304 308 306 321 311 368 283 361 304 343 306 342 352 298 330 345 329 397 362 379 387 390 373 349 365 329 373 353 333 396 374 399 379 382 364 346 394 377 333 395 359 349 260 254 253 314 308
22007 Ezequiel Montes 30 38 25 23 22 42 37 31 40 47 43 43 26 35 68 55 57 40 41 48 48 47 37 39 28 22 36 26 32 38 47 38 39 43 48 30 51 52 42 51 46 58 64 75 63 46 59 54 54 46 90 59 61 62 54 60 63 55 55 46 62 55 57 35 64 56 44 44
22008 Huimilpan 36 33 42 28 25 39 30 33 32 26 52 35 29 36 42 21 33 28 34 31 28 29 40 22 22 21 23 24 37 29 26 41 32 35 20 35 29 37 33 28 28 34 49 49 44 46 55 38 48 44 55 54 53 43 59 50 58 61 35 49 58 61 65 38 51 56 67 60
22009 Jalpan de Serra 18 32 35 15 27 21 16 23 13 24 16 18 25 16 32 29 25 24 32 27 20 24 15 15 22 25 21 23 21 24 23 18 14 38 32 20 29 27 30 34 41 31 49 36 38 42 32 31 50 47 42 40 57 29 36 36 23 36 31 21 39 30 33 38 28 36 36 42
22010 Landa de Matamoros 1 4 3 2 5 4 6 2 6 9 8 5 3 1 1 3 4 9 6 8 6 2 6 4 6 5 5 6 9 4 6 8 4 4 6 7 10 3 8 6 7 11 10 9 5 10 15 10 7 6 7 9 5 9 10 12 9 11 11 10 13 10 18 19 6 13 14 13
22011 El Marqués 133 161 158 184 158 171 166 168 197 169 158 173 152 151 148 170 189 222 279 322 287 289 276 266 262 279 294 313 338 325 328 325 285 291 268 307 365 308 334 352 390 376 378 381 337 393 347 372 441 457 437 474 488 392 473 387 380 417 379 408 377 395 403 320 291 347 404 361
22012 Pedro Escobedo 44 32 54 48 49 59 49 57 32 45 45 44 47 50 68 57 70 46 52 66 55 37 48 49 59 68 101 83 101 113 107 123 106 131 87 117 112 102 110 116 135 112 123 117 106 129 111 90 151 111 103 130 140 113 131 114 115 105 91 80 80 77 115 66 89 84 103 107
22013 Peñamiller 10 4 3 4 9 5 9 3 6 6 8 7 8 5 4 7 13 11 7 7 17 6 11 5 5 4 6 5 10 14 3 9 6 5 6 10 11 8 10 15 12 14 9 15 15 17 14 11 13 7 14 11 10 14 11 15 8 19 4 17 7 20 14 13 6 37 15 21
22014 Querétaro 1556 1414 1611 1557 1605 1541 1601 1713 1747 1830 1762 1704 1557 1414 1712 1686 1873 2461 2647 2936 2769 2983 2550 2561 2489 2447 2772 2517 2992 2962 2701 3073 2829 3031 2941 2833 2684 2500 2873 2791 3003 2802 2975 3026 2859 3126 2648 2702 2816 2748 2915 2976 3184 2959 3101 2900 2671 2971 2717 2755 2622 2678 2744 2064 2012 2059 2487 2589
22015 San Joaquín 1 1 1 2 2 2 1 3 3 1 3 3 3 4 3 3 4 4 2 5 7 4 5 6 3 4 3 4 8 3 2 5 3 3 5 2 1 0 4 8 4 5 5 8 4 6 5 10 8 6 4 7 7 3 13 9 6 10 7 7 8 6 6 7 6 7 7 6
22016 San Juan del Río 371 314 404 425 440 410 366 312 354 400 406 364 339 380 400 437 430 392 398 356 392 371 403 479 518 478 569 457 543 558 514 560 537 617 574 535 594 604 695 677 714 650 631 605 594 664 589 611 624 561 684 702 788 664 736 687 631 660 579 579 617 612 625 491 445 480 650 625
22017 Tequisquiapan 47 40 32 34 43 37 52 46 53 47 54 57 35 35 55 52 42 54 52 50 58 41 42 49 49 57 50 50 119 98 109 93 107 100 91 86 123 81 103 127 132 102 100 103 94 109 84 100 73 90 103 95 94 94 114 134 84 108 87 101 110 117 111 99 79 103 99 105
22018 Tolimán 11 10 24 18 11 21 17 12 13 18 16 11 18 14 17 20 21 21 15 16 13 16 12 18 13 9 16 17 24 14 11 11 15 15 12 17 8 10 6 18 19 43 44 41 41 42 39 38 33 36 53 36 19 43 56 46 29 16 29 23 23 22 18 27 35 27 16 22

Top 5 delitos por municipio

En lo que va del año

mm<-unique(delitosQRO2020$Cve..Municipio)

mm<-mm[1:18]

top5<-as.data.frame(c("Primero","Segundo","Tercero","Cuarto","Quinto"))

for (i in 1:length(mm)){

  mimu<-subset(delitosQRO2020,delitosQRO2020$Cve..Municipio==mm[i] & delitosQRO2020$Ano==2020)

  a<-aggregate(mimu$value~mimu$Subtipo.de.delito,data = mimu, FUN = sum)

  a<-as.data.frame(a)

  names(a)<-c(nomMun[i],"Carpetas")

  a<-a[order(a$Carpetas, decreasing = TRUE),]

  top5<-cbind(top5,a[1:5,])

}

names(top5)[1]<-c("Posicion")

kable(top5,caption="Top 5 delitos en carpetas de investigación por municipio en lo que va del año ")
Top 5 delitos en carpetas de investigación por municipio en lo que va del año
Posicion Amealco de Bonfil Carpetas Pinal de Amoles Carpetas Arroyo Seco Carpetas Cadereyta de Montes Carpetas Colón Carpetas Corregidora Carpetas Ezequiel Montes Carpetas Huimilpan Carpetas Jalpan de Serra Carpetas Landa de Matamoros Carpetas El Marqués Carpetas Pedro Escobedo Carpetas Peñamiller Carpetas Querétaro Carpetas San Joaquín Carpetas San Juan del Río Carpetas Tequisquiapan Carpetas Tolimán Carpetas
34 Primero Otros robos 84 Lesiones dolosas 38 Amenazas 15 Lesiones dolosas 84 Otros robos 102 Otros robos 444 Otros robos 68 Otros robos 64 Violencia familiar 62 Violencia familiar 23 Otros robos 584 Otros robos 120 Lesiones dolosas 23 Otros robos 4047 Otros robos 10 Otros robos 834 Otros robos 138 Violencia familiar 49
25 Segundo Lesiones dolosas 79 Violencia familiar 27 Violencia familiar 14 Violencia familiar 65 Violencia familiar 94 Lesiones dolosas 226 Violencia familiar 44 Amenazas 63 Otros robos 43 Lesiones dolosas 15 Lesiones dolosas 327 Lesiones dolosas 103 Violencia familiar 23 Lesiones dolosas 1654 Amenazas 8 Amenazas 459 Robo a casa habitación 96 Lesiones dolosas 31
55 Tercero Violencia familiar 65 Amenazas 17 Otros robos 11 Amenazas 46 Lesiones dolosas 68 Otros delitos del Fuero Común 222 Otros delitos del Fuero Común 39 Lesiones dolosas 55 Amenazas 31 Amenazas 12 Violencia familiar 243 Violencia familiar 62 Amenazas 14 Robo a negocio 1562 Robo a casa habitación 6 Lesiones dolosas 416 Lesiones dolosas 84 Amenazas 12
6 Cuarto Amenazas 61 Otros robos 17 Lesiones dolosas 6 Otros robos 46 Otros delitos del Fuero Común 41 Amenazas 214 Lesiones dolosas 38 Violencia familiar 41 Lesiones dolosas 30 Otros robos 10 Amenazas 235 Otros delitos del Fuero Común 61 Otros robos 13 Robo de vehículo automotor 1543 Violencia familiar 5 Otros delitos del Fuero Común 407 Amenazas 71 Otros robos 11
30 Quinto Otros delitos del Fuero Común 61 Daño a la propiedad 8 Otros delitos que atentan contra la vida y la integridad corporal 5 Otros delitos del Fuero Común 36 Amenazas 38 Fraude 186 Robo de vehículo automotor 31 Daño a la propiedad 39 Otros delitos del Fuero Común 21 Despojo 7 Otros delitos del Fuero Común 186 Amenazas 53 Daño a la propiedad 9 Otros delitos del Fuero Común 1541 Robo a negocio 4 Violencia familiar 404 Otros delitos del Fuero Común 57 Daño a la propiedad 10

Top 5 municipal durante Agosto

top5mes<-as.data.frame(c("Primero","Segundo","Tercero","Cuarto","Quinto"))

for (i in 1:length(mm)) {

  mimume<-subset(delitosQRO2020,delitosQRO2020$Cve..Municipio==mm[i] & delitosQRO2020$Ano==2020 & delitosQRO2020$meses==esteMes)

  a<-aggregate(mimume$value~mimume$Subtipo.de.delito,data = mimume, FUN = sum)

  a<-as.data.frame(a)

  names(a)<-c(nomMun[i],"Carpetas")

  a<-a[order(a$Carpetas, decreasing = TRUE),]

  top5mes<-cbind(top5mes,a[1:5,])

}

names(top5mes)[1]<-c("Posicion")

kable(top5mes,caption=paste0("Top 5 delitos en carpetas de investigación por municipio en ",esteMes))
Top 5 delitos en carpetas de investigación por municipio en Agosto
Posicion Amealco de Bonfil Carpetas Pinal de Amoles Carpetas Arroyo Seco Carpetas Cadereyta de Montes Carpetas Colón Carpetas Corregidora Carpetas Ezequiel Montes Carpetas Huimilpan Carpetas Jalpan de Serra Carpetas Landa de Matamoros Carpetas El Marqués Carpetas Pedro Escobedo Carpetas Peñamiller Carpetas Querétaro Carpetas San Joaquín Carpetas San Juan del Río Carpetas Tequisquiapan Carpetas Tolimán Carpetas
34 Primero Otros robos 12 Violencia familiar 4 Amenazas 3 Otros robos 9 Otros robos 12 Otros robos 56 Otros robos 10 Amenazas 11 Violencia familiar 12 Lesiones dolosas 3 Otros robos 80 Otros robos 18 Otros robos 4 Otros robos 523 Otros robos 2 Otros robos 134 Otros robos 20 Lesiones dolosas 8
25 Segundo Lesiones dolosas 10 Lesiones dolosas 3 Otros robos 2 Violencia familiar 9 Violencia familiar 11 Amenazas 30 Lesiones dolosas 4 Otros robos 6 Amenazas 5 Violencia familiar 3 Amenazas 33 Lesiones dolosas 15 Violencia familiar 3 Robo a negocio 227 Amenazas 1 Amenazas 77 Robo a casa habitación 11 Violencia familiar 4
55 Tercero Violencia familiar 9 Otros robos 3 Acoso sexual 1 Lesiones dolosas 6 Lesiones dolosas 8 Fraude 30 Violencia familiar 4 Violencia familiar 6 Abuso sexual 3 Abuso sexual 1 Lesiones dolosas 31 Otros delitos del Fuero Común 11 Abuso sexual 2 Lesiones dolosas 210 Otros delitos que atentan contra la vida y la integridad corporal 1 Lesiones dolosas 55 Amenazas 9 Otros robos 2
36 Cuarto Robo a casa habitación 8 Acoso sexual 2 Daño a la propiedad 1 Otros delitos del Fuero Común 5 Narcomenudeo 4 Lesiones dolosas 28 Amenazas 3 Lesiones dolosas 5 Despojo 3 Amenazas 1 Violencia familiar 29 Robo a casa habitación 9 Amenazas 2 Robo de vehículo automotor 209 Robo a casa habitación 1 Violencia familiar 50 Otros delitos del Fuero Común 8 Abuso de confianza 1
30 Quinto Otros delitos del Fuero Común 6 Otros delitos que atentan contra la vida y la integridad corporal 2 Otros delitos del Fuero Común 1 Extorsión 3 Otros delitos del Fuero Común 3 Robo a negocio 26 Fraude 3 Daño a la propiedad 4 Otros robos 3 Daño a la propiedad 1 Robo de vehículo automotor 26 Violencia familiar 8 Daño a la propiedad 2 Fraude 186 Violencia familiar 1 Otros delitos del Fuero Común 34 Violencia familiar 7 Abuso sexual 1

Robo y robo con violencia

delitos3<-delitos2[delitos2$Modalidad=="Con violencia" | delitos2$Modalidad=="Sin violencia" | delitos2$Subtipo.de.delito=="Robo de maquinaria" | delitos2$Subtipo.de.delito== "Robo de vehículo automotor" ,]



cualArreglar<-unique(delitos3$Modalidad)

cualArreglar<-cualArreglar[3:length(cualArreglar)]

for (i in 1:length(cualArreglar)) {

    x<-i%%2

  if(x==0){

    delitos3$Subtipo.de.delito[delitos3$Modalidad==cualArreglar[i]]<-sub("Sin violencia","", cualArreglar[i])

    delitos3$Modalidad[delitos3$Modalidad==cualArreglar[i]]<-"Sin violencia"

  }else{

    delitos3$Subtipo.de.delito[delitos3$Modalidad==cualArreglar[i]]<-sub("Con violencia","", cualArreglar[i])

    delitos3$Modalidad[delitos3$Modalidad==cualArreglar[i]]<-"Con violencia"

  }

}
# esto es casi copia del primer modulo, delitos por estado



RobosPorEstadoAnual<-as.data.frame(order(unique(delitos3$Clave_Ent)))

for (i in 1:length(losAnos)) {

  misub=subset(delitos3,delitos3$Ano==losAnos[i])

  mitab<-as.data.frame(aggregate(misub$value~misub$Clave_Ent,misub,sum))[2]

  RobosPorEstadoAnual<-cbind(RobosPorEstadoAnual,mitab)

}

names(RobosPorEstadoAnual)<-c("clave de la entidad",paste0("year",losAnos))

Robos por estado y año

kable(RobosPorEstadoAnual)
clave de la entidad year2015 year2016 year2017 year2018 year2019 year2020
1 10719 11412 15205 15697 12988 6965
2 48838 48708 51385 40705 37180 18894
3 9113 11365 10797 10350 8625 3841
4 858 1091 883 981 1063 606
5 13140 10628 10438 8866 6653 4371
6 2986 7086 8336 8163 7547 3945
7 7930 8996 9160 9336 6410 2383
8 16139 13475 17366 16509 16186 8929
9 77435 81555 102714 123514 109429 51554
10 10363 9835 11158 10629 10060 6043
11 31655 35063 39809 42982 42732 23319
12 12600 11613 10286 8383 7564 3845
13 9866 11403 14400 14641 14873 7765
14 27501 58804 88606 85035 76243 35920
15 168652 149203 161155 167529 157281 90884
16 16001 16313 18262 18611 17106 9415
17 20564 19641 17686 17313 16301 10057
18 1468 795 584 1172 735 531
19 14534 19000 16877 15793 14235 10584
20 1737 9919 10887 12541 13153 6991
21 23166 21691 29621 32477 35887 16698
22 17633 22119 27020 27836 26816 15091
23 12652 7102 11441 14318 20050 10456
24 6033 7854 11850 13991 16495 8467
25 10115 8628 9885 8608 7155 4149
26 9997 16021 10456 7470 7291 6453
27 18091 23178 25469 25059 20167 8504
28 19273 15541 16175 14098 13019 5825
29 4736 4703 5360 4296 2822 1652
30 17841 16902 28262 23595 29887 14732
31 3625 2664 2218 2371 2625 434
32 7386 7047 7348 7733 7378 4085

Robos con violencia por estado y año

RobosConViolenciaPorEstadoAnual<-as.data.frame(order(unique(delitos3$Clave_Ent)))

for (i in 1:length(losAnos)) {

  misub=subset(delitos3,delitos3$Ano==losAnos[i] & delitos3$Modalidad=="Con violencia")

  mitab<-as.data.frame(aggregate(misub$value~misub$Clave_Ent,misub,sum))[2]

  RobosConViolenciaPorEstadoAnual<-cbind(RobosConViolenciaPorEstadoAnual,mitab)

}

names(RobosConViolenciaPorEstadoAnual)<-c("clave de la entidad",paste0("year",losAnos))



kable(RobosConViolenciaPorEstadoAnual)
clave de la entidad year2015 year2016 year2017 year2018 year2019 year2020
1 838 883 1122 1245 1198 657
2 9250 10360 12544 9908 10497 5603
3 698 827 1037 924 889 437
4 185 137 150 226 210 171
5 2221 1466 1471 1124 511 416
6 418 1123 1136 1015 447 76
7 5767 5701 5268 5528 3883 1184
8 2241 1592 1949 1562 1626 1017
9 23710 21483 28456 42686 37558 16732
10 1890 1180 1001 1016 694 455
11 6549 8497 10257 12737 14903 9068
12 3383 4089 5530 4733 3655 1788
13 1390 2126 3634 4609 4830 2311
14 6376 7494 30525 28849 27471 14583
15 88064 58336 93723 97255 86549 50314
16 4207 5367 6884 7379 6950 4047
17 6736 5769 4967 4083 3510 2849
18 369 167 121 191 163 101
19 4148 5935 4398 3752 3072 1813
20 814 2758 3782 4683 4170 2357
21 9133 9249 14862 18552 19754 8426
22 3455 2927 2682 2718 2953 2090
23 1721 1419 2614 4297 5910 3231
24 1288 1590 2777 3396 3562 2040
25 3506 3454 4622 4669 3827 2034
26 2569 7642 4675 3213 3552 3732
27 9278 10331 10586 14303 11973 4948
28 5716 4894 5953 5173 4908 2375
29 1331 1590 2066 2101 1120 575
30 5171 5402 12911 11496 15880 6557
31 230 114 66 59 95 16
32 1871 1599 1775 1796 1710 994

Serie mensual de robos totales por Estado

RobosPorEstadoMensual<-as.data.frame(order(unique(delitos3$Clave_Ent)))

for (i in 1:length(losmeses)) {

  misub=subset(delitos3,delitos3$Ano==losAnos[length(losAnos)] & delitos3$meses==losmeses[i])

  mitab<-as.data.frame(aggregate(misub$value~misub$Clave_Ent,misub,sum))[2]

  RobosPorEstadoMensual<-cbind(RobosPorEstadoMensual,mitab)

}

names(RobosPorEstadoMensual)<-c("clave de la entidad",losmeses)

kable(RobosPorEstadoMensual)
clave de la entidad 1 2 3 4 5 6 7 8 9 10 11 12
1 1074 1014 1052 670 686 779 833 857 0 0 0 0
2 3080 2690 2966 1856 1907 1982 2242 2171 0 0 0 0
3 670 565 574 358 337 459 495 383 0 0 0 0
4 99 80 74 72 76 69 67 69 0 0 0 0
5 503 507 526 382 506 620 705 622 0 0 0 0
6 584 561 500 427 397 458 518 500 0 0 0 0
7 412 346 344 247 239 239 286 270 0 0 0 0
8 1342 1275 1238 961 943 1019 1074 1077 0 0 0 0
9 8048 8107 8182 4710 4550 5297 6234 6426 0 0 0 0
10 952 885 782 588 660 654 775 747 0 0 0 0
11 3761 3263 3170 2387 2623 2669 2724 2722 0 0 0 0
12 673 622 524 376 348 374 450 478 0 0 0 0
13 1354 1246 1225 823 725 693 803 896 0 0 0 0
14 5673 4857 4659 3628 3820 4215 4619 4449 0 0 0 0
15 12833 12050 11787 10474 10134 10693 11410 11503 0 0 0 0
16 1465 1273 1361 886 1050 1060 1181 1139 0 0 0 0
17 1410 1349 1477 1010 1059 1176 1286 1290 0 0 0 0
18 76 73 92 45 65 49 71 60 0 0 0 0
19 1493 1582 1488 1202 1194 1236 1153 1236 0 0 0 0
20 1037 1110 1015 728 730 730 844 797 0 0 0 0
21 2384 2206 2326 1901 1883 1892 2099 2007 0 0 0 0
22 2172 2048 2078 1640 1597 1612 1934 2010 0 0 0 0
23 1894 1555 1602 852 839 1203 1301 1210 0 0 0 0
24 1458 1303 1125 773 821 948 1090 949 0 0 0 0
25 569 536 535 365 479 525 496 644 0 0 0 0
26 967 797 754 704 822 751 961 697 0 0 0 0
27 1585 1355 1259 648 592 892 1040 1133 0 0 0 0
28 983 900 831 519 575 741 607 669 0 0 0 0
29 188 192 186 176 193 208 244 265 0 0 0 0
30 2205 2185 2147 1469 1376 1828 1772 1750 0 0 0 0
31 133 71 55 36 30 55 22 32 0 0 0 0
32 712 591 575 366 402 472 495 472 0 0 0 0

Serie mensual de robos con violencia por Estado

RobosConViolenciaPorEstadoMensual<-as.data.frame(order(unique(delitos3$Clave_Ent)))

for (i in 1:length(losmeses)) {

  misub=subset(delitos3,delitos3$Ano==losAnos[length(losAnos)] & delitos3$Modalidad=="Con violencia" & delitos3$meses==losmeses[i])

  mitab<-as.data.frame(aggregate(misub$value~misub$Clave_Ent,misub,sum))[2]

  RobosConViolenciaPorEstadoMensual<-cbind(RobosConViolenciaPorEstadoMensual,mitab)

}

names(RobosConViolenciaPorEstadoMensual)<-c("clave de la entidad",losmeses)

kable(RobosConViolenciaPorEstadoMensual)
clave de la entidad 1 2 3 4 5 6 7 8 9 10 11 12
1 105 102 94 59 85 65 70 77 0 0 0 0
2 904 845 955 580 588 545 566 620 0 0 0 0
3 56 74 87 63 33 43 49 32 0 0 0 0
4 26 24 22 22 22 18 14 23 0 0 0 0
5 24 41 47 26 55 81 68 74 0 0 0 0
6 11 10 7 10 5 11 13 9 0 0 0 0
7 207 178 177 117 103 134 137 131 0 0 0 0
8 138 142 148 116 101 123 115 134 0 0 0 0
9 2526 2531 2690 1670 1614 1668 2028 2005 0 0 0 0
10 73 66 80 34 34 32 69 67 0 0 0 0
11 1400 1126 1185 963 1128 1085 1150 1031 0 0 0 0
12 296 266 227 174 180 182 242 221 0 0 0 0
13 378 347 310 224 224 209 279 340 0 0 0 0
14 2032 1795 1857 1735 1793 1719 1828 1824 0 0 0 0
15 6777 6395 6372 6064 5751 6169 6514 6272 0 0 0 0
16 582 473 620 462 489 466 495 460 0 0 0 0
17 324 310 345 328 373 401 387 381 0 0 0 0
18 16 12 14 13 7 7 15 17 0 0 0 0
19 263 274 236 204 204 215 206 211 0 0 0 0
20 310 358 270 274 269 280 344 252 0 0 0 0
21 1153 1083 1158 985 996 979 1096 976 0 0 0 0
22 262 251 285 235 237 265 298 257 0 0 0 0
23 585 397 493 403 362 416 325 250 0 0 0 0
24 334 281 247 200 174 265 281 258 0 0 0 0
25 252 240 295 188 236 280 225 318 0 0 0 0
26 570 479 445 392 474 437 512 423 0 0 0 0
27 914 833 752 361 319 492 615 662 0 0 0 0
28 386 339 338 218 242 309 252 291 0 0 0 0
29 53 63 70 65 59 70 98 97 0 0 0 0
30 887 904 878 677 701 875 839 796 0 0 0 0
31 3 0 3 3 2 1 1 3 0 0 0 0
32 167 148 115 108 95 126 136 99 0 0 0 0

Porcentaje de robos con violencia por mes

prvm<-RobosPorEstadoMensual



prvm[,2:13]<-round(RobosConViolenciaPorEstadoMensual[,2:13]/RobosPorEstadoMensual[,2:13]*100,2)

names(prvm)<-c("Entidad",levels(losmeses))



kable(prvm)
Entidad Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
1 9.78 10.06 8.94 8.81 12.39 8.34 8.40 8.98 NaN NaN NaN NaN
2 29.35 31.41 32.20 31.25 30.83 27.50 25.25 28.56 NaN NaN NaN NaN
3 8.36 13.10 15.16 17.60 9.79 9.37 9.90 8.36 NaN NaN NaN NaN
4 26.26 30.00 29.73 30.56 28.95 26.09 20.90 33.33 NaN NaN NaN NaN
5 4.77 8.09 8.94 6.81 10.87 13.06 9.65 11.90 NaN NaN NaN NaN
6 1.88 1.78 1.40 2.34 1.26 2.40 2.51 1.80 NaN NaN NaN NaN
7 50.24 51.45 51.45 47.37 43.10 56.07 47.90 48.52 NaN NaN NaN NaN
8 10.28 11.14 11.95 12.07 10.71 12.07 10.71 12.44 NaN NaN NaN NaN
9 31.39 31.22 32.88 35.46 35.47 31.49 32.53 31.20 NaN NaN NaN NaN
10 7.67 7.46 10.23 5.78 5.15 4.89 8.90 8.97 NaN NaN NaN NaN
11 37.22 34.51 37.38 40.34 43.00 40.65 42.22 37.88 NaN NaN NaN NaN
12 43.98 42.77 43.32 46.28 51.72 48.66 53.78 46.23 NaN NaN NaN NaN
13 27.92 27.85 25.31 27.22 30.90 30.16 34.74 37.95 NaN NaN NaN NaN
14 35.82 36.96 39.86 47.82 46.94 40.78 39.58 41.00 NaN NaN NaN NaN
15 52.81 53.07 54.06 57.90 56.75 57.69 57.09 54.52 NaN NaN NaN NaN
16 39.73 37.16 45.55 52.14 46.57 43.96 41.91 40.39 NaN NaN NaN NaN
17 22.98 22.98 23.36 32.48 35.22 34.10 30.09 29.53 NaN NaN NaN NaN
18 21.05 16.44 15.22 28.89 10.77 14.29 21.13 28.33 NaN NaN NaN NaN
19 17.62 17.32 15.86 16.97 17.09 17.39 17.87 17.07 NaN NaN NaN NaN
20 29.89 32.25 26.60 37.64 36.85 38.36 40.76 31.62 NaN NaN NaN NaN
21 48.36 49.09 49.79 51.81 52.89 51.74 52.22 48.63 NaN NaN NaN NaN
22 12.06 12.26 13.72 14.33 14.84 16.44 15.41 12.79 NaN NaN NaN NaN
23 30.89 25.53 30.77 47.30 43.15 34.58 24.98 20.66 NaN NaN NaN NaN
24 22.91 21.57 21.96 25.87 21.19 27.95 25.78 27.19 NaN NaN NaN NaN
25 44.29 44.78 55.14 51.51 49.27 53.33 45.36 49.38 NaN NaN NaN NaN
26 58.95 60.10 59.02 55.68 57.66 58.19 53.28 60.69 NaN NaN NaN NaN
27 57.67 61.48 59.73 55.71 53.89 55.16 59.13 58.43 NaN NaN NaN NaN
28 39.27 37.67 40.67 42.00 42.09 41.70 41.52 43.50 NaN NaN NaN NaN
29 28.19 32.81 37.63 36.93 30.57 33.65 40.16 36.60 NaN NaN NaN NaN
30 40.23 41.37 40.89 46.09 50.94 47.87 47.35 45.49 NaN NaN NaN NaN
31 2.26 0.00 5.45 8.33 6.67 1.82 4.55 9.38 NaN NaN NaN NaN
32 23.46 25.04 20.00 29.51 23.63 26.69 27.47 20.97 NaN NaN NaN NaN

Porcentajes por mes a nivel nacional

t<-colSums(RobosPorEstadoMensual[,2:13])

k<-colSums(RobosConViolenciaPorEstadoMensual[,2:13])

z<-round(k/t*100,2)

names(z)<-losmeses

kable(z)
x
Enero 35.63
Febrero 35.65
Marzo 36.85
Abril 41.12
Mayo 40.70
Junio 39.41
Julio 38.66
Agosto 37.58
Septiembre NaN
Octubre NaN
Noviembre NaN
Diciembre NaN

Porcentaje de robos con violencia por estado y año

prv<-RobosPorEstadoAnual

prv[,2:7]<-round(RobosConViolenciaPorEstadoAnual[,2:7]/RobosPorEstadoAnual[,2:7]*100,2)

kable(prv)
clave de la entidad year2015 year2016 year2017 year2018 year2019 year2020
1 7.82 7.74 7.38 7.93 9.22 9.43
2 18.94 21.27 24.41 24.34 28.23 29.65
3 7.66 7.28 9.60 8.93 10.31 11.38
4 21.56 12.56 16.99 23.04 19.76 28.22
5 16.90 13.79 14.09 12.68 7.68 9.52
6 14.00 15.85 13.63 12.43 5.92 1.93
7 72.72 63.37 57.51 59.21 60.58 49.69
8 13.89 11.81 11.22 9.46 10.05 11.39
9 30.62 26.34 27.70 34.56 34.32 32.46
10 18.24 12.00 8.97 9.56 6.90 7.53
11 20.69 24.23 25.77 29.63 34.88 38.89
12 26.85 35.21 53.76 56.46 48.32 46.50
13 14.09 18.64 25.24 31.48 32.47 29.76
14 23.18 12.74 34.45 33.93 36.03 40.60
15 52.22 39.10 58.16 58.05 55.03 55.36
16 26.29 32.90 37.70 39.65 40.63 42.98
17 32.76 29.37 28.08 23.58 21.53 28.33
18 25.14 21.01 20.72 16.30 22.18 19.02
19 28.54 31.24 26.06 23.76 21.58 17.13
20 46.86 27.81 34.74 37.34 31.70 33.71
21 39.42 42.64 50.17 57.12 55.05 50.46
22 19.59 13.23 9.93 9.76 11.01 13.85
23 13.60 19.98 22.85 30.01 29.48 30.90
24 21.35 20.24 23.43 24.27 21.59 24.09
25 34.66 40.03 46.76 54.24 53.49 49.02
26 25.70 47.70 44.71 43.01 48.72 57.83
27 51.29 44.57 41.56 57.08 59.37 58.18
28 29.66 31.49 36.80 36.69 37.70 40.77
29 28.10 33.81 38.54 48.91 39.69 34.81
30 28.98 31.96 45.68 48.72 53.13 44.51
31 6.34 4.28 2.98 2.49 3.62 3.69
32 25.33 22.69 24.16 23.23 23.18 24.33 
posicionQRO2020<-length(prv$year2020[prv$year2020>prv$year2020[22]])+1

Querétaro es el estado numero 25 con más robos con violencia.

Los robos con más violencia en 2020 (Nacional)

losRobos<-as.data.frame(sort(unique(delitos3$Subtipo.de.delito)))

mods=unique(delitos3$Modalidad)

for (i in 1:length(mods)) {

  a <-delitos3[delitos3$Ano==losAnos[length(losAnos)] & delitos3$Modalidad==mods[i],] 

  b<-as.data.frame(aggregate(a$value~a$Subtipo.de.delito,a,sum))[2]

  losRobos<-cbind(losRobos,b)

}

losRobos$total<-apply(losRobos[,2:3],MARGIN = 1,FUN = sum)

losRobos$cv<-round(losRobos[,2]/losRobos$total*100,2)

losRobos$sv<-round(losRobos[,3]/losRobos$total*100,2)

losRobos<-losRobos[order(losRobos$cv,decreasing = TRUE),]



names(losRobos)<-c("Subtipo",mods,"Total", paste0("Porcentaje con ",mods))



kable(losRobos)
Subtipo Con violencia Sin violencia Total Porcentaje con Con violencia Porcentaje con Sin violencia
7 Robo a transportista 5394 1001 6395 84.35 15.65
17 Robo en transporte público colectivo 6171 1540 7711 80.03 19.97
6 Robo a transeúnte en vía pública 31912 8633 40545 78.71 21.29
18 Robo en transporte público individual 1088 344 1432 75.98 24.02
5 Robo a transeúnte en espacio abierto al público 2158 828 2986 72.27 27.73
3 Robo a institución bancaria 139 72 211 65.88 34.12
4 Robo a negocio 33787 30220 64007 52.79 47.21
16 Robo en transporte individual 4393 4714 9107 48.24 51.76
15 Robo de tractores 56 64 120 46.67 53.33
10 Robo de coche de 4 ruedas 32456 45754 78210 41.50 58.50
14 Robo de motocicleta 6397 14237 20634 31.00 69.00
1 Otros robos 23795 90531 114326 20.81 79.19
13 Robo de herramienta industrial o agrícola 81 311 392 20.66 79.34
11 Robo de embarcaciones pequeñas y grandes 4 20 24 16.67 83.33
2 Robo a casa habitación 4681 37639 42320 11.06 88.94
12 Robo de ganado 135 2597 2732 4.94 95.06
9 Robo de cables, tubos y otros objetos destinados a servicios públicos 20 473 493 4.06 95.94
8 Robo de autopartes 330 11413 11743 2.81 97.19

Los robos con más violencia en 2020 (Querétaro)

losRobosQro<-as.data.frame(sort(unique(delitos3$Subtipo.de.delito)))

mods=unique(delitos3$Modalidad)

for (i in 1:length(mods)) {

  a <-delitos3[delitos3$Ano==losAnos[length(losAnos)] & delitos3$Clave_Ent==22 & delitos3$Modalidad==mods[i],] 

  b<-as.data.frame(aggregate(a$value~a$Subtipo.de.delito,a,sum))[2]

  losRobosQro<-cbind(losRobosQro,b)

}

losRobosQro$total<-apply(losRobosQro[,2:3],MARGIN = 1,FUN = sum)

losRobosQro$cv<-round(losRobosQro[,2]/losRobosQro$total*100,2)

losRobosQro$sv<-round(losRobosQro[,3]/losRobosQro$total*100,2)

losRobosQro<-losRobosQro[order(losRobosQro$cv,decreasing = TRUE),]



names(losRobosQro)<-c("Subtipo",mods,"Total", paste0("Porcentaje con ",mods))

kable(losRobosQro)
Subtipo Con violencia Sin violencia Total Porcentaje con Con violencia Porcentaje con Sin violencia
5 Robo a transeúnte en espacio abierto al público 41 31 72 56.94 43.06
16 Robo en transporte individual 143 110 253 56.52 43.48
6 Robo a transeúnte en vía pública 515 438 953 54.04 45.96
18 Robo en transporte público individual 48 45 93 51.61 48.39
17 Robo en transporte público colectivo 125 124 249 50.20 49.80
4 Robo a negocio 594 1417 2011 29.54 70.46
13 Robo de herramienta industrial o agrícola 2 5 7 28.57 71.43
15 Robo de tractores 2 5 7 28.57 71.43
10 Robo de coche de 4 ruedas 415 1519 1934 21.46 78.54
14 Robo de motocicleta 30 423 453 6.62 93.38
2 Robo a casa habitación 83 1725 1808 4.59 95.41
1 Otros robos 92 6555 6647 1.38 98.62
8 Robo de autopartes 0 490 490 0.00 100.00
12 Robo de ganado 0 114 114 0.00 100.00
3 Robo a institución bancaria 0 0 0 NaN NaN
7 Robo a transportista 0 0 0 NaN NaN
9 Robo de cables, tubos y otros objetos destinados a servicios públicos 0 0 0 NaN NaN
11 Robo de embarcaciones pequeñas y grandes 0 0 0 NaN NaN

Homicidio doloso

Homicidio doloso por entidad y año

hd<-delitos2[delitos2$Subtipo.de.delito=="Homicidio doloso",]



hdEA<-as.data.frame(order(unique(hd$Clave_Ent)))

for (i in 1:length(losAnos)) {

  misub=subset(hd,hd$Ano==losAnos[i])

  mitab<-as.data.frame(aggregate(misub$value~misub$Clave_Ent,misub,sum))[2]

  hdEA<-cbind(hdEA,mitab)

}

names(hdEA)<-c("clave de la entidad",paste0("year",losAnos))



kable(hdEA)
clave de la entidad year2015 year2016 year2017 year2018 year2019 year2020
1 38 39 82 75 91 59
2 821 1168 2084 2797 2604 1728
3 151 216 610 162 81 39
4 49 81 66 69 73 51
5 278 212 222 229 222 138
6 162 502 698 616 660 370
7 502 468 475 562 525 291
8 945 1232 1566 1807 2167 1657
9 798 906 1048 1367 1397 790
10 236 236 216 180 150 102
11 863 947 1084 2609 2775 2250
12 2016 2213 2310 2222 1580 825
13 146 135 184 203 287 222
14 957 1105 1342 1961 2023 1173
15 2022 2053 2032 2349 2537 1648
16 766 1263 1249 1338 1653 1291
17 480 586 575 693 911 538
18 83 40 250 329 168 102
19 450 641 613 746 889 595
20 201 738 855 983 1011 568
21 493 581 894 1105 1108 618
22 131 118 175 180 177 121
23 228 165 359 763 685 408
24 241 306 451 457 453 411
25 841 922 1250 963 822 487
26 589 630 727 745 1062 870
27 233 276 388 508 564 346
28 533 594 801 851 667 429
29 59 77 120 124 151 72
30 525 1200 1722 1497 1425 878
31 52 50 37 48 33 29
32 232 449 551 561 510 473

Homicidio doloso con arma de fuego por entidad y año

hdEAaf<-as.data.frame(order(unique(hd$Clave_Ent)))

for (i in 1:length(losAnos)) {

  misub=subset(hd,hd$Ano==losAnos[i] & hd$Modalidad=="Con arma de fuego")

  mitab<-as.data.frame(aggregate(misub$value~misub$Clave_Ent,misub,sum))[2]

  hdEAaf<-cbind(hdEAaf,mitab)

}

names(hdEAaf)<-c("clave de la entidad",paste0("year",losAnos))



kable(hdEAaf)
clave de la entidad year2015 year2016 year2017 year2018 year2019 year2020
1 18 19 30 43 56 37
2 497 738 1473 2046 1880 1268
3 102 180 527 115 33 19
4 15 31 29 26 33 27
5 139 97 101 111 132 75
6 123 377 545 477 542 318
7 171 178 216 263 298 156
8 563 790 973 1232 1505 1143
9 457 556 752 955 1004 547
10 170 153 137 114 76 50
11 600 677 953 2135 2261 1847
12 1300 1474 1541 1485 1191 627
13 65 67 99 122 153 109
14 511 610 800 1272 1167 704
15 1251 1294 1334 1564 1681 1130
16 434 867 1000 1060 1296 1013
17 197 376 339 495 674 396
18 43 16 167 224 93 43
19 231 358 405 548 669 494
20 136 539 654 755 793 442
21 282 318 549 739 780 393
22 52 45 95 91 102 66
23 31 47 206 506 413 268
24 120 201 289 323 299 300
25 686 724 992 725 567 360
26 341 337 498 474 716 564
27 42 95 208 283 420 247
28 241 348 514 530 368 265
29 31 41 53 69 93 36
30 192 572 966 870 863 563
31 10 7 3 8 3 4
32 159 347 443 417 363 349

Porcentaje con arma de fuego por entidad y año

porcentajeAnualHD<-hdEA

porcentajeAnualHD[,2:7]<-round(hdEAaf[,2:7]/hdEA[,2:7]*100,2)

names(porcentajeAnualHD)<-c("Entidad",losAnos)

kable(porcentajeAnualHD)
Entidad 2015 2016 2017 2018 2019 2020
1 47.37 48.72 36.59 57.33 61.54 62.71
2 60.54 63.18 70.68 73.15 72.20 73.38
3 67.55 83.33 86.39 70.99 40.74 48.72
4 30.61 38.27 43.94 37.68 45.21 52.94
5 50.00 45.75 45.50 48.47 59.46 54.35
6 75.93 75.10 78.08 77.44 82.12 85.95
7 34.06 38.03 45.47 46.80 56.76 53.61
8 59.58 64.12 62.13 68.18 69.45 68.98
9 57.27 61.37 71.76 69.86 71.87 69.24
10 72.03 64.83 63.43 63.33 50.67 49.02
11 69.52 71.49 87.92 81.83 81.48 82.09
12 64.48 66.61 66.71 66.83 75.38 76.00
13 44.52 49.63 53.80 60.10 53.31 49.10
14 53.40 55.20 59.61 64.86 57.69 60.02
15 61.87 63.03 65.65 66.58 66.26 68.57
16 56.66 68.65 80.06 79.22 78.40 78.47
17 41.04 64.16 58.96 71.43 73.98 73.61
18 51.81 40.00 66.80 68.09 55.36 42.16
19 51.33 55.85 66.07 73.46 75.25 83.03
20 67.66 73.04 76.49 76.81 78.44 77.82
21 57.20 54.73 61.41 66.88 70.40 63.59
22 39.69 38.14 54.29 50.56 57.63 54.55
23 13.60 28.48 57.38 66.32 60.29 65.69
24 49.79 65.69 64.08 70.68 66.00 72.99
25 81.57 78.52 79.36 75.29 68.98 73.92
26 57.89 53.49 68.50 63.62 67.42 64.83
27 18.03 34.42 53.61 55.71 74.47 71.39
28 45.22 58.59 64.17 62.28 55.17 61.77
29 52.54 53.25 44.17 55.65 61.59 50.00
30 36.57 47.67 56.10 58.12 60.56 64.12
31 19.23 14.00 8.11 16.67 9.09 13.79
32 68.53 77.28 80.40 74.33 71.18 73.78

Homicidio doloso por mes y entidad

hdEM<-as.data.frame(order(unique(hd$Clave_Ent)))

for (i in 1:length(losmeses)) {

  misub=subset(hd,hd$meses==losmeses[i] & hd$Ano==2020)

  mitab<-as.data.frame(aggregate(misub$value~misub$Clave_Ent,misub,sum))[2]

  hdEM<-cbind(hdEM,mitab)

}

names(hdEM)<-c("clave de la entidad",levels(losmeses))



kable(hdEM)
clave de la entidad Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
1 4 9 7 4 11 8 10 6 0 0 0 0
2 193 169 225 220 240 196 239 246 0 0 0 0
3 6 2 2 3 7 5 6 8 0 0 0 0
4 4 9 8 3 6 5 7 9 0 0 0 0
5 26 12 21 11 9 21 22 16 0 0 0 0
6 56 57 49 54 52 42 34 26 0 0 0 0
7 35 34 27 33 32 40 42 48 0 0 0 0
8 162 172 223 221 194 227 214 244 0 0 0 0
9 107 95 120 111 97 96 91 73 0 0 0 0
10 3 14 11 16 13 7 19 19 0 0 0 0
11 308 257 282 276 282 286 289 270 0 0 0 0
12 102 97 128 116 107 78 86 111 0 0 0 0
13 29 22 30 22 23 30 33 33 0 0 0 0
14 150 129 170 155 144 144 150 131 0 0 0 0
15 182 203 260 213 204 185 202 199 0 0 0 0
16 169 177 182 175 153 132 143 160 0 0 0 0
17 57 70 77 78 64 66 63 63 0 0 0 0
18 18 14 10 10 17 11 10 12 0 0 0 0
19 67 73 80 76 78 87 60 74 0 0 0 0
20 91 56 83 73 76 57 62 70 0 0 0 0
21 74 71 82 92 76 65 76 82 0 0 0 0
22 11 11 26 11 18 8 15 21 0 0 0 0
23 59 65 64 50 41 33 51 45 0 0 0 0
24 39 43 43 40 54 50 70 72 0 0 0 0
25 54 53 69 51 56 70 69 65 0 0 0 0
26 104 105 86 104 124 101 117 129 0 0 0 0
27 50 47 54 30 30 36 54 45 0 0 0 0
28 57 73 46 47 51 49 55 51 0 0 0 0
29 14 9 13 5 5 8 9 9 0 0 0 0
30 98 100 98 116 90 142 104 130 0 0 0 0
31 3 6 2 3 2 6 4 3 0 0 0 0
32 39 53 52 56 66 75 63 69 0 0 0 0

Homicidio doloso con arma de fuego por mes y entidad

hdEMAF<-as.data.frame(order(unique(hd$Clave_Ent)))

for (i in 1:length(losmeses)) {

  misub=subset(hd,hd$meses==losmeses[i] & hd$Ano==2020 & hd$Modalidad=="Con arma de fuego")

  mitab<-as.data.frame(aggregate(misub$value~misub$Clave_Ent,misub,sum))[2]

  hdEMAF<-cbind(hdEMAF,mitab)

}

names(hdEMAF)<-c("clave de la entidad",levels(losmeses))



kable(hdEMAF)
clave de la entidad Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
1 3 6 3 4 6 5 7 3 0 0 0 0
2 146 117 170 179 179 140 163 174 0 0 0 0
3 5 0 2 0 2 4 2 4 0 0 0 0
4 3 3 5 2 3 2 3 6 0 0 0 0
5 19 5 8 8 3 12 12 8 0 0 0 0
6 49 52 43 46 45 36 27 20 0 0 0 0
7 18 16 15 16 14 27 28 22 0 0 0 0
8 123 126 160 159 129 159 138 149 0 0 0 0
9 72 71 78 73 68 67 63 55 0 0 0 0
10 0 8 8 7 6 2 11 8 0 0 0 0
11 256 202 211 221 245 251 251 210 0 0 0 0
12 76 76 96 90 82 62 68 77 0 0 0 0
13 14 12 19 11 8 11 22 12 0 0 0 0
14 89 80 102 98 79 90 92 74 0 0 0 0
15 129 139 176 151 140 127 144 124 0 0 0 0
16 134 137 144 137 126 96 118 121 0 0 0 0
17 42 52 66 57 48 44 46 41 0 0 0 0
18 11 4 1 8 7 1 7 4 0 0 0 0
19 53 65 66 63 69 70 49 59 0 0 0 0
20 82 35 66 57 60 46 50 46 0 0 0 0
21 44 55 63 57 45 38 41 50 0 0 0 0
22 7 6 13 6 8 6 10 10 0 0 0 0
23 39 47 45 30 25 20 32 30 0 0 0 0
24 26 23 31 31 45 34 55 55 0 0 0 0
25 38 41 50 42 43 51 51 44 0 0 0 0
26 74 75 65 72 78 60 72 68 0 0 0 0
27 36 33 37 24 22 21 40 34 0 0 0 0
28 37 53 30 25 30 34 30 26 0 0 0 0
29 10 5 8 3 1 3 1 5 0 0 0 0
30 66 61 64 70 60 91 57 94 0 0 0 0
31 1 1 0 1 0 0 1 0 0 0 0 0
32 32 36 34 40 45 56 54 52 0 0 0 0

Porcentaje de homicidios dolosos con arma de fuego por mes

porcentajeHDAF<-hdEM

porcentajeHDAF[,2:13]<-round(hdEMAF[,2:13]/hdEM[,2:13]*100,2)

names(porcentajeHDAF)<-c("Entidad",levels(losmeses))



kable(porcentajeHDAF)
Entidad Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
1 75.00 66.67 42.86 100.00 54.55 62.50 70.00 50.00 NaN NaN NaN NaN
2 75.65 69.23 75.56 81.36 74.58 71.43 68.20 70.73 NaN NaN NaN NaN
3 83.33 0.00 100.00 0.00 28.57 80.00 33.33 50.00 NaN NaN NaN NaN
4 75.00 33.33 62.50 66.67 50.00 40.00 42.86 66.67 NaN NaN NaN NaN
5 73.08 41.67 38.10 72.73 33.33 57.14 54.55 50.00 NaN NaN NaN NaN
6 87.50 91.23 87.76 85.19 86.54 85.71 79.41 76.92 NaN NaN NaN NaN
7 51.43 47.06 55.56 48.48 43.75 67.50 66.67 45.83 NaN NaN NaN NaN
8 75.93 73.26 71.75 71.95 66.49 70.04 64.49 61.07 NaN NaN NaN NaN
9 67.29 74.74 65.00 65.77 70.10 69.79 69.23 75.34 NaN NaN NaN NaN
10 0.00 57.14 72.73 43.75 46.15 28.57 57.89 42.11 NaN NaN NaN NaN
11 83.12 78.60 74.82 80.07 86.88 87.76 86.85 77.78 NaN NaN NaN NaN
12 74.51 78.35 75.00 77.59 76.64 79.49 79.07 69.37 NaN NaN NaN NaN
13 48.28 54.55 63.33 50.00 34.78 36.67 66.67 36.36 NaN NaN NaN NaN
14 59.33 62.02 60.00 63.23 54.86 62.50 61.33 56.49 NaN NaN NaN NaN
15 70.88 68.47 67.69 70.89 68.63 68.65 71.29 62.31 NaN NaN NaN NaN
16 79.29 77.40 79.12 78.29 82.35 72.73 82.52 75.62 NaN NaN NaN NaN
17 73.68 74.29 85.71 73.08 75.00 66.67 73.02 65.08 NaN NaN NaN NaN
18 61.11 28.57 10.00 80.00 41.18 9.09 70.00 33.33 NaN NaN NaN NaN
19 79.10 89.04 82.50 82.89 88.46 80.46 81.67 79.73 NaN NaN NaN NaN
20 90.11 62.50 79.52 78.08 78.95 80.70 80.65 65.71 NaN NaN NaN NaN
21 59.46 77.46 76.83 61.96 59.21 58.46 53.95 60.98 NaN NaN NaN NaN
22 63.64 54.55 50.00 54.55 44.44 75.00 66.67 47.62 NaN NaN NaN NaN
23 66.10 72.31 70.31 60.00 60.98 60.61 62.75 66.67 NaN NaN NaN NaN
24 66.67 53.49 72.09 77.50 83.33 68.00 78.57 76.39 NaN NaN NaN NaN
25 70.37 77.36 72.46 82.35 76.79 72.86 73.91 67.69 NaN NaN NaN NaN
26 71.15 71.43 75.58 69.23 62.90 59.41 61.54 52.71 NaN NaN NaN NaN
27 72.00 70.21 68.52 80.00 73.33 58.33 74.07 75.56 NaN NaN NaN NaN
28 64.91 72.60 65.22 53.19 58.82 69.39 54.55 50.98 NaN NaN NaN NaN
29 71.43 55.56 61.54 60.00 20.00 37.50 11.11 55.56 NaN NaN NaN NaN
30 67.35 61.00 65.31 60.34 66.67 64.08 54.81 72.31 NaN NaN NaN NaN
31 33.33 16.67 0.00 33.33 0.00 0.00 25.00 0.00 NaN NaN NaN NaN
32 82.05 67.92 65.38 71.43 68.18 74.67 85.71 75.36 NaN NaN NaN NaN

Homicidios por municipio en Querétaro 2020

hdQ2020<-hd[hd$Ano==2020 & hd$Clave_Ent==22,]

hdMUN20<-aggregate(hdQ2020$value~hdQ2020$Municipio,hdQ2020,sum)

names(hdMUN20)<-c("Municipios", "Homicidio doloso en 2020")

kable(hdMUN20)
Municipios Homicidio doloso en 2020
Amealco de Bonfil 7
Arroyo Seco 0
Cadereyta de Montes 0
Colón 1
Corregidora 6
El Marqués 17
Ezequiel Montes 7
Huimilpan 4
Jalpan de Serra 0
Landa de Matamoros 2
No Especificado 0
Pedro Escobedo 2
Peñamiller 1
Pinal de Amoles 1
Querétaro 50
San Joaquín 0
San Juan del Río 20
Tequisquiapan 2
Tolimán 1

Homicidios dolosos con arma de fuego por municipio en Querétaro 2020

hdAFQ2020<-hd[hd$Ano==2020 & hd$Clave_Ent==22 & hd$Modalidad=="Con arma de fuego",]

hdAFMUN20<-aggregate(hdAFQ2020$value~hdAFQ2020$Municipio,hdQ2020,sum)

names(hdAFMUN20)<-c("Municipios", "Homicidio doloso con arma de fuego en 2020")

kable(hdAFMUN20)
Municipios Homicidio doloso con arma de fuego en 2020
Amealco de Bonfil 2
Arroyo Seco 0
Cadereyta de Montes 0
Colón 1
Corregidora 3
El Marqués 12
Ezequiel Montes 6
Huimilpan 3
Jalpan de Serra 0
Landa de Matamoros 1
No Especificado 0
Pedro Escobedo 2
Peñamiller 1
Pinal de Amoles 0
Querétaro 20
San Joaquín 0
San Juan del Río 14
Tequisquiapan 1
Tolimán 0

Porcentaje de homicidios con arma de fuego por municipio

porcentajeMunicipio<-hdAFMUN20

porcentajeMunicipio[,2]<-round(hdAFMUN20[,2]/hdMUN20[,2]*100,2)

names(porcentajeMunicipio)<-c("Municipio","Porcentaje de homicidios dolosos que se cometieron con arma de fuego en 2020")

kable(porcentajeMunicipio)
Municipio Porcentaje de homicidios dolosos que se cometieron con arma de fuego en 2020
Amealco de Bonfil 28.57
Arroyo Seco NaN
Cadereyta de Montes NaN
Colón 100.00
Corregidora 50.00
El Marqués 70.59
Ezequiel Montes 85.71
Huimilpan 75.00
Jalpan de Serra NaN
Landa de Matamoros 50.00
No Especificado NaN
Pedro Escobedo 100.00
Peñamiller 100.00
Pinal de Amoles 0.00
Querétaro 40.00
San Joaquín NaN
San Juan del Río 70.00
Tequisquiapan 50.00
Tolimán 0.00

El futuro

Delitos para preocuparse en Octubre

Aquí se presentan los delitos que en promedio aumentan durante Octubre; con base en el periodo 2015- 2019 , hemos calculado el promedio de los logaritmos de la tasa por cada 100 mil habitantes de cada mes, de cada año, por cada delito. Presentamos los delitos que, en promedio, alcanzan su máximo en Octubre.

anos2<-unique(delitosQRO2020$Ano)

meses2<-unique(delitosQRO2020$meses)



canalDelitos<-catalogoDelitos[,1]

for(i in 1:length(meses2)){

  mediamesEntodo<-c()

  for(j in 1:length(catalogoDelitos[,1])){

    delmes<-subset(delitosQRO2020,delitosQRO2020$meses==meses2[i] & delitosQRO2020$Subtipo.de.delito==catalogoDelitos[j,1])

    delmesano<-aggregate(formula=delmes$value~delmes$Ano, data = delmes, FUN = sum)

    cuantos<-nrow(delmesano)-1

    delmesano<-delmesano[1:cuantos,]

    pobs<-ent[22,2:(2+cuantos-1)]

    pobs<-t(pobs)

    delmesano$pob<-NA

    delmesano$tasa<-NA

    delmesano$logtasa<-NA

    delmesano$pob<-pobs[,1]

    delmesano$tasa<-(delmesano[,2])/delmesano$pob*100000

    delmesano$logtasa<-log(delmesano$tasa+1)

    mimedia<-mean(delmesano$logtasa)

    miEE<-1.96*(sd(delmesano$logtasa)/sqrt(cuantos))

    mediamesEntodo<-c(mediamesEntodo,mimedia)

  }

  canalDelitos<-cbind(canalDelitos,as.numeric(mediamesEntodo))

}

canalDelitos<-as.data.frame(canalDelitos)

names(canalDelitos)<-c("Delito",levels(meses2))



for(i in 1:55){

  for(j in 2:13){

    canalDelitos[i,j]<-as.numeric(canalDelitos[i,j])

  }

}





aumentan<-canalDelitos[c("Delito", esteMes,proximo)]

aumentan$aumentan<-NA

aumentan$max<-NA

aumentan$max<-apply(canalDelitos[,2:13],1, max)

aumentan$aumentan<-aumentan[,3]>aumentan[,2]

aumentan$enMaximoAnual<-NA

aumentan$enMaximoAnual<-aumentan$enMaximoAnual<-aumentan$max==aumentan[c(proximo)]

alerta<-cbind(aumentan$Delito[aumentan$enMaximoAnual==TRUE & aumentan$enMaximoAnual!=0],aumentan[aumentan$enMaximoAnual ==TRUE  & aumentan$enMaximoAnual!=0,3])

alerta<-as.data.frame(alerta)

names(alerta)<-c("Delito","logTasaPromedio")

miAlerta<-alerta[alerta$logTasaPromedio!=0,]

kable(miAlerta[,1], caption=paste0("Delitos que, en promedio, aumentan en ",proximo))
Delitos que, en promedio, aumentan en Octubre
x
Falsificación
Incumplimiento de obligaciones de asistencia familiar
Lesiones culposas
Narcomenudeo
Otros delitos del Fuero Común
Otros robos
Robo a negocio
Robo a transeúnte en vía pública
Trata de personas
Violencia familiar 
cual<-miAlerta$Delito[miAlerta$logTasaPromedio==max(miAlerta$logTasaPromedio)]

Comportamiento mensual del delito de mayor riesgo (Otros robos)

esteDelito<-subset(delitosQRO2020,delitosQRO2020$Subtipo.de.delito==cual)

mismeses2<-as.data.frame(levels(delitosQRO2020$meses))

for (i in 1:length(anos2)) {

  miano1<-subset(esteDelito,esteDelito$Ano==anos2[i])

  aggregate(miano1$value~miano1$meses,miano1,sum)

  mismeses2<-cbind(mismeses2,as.data.frame(aggregate(miano1$value~miano1$meses,miano1,sum))[2])

}

names(mismeses2)<-c("Mes",paste0("año ",anos2))

kable(mismeses2, caption = paste0("Serie de tiempo anual y mensual para ",cual))
Serie de tiempo anual y mensual para Otros robos
Mes año 2015 año 2016 año 2017 año 2018 año 2019 año 2020
Enero 573 556 716 816 963 938
Febrero 539 480 710 795 940 911
Marzo 543 559 797 866 1015 937
Abril 542 591 710 887 942 736
Mayo 560 551 777 926 884 732
Junio 557 649 877 947 938 686
Julio 534 719 805 903 967 811
Agosto 563 788 898 929 978 896
Septiembre 580 731 887 865 871 0
Octubre 627 822 912 931 1029 0
Noviembre 556 724 946 800 950 0
Diciembre 494 649 844 828 1018 0