ter

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 Septiembre y Octubre, el delito en Querétaro creció en 4.72%, en tanto que a nivel nacional lo hizo en 6.06%. Querétaro es en este periodo el 19 estado con la tasa de crecimiento más alta. Los estados que más crecieron fueron Coahuila (16%), Hidalgo (14%) y Puebla (12%).
  1. En el acumulado de delitos de enero a octubre, Querétaro se mantiene en el sexto lugar nacional en carpetas de investigación por cada 100 mil habitantes, posición que ocupa desde 2018. En los primeros diez meses del año, la incidencia delictiva alcanza en la entidad los 1913.11 delitos por cada 100 mil habitantes, debajo de Aguascalientes, Baja California, Baja California Sur ,Colima,y Quintana Roo.
  1. Considerando sólo a las carpetas iniciadas en octubre, Querétaro vuelve a ser el cuarto estado con mayor tasa de delitos por cada 100 mil habitantes para un sólo mes, con 209.38 delitos por cada 100 mil habitantes, sólo de bajo de CDMX, COlima y Baja California.

4.Querétaro ascendió al tercer lugar nacional en robo a comercio, y al segundo en en robo en transporte público individual y en abortos por cada 100 mil habitantes; también pasó del lugar 31 al 23 en feminicidio, y del lugar 26 al lugar 24 en homicidio doloso, y sigue ocupando el primer lugrar nacional en carpetas iniciadas por Acoso sexual (posición en la que se mantiene desde agosto de 2019), y por Otros robos; continúa en el tercer lugar nacional en Lesiones dolosas, Robo en transporte público colectivo, Robo en transporte individual.

  1. En el acumulado anual, Querétaro, El Marqués y San Juan del Río se mantienen entre los 100 muniipios con mayor incidencia delictiva. LA capital sigue siendo el lugar 16, pero El Marqués y San Juan del Río bajan un lugar, para ocupar las posiciones 45 y 79, respectivamente.

6.Cuatro delitos alcanzan su máximo histórico en Querétaro durante octubre, tres de ellos contra mujeres: Acoso sexual, Feminicidio, Violación equiparada y Fraude. El acoso sexual alcanza nuevo record, con 60 carpetas en un solo mes. En los primeros 9 meses del año se habían acumulado 4 feminicidios; sólo en octubre se registraron otros 4, la cantidad máxima registrada en un solo mes en la entidad. También la violación equiparada registra una incidencia sin precedentes, con 23 carpetas, tras haber alcanzado su record anterior el pasado mayo, con 20 carpetas. Finalmente, el fraude habia alcanzado su máximo histórico en septiembre, con 294 carpetas, pero las 311 de octubre son una nueva marca.

  1. En el estado de Querétaro, los 10 motivos más frecuentes para iniciar carpetas de investigación en octubre fueron: Otros robos (928), Lesiones dolosas (396), Otros delitos del Fuero Común (349), Robo a negocio (337), Robo de vehículo automotor (334), Amenazas (325), Violencia familiar (314), Fraude (311), Robo a casa habitación (228), y Robo a transeúnte en vía pública (120).

8.Aparte de los delitos que alcanzaron su máximo histórico en octubre, algunos alcanzaron su máximo del año: Homicidio culposo, Lesiones culposas y robo a negocio. Este último creció 15.41% entre septiembre y octubre, pasando de 292 a 337 carpetas de investigación.En ocutubre, la capital queretana ocupa la posición 22 a nivel nacional en robo a negocio por cada 100 mil habitantes. En este mes, la capital y el Marqués registraron máximos históricos en este delito, con 262 y 24 averiguaciones, respectivamente.

  1. El municipio de Querétaro alcanza su máxima incidencia en lo que va del año en octubre, con 2 mil 851 carpetas.
  1. Con 347 carpetas, Corregidora llega a su mayor cantidad de delitos en 7 meses, 2 carpetas menos de las que tuvo en marzo, cuando empezó la jornada nacional de Sana Distancia.
  1. Otros robos, robo a comercio y fraude son los delitos más comunes en el municipio de QUerétaro.
  1. Octubre fue el tercer mes con más carpetas de investigación iniciadas por homicidio doloso (22), y el cuarto con más víctimas (24) en la historia criminal del Estado. Este mes, en la capital ocurrieron 14 de estos 22 homicidios, y esta es la cantidad más alta registrada en el municipio de Querétaro para un sólo mes.
    Los dos meses con más carpetas de investigación por homicidio en la historia delictiva de Querétaro registrada por el SESNSP fueron marzo 2020 (con 26 carpetas y 33 víctimas) y agosto 2020 (con 23 carpetas y 24 víctimas). En el listado de meses con mayor cantidad de víctimas de homicidios en QUerétaro desde 2015, Agosto y Octubre 2020 comparten el cuarto lugar, con 24 víctimas. Un tema para el futuro es el homicidio múltiple en Querétaro.
  1. Los municipios con más homicidios en lo que va del año son Querétaro(70), San Juan del Río (25), Corregidora (8) y Ezequiel Montes (8). En tasa de homicidios por cada 100 mil habitantes, la tasa más alta y alarmante pertenece a Ezequiel Montes (17 homicidios por cada 100 mil habitantes), no sólo porque no pertenece a la zona metropolitana (ni es tan grande como San Juan del Río), sino porque en todo el año pasado sólo registró un homicidio. Un cambio tan abrupto (y que POES tomara el control de la seguridad del municipio en marzo) no ocurre al azar.
  1. Alerta en diciembre: Los delitos que tienden a aumentar en diciembre son Delitos cometidos por servidores públicos, Otros delitos que atentan contra la vida y la integridad corporal y Secuestro.
#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_oct2020.zip", list = TRUE)

elzip<-unzip("Municipal-Delitos-2015-2020_oct2020.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<-"Octubre"

anterior= "Septiembre"

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



ruta<-"D:/Municipal-Delitos-2015-2020_oct2020/Municipal-Delitos-2015-2020_oct2020.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 28514
Baja California 119944 109109 111722 103028 104011 76893
Baja California Sur 21415 24606 24174 23438 22644 15402
Campeche 1886 2237 2056 2157 2312 1650
Coahuila de Zaragoza 46569 51242 56311 56307 52936 41013
Colima 6561 10877 24425 24494 26554 21088
Chiapas 21618 22189 25364 28892 23294 14565
Chihuahua 61280 57904 68819 68898 71837 56767
Ciudad de México 169701 179720 204078 241030 242839 164165
Durango 29088 32183 34851 31903 30338 22781
Guanajuato 95782 106265 117857 133749 137658 102468
Guerrero 36783 36561 32799 27695 27343 19655
Hidalgo 27504 33754 43963 51222 49750 34770
Jalisco 95331 136820 166599 162756 156654 106238
México 323525 325038 345693 341028 354602 282976
Michoacán de Ocampo 30899 32558 41836 45190 45377 38260
Morelos 49245 45448 44329 44936 43191 33444
Nayarit 6651 3668 3220 4545 4642 3428
Nuevo León 72350 84746 83974 81125 75871 64029
Oaxaca 6127 31607 31938 41989 43788 32484
Puebla 64399 51061 53800 61172 76557 52350
Querétaro 32817 42900 53379 57809 60515 43612
Quintana Roo 32496 18958 26518 34043 45896 33426
San Luis Potosí 21419 28613 35179 38362 52288 38288
Sinaloa 25812 22141 22931 23486 23443 19323
Sonora 28659 39423 25969 18197 23438 25508
Tabasco 57452 59434 60395 58271 56561 37366
Tamaulipas 44527 48528 47163 44048 42413 26664
Tlaxcala 8317 6775 6964 6369 4411 3400
Veracruz de Ignacio de la Llave 45539 42312 66379 60758 89822 66022
Yucatán 34716 34288 24390 13129 16419 6898
Zacatecas 16179 17136 18874 21070 23952 19159

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 1987.54
Baja California 3572.11 3205.94 3226.28 2925.90 2906.50 2115.43
Baja California Sur 2974.94 3338.69 3204.95 3038.79 2873.17 1913.99
Campeche 205.71 239.65 216.32 222.99 234.95 164.90
Coahuila de Zaragoza 1552.01 1683.90 1823.63 1797.79 1666.94 1274.20
Colima 909.11 1480.54 3267.11 3221.48 3435.89 2685.85
Chiapas 407.29 411.37 462.90 519.28 412.46 254.17
Chihuahua 1694.46 1586.66 1865.32 1848.13 1907.86 1493.28
Ciudad de México 1873.34 1984.98 2255.23 2665.85 2688.89 1820.28
Durango 1632.71 1786.00 1915.42 1737.20 1637.28 1218.89
Guanajuato 1615.04 1771.83 1945.29 2186.44 2229.74 1645.23
Guerrero 1028.44 1016.34 907.49 763.00 750.36 537.46
Hidalgo 948.58 1148.58 1476.77 1699.32 1630.76 1126.55
Jalisco 1197.13 1698.37 2044.37 1975.44 1881.55 1263.28
México 1966.28 1951.18 2050.24 1999.38 2056.19 1623.71
Michoacán de Ocampo 665.25 694.97 886.01 949.87 946.94 792.89
Morelos 2550.89 2325.04 2241.16 2246.21 2135.45 1636.16
Nayarit 556.34 301.99 261.00 362.91 365.33 266.03
Nuevo León 1389.90 1600.73 1562.24 1487.21 1371.21 1141.31
Oaxaca 152.44 781.10 784.27 1024.87 1062.62 783.96
Puebla 1026.36 804.62 838.87 944.18 1170.15 792.65
Querétaro 1585.70 2029.59 2475.64 2630.15 2702.63 1913.11
Quintana Roo 2131.06 1211.44 1651.84 2069.19 2724.54 1939.70
San Luis Potosí 776.55 1028.71 1254.74 1357.87 1837.27 1335.87
Sinaloa 855.90 726.08 745.13 756.49 748.74 612.13
Sonora 993.46 1348.87 876.79 606.54 771.56 829.60
Tabasco 2367.92 2418.60 2428.49 2316.09 2222.98 1452.64
Tamaulipas 1274.12 1375.86 1325.08 1226.80 1171.34 730.40
Tlaxcala 642.14 515.44 523.07 472.50 323.35 246.37
Veracruz de Ignacio de la Llave 552.57 508.77 792.40 720.38 1058.17 773.10
Yucatán 1630.78 1590.44 1117.65 594.55 735.00 305.34
Zacatecas 1010.11 1059.95 1158.06 1282.89 1447.61 1149.71

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 6

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 Septiembre y Octubre, el delito en Querétaro creció en 4.72%, en tanto que a nivel nacional lo hizo en 6.06%. 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 2735 2917 0 0
Baja California 8384 8313 8862 5718 6247 6799 8088 8222 8001 8259 0 0
Baja California Sur 1776 1664 1792 1039 1153 1603 1607 1454 1713 1601 0 0
Campeche 202 185 198 134 141 128 135 156 179 192 0 0
Coahuila de Zaragoza 4444 4159 4127 3051 3375 4256 4715 4179 4028 4679 0 0
Colima 2269 2157 2169 1693 1853 2102 2118 1953 2249 2525 0 0
Chiapas 1730 1755 2001 1221 1117 979 1417 1442 1478 1425 0 0
Chihuahua 5587 5717 5671 4699 5000 6139 6230 6313 5870 5541 0 0
Ciudad de México 18579 20012 20640 11818 10941 13230 16046 16846 16919 19134 0 0
Durango 2485 2590 2665 1583 1789 1892 2365 2474 2478 2460 0 0
Guanajuato 11628 11212 11622 8065 8637 9718 9936 9960 10521 11169 0 0
Guerrero 2306 2390 2339 1496 1396 1560 1863 2022 2072 2211 0 0
Hidalgo 4162 4184 4478 2937 2266 2614 2945 3364 3657 4163 0 0
Jalisco 11832 11025 11142 8526 9430 10895 10961 10845 10266 11316 0 0
México 29429 29815 29960 24907 22883 25990 28262 30027 29935 31768 0 0
Michoacán de Ocampo 3991 3897 4416 3086 3590 3599 3845 3875 3768 4193 0 0
Morelos 3577 3603 3708 2543 2672 3018 3551 3762 3438 3572 0 0
Nayarit 351 401 407 251 292 313 311 331 373 398 0 0
Nuevo León 6305 7266 6710 4850 5044 6165 5556 6855 7550 7728 0 0
Oaxaca 3485 3718 3846 2708 2844 2724 3083 3222 3322 3532 0 0
Puebla 5224 5216 5624 4532 4736 4784 5419 5151 5508 6156 0 0
Querétaro 4659 4692 4841 3719 3583 3802 4470 4515 4558 4773 0 0
Quintana Roo 4012 3753 4166 2025 2163 3201 3487 3542 3733 3344 0 0
San Luis Potosí 4269 4226 4023 2722 3089 3859 4439 3585 3914 4162 0 0
Sinaloa 1998 1980 1960 1231 1605 1869 1860 2180 2240 2400 0 0
Sonora 2427 2313 2425 1859 2404 2217 2797 2632 3133 3301 0 0
Tabasco 4466 4316 4315 2018 1958 3348 4026 4326 4283 4310 0 0
Tamaulipas 2961 3023 3022 1855 2103 2684 2321 2725 2890 3080 0 0
Tlaxcala 333 365 331 287 334 313 337 391 358 351 0 0
Veracruz de Ignacio de la Llave 6527 7552 7598 5287 4969 6248 6434 6627 7231 7549 0 0
Yucatán 990 867 823 419 387 568 627 571 827 819 0 0
Zacatecas 2151 2059 2071 1441 1558 2201 1933 1947 1919 1879 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 226.82 221.87 239.02 145.33 160.67 205.70 203.88 190.29 190.64 203.33 0 0
Baja California 230.65 228.70 243.81 157.31 171.86 187.05 222.51 226.20 220.12 227.22 0 0
Baja California Sur 220.70 206.78 222.69 129.12 143.28 199.20 199.70 180.69 212.87 198.95 0 0
Campeche 20.19 18.49 19.79 13.39 14.09 12.79 13.49 15.59 17.89 19.19 0 0
Coahuila de Zaragoza 138.07 129.21 128.22 94.79 104.86 132.23 146.49 129.83 125.14 145.37 0 0
Colima 288.99 274.72 276.25 215.63 236.00 267.72 269.76 248.74 286.44 321.59 0 0
Chiapas 30.19 30.63 34.92 21.31 19.49 17.08 24.73 25.16 25.79 24.87 0 0
Chihuahua 146.97 150.39 149.18 123.61 131.53 161.49 163.88 166.07 154.41 145.76 0 0
Ciudad de México 206.01 221.90 228.86 131.04 121.32 146.70 177.92 186.79 187.60 212.16 0 0
Durango 132.96 138.58 142.59 84.70 95.72 101.23 126.54 132.37 132.58 131.62 0 0
Guanajuato 186.70 180.02 186.60 129.49 138.68 156.03 159.53 159.92 168.93 179.33 0 0
Guerrero 63.06 65.35 63.96 40.91 38.17 42.66 50.94 55.29 56.66 60.46 0 0
Hidalgo 134.85 135.56 145.09 95.16 73.42 84.69 95.42 108.99 118.49 134.88 0 0
Jalisco 140.69 131.10 132.49 101.38 112.13 129.55 130.34 128.96 122.07 134.56 0 0
México 168.86 171.08 171.91 142.92 131.30 149.13 162.17 172.29 171.77 182.28 0 0
Michoacán de Ocampo 82.71 80.76 91.52 63.95 74.40 74.58 79.68 80.30 78.09 86.89 0 0
Morelos 175.00 176.27 181.40 124.41 130.72 147.65 173.72 184.05 168.19 174.75 0 0
Nayarit 27.24 31.12 31.59 19.48 22.66 24.29 24.14 25.69 28.95 30.89 0 0
Nuevo León 112.39 129.52 119.60 86.45 89.91 109.89 99.03 122.19 134.58 137.75 0 0
Oaxaca 84.11 89.73 92.82 65.35 68.64 65.74 74.40 77.76 80.17 85.24 0 0
Puebla 79.10 78.98 85.15 68.62 71.71 72.44 82.05 77.99 83.40 93.21 0 0
Querétaro 204.37 205.82 212.36 163.14 157.17 166.78 196.08 198.06 199.94 209.38 0 0
Quintana Roo 232.81 217.79 241.75 117.51 125.52 185.75 202.35 205.54 216.62 194.05 0 0
San Luis Potosí 148.95 147.45 140.36 94.97 107.78 134.64 154.88 125.08 136.56 145.21 0 0
Sinaloa 63.29 62.72 62.09 39.00 50.84 59.21 58.92 69.06 70.96 76.03 0 0
Sonora 78.93 75.23 78.87 60.46 78.19 72.10 90.97 85.60 101.89 107.36 0 0
Tabasco 173.62 167.79 167.75 78.45 76.12 130.16 156.51 168.18 166.51 167.56 0 0
Tamaulipas 81.11 82.81 82.78 50.81 57.61 73.52 63.58 74.65 79.17 84.37 0 0
Tlaxcala 24.13 26.45 23.99 20.80 24.20 22.68 24.42 28.33 25.94 25.43 0 0
Veracruz de Ignacio de la Llave 76.43 88.43 88.97 61.91 58.19 73.16 75.34 77.60 84.67 88.40 0 0
Yucatán 43.82 38.38 36.43 18.55 17.13 25.14 27.75 25.28 36.61 36.25 0 0
Zacatecas 129.08 123.56 124.28 86.47 93.49 132.08 116.00 116.84 115.16 112.76 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 5
Octubre 4
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 65 122 3020 710 2 3 37 9 0 0 341 0 0 70 179 75 0 349 2038 1399 668 3 1131 0 83 15 24 0 1636 157 3 1574 1305 510 90 3046 264 205 1840 6 140 33 53 2 4 2013 2659 388 0 47 673 33 369 0 1121
Baja California 2152 355 4780 1275 29 33 1650 12 2 0 524 1113 0 183 497 265 1 200 3114 8528 41 27 3252 4 4 9 6 6 3472 46 0 4846 1335 397 109 5751 1052 688 9114 0 546 422 621 46 43 8174 3442 1953 7 72 288 25 772 0 5610
Baja California Sur 47 48 1202 286 2 7 134 5 0 0 151 238 101 11 155 42 0 76 960 562 22 2 144 65 11 5 4 0 580 80 11 2370 818 223 73 1005 307 103 2123 6 566 212 39 1 1 368 1124 124 2 63 92 2 234 0 595
Campeche 67 33 60 52 3 0 14 2 0 0 15 44 1 0 44 118 0 18 143 310 6 3 33 0 0 1 2 0 160 15 3 74 6 0 11 96 4 41 38 0 0 0 2 0 3 95 33 12 0 0 13 1 5 0 69
Coahuila de Zaragoza 167 165 3122 450 22 1 35 7 0 0 38 483 202 12 118 118 0 23 1707 475 112 9 308 36 14 3 22 2 874 40 43 1927 899 404 34 4854 342 902 7849 431 208 151 22 11 0 8389 3739 456 2 17 100 0 489 1 1178
Colima 452 89 950 504 12 2 0 6 0 0 323 272 0 25 121 6 0 33 1513 831 0 0 100 0 0 0 0 0 638 38 0 2169 1149 373 86 2037 325 194 3663 0 666 0 31 0 101 985 2230 156 0 45 107 4 230 3 619
Chiapas 360 523 533 441 19 8 122 11 1 0 130 124 73 13 397 0 0 566 187 1604 1 8 188 70 1 3 5 0 250 63 6 563 200 78 63 651 120 389 3841 1 139 4 44 5 70 932 364 67 1 17 54 44 217 1 993
Chihuahua 2004 237 3522 951 29 7 384 16 2 0 604 1167 0 141 735 196 0 294 1850 3274 537 33 281 79 5 2 18 4 1552 184 116 3068 2276 690 14 6390 733 503 9801 31 1348 15 76 21 0 6468 2589 743 8 140 653 71 1378 0 1527
Ciudad de México 958 520 3680 2903 61 71 177 57 0 12 1502 2619 906 0 894 368 0 589 3499 8422 5982 161 8737 1635 260 2982 2289 20 13435 0 33 17418 11477 3208 296 7187 3220 3766 22746 0 337 14 178 96 1557 4818 11940 646 13 305 3179 524 4248 7 4213
Durango 128 142 1549 767 11 0 61 0 0 0 336 348 80 10 210 2 0 215 2449 899 108 8 334 15 15 4 6 1 991 105 5 2784 1047 296 89 1797 261 109 4627 1 85 171 4 1 14 617 1000 160 0 11 63 0 70 0 775
Guanajuato 2844 1308 9295 23 16 25 166 10 2 0 0 962 198 36 427 37 0 23 3488 3598 0 8 147 0 0 0 0 0 5478 216 0 16102 2314 1024 12 7413 1004 40 8421 0 1268 16 185 2 0 11977 7195 306 2 103 333 21 82 0 16341
Guerrero 1028 169 1692 249 11 3 15 19 1 0 328 252 61 12 153 125 0 0 297 1813 12 1 173 21 2 10 1 12 466 31 4 1978 464 211 209 1374 378 9 2480 275 291 127 14 14 0 632 1791 152 0 41 194 5 157 3 1895
Hidalgo 262 194 3627 991 16 19 257 19 0 5 1548 597 0 43 314 275 0 34 1915 2714 78 29 627 150 38 13 59 1 1376 81 0 2718 948 372 122 1885 665 94 4927 0 486 5 23 8 13 313 2268 197 5 52 137 1 390 260 3599
Jalisco 1455 700 6311 2091 47 12 0 10 1 0 857 1832 226 51 296 0 0 277 4013 10894 1707 345 9113 74 101 100 0 26 8635 124 68 9597 5886 1603 633 5830 1579 0 10165 0 0 906 115 9 11 893 8346 220 2 102 1404 69 301 6 9195
México 2070 874 36313 7870 119 125 913 128 1 0 2347 2337 930 90 951 631 0 81 6797 31906 2181 4056 14256 219 741 5436 8053 28 16322 203 32 24267 9434 2781 2540 10344 3745 92 13875 1621 1608 5 126 82 3433 3306 0 1434 17 46 1119 398 3280 6 53407
Michoacán de Ocampo 1625 778 5494 811 15 8 169 41 1 0 365 431 34 83 293 81 0 103 1212 4786 37 895 496 100 27 121 21 12 721 67 105 3093 1647 503 20 2541 753 267 1022 0 88 0 32 11 3 1675 3367 303 0 29 359 137 305 1 3172
Morelos 676 189 732 2098 29 9 389 52 0 3 180 380 23 46 350 14 0 65 1211 3020 1063 348 645 58 30 56 31 22 2085 38 12 3860 1212 457 111 1643 943 270 4141 0 194 286 26 1 12 746 3701 253 1 55 188 10 40 1 1439
Nayarit 136 108 143 44 11 1 10 3 0 0 75 0 5 0 111 17 0 114 101 271 22 0 0 1 2 1 0 0 126 4 1 106 127 22 6 75 26 1 716 0 234 8 11 5 4 118 59 16 1 4 4 2 13 0 563
Nuevo León 724 408 3032 1107 57 87 212 15 1 87 1742 1062 380 39 665 278 1 617 2082 1627 90 483 777 420 59 21 35 5 1708 86 36 5840 2510 617 315 4149 850 68 15170 0 344 4527 150 37 8 3196 2741 197 2 148 797 0 1989 14 2417
Oaxaca 684 680 3326 731 26 9 186 24 0 0 163 450 177 38 344 206 0 50 1029 2013 153 46 1253 142 85 158 22 19 1066 71 24 2557 1268 409 89 2209 667 367 5342 2 103 187 33 14 435 229 3423 229 2 184 206 2 370 47 935
Puebla 744 312 3725 623 44 5 353 22 0 0 205 607 198 54 353 277 0 616 1694 8544 238 835 1567 0 73 167 562 31 2963 107 280 4018 2048 801 124 2185 1154 248 7694 0 214 645 23 9 429 994 3417 334 2 49 228 53 957 9 1516
Querétaro 158 239 4099 706 8 22 863 8 0 0 84 459 509 0 336 142 0 44 2261 2998 577 0 1200 88 112 301 325 0 2640 150 15 8413 2207 474 205 1155 721 38 3023 13 454 170 0 0 268 955 3171 247 0 71 264 2 0 14 3403
Quintana Roo 507 657 1885 557 11 12 233 9 2 0 487 473 164 29 518 0 0 157 1499 2181 34 40 1272 180 77 34 62 6 3294 35 199 3992 351 1567 187 2587 488 211 3893 0 379 466 70 21 1 897 1786 187 2 178 183 58 435 14 859
San Luis Potosí 528 284 3182 441 22 9 202 14 0 0 504 424 158 24 529 0 0 240 975 2784 899 289 672 22 22 40 4 4 1273 183 78 3413 1617 600 125 3631 538 995 6561 0 332 2 30 17 0 1198 2444 408 4 0 74 50 559 1 1883
Sinaloa 620 510 1846 460 20 4 468 8 1 0 1019 286 72 1 127 65 0 28 482 2779 6 3 22 0 9 2 11 13 755 27 1 1397 350 177 44 1428 281 28 4175 0 84 66 34 6 41 243 865 76 1 14 79 0 172 3 114
Sonora 1097 310 1299 684 22 4 216 3 0 2 393 438 52 10 171 43 0 62 1031 2222 74 12 250 235 2 0 17 4 643 87 67 3318 430 141 45 1926 256 220 4288 9 1090 104 36 1 61 2305 503 181 0 18 16 0 42 0 1068
Tabasco 428 244 3271 672 13 2 543 26 0 0 448 132 0 190 230 0 0 466 1532 1997 10 8 3317 0 8 4 16 1 1209 565 0 2087 718 478 88 1834 380 116 5406 0 708 23 39 2 0 72 3348 363 4 19 152 0 230 1 5966
Tamaulipas 512 573 1693 671 10 29 179 19 0 0 350 443 60 28 354 0 0 101 1202 1918 11 0 94 0 0 0 0 2 1079 67 1 2949 926 357 111 2544 399 25 5466 0 967 515 25 4 0 169 1266 172 0 56 109 5 390 1 812
Tlaxcala 93 36 184 72 5 0 8 12 0 0 8 22 2 1 29 0 0 1 245 1247 4 101 63 1 2 3 3 2 255 26 41 123 50 8 1 169 26 13 11 0 21 3 0 13 0 186 16 40 2 2 6 0 0 0 244
Veracruz de Ignacio de la Llave 1052 698 5529 1289 71 18 155 107 0 0 577 568 16 234 334 12 1 1102 2286 5584 103 175 1752 246 59 59 55 29 4673 409 77 3229 2783 970 621 5229 1789 725 8706 939 939 1462 22 7 0 515 5543 484 1 110 328 177 343 11 3819
Yucatán 38 86 185 42 6 0 259 0 0 0 4 61 3 0 29 0 0 2 239 116 1 0 60 0 0 0 0 0 81 4 3 0 389 329 0 1193 9 223 551 0 154 26 2 18 0 145 1790 62 0 12 25 1 14 0 736
Zacatecas 606 112 1599 457 8 1 199 32 0 0 311 173 81 18 125 85 0 78 297 1212 24 6 15 14 0 3 8 0 133 141 22 3173 848 241 296 1632 295 71 2787 0 365 97 13 6 0 266 1011 156 6 80 59 2 213 3 1779

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 4.53 8.50 210.51 49.49 0.14 0.21 2.58 0.63 0.00 0.00 23.77 0.00 0.00 4.88 12.48 5.23 0.00 24.33 142.06 97.52 46.56 0.21 78.84 0.00 5.79 1.05 1.67 0.00 114.04 10.94 0.21 109.71 90.96 35.55 6.27 212.32 18.40 14.29 128.26 0.42 9.76 2.30 3.69 0.14 0.28 140.31 185.34 27.05 0.00 3.28 46.91 2.30 25.72 0.00 78.14
Baja California 59.20 9.77 131.50 35.08 0.80 0.91 45.39 0.33 0.06 0.00 14.42 30.62 0.00 5.03 13.67 7.29 0.03 5.50 85.67 234.62 1.13 0.74 89.47 0.11 0.11 0.25 0.17 0.17 95.52 1.27 0.00 133.32 36.73 10.92 3.00 158.22 28.94 18.93 250.74 0.00 15.02 11.61 17.08 1.27 1.18 224.88 94.69 53.73 0.19 1.98 7.92 0.69 21.24 0.00 154.34
Baja California Sur 5.84 5.96 149.37 35.54 0.25 0.87 16.65 0.62 0.00 0.00 18.76 29.58 12.55 1.37 19.26 5.22 0.00 9.44 119.30 69.84 2.73 0.25 17.89 8.08 1.37 0.62 0.50 0.00 72.08 9.94 1.37 294.52 101.65 27.71 9.07 124.89 38.15 12.80 263.82 0.75 70.34 26.34 4.85 0.12 0.12 45.73 139.68 15.41 0.25 7.83 11.43 0.25 29.08 0.00 73.94
Campeche 6.70 3.30 6.00 5.20 0.30 0.00 1.40 0.20 0.00 0.00 1.50 4.40 0.10 0.00 4.40 11.79 0.00 1.80 14.29 30.98 0.60 0.30 3.30 0.00 0.00 0.10 0.20 0.00 15.99 1.50 0.30 7.40 0.60 0.00 1.10 9.59 0.40 4.10 3.80 0.00 0.00 0.00 0.20 0.00 0.30 9.49 3.30 1.20 0.00 0.00 1.30 0.10 0.50 0.00 6.90
Coahuila de Zaragoza 5.19 5.13 97.00 13.98 0.68 0.03 1.09 0.22 0.00 0.00 1.18 15.01 6.28 0.37 3.67 3.67 0.00 0.71 53.03 14.76 3.48 0.28 9.57 1.12 0.43 0.09 0.68 0.06 27.15 1.24 1.34 59.87 27.93 12.55 1.06 150.81 10.63 28.02 243.85 13.39 6.46 4.69 0.68 0.34 0.00 260.63 116.16 14.17 0.06 0.53 3.11 0.00 15.19 0.03 36.60
Colima 57.57 11.34 121.00 64.19 1.53 0.25 0.00 0.76 0.00 0.00 41.14 34.64 0.00 3.18 15.41 0.76 0.00 4.20 192.70 105.84 0.00 0.00 12.74 0.00 0.00 0.00 0.00 0.00 81.26 4.84 0.00 276.25 146.34 47.51 10.95 259.44 41.39 24.71 466.53 0.00 84.82 0.00 3.95 0.00 12.86 125.45 284.02 19.87 0.00 5.73 13.63 0.51 29.29 0.38 78.84
Chiapas 6.28 9.13 9.30 7.70 0.33 0.14 2.13 0.19 0.02 0.00 2.27 2.16 1.27 0.23 6.93 0.00 0.00 9.88 3.26 27.99 0.02 0.14 3.28 1.22 0.02 0.05 0.09 0.00 4.36 1.10 0.10 9.82 3.49 1.36 1.10 11.36 2.09 6.79 67.03 0.02 2.43 0.07 0.77 0.09 1.22 16.26 6.35 1.17 0.02 0.30 0.94 0.77 3.79 0.02 17.33
Chihuahua 52.72 6.23 92.65 25.02 0.76 0.18 10.10 0.42 0.05 0.00 15.89 30.70 0.00 3.71 19.33 5.16 0.00 7.73 48.67 86.12 14.13 0.87 7.39 2.08 0.13 0.05 0.47 0.11 40.83 4.84 3.05 80.71 59.87 18.15 0.37 168.09 19.28 13.23 257.82 0.82 35.46 0.39 2.00 0.55 0.00 170.14 68.10 19.54 0.21 3.68 17.18 1.87 36.25 0.00 40.17
Ciudad de México 10.62 5.77 40.80 32.19 0.68 0.79 1.96 0.63 0.00 0.13 16.65 29.04 10.05 0.00 9.91 4.08 0.00 6.53 38.80 93.38 66.33 1.79 96.88 18.13 2.88 33.06 25.38 0.22 148.97 0.00 0.37 193.13 127.26 35.57 3.28 79.69 35.70 41.76 252.21 0.00 3.74 0.16 1.97 1.06 17.26 53.42 132.39 7.16 0.14 3.38 35.25 5.81 47.10 0.08 46.71
Durango 6.85 7.60 82.88 41.04 0.59 0.00 3.26 0.00 0.00 0.00 17.98 18.62 4.28 0.54 11.24 0.11 0.00 11.50 131.03 48.10 5.78 0.43 17.87 0.80 0.80 0.21 0.32 0.05 53.02 5.62 0.27 148.96 56.02 15.84 4.76 96.15 13.96 5.83 247.57 0.05 4.55 9.15 0.21 0.05 0.75 33.01 53.50 8.56 0.00 0.59 3.37 0.00 3.75 0.00 41.47
Guanajuato 45.66 21.00 149.24 0.37 0.26 0.40 2.67 0.16 0.03 0.00 0.00 15.45 3.18 0.58 6.86 0.59 0.00 0.37 56.00 57.77 0.00 0.13 2.36 0.00 0.00 0.00 0.00 0.00 87.96 3.47 0.00 258.53 37.15 16.44 0.19 119.02 16.12 0.64 135.21 0.00 20.36 0.26 2.97 0.03 0.00 192.30 115.52 4.91 0.03 1.65 5.35 0.34 1.32 0.00 262.37
Guerrero 28.11 4.62 46.27 6.81 0.30 0.08 0.41 0.52 0.03 0.00 8.97 6.89 1.67 0.33 4.18 3.42 0.00 0.00 8.12 49.58 0.33 0.03 4.73 0.57 0.05 0.27 0.03 0.33 12.74 0.85 0.11 54.09 12.69 5.77 5.71 37.57 10.34 0.25 67.81 7.52 7.96 3.47 0.38 0.38 0.00 17.28 48.97 4.16 0.00 1.12 5.30 0.14 4.29 0.08 51.82
Hidalgo 8.49 6.29 117.52 32.11 0.52 0.62 8.33 0.62 0.00 0.16 50.16 19.34 0.00 1.39 10.17 8.91 0.00 1.10 62.05 87.93 2.53 0.94 20.31 4.86 1.23 0.42 1.91 0.03 44.58 2.62 0.00 88.06 30.72 12.05 3.95 61.07 21.55 3.05 159.64 0.00 15.75 0.16 0.75 0.26 0.42 10.14 73.48 6.38 0.16 1.68 4.44 0.03 12.64 8.42 116.61
Jalisco 17.30 8.32 75.04 24.86 0.56 0.14 0.00 0.12 0.01 0.00 10.19 21.78 2.69 0.61 3.52 0.00 0.00 3.29 47.72 129.54 20.30 4.10 108.36 0.88 1.20 1.19 0.00 0.31 102.68 1.47 0.81 114.12 69.99 19.06 7.53 69.32 18.78 0.00 120.87 0.00 0.00 10.77 1.37 0.11 0.13 10.62 99.24 2.62 0.02 1.21 16.70 0.82 3.58 0.07 109.34
México 11.88 5.01 208.36 45.16 0.68 0.72 5.24 0.73 0.01 0.00 13.47 13.41 5.34 0.52 5.46 3.62 0.00 0.46 39.00 183.08 12.51 23.27 81.80 1.26 4.25 31.19 46.21 0.16 93.66 1.16 0.18 139.24 54.13 15.96 14.57 59.35 21.49 0.53 79.61 9.30 9.23 0.03 0.72 0.47 19.70 18.97 0.00 8.23 0.10 0.26 6.42 2.28 18.82 0.03 306.45
Michoacán de Ocampo 33.68 16.12 113.86 16.81 0.31 0.17 3.50 0.85 0.02 0.00 7.56 8.93 0.70 1.72 6.07 1.68 0.00 2.13 25.12 99.18 0.77 18.55 10.28 2.07 0.56 2.51 0.44 0.25 14.94 1.39 2.18 64.10 34.13 10.42 0.41 52.66 15.60 5.53 21.18 0.00 1.82 0.00 0.66 0.23 0.06 34.71 69.78 6.28 0.00 0.60 7.44 2.84 6.32 0.02 65.74
Morelos 33.07 9.25 35.81 102.64 1.42 0.44 19.03 2.54 0.00 0.15 8.81 18.59 1.13 2.25 17.12 0.68 0.00 3.18 59.24 147.75 52.00 17.02 31.55 2.84 1.47 2.74 1.52 1.08 102.00 1.86 0.59 188.84 59.29 22.36 5.43 80.38 46.13 13.21 202.59 0.00 9.49 13.99 1.27 0.05 0.59 36.50 181.06 12.38 0.05 2.69 9.20 0.49 1.96 0.05 70.40
Nayarit 10.55 8.38 11.10 3.41 0.85 0.08 0.78 0.23 0.00 0.00 5.82 0.00 0.39 0.00 8.61 1.32 0.00 8.85 7.84 21.03 1.71 0.00 0.00 0.08 0.16 0.08 0.00 0.00 9.78 0.31 0.08 8.23 9.86 1.71 0.47 5.82 2.02 0.08 55.57 0.00 18.16 0.62 0.85 0.39 0.31 9.16 4.58 1.24 0.08 0.31 0.31 0.16 1.01 0.00 43.69
Nuevo León 12.91 7.27 54.04 19.73 1.02 1.55 3.78 0.27 0.02 1.55 31.05 18.93 6.77 0.70 11.85 4.96 0.02 11.00 37.11 29.00 1.60 8.61 13.85 7.49 1.05 0.37 0.62 0.09 30.44 1.53 0.64 104.10 44.74 11.00 5.61 73.96 15.15 1.21 270.40 0.00 6.13 80.69 2.67 0.66 0.14 56.97 48.86 3.51 0.04 2.64 14.21 0.00 35.45 0.25 43.08
Oaxaca 16.51 16.41 80.27 17.64 0.63 0.22 4.49 0.58 0.00 0.00 3.93 10.86 4.27 0.92 8.30 4.97 0.00 1.21 24.83 48.58 3.69 1.11 30.24 3.43 2.05 3.81 0.53 0.46 25.73 1.71 0.58 61.71 30.60 9.87 2.15 53.31 16.10 8.86 128.92 0.05 2.49 4.51 0.80 0.34 10.50 5.53 82.61 5.53 0.05 4.44 4.97 0.05 8.93 1.13 22.56
Puebla 11.27 4.72 56.40 9.43 0.67 0.08 5.34 0.33 0.00 0.00 3.10 9.19 3.00 0.82 5.34 4.19 0.00 9.33 25.65 129.37 3.60 12.64 23.73 0.00 1.11 2.53 8.51 0.47 44.86 1.62 4.24 60.84 31.01 12.13 1.88 33.08 17.47 3.76 116.50 0.00 3.24 9.77 0.35 0.14 6.50 15.05 51.74 5.06 0.03 0.74 3.45 0.80 14.49 0.14 22.95
Querétaro 6.93 10.48 179.81 30.97 0.35 0.97 37.86 0.35 0.00 0.00 3.68 20.13 22.33 0.00 14.74 6.23 0.00 1.93 99.18 131.51 25.31 0.00 52.64 3.86 4.91 13.20 14.26 0.00 115.81 6.58 0.66 369.05 96.81 20.79 8.99 50.67 31.63 1.67 132.61 0.57 19.92 7.46 0.00 0.00 11.76 41.89 139.10 10.84 0.00 3.11 11.58 0.09 0.00 0.61 149.28
Quintana Roo 29.42 38.13 109.39 32.32 0.64 0.70 13.52 0.52 0.12 0.00 28.26 27.45 9.52 1.68 30.06 0.00 0.00 9.11 86.99 126.56 1.97 2.32 73.81 10.45 4.47 1.97 3.60 0.35 191.15 2.03 11.55 231.65 20.37 90.93 10.85 150.12 28.32 12.24 225.91 0.00 21.99 27.04 4.06 1.22 0.06 52.05 103.64 10.85 0.12 10.33 10.62 3.37 25.24 0.81 49.85
San Luis Potosí 18.42 9.91 111.02 15.39 0.77 0.31 7.05 0.49 0.00 0.00 17.58 14.79 5.51 0.84 18.46 0.00 0.00 8.37 34.02 97.13 31.37 10.08 23.45 0.77 0.77 1.40 0.14 0.14 44.42 6.38 2.72 119.08 56.42 20.93 4.36 126.69 18.77 34.72 228.91 0.00 11.58 0.07 1.05 0.59 0.00 41.80 85.27 14.24 0.14 0.00 2.58 1.74 19.50 0.03 65.70
Sinaloa 19.64 16.16 58.48 14.57 0.63 0.13 14.83 0.25 0.03 0.00 32.28 9.06 2.28 0.03 4.02 2.06 0.00 0.89 15.27 88.04 0.19 0.10 0.70 0.00 0.29 0.06 0.35 0.41 23.92 0.86 0.03 44.26 11.09 5.61 1.39 45.24 8.90 0.89 132.26 0.00 2.66 2.09 1.08 0.19 1.30 7.70 27.40 2.41 0.03 0.44 2.50 0.00 5.45 0.10 3.61
Sonora 35.68 10.08 42.25 22.25 0.72 0.13 7.02 0.10 0.00 0.07 12.78 14.25 1.69 0.33 5.56 1.40 0.00 2.02 33.53 72.27 2.41 0.39 8.13 7.64 0.07 0.00 0.55 0.13 20.91 2.83 2.18 107.91 13.98 4.59 1.46 62.64 8.33 7.16 139.46 0.29 35.45 3.38 1.17 0.03 1.98 74.97 16.36 5.89 0.00 0.59 0.52 0.00 1.37 0.00 34.73
Tabasco 16.64 9.49 127.16 26.12 0.51 0.08 21.11 1.01 0.00 0.00 17.42 5.13 0.00 7.39 8.94 0.00 0.00 18.12 59.56 77.64 0.39 0.31 128.95 0.00 0.31 0.16 0.62 0.04 47.00 21.96 0.00 81.13 27.91 18.58 3.42 71.30 14.77 4.51 210.16 0.00 27.52 0.89 1.52 0.08 0.00 2.80 130.16 14.11 0.16 0.74 5.91 0.00 8.94 0.04 231.93
Tamaulipas 14.03 15.70 46.38 18.38 0.27 0.79 4.90 0.52 0.00 0.00 9.59 12.13 1.64 0.77 9.70 0.00 0.00 2.77 32.93 52.54 0.30 0.00 2.57 0.00 0.00 0.00 0.00 0.05 29.56 1.84 0.03 80.78 25.37 9.78 3.04 69.69 10.93 0.68 149.73 0.00 26.49 14.11 0.68 0.11 0.00 4.63 34.68 4.71 0.00 1.53 2.99 0.14 10.68 0.03 22.24
Tlaxcala 6.74 2.61 13.33 5.22 0.36 0.00 0.58 0.87 0.00 0.00 0.58 1.59 0.14 0.07 2.10 0.00 0.00 0.07 17.75 90.36 0.29 7.32 4.57 0.07 0.14 0.22 0.22 0.14 18.48 1.88 2.97 8.91 3.62 0.58 0.07 12.25 1.88 0.94 0.80 0.00 1.52 0.22 0.00 0.94 0.00 13.48 1.16 2.90 0.14 0.14 0.43 0.00 0.00 0.00 17.68
Veracruz de Ignacio de la Llave 12.32 8.17 64.74 15.09 0.83 0.21 1.82 1.25 0.00 0.00 6.76 6.65 0.19 2.74 3.91 0.14 0.01 12.90 26.77 65.39 1.21 2.05 20.52 2.88 0.69 0.69 0.64 0.34 54.72 4.79 0.90 37.81 32.59 11.36 7.27 61.23 20.95 8.49 101.95 11.00 11.00 17.12 0.26 0.08 0.00 6.03 64.91 5.67 0.01 1.29 3.84 2.07 4.02 0.13 44.72
Yucatán 1.68 3.81 8.19 1.86 0.27 0.00 11.46 0.00 0.00 0.00 0.18 2.70 0.13 0.00 1.28 0.00 0.00 0.09 10.58 5.13 0.04 0.00 2.66 0.00 0.00 0.00 0.00 0.00 3.59 0.18 0.13 0.00 17.22 14.56 0.00 52.81 0.40 9.87 24.39 0.00 6.82 1.15 0.09 0.80 0.00 6.42 79.24 2.74 0.00 0.53 1.11 0.04 0.62 0.00 32.58
Zacatecas 36.37 6.72 95.95 27.42 0.48 0.06 11.94 1.92 0.00 0.00 18.66 10.38 4.86 1.08 7.50 5.10 0.00 4.68 17.82 72.73 1.44 0.36 0.90 0.84 0.00 0.18 0.48 0.00 7.98 8.46 1.32 190.41 50.89 14.46 17.76 97.93 17.70 4.26 167.24 0.00 21.90 5.82 0.78 0.36 0.00 15.96 60.67 9.36 0.36 4.80 3.54 0.12 12.78 0.18 106.76

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
25 Robo en transporte público individual 2
3 Lesiones dolosas 3
26 Robo en transporte público colectivo 3
27 Robo en transporte individual 3
29 Robo a negocio 3
16 Violación equiparada 4
20 Robo de vehículo automotor 4
33 Fraude 4
45 Otros delitos contra la sociedad 4
54 Electorales 4
19 Robo a casa habitación 5
21 Robo de autopartes 5
30 Robo de ganado 5
37 Despojo 5
47 Amenazas 5
55 Otros delitos del Fuero Común 5
35 Extorsión 6
15 Violación simple 7
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
2 Homicidio culposo 8
12 Abuso sexual 8
23 Robo a transeúnte en vía pública 8
34 Abuso de confianza 8
50 Falsedad 9
41 Incumplimiento de obligaciones de asistencia familiar 10
4 Lesiones culposas 11
42 Otros delitos contra la familia 11
48 Allanamiento de morada 11
46 Narcomenudeo 12
31 Robo de maquinaria 13
39 Violencia familiar 18
8 Secuestro 19
18 Otros delitos que atentan contra la libertad y la seguridad sexual 22
52 Contra el medio ambiente 22
5 Feminicidio 23
38 Otros delitos contra el patrimonio 23
1 Homicidio doloso 24
11 Otros delitos que atentan contra la libertad personal 25
36 Daño a la propiedad 25

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 7649 169188 4521.01
227 2 Chihuahua Santa Isabel 151 4293 3517.35
1821 3 Quintana Roo Tulum 1187 36866 3219.77
908 4 Morelos Cuernavaca 11995 399426 3003.06
284 5 Ciudad de México Cuauhtémoc 23226 776217 2992.20
1556 6 Oaxaca Tlacolula de Matamoros 710 24027 2955.01
16 7 Baja California Playas de Rosarito 3064 107859 2840.75
501 8 Hidalgo Pachuca de Soto 7854 280312 2801.88
969 9 Nuevo León Doctor Coss 51 1845 2764.23
1072 10 Oaxaca Oaxaca de Juárez 7123 258636 2754.06
285 11 Ciudad de México Miguel Hidalgo 10238 379624 2696.88
77 12 Colima Manzanillo 5254 203306 2584.28
14 13 Baja California Tecate 2921 113857 2565.50
913 14 Morelos Jojutla 1571 61366 2560.05
333 15 Guanajuato Celaya 13572 530820 2556.80
1807 16 Querétaro Querétaro 24744 976939 2532.81
769 17 México Toluca 22841 948950 2406.98
1343 18 Oaxaca Villa de Etla 275 11426 2406.79
907 19 Morelos Cuautla 5003 210529 2376.39
773 20 México Valle de Bravo 1661 70192 2366.37
13 21 Baja California Mexicali 25662 1087478 2359.77
264 22 Chihuahua Satevó 79 3381 2336.59
11 23 Aguascalientes San Francisco de los Romo 1188 51568 2303.75
2469 24 Zacatecas Zacatecas 3560 155533 2288.90
672 25 México Amecameca 1218 54548 2232.90
1820 26 Quintana Roo Solidaridad 5352 239850 2231.39
576 27 Jalisco Guadalajara 33531 1503505 2230.19
6 28 Aguascalientes Pabellón de Arteaga 1115 50032 2228.57
1851 29 San Luis Potosí San Luis Potosí 19198 870578 2205.20
341 30 Guanajuato Guanajuato 4314 198035 2178.40
80 31 Colima Villa de Álvarez 3288 151019 2177.21
762 32 México Texcoco 5650 262015 2156.37
1 33 Aguascalientes Aguascalientes 20610 961977 2142.46
331 34 Guanajuato Apaseo el Grande 2119 99036 2139.63
784 35 México Cuautitlán Izcalli 12321 577190 2134.65
696 36 México Ecatepec de Morelos 36350 1707754 2128.53
688 37 México Chalco 8427 397344 2120.83
76 38 Colima Ixtlahuacán 128 6078 2105.96
74 39 Colima Coquimatlán 466 22167 2102.22
981 40 Nuevo León Los Herreras 42 1998 2102.10
788 41 México Tonanitla 229 10960 2089.42
720 42 México Naucalpan de Juárez 18963 910187 2083.42
910 43 Morelos Huitzilac 421 20372 2066.56
679 44 México Axapusco 614 30040 2043.94
1804 45 Querétaro El Marqués 3651 178672 2043.41
724 46 México Nopaltepec 199 9753 2040.40
271 47 Ciudad de México Azcapotzalco 8321 408441 2037.26
767 48 México Tlalnepantla de Baz 15367 756537 2031.23
1977 49 Tabasco Centro 14882 739611 2012.14
10 50 Aguascalientes El Llano 439 21947 2000.27

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
1552 1 Oaxaca Teotongo 7 986 709.94
72 2 Colima Colima 911 169188 538.45
1126 3 Oaxaca San Bartolo Soyaltepec 3 674 445.10
1557 4 Oaxaca Tlacotepec Plumas 2 466 429.18
981 5 Nuevo León Los Herreras 8 1998 400.40
1821 6 Quintana Roo Tulum 147 36866 398.74
76 7 Colima Ixtlahuacán 24 6078 394.87
1274 8 Oaxaca San Miguel el Grande 17 4389 387.33
1101 9 Oaxaca San Andrés Sinaxtla 3 778 385.60
245 10 Chihuahua Manuel Benavides 6 1562 384.12
994 11 Nuevo León Parás 4 1083 369.34
970 12 Nuevo León Doctor González 12 3294 364.30
1547 13 Oaxaca Taniche 3 833 360.14
284 14 Ciudad de México Cuauhtémoc 2688 776217 346.29
73 15 Colima Comala 80 23902 334.70
501 16 Hidalgo Pachuca de Soto 918 280312 327.49
227 17 Chihuahua Santa Isabel 14 4293 326.11
264 18 Chihuahua Satevó 11 3381 325.35
839 19 Michoacán de Ocampo Marcos Castellanos 47 14517 323.76
1366 20 Oaxaca Santa Catalina Quierí 3 943 318.13
773 21 México Valle de Bravo 223 70192 317.70
16 22 Baja California Playas de Rosarito 340 107859 315.23
986 23 Nuevo León Lampazos de Naranjo 18 5783 311.26
1163 24 Oaxaca San Jacinto Tlacotepec 7 2260 309.73
285 25 Ciudad de México Miguel Hidalgo 1165 379624 306.88
1964 26 Sonora Tubutama 4 1329 300.98
1709 27 Puebla San Martín Totoltepec 2 674 296.74
672 28 México Amecameca 160 54548 293.32
963 29 Nuevo León Cadereyta Jiménez 308 105145 292.93
1807 30 Querétaro Querétaro 2851 976939 291.83
1072 31 Oaxaca Oaxaca de Juárez 752 258636 290.76
679 32 México Axapusco 87 30040 289.61
908 33 Morelos Cuernavaca 1153 399426 288.66
34 34 Coahuila de Zaragoza Acuña 469 163157 287.45
1325 35 Oaxaca San Pedro Molinos 2 702 284.90
77 36 Colima Manzanillo 574 203306 282.33
1921 37 Sonora Cucurpe 3 1066 281.43
341 38 Guanajuato Guanajuato 541 198035 273.18
80 39 Colima Villa de Álvarez 412 151019 272.81
495 40 Hidalgo Molango de Escamilla 34 12518 271.61
769 41 México Toluca 2542 948950 267.88
1134 42 Oaxaca San Cristóbal Suchixtlahuaca 1 375 266.67
1556 43 Oaxaca Tlacolula de Matamoros 64 24027 266.37
742 44 México Soyaniquilpan de Juárez 38 14339 265.01
688 45 México Chalco 1048 397344 263.75
988 46 Nuevo León Marín 16 6199 258.11
333 47 Guanajuato Celaya 1367 530820 257.53
13 48 Baja California Mexicali 2752 1087478 253.06
1197 49 Oaxaca San Juan Chilateca 4 1585 252.37
965 50 Nuevo León Cerralvo 21 8324 252.28

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 16 Querétaro Querétaro 24744 976939 2532.81
1804 45 Querétaro El Marqués 3651 178672 2043.41
1809 79 Querétaro San Juan del Río 5729 316169 1812.01
1799 132 Querétaro Corregidora 3155 208076 1516.27
1801 236 Querétaro Huimilpan 538 42305 1271.72
1810 241 Querétaro Tequisquiapan 994 78742 1262.35
1802 254 Querétaro Jalpan de Serra 367 29625 1238.82
1805 313 Querétaro Pedro Escobedo 867 76411 1134.65
1800 331 Querétaro Ezequiel Montes 504 45877 1098.59
1794 337 Querétaro Amealco de Bonfil 747 68441 1091.45
1798 352 Querétaro Colón 726 69112 1050.47
1797 554 Querétaro Cadereyta de Montes 623 76829 810.89
1806 614 Querétaro Peñamiller 166 21988 754.96
1808 700 Querétaro San Joaquín 70 10323 678.10
1795 737 Querétaro Pinal de Amoles 185 28189 656.28
1796 758 Querétaro Arroyo Seco 95 14789 642.37
1803 771 Querétaro Landa de Matamoros 129 20313 635.06
1811 946 Querétaro Tolimán 224 42391 528.41
1812 2463 Querétaro No Especificado 98 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 30 Querétaro Querétaro 2851 976939 291.83
1804 89 Querétaro El Marqués 394 178672 220.52
1809 126 Querétaro San Juan del Río 594 316169 187.87
1799 175 Querétaro Corregidora 347 208076 166.77
1802 316 Querétaro Jalpan de Serra 40 29625 135.02
1800 464 Querétaro Ezequiel Montes 51 45877 111.17
1801 477 Querétaro Huimilpan 46 42305 108.73
1794 480 Querétaro Amealco de Bonfil 74 68441 108.12
1798 489 Querétaro Colón 74 69112 107.07
1810 526 Querétaro Tequisquiapan 81 78742 102.87
1805 605 Querétaro Pedro Escobedo 71 76411 92.92
1797 681 Querétaro Cadereyta de Montes 64 76829 83.30
1806 733 Querétaro Peñamiller 17 21988 77.31
1808 980 Querétaro San Joaquín 6 10323 58.12
1796 1021 Querétaro Arroyo Seco 8 14789 54.09
1811 1050 Querétaro Tolimán 22 42391 51.90
1803 1095 Querétaro Landa de Matamoros 10 20313 49.23
1795 1268 Querétaro Pinal de Amoles 11 28189 39.02
1812 2463 Querétaro No Especificado 12 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 Septiembre y Octubre

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 Septiembre Carpetas en Octubre Tasa de cambio (%)
34 Otros robos 902 928 2.88
25 Lesiones dolosas 416 396 -4.81
30 Otros delitos del Fuero Común 309 349 12.94
38 Robo a negocio 292 337 15.41
45 Robo de vehículo automotor 280 334 19.29
6 Amenazas 332 325 -2.11
55 Violencia familiar 273 314 15.02
18 Fraude 294 311 5.78
36 Robo a casa habitación 226 228 0.88
40 Robo a transeúnte en vía pública 127 120 -5.51
9 Daño a la propiedad 133 118 -11.28
24 Lesiones culposas 82 100 21.95
26 Narcomenudeo 107 98 -8.41
11 Despojo 70 90 28.57
33 Otros delitos que atentan contra la vida y la integridad corporal 101 80 -20.79
23 Incumplimiento de obligaciones de asistencia familiar 45 62 37.78
4 Acoso sexual 57 60 5.26
3 Abuso sexual 51 54 5.88
2 Abuso de confianza 66 53 -19.70
29 Otros delitos contra la sociedad 54 47 -12.96
42 Robo de autopartes 49 38 -22.45
16 Falsificación 22 36 63.64
46 Robo en transporte individual 39 33 -15.38
19 Homicidio culposo 21 28 33.33
53 Violación simple 30 28 -6.67
14 Extorsión 22 24 9.09
52 Violación equiparada 13 23 76.92
20 Homicidio doloso 12 22 83.33
5 Allanamiento de morada 22 22 0.00
43 Robo de ganado 16 20 25.00
47 Robo en transporte público colectivo 33 19 -42.42
28 Otros delitos contra la familia 22 17 -22.73
48 Robo en transporte público individual 3 16 433.33
15 Falsedad 5 11 120.00
31 Otros delitos que atentan contra la libertad personal 12 9 -25.00
39 Robo a transeúnte en espacio abierto al público 8 8 0.00
17 Feminicidio 1 4 300.00
32 Otros delitos que atentan contra la libertad y la seguridad sexual 4 4 0.00
27 Otros delitos contra el patrimonio 5 3 -40.00
49 Secuestro 1 1 0.00
44 Robo de maquinaria 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
Violación equiparada

Querétaro: Los delitos más frecuentes en Octubre

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 Octubre Octubre
34 Otros robos 928
25 Lesiones dolosas 396
30 Otros delitos del Fuero Común 349
38 Robo a negocio 337
45 Robo de vehículo automotor 334
6 Amenazas 325
55 Violencia familiar 314
18 Fraude 311
36 Robo a casa habitación 228
40 Robo a transeúnte en vía pública 120
9 Daño a la propiedad 118
24 Lesiones culposas 100
26 Narcomenudeo 98
11 Despojo 90
33 Otros delitos que atentan contra la vida y la integridad corporal 80
23 Incumplimiento de obligaciones de asistencia familiar 62
4 Acoso sexual 60
3 Abuso sexual 54
2 Abuso de confianza 53
29 Otros delitos contra la sociedad 47
42 Robo de autopartes 38
16 Falsificación 36
46 Robo en transporte individual 33
19 Homicidio culposo 28
53 Violación simple 28
14 Extorsión 24
52 Violación equiparada 23
5 Allanamiento de morada 22
20 Homicidio doloso 22
43 Robo de ganado 20
47 Robo en transporte público colectivo 19
28 Otros delitos contra la familia 17
48 Robo en transporte público individual 16
15 Falsedad 11
31 Otros delitos que atentan contra la libertad personal 9
39 Robo a transeúnte en espacio abierto al público 8
17 Feminicidio 4
32 Otros delitos que atentan contra la libertad y la seguridad sexual 4
1 Aborto 3
27 Otros delitos contra el patrimonio 3
49 Secuestro 1
7 Contra el medio ambiente 0
8 Corrupción de menores 0
10 Delitos cometidos por servidores públicos 0
12 Electorales 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
50 Tráfico de menores 0
51 Trata de personas 0
54 Violencia de género en todas sus modalidades distinta a la violencia familiar 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 3 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 53 48 55 38 26 33 54 48 66 53 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 35 39 69 22 47 45 56 41 51 54 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 34 55 52 54 42 50 48 57 57 60 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 27 21 30 28 22 22 0 0
Amenazas 78 81 95 94 88 85 103 98 95 102 103 86 71 67 89 106 113 189 187 223 159 184 148 174 169 186 176 189 294 231 208 281 241 245 230 215 233 210 287 263 315 276 315 297 273 341 278 273 319 307 333 376 417 344 399 391 308 367 353 328 342 390 380 251 201 278 322 350 332 325 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 167 153 186 178 172 168 158 132 165 143 186 174 155 183 159 185 213 391 430 461 477 402 394 412 407 387 432 395 477 447 385 455 412 522 437 444 478 395 433 426 436 510 487 462 473 465 430 426 451 436 484 481 506 452 272 116 120 112 102 128 113 128 106 115 97 108 106 131 133 118 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 67 77 58 45 53 71 104 86 70 90 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 22 24 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 5 11 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 12 20 18 33 22 36 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 1 4 0 0
Fraude 115 113 138 114 134 138 134 106 110 124 130 130 104 106 117 141 172 153 153 167 167 132 161 119 157 171 181 159 192 186 152 188 143 195 184 126 143 157 211 156 189 172 189 209 185 182 174 152 189 164 221 207 222 180 257 224 206 210 192 208 242 192 170 122 154 200 243 279 294 311 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 24 25 18 21 28 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 12 11 26 11 18 8 15 23 12 22 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 45 62 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 57 64 82 100 0 0
Lesiones dolosas 176 194 205 244 236 240 235 246 227 245 290 266 172 173 219 239 286 322 320 405 357 366 304 409 367 315 366 356 561 458 389 422 375 399 355 371 325 335 448 459 504 432 519 419 421 509 400 423 402 413 503 483 614 522 499 448 498 461 380 467 352 417 488 433 326 398 479 394 416 396 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 76 78 72 79 89 107 98 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 5 3 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 22 17 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 29 54 47 0 0
Otros delitos del Fuero Común 106 112 121 96 107 142 130 120 114 136 166 163 122 133 163 148 202 233 268 245 267 269 236 275 252 259 317 252 304 350 300 323 287 321 262 305 302 348 388 382 366 355 349 339 373 428 318 346 376 364 359 397 469 424 465 461 414 453 401 339 402 403 399 294 327 328 301 291 309 349 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 5 12 9 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 4 4 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 76 106 101 80 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 937 908 934 735 725 675 792 877 902 928 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 165 161 215 220 236 202 184 212 223 192 201 206 194 204 213 218 213 285 292 317 289 383 309 365 308 291 351 282 304 331 327 327 327 345 356 303 369 271 344 331 312 270 352 361 357 320 282 360 340 260 278 303 320 265 303 290 266 267 264 253 317 261 218 188 179 190 227 227 226 228 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 177 129 192 191 140 152 153 157 136 151 140 132 154 132 154 152 185 220 294 244 249 296 264 269 257 256 314 252 261 229 271 295 294 294 292 348 296 267 262 249 262 215 224 237 223 292 299 226 257 248 268 281 312 272 312 319 252 297 299 262 286 238 270 214 219 232 259 293 292 337 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 8 8 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 91 110 133 141 127 120 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 49 38 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 16 20 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 1 0 0 0
Robo de vehículo automotor 313 275 274 273 326 340 320 364 389 350 311 337 326 305 378 347 372 415 408 504 458 478 440 449 423 412 457 411 500 516 513 516 496 510 494 490 508 398 468 474 535 525 556 632 480 527 468 594 472 442 441 473 426 399 402 372 355 357 376 407 347 338 329 272 223 236 339 300 280 334 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 49 31 39 33 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 33 19 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 3 16 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 1 1 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 20 13 23 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 47 39 48 30 25 26 33 30 30 28 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 97 136 178 179 154 177 175 182 188 142 144 150 159 221 236 245 216 385 354 286 338 283 262 260 298 376 298 308 261 342 293 273 314 0 0

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

kable(aumentoContraUnAno)
x
Aborto
Abuso sexual
Acoso sexual
Daño a la propiedad
Despojo
Extorsión
Falsedad
Feminicidio
Fraude
Homicidio culposo
Homicidio doloso
Lesiones culposas
Otros delitos contra la sociedad
Otros delitos que atentan contra la libertad personal
Robo a negocio
Robo en transporte público individual
Violación equiparada

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
Feminicidio
Fraude
Homicidio culposo
Lesiones culposas
Robo a negocio
Violación equiparada

Municipal

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

#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
Arroyo Seco
Cadereyta de Montes
Jalpan de Serra
Tolimán

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 Septiembre Octubre Tasa de cambio respecto del mes anterior (%)
Amealco de Bonfil 76 74 -2.63
Pinal de Amoles 15 11 -26.67
Arroyo Seco 7 8 14.29
Cadereyta de Montes 63 64 1.59
Colón 92 74 -19.57
Corregidora 319 347 8.78
Ezequiel Montes 38 51 34.21
Huimilpan 36 46 27.78
Jalpan de Serra 49 40 -18.37
Landa de Matamoros 13 10 -23.08
El Marqués 364 394 8.24
Pedro Escobedo 75 71 -5.33
Peñamiller 16 17 6.25
Querétaro 2676 2851 6.54
San Joaquín 11 6 -45.45
San Juan del Río 597 594 -0.50
Tequisquiapan 90 81 -10.00
Tolimán 12 22 83.33

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 Querétaro

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 202009 202010
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 74 67 76 76 74
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 15 11
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 7 8
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 54 63 64
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 92 74
22006 Corregidora 176 166 186 179 200 218 189 183 189 210 211 182 185 192 183 213 226 297 338 359 302 304 308 306 321 311 368 283 361 304 343 306 342 352 298 330 345 329 397 362 379 387 390 373 349 365 329 373 353 333 396 374 399 379 382 364 346 394 377 333 399 358 349 260 252 252 314 305 319 347
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 63 56 43 44 38 51
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 57 61 65 38 51 56 67 61 36 46
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 32 37 28 36 36 40 49 40
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 13 10
22011 El Marqués 133 161 158 184 158 171 166 168 197 169 158 173 152 151 148 170 189 222 279 322 287 289 276 266 262 279 294 313 338 325 328 325 285 291 268 307 365 308 334 352 390 376 378 381 337 393 347 372 441 457 437 474 488 392 473 387 380 417 379 408 377 396 404 319 291 347 403 356 364 394
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 90 84 102 107 75 71
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 16 17
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 2675 2744 2062 2009 2055 2480 2570 2676 2851
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 11 6
22016 San Juan del Río 371 314 404 425 440 410 366 312 354 400 406 364 339 380 400 437 430 392 398 356 392 371 403 479 518 478 569 457 543 558 514 560 537 617 574 535 594 604 695 677 714 650 631 605 594 664 589 611 624 561 684 702 788 664 736 687 631 660 579 579 616 612 623 490 443 478 645 631 597 594
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 87 101 110 117 111 100 79 103 99 104 90 81
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 12 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 102 Lesiones dolosas 44 Amenazas 17 Lesiones dolosas 101 Otros robos 134 Otros robos 574 Otros robos 83 Otros robos 75 Violencia familiar 74 Violencia familiar 24 Otros robos 739 Otros robos 140 Lesiones dolosas 29 Otros robos 5134 Amenazas 12 Otros robos 1057 Otros robos 175 Violencia familiar 58
25 Segundo Lesiones dolosas 96 Violencia familiar 32 Violencia familiar 17 Violencia familiar 89 Violencia familiar 116 Lesiones dolosas 287 Violencia familiar 56 Amenazas 69 Otros robos 56 Lesiones dolosas 17 Lesiones dolosas 406 Lesiones dolosas 129 Violencia familiar 28 Lesiones dolosas 2076 Otros robos 11 Amenazas 591 Robo a casa habitación 109 Lesiones dolosas 38
55 Tercero Violencia familiar 89 Amenazas 19 Otros robos 11 Amenazas 60 Lesiones dolosas 86 Otros delitos del Fuero Común 274 Lesiones dolosas 47 Lesiones dolosas 66 Lesiones dolosas 40 Amenazas 15 Violencia familiar 298 Violencia familiar 73 Amenazas 15 Robo a negocio 2054 Robo a casa habitación 9 Lesiones dolosas 517 Lesiones dolosas 104 Amenazas 15
6 Cuarto Amenazas 78 Otros robos 18 Lesiones dolosas 7 Otros robos 56 Otros delitos del Fuero Común 51 Amenazas 266 Otros delitos del Fuero Común 47 Violencia familiar 49 Amenazas 38 Otros robos 14 Amenazas 295 Otros delitos del Fuero Común 72 Otros robos 15 Robo de vehículo automotor 1967 Violencia familiar 7 Violencia familiar 499 Amenazas 86 Otros robos 13
30 Quinto Otros delitos del Fuero Común 73 Daño a la propiedad 10 Otros delitos del Fuero Común 7 Otros delitos del Fuero Común 45 Amenazas 50 Fraude 220 Amenazas 33 Daño a la propiedad 44 Otros delitos del Fuero Común 27 Otros delitos del Fuero Común 10 Robo de vehículo automotor 229 Amenazas 67 Daño a la propiedad 11 Otros delitos del Fuero Común 1913 Lesiones dolosas 6 Otros delitos del Fuero Común 492 Otros delitos del Fuero Común 65 Otros delitos del Fuero Común 12

Top 5 municipal durante Octubre

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 Octubre
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
6 Primero Amenazas 11 Otros delitos del Fuero Común 2 Otros delitos del Fuero Común 2 Violencia familiar 14 Otros robos 11 Otros robos 70 Otros robos 9 Otros robos 8 Otros robos 6 Otros delitos del Fuero Común 3 Otros robos 83 Lesiones dolosas 15 Despojo 3 Otros robos 570 Amenazas 1 Otros robos 124 Otros robos 14 Lesiones dolosas 6
34 Segundo Otros robos 11 Abuso sexual 1 Violencia familiar 2 Amenazas 9 Violencia familiar 10 Otros delitos del Fuero Común 35 Violencia familiar 8 Otros delitos del Fuero Común 7 Violencia familiar 6 Amenazas 2 Lesiones dolosas 38 Otros robos 11 Daño a la propiedad 2 Robo a negocio 262 Fraude 1 Amenazas 68 Lesiones dolosas 12 Fraude 3
55 Tercero Violencia familiar 10 Amenazas 1 Abuso sexual 1 Otros delitos del Fuero Común 7 Lesiones culposas 7 Robo a casa habitación 28 Lesiones dolosas 7 Lesiones dolosas 6 Amenazas 4 Abuso sexual 1 Violencia familiar 30 Amenazas 8 Lesiones culposas 2 Fraude 231 Lesiones dolosas 1 Lesiones dolosas 49 Violencia familiar 7 Violencia familiar 3
30 Cuarto Otros delitos del Fuero Común 7 Incumplimiento de obligaciones de asistencia familiar 1 Daño a la propiedad 1 Lesiones dolosas 6 Daño a la propiedad 6 Robo de vehículo automotor 27 Otros delitos del Fuero Común 5 Violencia familiar 6 Robo a casa habitación 4 Allanamiento de morada 1 Robo de vehículo automotor 29 Otros delitos del Fuero Común 6 Violencia familiar 2 Robo de vehículo automotor 224 Robo a casa habitación 1 Violencia familiar 48 Robo a casa habitación 6 Acoso sexual 2
25 Quinto Lesiones dolosas 6 Lesiones dolosas 1 Lesiones culposas 1 Otros robos 5 Amenazas 5 Lesiones dolosas 26 Amenazas 3 Allanamiento de morada 2 Lesiones dolosas 3 Fraude 1 Amenazas 28 Robo de vehículo automotor 5 Abuso sexual 1 Lesiones dolosas 213 Violación simple 1 Otros delitos del Fuero Común 37 Robo a negocio 6 Amenazas 2

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 8731
2 48838 48708 51385 40705 37180 23355
3 9113 11365 10797 10350 8625 4816
4 858 1091 883 981 1063 750
5 13140 10628 10438 8866 6653 5572
6 2986 7086 8336 8163 7547 5289
7 7930 8996 9160 9336 6410 2949
8 16139 13475 17366 16509 16186 11003
9 77435 81555 102714 123514 109431 64873
10 10363 9835 11158 10629 10060 7724
11 31655 35063 39809 42982 42732 29037
12 12600 11613 10286 8383 7564 4821
13 9866 11403 14400 14641 14873 9799
14 27501 58804 88606 85035 76243 44797
15 168652 149203 161155 167529 157281 114497
16 16001 16313 18262 18611 17106 11693
17 20564 19641 17686 17313 16301 12479
18 1468 795 584 1172 735 635
19 14534 19000 16877 15793 14235 13269
20 1737 9919 10887 12541 13153 8638
21 23166 21691 29621 32477 35887 21079
22 17633 22119 27020 27836 26816 19080
23 12652 7102 11441 14318 20050 12905
24 6033 7854 11850 13991 16495 10658
25 10115 8628 9885 8608 7155 5507
26 9997 16021 10456 7470 7291 7962
27 18091 23178 25469 25059 20167 10754
28 19273 15541 16175 14098 13019 7323
29 4736 4703 5360 4296 2822 2116
30 17841 16902 28262 23595 29887 18736
31 3625 2664 2218 2371 2625 504
32 7386 7047 7348 7733 7378 5048

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 851
2 9250 10360 12544 9908 10497 6897
3 698 827 1037 924 889 532
4 185 137 150 226 210 209
5 2221 1466 1471 1124 511 523
6 418 1123 1136 1015 447 107
7 5767 5701 5268 5528 3883 1369
8 2241 1592 1949 1562 1626 1270
9 23710 21483 28456 42686 37553 20859
10 1890 1180 1001 1016 694 588
11 6549 8497 10257 12737 14903 11200
12 3383 4089 5530 4733 3655 2241
13 1390 2126 3634 4609 4830 3032
14 6376 7494 30525 28849 27471 18199
15 88064 58336 93723 97255 86549 63086
16 4207 5367 6884 7379 6950 4971
17 6736 5769 4967 4083 3510 3424
18 369 167 121 191 163 126
19 4148 5935 4398 3752 3072 2276
20 814 2758 3782 4683 4170 2957
21 9133 9249 14862 18552 19754 10541
22 3455 2927 2682 2718 2953 2598
23 1721 1419 2614 4297 5910 3774
24 1288 1590 2777 3396 3562 2629
25 3506 3454 4622 4669 3827 2685
26 2569 7642 4675 3213 3552 4576
27 9278 10331 10586 14303 11973 6334
28 5716 4894 5953 5173 4908 2972
29 1331 1590 2066 2101 1120 707
30 5171 5402 12911 11496 15880 8299
31 230 114 66 59 95 26
32 1871 1599 1775 1796 1710 1246

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 670 686 779 833 857 833 933 0 0
2 3080 2690 2966 1856 1907 1982 2242 2171 2195 2266 0 0
3 670 565 574 358 337 459 495 383 475 500 0 0
4 99 80 74 72 76 69 67 69 65 79 0 0
5 502 507 526 382 506 620 705 622 639 563 0 0
6 584 561 500 427 397 458 518 500 639 705 0 0
7 412 346 344 247 239 239 286 270 289 277 0 0
8 1342 1275 1238 961 943 1019 1074 1077 1075 999 0 0
9 8048 8107 8182 4710 4550 5297 6234 6426 6363 6956 0 0
10 952 885 782 588 660 654 775 747 807 874 0 0
11 3761 3263 3170 2387 2623 2669 2724 2722 2782 2936 0 0
12 673 622 524 376 348 374 450 478 443 533 0 0
13 1354 1246 1225 823 725 693 803 896 957 1077 0 0
14 5673 4857 4659 3628 3820 4215 4620 4448 4297 4580 0 0
15 12833 12050 11787 10474 10134 10693 11410 11503 11476 12137 0 0
16 1465 1273 1361 886 1050 1060 1181 1139 1076 1202 0 0
17 1410 1349 1477 1010 1059 1176 1286 1290 1208 1214 0 0
18 76 73 92 45 65 49 71 60 55 49 0 0
19 1493 1582 1488 1202 1194 1236 1153 1236 1326 1359 0 0
20 1037 1110 1015 728 730 730 844 797 823 824 0 0
21 2384 2206 2326 1901 1883 1892 2099 2007 2124 2257 0 0
22 2171 2045 2075 1639 1588 1600 1914 1991 1976 2081 0 0
23 1894 1555 1602 852 839 1203 1301 1210 1250 1199 0 0
24 1458 1303 1125 773 821 948 1090 949 1062 1129 0 0
25 569 536 535 365 479 525 496 644 655 703 0 0
26 967 797 754 704 822 751 961 697 802 707 0 0
27 1585 1355 1259 648 592 892 1040 1133 1080 1170 0 0
28 983 900 831 519 575 741 607 669 688 810 0 0
29 188 192 186 176 193 208 244 265 234 230 0 0
30 2205 2185 2147 1469 1376 1828 1772 1750 1935 2069 0 0
31 133 71 55 36 30 55 22 32 31 39 0 0
32 712 591 575 366 402 472 495 472 483 480 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 89 105 0 0
2 904 845 955 580 588 545 566 620 639 655 0 0
3 56 74 87 63 33 43 49 32 39 56 0 0
4 26 24 22 22 22 18 14 23 21 17 0 0
5 24 41 47 26 55 81 68 74 59 48 0 0
6 11 10 7 10 5 11 13 9 14 17 0 0
7 207 178 177 117 103 134 137 131 86 99 0 0
8 138 142 148 116 101 123 115 134 135 118 0 0
9 2526 2531 2690 1670 1614 1668 2027 2005 1930 2198 0 0
10 73 66 80 34 34 32 69 67 65 68 0 0
11 1400 1126 1185 963 1128 1085 1150 1031 1059 1073 0 0
12 296 266 227 174 180 182 242 221 196 257 0 0
13 378 347 310 224 224 209 279 340 350 371 0 0
14 2032 1795 1857 1735 1793 1721 1828 1824 1722 1892 0 0
15 6777 6395 6372 6064 5751 6169 6514 6272 6209 6563 0 0
16 582 473 620 462 489 466 495 460 433 491 0 0
17 324 310 345 328 373 401 387 381 297 278 0 0
18 16 12 14 13 7 7 15 17 14 11 0 0
19 263 274 236 204 204 215 206 211 248 215 0 0
20 310 358 270 274 269 280 344 252 287 313 0 0
21 1153 1083 1158 985 996 979 1096 976 1002 1113 0 0
22 262 251 285 235 237 265 298 255 243 267 0 0
23 585 397 493 403 362 416 325 250 279 264 0 0
24 334 281 247 200 174 265 281 258 289 300 0 0
25 252 240 295 188 236 280 225 318 321 330 0 0
26 570 479 445 392 474 437 512 423 451 393 0 0
27 914 833 752 361 319 492 615 662 671 715 0 0
28 386 339 338 218 242 309 252 291 262 335 0 0
29 53 63 70 65 59 70 98 97 67 65 0 0
30 887 904 878 677 701 875 839 796 811 931 0 0
31 3 0 3 3 2 1 1 3 2 8 0 0
32 167 148 115 108 95 126 136 99 125 127 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 10.68 11.25 NaN NaN
2 29.35 31.41 32.20 31.25 30.83 27.50 25.25 28.56 29.11 28.91 NaN NaN
3 8.36 13.10 15.16 17.60 9.79 9.37 9.90 8.36 8.21 11.20 NaN NaN
4 26.26 30.00 29.73 30.56 28.95 26.09 20.90 33.33 32.31 21.52 NaN NaN
5 4.78 8.09 8.94 6.81 10.87 13.06 9.65 11.90 9.23 8.53 NaN NaN
6 1.88 1.78 1.40 2.34 1.26 2.40 2.51 1.80 2.19 2.41 NaN NaN
7 50.24 51.45 51.45 47.37 43.10 56.07 47.90 48.52 29.76 35.74 NaN NaN
8 10.28 11.14 11.95 12.07 10.71 12.07 10.71 12.44 12.56 11.81 NaN NaN
9 31.39 31.22 32.88 35.46 35.47 31.49 32.52 31.20 30.33 31.60 NaN NaN
10 7.67 7.46 10.23 5.78 5.15 4.89 8.90 8.97 8.05 7.78 NaN NaN
11 37.22 34.51 37.38 40.34 43.00 40.65 42.22 37.88 38.07 36.55 NaN NaN
12 43.98 42.77 43.32 46.28 51.72 48.66 53.78 46.23 44.24 48.22 NaN NaN
13 27.92 27.85 25.31 27.22 30.90 30.16 34.74 37.95 36.57 34.45 NaN NaN
14 35.82 36.96 39.86 47.82 46.94 40.83 39.57 41.01 40.07 41.31 NaN NaN
15 52.81 53.07 54.06 57.90 56.75 57.69 57.09 54.52 54.10 54.07 NaN NaN
16 39.73 37.16 45.55 52.14 46.57 43.96 41.91 40.39 40.24 40.85 NaN NaN
17 22.98 22.98 23.36 32.48 35.22 34.10 30.09 29.53 24.59 22.90 NaN NaN
18 21.05 16.44 15.22 28.89 10.77 14.29 21.13 28.33 25.45 22.45 NaN NaN
19 17.62 17.32 15.86 16.97 17.09 17.39 17.87 17.07 18.70 15.82 NaN NaN
20 29.89 32.25 26.60 37.64 36.85 38.36 40.76 31.62 34.87 37.99 NaN NaN
21 48.36 49.09 49.79 51.81 52.89 51.74 52.22 48.63 47.18 49.31 NaN NaN
22 12.07 12.27 13.73 14.34 14.92 16.56 15.57 12.81 12.30 12.83 NaN NaN
23 30.89 25.53 30.77 47.30 43.15 34.58 24.98 20.66 22.32 22.02 NaN NaN
24 22.91 21.57 21.96 25.87 21.19 27.95 25.78 27.19 27.21 26.57 NaN NaN
25 44.29 44.78 55.14 51.51 49.27 53.33 45.36 49.38 49.01 46.94 NaN NaN
26 58.95 60.10 59.02 55.68 57.66 58.19 53.28 60.69 56.23 55.59 NaN NaN
27 57.67 61.48 59.73 55.71 53.89 55.16 59.13 58.43 62.13 61.11 NaN NaN
28 39.27 37.67 40.67 42.00 42.09 41.70 41.52 43.50 38.08 41.36 NaN NaN
29 28.19 32.81 37.63 36.93 30.57 33.65 40.16 36.60 28.63 28.26 NaN NaN
30 40.23 41.37 40.89 46.09 50.94 47.87 47.35 45.49 41.91 45.00 NaN NaN
31 2.26 0.00 5.45 8.33 6.67 1.82 4.55 9.38 6.45 20.51 NaN NaN
32 23.46 25.04 20.00 29.51 23.63 26.69 27.47 20.97 25.88 26.46 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 40.71
Junio 39.42
Julio 38.68
Agosto 37.59
Septiembre 36.72
Octubre 37.20
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 9.75
2 18.94 21.27 24.41 24.34 28.23 29.53
3 7.66 7.28 9.60 8.93 10.31 11.05
4 21.56 12.56 16.99 23.04 19.76 27.87
5 16.90 13.79 14.09 12.68 7.68 9.39
6 14.00 15.85 13.63 12.43 5.92 2.02
7 72.72 63.37 57.51 59.21 60.58 46.42
8 13.89 11.81 11.22 9.46 10.05 11.54
9 30.62 26.34 27.70 34.56 34.32 32.15
10 18.24 12.00 8.97 9.56 6.90 7.61
11 20.69 24.23 25.77 29.63 34.88 38.57
12 26.85 35.21 53.76 56.46 48.32 46.48
13 14.09 18.64 25.24 31.48 32.47 30.94
14 23.18 12.74 34.45 33.93 36.03 40.63
15 52.22 39.10 58.16 58.05 55.03 55.10
16 26.29 32.90 37.70 39.65 40.63 42.51
17 32.76 29.37 28.08 23.58 21.53 27.44
18 25.14 21.01 20.72 16.30 22.18 19.84
19 28.54 31.24 26.06 23.76 21.58 17.15
20 46.86 27.81 34.74 37.34 31.70 34.23
21 39.42 42.64 50.17 57.12 55.05 50.01
22 19.59 13.23 9.93 9.76 11.01 13.62
23 13.60 19.98 22.85 30.01 29.48 29.24
24 21.35 20.24 23.43 24.27 21.59 24.67
25 34.66 40.03 46.76 54.24 53.49 48.76
26 25.70 47.70 44.71 43.01 48.72 57.47
27 51.29 44.57 41.56 57.08 59.37 58.90
28 29.66 31.49 36.80 36.69 37.70 40.58
29 28.10 33.81 38.54 48.91 39.69 33.41
30 28.98 31.96 45.68 48.72 53.13 44.29
31 6.34 4.28 2.98 2.49 3.62 5.16
32 25.33 22.69 24.16 23.23 23.18 24.68 
posicionQRO2020<-length(prv$year2020[prv$year2020>prv$year2020[22]])+1

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

Porcentaje de robos con violencia por estado y mes

prvm<-RobosPorEstadoMensual

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 6735 1199 7934 84.89 15.11
17 Robo en transporte público colectivo 7583 1970 9553 79.38 20.62
6 Robo a transeúnte en vía pública 41118 11161 52279 78.65 21.35
18 Robo en transporte público individual 1405 437 1842 76.28 23.72
5 Robo a transeúnte en espacio abierto al público 2800 1075 3875 72.26 27.74
3 Robo a institución bancaria 160 90 250 64.00 36.00
4 Robo a negocio 41636 38933 80569 51.68 48.32
16 Robo en transporte individual 5627 6034 11661 48.25 51.75
15 Robo de tractores 69 81 150 46.00 54.00
10 Robo de coche de 4 ruedas 40144 56681 96825 41.46 58.54
14 Robo de motocicleta 7960 17712 25672 31.01 68.99
1 Otros robos 29378 113645 143023 20.54 79.46
13 Robo de herramienta industrial o agrícola 93 374 467 19.91 80.09
11 Robo de embarcaciones pequeñas y grandes 4 27 31 12.90 87.10
2 Robo a casa habitación 5802 47546 53348 10.88 89.12
12 Robo de ganado 166 3284 3450 4.81 95.19
9 Robo de cables, tubos y otros objetos destinados a servicios públicos 24 645 669 3.59 96.41
8 Robo de autopartes 400 14401 14801 2.70 97.30

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
16 Robo en transporte individual 182 143 325 56.00 44.00
18 Robo en transporte público individual 60 52 112 53.57 46.43
5 Robo a transeúnte en espacio abierto al público 47 41 88 53.41 46.59
6 Robo a transeúnte en vía pública 623 577 1200 51.92 48.08
17 Robo en transporte público colectivo 148 153 301 49.17 50.83
15 Robo de tractores 3 5 8 37.50 62.50
4 Robo a negocio 755 1885 2640 28.60 71.40
13 Robo de herramienta industrial o agrícola 2 5 7 28.57 71.43
10 Robo de coche de 4 ruedas 517 1911 2428 21.29 78.71
14 Robo de motocicleta 37 533 570 6.49 93.51
2 Robo a casa habitación 109 2152 2261 4.82 95.18
1 Otros robos 115 8298 8413 1.37 98.63
8 Robo de autopartes 0 577 577 0.00 100.00
12 Robo de ganado 0 150 150 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

El futuro

Delitos para preocuparse en Diciembre

Aquí se presentan los delitos que en promedio aumentan durante Diciembre; 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 Diciembre.

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 Diciembre
x
Aborto
Delitos cometidos por servidores públicos
Otros delitos que atentan contra la vida y la integridad corporal
Secuestro 
cual<-miAlerta$Delito[miAlerta$logTasaPromedio==max(miAlerta$logTasaPromedio)]

Comportamiento mensual del delito de mayor riesgo (Otros delitos que atentan contra la vida y la integridad corporal)

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 delitos que atentan contra la vida y la integridad corporal
Mes año 2015 año 2016 año 2017 año 2018 año 2019 año 2020
Enero 50 24 54 64 67 77
Febrero 36 35 70 54 70 93
Marzo 60 44 69 66 72 91
Abril 58 40 67 59 76 76
Mayo 47 48 61 80 73 80
Junio 52 74 63 64 72 83
Julio 44 55 58 62 95 76
Agosto 44 81 61 55 84 106
Septiembre 53 66 48 57 80 101
Octubre 72 54 83 61 85 80
Noviembre 59 56 63 66 80 0
Diciembre 84 49 67 79 86 0