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 Junio y Julio, el delito en Querétaro creció en 1.43%, en tanto que a nivel nacional lo hizo en -3.46%. Querétaro es en este periodo el estado con la quinta tasa de crecimiento más alta.
  1. En el acumulado del año, al mes de julio Querétaro se mantiene como el sexto estado con la mayor tasa de carpetas de investigación inciadas por cada 100 mil habitantes. Considerando sólo al mes de Julio, ocupamos la posición número cinco.

3.Cuatro delitos alcanzaron su máximo histórico en julio en Querétaro:Abuso sexual, con 81 carpetas; Otros delitos que atentan contra la vida y la integridad corporal, con 129; Otros delitos contra la familia y Otros delitos que atentan contra la libertad personal, con 29 y 17 casos, respectivamente.

  1. Los delitos más frecuentes en julio:
    1. Otros robos (926),
    2. Lesiones dolosas (392),
    3. Otros delitos del Fuero Común (368),
    4. Violencia familiar (354),
    5. Amenazas (348),
    6. Robo de vehículo automotor (323),
    7. Fraude (289),
    8. Robo a negocio (182),
    9. Robo a casa habitación (181),
    10. Daño a la propiedad (130)
  1. Alerta en agosto: El Robo en transporte individual aumentó en septiembre en 5 de los últimos seis años. El 17% de estos robos se comete con violencia.
  1. En el mes y en el año, ocupamos el tercer lugar nacional en robo de ganado. Van 111 carpetas por este delito. Sólo en Julio se cometieron 22, la cantidad más alta desde enero de 2020.
  1. En Julio, el municipio de Querétaro alcanzó máximos historicos en varios delitos, tres de ellos cometidos típicamente contra mujeres:
    1. Violencia familiar 190)
    2. Abuso sexual (55)
    3. Acoso sexual (45)
    4. Otros delitos contra el patrimonio (5)
    5. Otros delitos que atentan contra la libertad personal (14)
        6. La capital también ocupa el lugar 49 a nivel nacional en robo a negocio, el 39 en fraude
  1. En el acumulado anual, el municipio de QUerétaro se mantiene en la posición 15 a nivel nacional en incidencia delictiva por cada 100 mil habiantes. San Juan del Río está en la posición 114, y El Marqués en la 140. Considerando sólo al mes de julio, estos municipios ocupan las posiciones 21,140 y 251.
  1. Cadereyta de Montes y Tolimán alcanzaron en julio su incidencia máxima en lo que va del año, con 91 y 48.
#plotly nos ayudará con los gráficos
library(plotly)
## Loading required package: ggplot2
## Warning: package 'ggplot2' was built under R version 4.0.4
## 
## 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)
## Warning: package 'reshape2' was built under R version 4.0.5
#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-2015-2021_ene2021.zip", list = TRUE)
elzip<-unzip("Municipal-Delitos-2015-2021_ene2021.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<-"Julio"
anterior<- "Junio"
proximo<-"Septiembre" ## Aqui va el mes siguiente al de la publicacion de los datos de SESNSP, no el mes actual

ruta<-"D:/Municipal-Delitos-2015-2021_jul2021/Municipal-Delitos-2015-2021_jul2021.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

micol=ncol(porEstadoAnual)

tasaPorEstadoAnual[,2:micol]<-round(porEstadoAnual[,2:micol]/ent[,2:micol]*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 year2021
Aguascalientes 23212 23729 33548 38834 38429 33626 20882
Baja California 119944 109109 111722 103028 104013 92168 56264
Baja California Sur 21415 24606 24174 23438 22644 18254 10740
Campeche 1886 2237 2056 2157 2312 2003 1288
Coahuila de Zaragoza 46569 51242 56311 56307 52937 48461 33123
Colima 6562 10877 24425 24494 26554 25370 15911
Chiapas 21618 22189 25364 28892 23294 17269 9925
Chihuahua 61280 57904 68819 68898 71837 66832 42528
Ciudad de México 169701 179720 204078 241030 242839 198159 128754
Durango 29088 32183 34851 31903 30338 26024 18151
Guanajuato 95782 106265 117857 133749 137658 122870 76628
Guerrero 36783 36561 32799 27695 27344 23874 14461
Hidalgo 27504 33754 43963 51222 49750 41260 24794
Jalisco 95331 136820 166599 162756 156653 126599 74355
México 323525 325038 345693 341028 354602 341277 223309
Michoacán de Ocampo 30899 32558 41836 45190 46753 45888 27373
Morelos 49245 45448 44329 44936 43191 40491 24641
Nayarit 6651 3668 3220 4545 4642 4165 2869
Nuevo León 72350 84746 83974 81125 75871 78949 52411
Oaxaca 6127 31607 31938 41989 43788 39061 24404
Puebla 64399 51061 53800 61172 76557 63587 43580
Querétaro 32817 42900 53379 57809 60515 52026 31669
Quintana Roo 32496 18958 26518 34043 45896 40751 27507
San Luis Potosí 21419 28613 35179 38362 52288 45808 29300
Sinaloa 25812 22141 22931 23486 23443 23910 16138
Sonora 28659 39423 25969 18197 23438 31090 22431
Tabasco 57452 59434 60395 58271 56561 45014 29245
Tamaulipas 44527 48528 47163 44048 42413 31844 20942
Tlaxcala 8317 6775 6964 6369 4411 4141 2606
Veracruz de Ignacio de la Llave 45539 42312 66379 60758 89822 79259 52809
Yucatán 34716 34288 24390 13129 16419 8417 6626
Zacatecas 16179 17136 18874 21070 23952 22742 14664

Serie Anual (Tasa por 100 mil habitantes)

kable(tasaPorEstadoAnual)
clave de la entidad year2015 year2016 year2017 year2018 year2019 year2020 year2021
Aguascalientes 1742.87 1750.80 2438.47 2782.22 2715.02 2343.87 1436.72
Baja California 3572.11 3205.94 3226.28 2925.90 2906.56 2535.66 1524.70
Baja California Sur 2974.94 3338.69 3204.95 3038.79 2873.17 2268.40 1308.07
Campeche 205.71 239.65 216.32 222.99 234.95 200.18 126.65
Coahuila de Zaragoza 1552.01 1683.90 1823.63 1797.79 1666.97 1505.60 1015.65
Colima 909.25 1480.54 3267.11 3221.48 3435.89 3231.22 1995.75
Chiapas 407.29 411.37 462.90 519.28 412.46 301.36 170.76
Chihuahua 1694.46 1586.66 1865.32 1848.13 1907.86 1758.05 1108.51
Ciudad de México 1873.34 1984.98 2255.23 2665.85 2688.89 2197.21 1429.99
Durango 1632.71 1786.00 1915.42 1737.20 1637.28 1392.41 963.11
Guanajuato 1615.04 1771.83 1945.29 2186.44 2229.74 1972.81 1220.07
Guerrero 1028.44 1016.34 907.49 763.00 750.39 652.82 394.14
Hidalgo 948.58 1148.58 1476.77 1699.32 1630.76 1336.83 794.33
Jalisco 1197.13 1698.37 2044.37 1975.44 1881.54 1505.39 875.71
México 1966.28 1951.18 2050.24 1999.38 2056.19 1958.23 1268.55
Michoacán de Ocampo 665.25 694.97 886.01 949.87 975.65 950.97 563.49
Morelos 2550.89 2325.04 2241.16 2246.21 2135.45 1980.91 1193.26
Nayarit 556.34 301.99 261.00 362.91 365.33 323.23 219.65
Nuevo León 1389.90 1600.73 1562.24 1487.21 1371.21 1407.25 921.77
Oaxaca 152.44 781.10 784.27 1024.87 1062.62 942.68 585.84
Puebla 1026.36 804.62 838.87 944.18 1170.15 962.79 653.89
Querétaro 1585.70 2029.59 2475.64 2630.15 2702.63 2282.21 1365.32
Quintana Roo 2131.06 1211.44 1651.84 2069.19 2724.54 2364.76 1561.67
San Luis Potosí 776.55 1028.71 1254.74 1357.87 1837.27 1598.25 1015.35
Sinaloa 855.90 726.08 745.13 756.49 748.74 757.44 507.23
Sonora 993.46 1348.87 876.79 606.54 771.56 1011.14 720.99
Tabasco 2367.92 2418.60 2428.49 2316.09 2222.98 1749.96 1124.96
Tamaulipas 1274.12 1375.86 1325.08 1226.80 1171.34 872.29 569.13
Tlaxcala 642.14 515.44 523.07 472.50 323.35 300.07 186.74
Veracruz de Ignacio de la Llave 552.57 508.77 792.40 720.38 1058.17 928.11 614.88
Yucatán 1630.78 1590.44 1117.65 594.55 735.00 372.58 290.11
Zacatecas 1010.11 1059.95 1158.06 1282.89 1447.61 1364.72 873.94

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

posicionAnual<-c()
for (i in 1:length(losAnos)) {
  a<-tasaPorEstadoAnual[22,i+1]
  if(a==0){b=0}else{b<-1+length(tasaPorEstadoAnual[tasaPorEstadoAnual[i+1]>a,i+1])}
  posicionAnual<-c(posicionAnual,b)
}
posicionesAnual<-data.frame(losAnos, posicionAnual)
names(posicionesAnual)<-c("Año","Posición del estado de Querétaro a nivel nacional")
kable(posicionesAnual, caption="Posición de Querétaro en la incidencia delictiva anual")
Posición de Querétaro en la incidencia delictiva anual
Año Posición del estado de Querétaro a nivel nacional
2015 13
2016 5
2017 4
2018 6
2019 6
2020 5
2021 6

Delitos por estado (Serie Mensual)

delitoMensual<-subset(delitos2, delitos2$Ano==losAnos[length(losAnos)])
losmeses<-unique(delitoMensual$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)

if(esteMes!="Enero"){tasaDeCambio<-delitoPorEstado2020[,c(anterior,esteMes)]}else{
  dic=as.data.frame(aggregate(formula =delitos2$value~delitos2$Clave_Ent,data = delitos2,FUN = sum,subset = delitos2$meses=="Diciembre" & delitos2$Ano==losAnos[length(losAnos)-1]))
  
tasaDeCambio=cbind(dic[2],delitoPorEstado2020[,esteMes])
names(tasaDeCambio)=c("Diciembre","Enero")
}


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 Junio y Julio, el delito en Querétaro creció en 1.43%, en tanto que a nivel nacional lo hizo en -3.46%. Querétaro es en este periodo el 5 estado con la tasa de crecimiento más alta.

Tasa de cambio

kable(tasaDeCambio)
Junio Julio tasa
3041 2931 -3.62
8357 8857 5.98
1616 1429 -11.57
182 180 -1.10
4809 5556 15.53
2276 2353 3.38
1480 1442 -2.57
6342 6131 -3.33
19532 19178 -1.81
2775 2489 -10.31
11281 10695 -5.19
2090 2081 -0.43
4478 3062 -31.62
10961 11013 0.47
32687 32554 -0.41
4003 3786 -5.42
3625 3472 -4.22
462 448 -3.03
8379 7616 -9.11
3479 3482 0.09
6683 6695 0.18
4612 4678 1.43
4051 3951 -2.47
4643 4232 -8.85
2446 2023 -17.29
3118 2644 -15.20
4333 4183 -3.46
3194 3074 -3.76
383 417 8.88
8060 6945 -13.83
567 537 -5.29
2226 1933 -13.16

Serie Mensual 2020 (Absolutos)

kable(delitoPorEstado2020)
clave de la entidad Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
Aguascalientes 2789 2730 3263 2979 3149 3041 2931 0 0 0 0 0
Baja California 7558 7362 8048 8101 7981 8357 8857 0 0 0 0 0
Baja California Sur 1281 1486 1632 1599 1697 1616 1429 0 0 0 0 0
Campeche 178 178 180 201 189 182 180 0 0 0 0 0
Coahuila de Zaragoza 3857 4085 4520 5442 4854 4809 5556 0 0 0 0 0
Colima 2155 1965 2432 2257 2473 2276 2353 0 0 0 0 0
Chiapas 1304 1379 1477 1404 1439 1480 1442 0 0 0 0 0
Chihuahua 5517 5476 6652 5995 6415 6342 6131 0 0 0 0 0
Ciudad de México 15392 15913 19946 18973 19820 19532 19178 0 0 0 0 0
Durango 2237 2469 2812 2697 2672 2775 2489 0 0 0 0 0
Guanajuato 9900 9622 12162 11594 11374 11281 10695 0 0 0 0 0
Guerrero 1870 1848 2266 2084 2222 2090 2081 0 0 0 0 0
Hidalgo 2431 2639 3960 3578 4646 4478 3062 0 0 0 0 0
Jalisco 9671 9486 11642 11021 10561 10961 11013 0 0 0 0 0
México 27382 29086 34834 32850 33916 32687 32554 0 0 0 0 0
Michoacán de Ocampo 3701 3450 4249 3977 4207 4003 3786 0 0 0 0 0
Morelos 2970 3196 3886 3758 3734 3625 3472 0 0 0 0 0
Nayarit 374 400 413 381 391 462 448 0 0 0 0 0
Nuevo León 6375 6762 7801 7700 7778 8379 7616 0 0 0 0 0
Oaxaca 3287 3214 3854 3470 3618 3479 3482 0 0 0 0 0
Puebla 5272 5465 6643 6383 6439 6683 6695 0 0 0 0 0
Querétaro 4048 4041 4871 4677 4742 4612 4678 0 0 0 0 0
Quintana Roo 3520 3447 4311 4024 4203 4051 3951 0 0 0 0 0
San Luis Potosí 3630 3325 4574 4349 4547 4643 4232 0 0 0 0 0
Sinaloa 2113 2241 2502 2347 2466 2446 2023 0 0 0 0 0
Sonora 2800 3152 4089 3399 3229 3118 2644 0 0 0 0 0
Tabasco 3652 3811 4848 4138 4280 4333 4183 0 0 0 0 0
Tamaulipas 2506 2375 3269 3282 3242 3194 3074 0 0 0 0 0
Tlaxcala 318 338 400 358 392 383 417 0 0 0 0 0
Veracruz de Ignacio de la Llave 6650 6841 8240 8128 7945 8060 6945 0 0 0 0 0
Yucatán 1046 981 1109 1141 1245 567 537 0 0 0 0 0
Zacatecas 1840 1990 2243 2186 2246 2226 1933 0 0 0 0 0

Serie Mensual 2020 (Tasa por 100 mil habitantes)

kable(tasaAnualDedelitoPorEstado2020)
clave de la entidad Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
Aguascalientes 194.40 190.29 227.44 207.65 219.50 211.97 204.30 0 0 0 0 0
Baja California 207.93 202.54 221.41 222.87 219.57 229.91 243.67 0 0 0 0 0
Baja California Sur 159.19 184.66 202.81 198.71 210.88 200.82 177.58 0 0 0 0 0
Campeche 17.79 17.79 17.99 20.09 18.89 18.19 17.99 0 0 0 0 0
Coahuila de Zaragoza 119.83 126.91 140.43 169.07 150.81 149.41 172.62 0 0 0 0 0
Colima 274.47 250.27 309.75 287.46 314.97 289.88 299.69 0 0 0 0 0
Chiapas 22.76 24.06 25.77 24.50 25.11 25.83 25.16 0 0 0 0 0
Chihuahua 145.13 144.05 174.98 157.70 168.75 166.83 161.28 0 0 0 0 0
Ciudad de México 170.67 176.45 221.16 210.38 219.77 216.57 212.65 0 0 0 0 0
Durango 119.69 132.10 150.46 144.30 142.96 148.48 133.17 0 0 0 0 0
Guanajuato 158.96 154.49 195.27 186.15 182.62 181.13 171.72 0 0 0 0 0
Guerrero 51.13 50.53 61.96 56.99 60.76 57.15 56.90 0 0 0 0 0
Hidalgo 78.76 85.50 128.30 115.93 150.53 145.09 99.21 0 0 0 0 0
Jalisco 115.00 112.80 138.44 131.05 125.58 130.34 130.96 0 0 0 0 0
México 157.12 166.89 199.88 188.49 194.61 187.56 186.79 0 0 0 0 0
Michoacán de Ocampo 76.70 71.50 88.05 82.42 87.18 82.96 78.46 0 0 0 0 0
Morelos 145.30 156.36 190.11 183.85 182.68 177.34 169.86 0 0 0 0 0
Nayarit 29.02 31.04 32.05 29.57 30.34 35.85 34.77 0 0 0 0 0
Nuevo León 113.63 120.53 139.05 137.25 138.64 149.35 135.75 0 0 0 0 0
Oaxaca 79.33 77.57 93.01 83.74 87.32 83.96 84.03 0 0 0 0 0
Puebla 79.82 82.75 100.58 96.65 97.49 101.19 101.37 0 0 0 0 0
Querétaro 177.57 177.27 213.67 205.16 208.02 202.31 205.21 0 0 0 0 0
Quintana Roo 204.26 200.03 250.17 233.51 243.90 235.08 229.27 0 0 0 0 0
San Luis Potosí 126.65 116.01 159.59 151.74 158.65 161.99 147.65 0 0 0 0 0
Sinaloa 66.94 70.99 79.26 74.35 78.12 77.49 64.09 0 0 0 0 0
Sonora 91.06 102.51 132.99 110.55 105.02 101.41 85.99 0 0 0 0 0
Tabasco 141.97 148.16 188.47 160.87 166.39 168.45 162.62 0 0 0 0 0
Tamaulipas 68.65 65.06 89.55 89.90 88.81 87.49 84.21 0 0 0 0 0
Tlaxcala 23.04 24.49 28.99 25.94 28.41 27.75 30.22 0 0 0 0 0
Veracruz de Ignacio de la Llave 77.87 80.11 96.49 95.18 93.03 94.38 81.32 0 0 0 0 0
Yucatán 46.30 43.42 49.09 50.51 55.11 25.10 23.77 0 0 0 0 0
Zacatecas 110.42 119.42 134.60 131.18 134.78 133.58 116.00 0 0 0 0 0

posición de queretaro por mes en el país

posicionMensual<-c()
for (i in 1:length(losmeses)) {
  a<-tasaAnualDedelitoPorEstado2020[22,i+1]
  if(a==0){b=0}else{b<-1+length(tasaAnualDedelitoPorEstado2020[tasaAnualDedelitoPorEstado2020[i+1]>a,i+1])}
  posicionMensual<-c(posicionMensual,b)
}
posiciones<-data.frame(losmeses, posicionMensual)
names(posiciones)<-c("Mes","Posición de Querétaro a nivel nacional en el periodo")
kable(posiciones)
Mes Posición de Querétaro a nivel nacional en el periodo
Enero 5
Febrero 6
Marzo 6
Abril 6
Mayo 7
Junio 6
Julio 5
Agosto 0
Septiembre 0
Octubre 0
Noviembre 0
Diciembre 0

Lugar de Querétaro en el año por delito

losDelitos<-unique(delitos2$Subtipo.de.delito)
losDelitos2020<-subset(delitos2,delitos2$Ano==losAnos[length(losAnos)])
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[,micol]*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 39 80 2066 574 6 10 32 1 0 0 253 0 0 64 148 70 0 295 1358 780 478 0 804 0 69 4 13 0 1072 134 2 1101 1253 403 49 2411 239 124 1400 2 139 21 32 2 2 942 1988 312 0 40 522 25 335 64 1124
Baja California 1658 297 3099 922 10 18 1448 11 3 0 377 786 0 117 342 192 0 161 1789 6493 36 22 2436 4 7 3 11 1 2929 22 0 3705 1309 292 97 4490 850 527 7154 0 482 288 445 32 27 4948 2596 1170 1 69 247 5 527 52 3757
Baja California Sur 31 35 852 237 4 7 82 4 1 0 146 161 76 14 116 33 0 48 580 301 11 1 70 25 2 2 2 1 333 29 2 1420 655 179 48 808 217 48 1467 6 429 167 32 2 1 276 913 105 0 73 69 3 148 10 458
Campeche 49 45 63 44 5 0 19 1 0 0 6 29 0 0 37 108 0 7 93 246 8 4 27 0 0 0 0 0 112 13 2 73 4 1 8 88 2 16 16 0 1 0 0 2 1 86 27 13 0 0 1 0 0 2 29
Coahuila de Zaragoza 86 124 2282 400 9 4 21 3 0 0 36 472 210 11 165 155 0 42 1173 273 82 7 149 27 10 7 13 2 568 48 52 1611 874 370 17 4014 266 841 7236 13 125 110 29 6 0 5874 3294 392 0 10 87 2 380 87 1054
Colima 292 94 665 424 3 0 0 4 0 0 213 201 0 39 122 0 0 42 1012 556 0 1 63 11 0 0 0 0 408 26 0 1923 779 256 49 1788 286 146 2543 0 458 0 29 0 73 849 1606 137 0 40 120 9 161 25 458
Chiapas 281 436 371 383 31 6 86 5 1 0 116 122 51 13 297 3 0 440 90 897 0 0 76 29 0 5 4 2 148 29 8 431 149 34 26 596 98 116 2484 0 165 2 29 3 64 682 240 51 3 8 50 29 82 22 631
Chihuahua 1245 177 2751 873 24 3 258 18 2 0 363 979 0 117 614 180 0 214 1445 2223 338 9 200 64 4 3 11 1 999 91 105 2505 2119 539 4 5094 560 381 7406 15 1045 18 41 14 1 3587 2166 600 0 129 837 81 867 63 1145
Ciudad de México 565 371 2621 2431 35 52 154 20 1 8 1205 2257 815 0 816 477 0 916 2231 4474 4897 94 6468 1700 320 2133 1463 10 7592 0 15 14619 10616 2671 270 6114 2646 2577 20341 0 495 8 181 52 1357 3061 9901 551 9 234 1542 550 2871 512 3435
Durango 80 140 1572 704 7 0 8 0 0 0 121 314 56 6 211 5 0 168 1562 547 81 3 252 7 16 6 3 1 590 57 6 2055 1113 374 52 1607 266 39 3469 0 48 305 1 0 8 573 787 108 0 17 72 0 71 7 656
Guanajuato 1711 510 7152 16 20 18 374 7 0 0 0 763 143 29 461 49 2 14 2462 2113 0 4 114 0 0 0 0 1 2475 100 0 10433 2069 861 102 6030 856 93 6729 0 1126 28 177 0 0 13024 5715 240 4 118 264 2 91 38 10090
Guerrero 685 236 1298 327 7 3 24 5 3 0 234 200 59 8 125 96 0 0 186 1082 13 0 129 15 0 5 0 0 540 16 4 1486 404 185 129 1115 313 0 2070 143 321 92 7 1 0 602 1275 117 0 47 124 7 103 12 608
Hidalgo 127 177 2043 1001 11 15 90 16 2 1 882 415 0 48 236 201 0 52 813 1658 23 33 368 63 28 5 32 0 560 33 6 2419 771 222 51 1198 445 69 3228 0 354 3 18 1 4 609 1123 170 2 41 104 0 237 63 4723
Jalisco 1130 529 4709 1506 45 6 0 13 1 0 457 1412 161 52 301 0 0 628 2286 7095 1043 197 4275 259 119 183 127 11 4651 77 265 9240 4277 835 349 4486 988 0 7599 0 0 561 81 7 3 623 6017 165 3 58 849 26 325 5 6320
México 1321 786 28428 5620 77 93 611 74 0 0 1969 2457 808 67 859 667 0 58 5151 20637 2081 2652 13191 88 648 4093 6025 8 11833 118 7 12861 7960 2392 1864 8366 2967 62 13234 1258 1465 5 52 92 2549 2151 0 1045 13 71 891 211 2293 288 50792
Michoacán de Ocampo 1253 583 3789 693 12 13 142 19 0 0 206 339 97 21 251 77 0 154 737 3094 16 604 274 35 22 35 12 8 411 45 48 1936 1435 331 41 2122 580 191 702 0 87 0 14 3 3 1458 2674 171 0 23 473 75 185 96 1783
Morelos 588 181 498 1579 21 7 328 10 0 2 140 328 19 50 276 0 0 36 917 2245 830 137 466 47 15 37 36 13 1428 35 2 2384 1018 408 86 1443 782 299 2975 0 143 218 17 2 12 481 2718 229 3 64 95 5 24 8 956
Nayarit 122 102 114 28 2 3 7 6 0 0 41 0 10 0 102 15 0 69 74 240 13 0 0 1 1 0 0 0 58 1 0 98 75 14 9 80 24 3 604 0 282 7 10 1 4 52 61 29 0 3 2 1 5 2 494
Nuevo León 603 351 2467 883 25 67 211 12 0 69 1435 991 341 34 514 274 1 497 1367 1834 47 108 448 322 39 15 16 2 739 68 22 2719 3282 595 306 3467 834 65 12130 0 294 3654 87 78 0 2594 3043 237 6 103 991 1 1160 504 2459
Oaxaca 418 586 2313 580 27 6 118 13 1 0 111 340 152 42 233 207 0 18 547 1306 60 35 1003 123 116 88 9 12 647 46 17 1633 1098 299 73 1568 661 334 4103 4 77 145 12 9 332 153 2714 171 1 206 221 0 225 261 930
Puebla 452 213 3301 575 27 4 162 9 0 0 152 473 165 29 312 249 0 699 1458 4542 651 559 2069 0 63 222 784 5 2219 69 282 3337 2638 890 76 2426 1092 165 5229 0 174 345 13 29 404 1157 3404 222 2 72 207 18 724 135 1076
Querétaro 111 181 2863 585 7 22 740 6 0 0 80 403 411 0 250 144 0 29 1399 2065 344 0 799 52 96 200 173 0 1235 111 7 6120 2015 463 153 922 571 34 2246 50 310 142 0 2 299 649 2521 156 2 77 103 2 0 57 2462
Quintana Roo 328 522 1530 705 15 4 216 9 1 0 532 528 165 28 463 0 0 243 849 1504 50 15 1013 291 35 58 17 0 1210 13 523 3377 244 1615 75 2442 518 169 3562 0 372 373 65 13 1 657 1512 153 0 194 158 45 352 64 679
San Luis Potosí 401 156 2361 340 16 6 160 10 4 0 411 374 173 24 397 0 0 192 698 1936 433 205 410 24 20 15 4 1 955 128 95 2410 1305 511 72 3220 382 1110 5510 0 282 3 10 6 0 574 1690 340 0 0 77 50 359 30 1410
Sinaloa 336 392 1615 431 24 4 337 5 2 0 728 233 46 6 127 52 0 27 193 2033 5 1 23 1 7 2 11 11 713 10 0 1348 397 194 38 1311 341 19 3450 0 89 96 38 3 53 89 793 35 2 32 93 0 106 42 194
Sonora 947 214 1304 589 27 10 232 4 0 4 390 476 53 7 167 39 1 66 634 1189 78 5 196 104 1 1 24 3 399 52 43 2167 443 146 52 1688 227 137 4635 3 1487 78 41 0 58 1796 802 246 0 27 22 1 67 1 1048
Tabasco 252 241 2661 769 7 4 442 13 1 0 360 143 0 142 182 3 0 411 881 1562 19 16 928 0 9 10 17 0 634 341 0 2524 798 418 55 1463 377 114 4802 0 670 9 30 2 0 33 3003 291 3 27 129 0 140 54 4255
Tamaulipas 286 417 1262 616 2 28 140 13 2 0 275 408 51 22 317 0 0 41 832 1364 4 2 72 0 0 0 0 7 743 35 1 1942 854 307 53 1966 360 18 4545 0 961 415 15 2 0 91 1038 137 3 68 71 4 241 191 720
Tlaxcala 67 21 154 51 7 0 9 6 0 0 2 22 2 0 17 0 0 9 273 898 4 47 80 5 1 3 6 0 215 15 26 127 39 11 1 98 20 7 20 0 47 0 0 1 0 117 16 28 0 0 1 0 0 0 133
Veracruz de Ignacio de la Llave 661 569 4152 1084 42 14 95 32 1 0 324 497 0 259 285 13 0 909 1789 3517 91 130 1693 140 52 40 70 15 3433 298 57 2239 2488 852 444 4448 1572 506 6949 956 894 1060 12 7 1 511 4443 374 0 136 243 126 304 338 3644
Yucatán 28 98 206 14 3 0 207 1 0 0 1 48 5 2 28 0 0 0 58 57 3 0 36 0 0 0 0 0 35 0 0 0 386 234 2 1075 15 124 632 0 146 36 6 3 6 125 1455 60 0 7 13 0 5 2 1464
Zacatecas 621 199 1028 458 6 5 250 8 0 0 232 154 74 10 88 90 0 88 246 797 10 7 18 5 2 1 7 3 103 63 11 2174 766 209 255 1330 238 62 2179 0 334 74 20 5 0 187 713 123 2 85 54 4 204 135 927

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 2.68 5.50 142.14 39.49 0.41 0.69 2.20 0.07 0.00 0.00 17.41 0.00 0.00 4.40 10.18 4.82 0.00 20.30 93.43 53.67 32.89 0.00 55.32 0.00 4.75 0.28 0.89 0.00 73.76 9.22 0.14 75.75 86.21 27.73 3.37 165.88 16.44 8.53 96.32 0.14 9.56 1.44 2.20 0.14 0.14 64.81 136.78 21.47 0.00 2.75 35.91 1.72 23.05 4.40 77.33
Baja California 44.93 8.05 83.98 24.99 0.27 0.49 39.24 0.30 0.08 0.00 10.22 21.30 0.00 3.17 9.27 5.20 0.00 4.36 48.48 175.95 0.98 0.60 66.01 0.11 0.19 0.08 0.30 0.03 79.37 0.60 0.00 100.40 35.47 7.91 2.63 121.67 23.03 14.28 193.87 0.00 13.06 7.80 12.06 0.87 0.73 134.09 70.35 31.71 0.03 1.87 6.69 0.14 14.28 1.41 101.81
Baja California Sur 3.78 4.26 103.77 28.87 0.49 0.85 9.99 0.49 0.12 0.00 17.78 19.61 9.26 1.71 14.13 4.02 0.00 5.85 70.64 36.66 1.34 0.12 8.53 3.04 0.24 0.24 0.24 0.12 40.56 3.53 0.24 172.95 79.78 21.80 5.85 98.41 26.43 5.85 178.67 0.73 52.25 20.34 3.90 0.24 0.12 33.62 111.20 12.79 0.00 8.89 8.40 0.37 18.03 1.22 55.78
Campeche 4.82 4.42 6.19 4.33 0.49 0.00 1.87 0.10 0.00 0.00 0.59 2.85 0.00 0.00 3.64 10.62 0.00 0.69 9.14 24.19 0.79 0.39 2.65 0.00 0.00 0.00 0.00 0.00 11.01 1.28 0.20 7.18 0.39 0.10 0.79 8.65 0.20 1.57 1.57 0.00 0.10 0.00 0.00 0.20 0.10 8.46 2.65 1.28 0.00 0.00 0.10 0.00 0.00 0.20 2.85
Coahuila de Zaragoza 2.64 3.80 69.97 12.27 0.28 0.12 0.64 0.09 0.00 0.00 1.10 14.47 6.44 0.34 5.06 4.75 0.00 1.29 35.97 8.37 2.51 0.21 4.57 0.83 0.31 0.21 0.40 0.06 17.42 1.47 1.59 49.40 26.80 11.35 0.52 123.08 8.16 25.79 221.88 0.40 3.83 3.37 0.89 0.18 0.00 180.11 101.00 12.02 0.00 0.31 2.67 0.06 11.65 2.67 32.32
Colima 36.63 11.79 83.41 53.18 0.38 0.00 0.00 0.50 0.00 0.00 26.72 25.21 0.00 4.89 15.30 0.00 0.00 5.27 126.94 69.74 0.00 0.13 7.90 1.38 0.00 0.00 0.00 0.00 51.18 3.26 0.00 241.21 97.71 32.11 6.15 224.27 35.87 18.31 318.97 0.00 57.45 0.00 3.64 0.00 9.16 106.49 201.44 17.18 0.00 5.02 15.05 1.13 20.19 3.14 57.45
Chiapas 4.83 7.50 6.38 6.59 0.53 0.10 1.48 0.09 0.02 0.00 2.00 2.10 0.88 0.22 5.11 0.05 0.00 7.57 1.55 15.43 0.00 0.00 1.31 0.50 0.00 0.09 0.07 0.03 2.55 0.50 0.14 7.42 2.56 0.58 0.45 10.25 1.69 2.00 42.74 0.00 2.84 0.03 0.50 0.05 1.10 11.73 4.13 0.88 0.05 0.14 0.86 0.50 1.41 0.38 10.86
Chihuahua 32.45 4.61 71.71 22.76 0.63 0.08 6.72 0.47 0.05 0.00 9.46 25.52 0.00 3.05 16.00 4.69 0.00 5.58 37.66 57.94 8.81 0.23 5.21 1.67 0.10 0.08 0.29 0.03 26.04 2.37 2.74 65.29 55.23 14.05 0.10 132.78 14.60 9.93 193.04 0.39 27.24 0.47 1.07 0.36 0.03 93.50 56.46 15.64 0.00 3.36 21.82 2.11 22.60 1.64 29.84
Ciudad de México 6.28 4.12 29.11 27.00 0.39 0.58 1.71 0.22 0.01 0.09 13.38 25.07 9.05 0.00 9.06 5.30 0.00 10.17 24.78 49.69 54.39 1.04 71.84 18.88 3.55 23.69 16.25 0.11 84.32 0.00 0.17 162.36 117.91 29.67 3.00 67.90 29.39 28.62 225.92 0.00 5.50 0.09 2.01 0.58 15.07 34.00 109.96 6.12 0.10 2.60 17.13 6.11 31.89 5.69 38.15
Durango 4.24 7.43 83.41 37.35 0.37 0.00 0.42 0.00 0.00 0.00 6.42 16.66 2.97 0.32 11.20 0.27 0.00 8.91 82.88 29.02 4.30 0.16 13.37 0.37 0.85 0.32 0.16 0.05 31.31 3.02 0.32 109.04 59.06 19.84 2.76 85.27 14.11 2.07 184.07 0.00 2.55 16.18 0.05 0.00 0.42 30.40 41.76 5.73 0.00 0.90 3.82 0.00 3.77 0.37 34.81
Guanajuato 27.24 8.12 113.87 0.25 0.32 0.29 5.95 0.11 0.00 0.00 0.00 12.15 2.28 0.46 7.34 0.78 0.03 0.22 39.20 33.64 0.00 0.06 1.82 0.00 0.00 0.00 0.00 0.02 39.41 1.59 0.00 166.11 32.94 13.71 1.62 96.01 13.63 1.48 107.14 0.00 17.93 0.45 2.82 0.00 0.00 207.37 90.99 3.82 0.06 1.88 4.20 0.03 1.45 0.61 160.65
Guerrero 18.67 6.43 35.38 8.91 0.19 0.08 0.65 0.14 0.08 0.00 6.38 5.45 1.61 0.22 3.41 2.62 0.00 0.00 5.07 29.49 0.35 0.00 3.52 0.41 0.00 0.14 0.00 0.00 14.72 0.44 0.11 40.50 11.01 5.04 3.52 30.39 8.53 0.00 56.42 3.90 8.75 2.51 0.19 0.03 0.00 16.41 34.75 3.19 0.00 1.28 3.38 0.19 2.81 0.33 16.57
Hidalgo 4.07 5.67 65.45 32.07 0.35 0.48 2.88 0.51 0.06 0.03 28.26 13.30 0.00 1.54 7.56 6.44 0.00 1.67 26.05 53.12 0.74 1.06 11.79 2.02 0.90 0.16 1.03 0.00 17.94 1.06 0.19 77.50 24.70 7.11 1.63 38.38 14.26 2.21 103.42 0.00 11.34 0.10 0.58 0.03 0.13 19.51 35.98 5.45 0.06 1.31 3.33 0.00 7.59 2.02 151.31
Jalisco 13.31 6.23 55.46 17.74 0.53 0.07 0.00 0.15 0.01 0.00 5.38 16.63 1.90 0.61 3.55 0.00 0.00 7.40 26.92 83.56 12.28 2.32 50.35 3.05 1.40 2.16 1.50 0.13 54.78 0.91 3.12 108.82 50.37 9.83 4.11 52.83 11.64 0.00 89.50 0.00 0.00 6.61 0.95 0.08 0.04 7.34 70.86 1.94 0.04 0.68 10.00 0.31 3.83 0.06 74.43
México 7.50 4.47 161.49 31.93 0.44 0.53 3.47 0.42 0.00 0.00 11.19 13.96 4.59 0.38 4.88 3.79 0.00 0.33 29.26 117.23 11.82 15.07 74.93 0.50 3.68 23.25 34.23 0.05 67.22 0.67 0.04 73.06 45.22 13.59 10.59 47.52 16.85 0.35 75.18 7.15 8.32 0.03 0.30 0.52 14.48 12.22 0.00 5.94 0.07 0.40 5.06 1.20 13.03 1.64 288.53
Michoacán de Ocampo 25.79 12.00 78.00 14.27 0.25 0.27 2.92 0.39 0.00 0.00 4.24 6.98 2.00 0.43 5.17 1.59 0.00 3.17 15.17 63.69 0.33 12.43 5.64 0.72 0.45 0.72 0.25 0.16 8.46 0.93 0.99 39.85 29.54 6.81 0.84 43.68 11.94 3.93 14.45 0.00 1.79 0.00 0.29 0.06 0.06 30.01 55.05 3.52 0.00 0.47 9.74 1.54 3.81 1.98 36.70
Morelos 28.47 8.77 24.12 76.46 1.02 0.34 15.88 0.48 0.00 0.10 6.78 15.88 0.92 2.42 13.37 0.00 0.00 1.74 44.41 108.72 40.19 6.63 22.57 2.28 0.73 1.79 1.74 0.63 69.15 1.69 0.10 115.45 49.30 19.76 4.16 69.88 37.87 14.48 144.07 0.00 6.92 10.56 0.82 0.10 0.58 23.29 131.62 11.09 0.15 3.10 4.60 0.24 1.16 0.39 46.30
Nayarit 9.34 7.81 8.73 2.14 0.15 0.23 0.54 0.46 0.00 0.00 3.14 0.00 0.77 0.00 7.81 1.15 0.00 5.28 5.67 18.37 1.00 0.00 0.00 0.08 0.08 0.00 0.00 0.00 4.44 0.08 0.00 7.50 5.74 1.07 0.69 6.12 1.84 0.23 46.24 0.00 21.59 0.54 0.77 0.08 0.31 3.98 4.67 2.22 0.00 0.23 0.15 0.08 0.38 0.15 37.82
Nuevo León 10.61 6.17 43.39 15.53 0.44 1.18 3.71 0.21 0.00 1.21 25.24 17.43 6.00 0.60 9.04 4.82 0.02 8.74 24.04 32.26 0.83 1.90 7.88 5.66 0.69 0.26 0.28 0.04 13.00 1.20 0.39 47.82 57.72 10.46 5.38 60.98 14.67 1.14 213.34 0.00 5.17 64.26 1.53 1.37 0.00 45.62 53.52 4.17 0.11 1.81 17.43 0.02 20.40 8.86 43.25
Oaxaca 10.03 14.07 55.53 13.92 0.65 0.14 2.83 0.31 0.02 0.00 2.66 8.16 3.65 1.01 5.59 4.97 0.00 0.43 13.13 31.35 1.44 0.84 24.08 2.95 2.78 2.11 0.22 0.29 15.53 1.10 0.41 39.20 26.36 7.18 1.75 37.64 15.87 8.02 98.50 0.10 1.85 3.48 0.29 0.22 7.97 3.67 65.15 4.11 0.02 4.95 5.31 0.00 5.40 6.27 22.33
Puebla 6.78 3.20 49.53 8.63 0.41 0.06 2.43 0.14 0.00 0.00 2.28 7.10 2.48 0.44 4.68 3.74 0.00 10.49 21.88 68.15 9.77 8.39 31.04 0.00 0.95 3.33 11.76 0.08 33.29 1.04 4.23 50.07 39.58 13.35 1.14 36.40 16.38 2.48 78.46 0.00 2.61 5.18 0.20 0.44 6.06 17.36 51.07 3.33 0.03 1.08 3.11 0.27 10.86 2.03 16.14
Querétaro 4.79 7.80 123.43 25.22 0.30 0.95 31.90 0.26 0.00 0.00 3.45 17.37 17.72 0.00 10.78 6.21 0.00 1.25 60.31 89.03 14.83 0.00 34.45 2.24 4.14 8.62 7.46 0.00 53.24 4.79 0.30 263.85 86.87 19.96 6.60 39.75 24.62 1.47 96.83 2.16 13.36 6.12 0.00 0.09 12.89 27.98 108.69 6.73 0.09 3.32 4.44 0.09 0.00 2.46 106.14
Quintana Roo 18.62 29.64 86.86 40.03 0.85 0.23 12.26 0.51 0.06 0.00 30.20 29.98 9.37 1.59 26.29 0.00 0.00 13.80 48.20 85.39 2.84 0.85 57.51 16.52 1.99 3.29 0.97 0.00 68.70 0.74 29.69 191.72 13.85 91.69 4.26 138.64 29.41 9.59 202.23 0.00 21.12 21.18 3.69 0.74 0.06 37.30 85.84 8.69 0.00 11.01 8.97 2.55 19.98 3.63 38.55
San Luis Potosí 13.90 5.41 81.82 11.78 0.55 0.21 5.54 0.35 0.14 0.00 14.24 12.96 6.00 0.83 13.76 0.00 0.00 6.65 24.19 67.09 15.00 7.10 14.21 0.83 0.69 0.52 0.14 0.03 33.09 4.44 3.29 83.52 45.22 17.71 2.50 111.58 13.24 38.47 190.94 0.00 9.77 0.10 0.35 0.21 0.00 19.89 58.56 11.78 0.00 0.00 2.67 1.73 12.44 1.04 48.86
Sinaloa 10.56 12.32 50.76 13.55 0.75 0.13 10.59 0.16 0.06 0.00 22.88 7.32 1.45 0.19 3.99 1.63 0.00 0.85 6.07 63.90 0.16 0.03 0.72 0.03 0.22 0.06 0.35 0.35 22.41 0.31 0.00 42.37 12.48 6.10 1.19 41.21 10.72 0.60 108.44 0.00 2.80 3.02 1.19 0.09 1.67 2.80 24.92 1.10 0.06 1.01 2.92 0.00 3.33 1.32 6.10
Sonora 30.44 6.88 41.91 18.93 0.87 0.32 7.46 0.13 0.00 0.13 12.54 15.30 1.70 0.22 5.37 1.25 0.03 2.12 20.38 38.22 2.51 0.16 6.30 3.34 0.03 0.03 0.77 0.10 12.82 1.67 1.38 69.65 14.24 4.69 1.67 54.26 7.30 4.40 148.98 0.10 47.80 2.51 1.32 0.00 1.86 57.73 25.78 7.91 0.00 0.87 0.71 0.03 2.15 0.03 33.69
Tabasco 9.69 9.27 102.36 29.58 0.27 0.15 17.00 0.50 0.04 0.00 13.85 5.50 0.00 5.46 7.00 0.12 0.00 15.81 33.89 60.08 0.73 0.62 35.70 0.00 0.35 0.38 0.65 0.00 24.39 13.12 0.00 97.09 30.70 16.08 2.12 56.28 14.50 4.39 184.72 0.00 25.77 0.35 1.15 0.08 0.00 1.27 115.52 11.19 0.12 1.04 4.96 0.00 5.39 2.08 163.68
Tamaulipas 7.77 11.33 34.30 16.74 0.05 0.76 3.80 0.35 0.05 0.00 7.47 11.09 1.39 0.60 8.62 0.00 0.00 1.11 22.61 37.07 0.11 0.05 1.96 0.00 0.00 0.00 0.00 0.19 20.19 0.95 0.03 52.78 23.21 8.34 1.44 53.43 9.78 0.49 123.52 0.00 26.12 11.28 0.41 0.05 0.00 2.47 28.21 3.72 0.08 1.85 1.93 0.11 6.55 5.19 19.57
Tlaxcala 4.80 1.50 11.04 3.65 0.50 0.00 0.64 0.43 0.00 0.00 0.14 1.58 0.14 0.00 1.22 0.00 0.00 0.64 19.56 64.35 0.29 3.37 5.73 0.36 0.07 0.21 0.43 0.00 15.41 1.07 1.86 9.10 2.79 0.79 0.07 7.02 1.43 0.50 1.43 0.00 3.37 0.00 0.00 0.07 0.00 8.38 1.15 2.01 0.00 0.00 0.07 0.00 0.00 0.00 9.53
Veracruz de Ignacio de la Llave 7.70 6.63 48.34 12.62 0.49 0.16 1.11 0.37 0.01 0.00 3.77 5.79 0.00 3.02 3.32 0.15 0.00 10.58 20.83 40.95 1.06 1.51 19.71 1.63 0.61 0.47 0.82 0.17 39.97 3.47 0.66 26.07 28.97 9.92 5.17 51.79 18.30 5.89 80.91 11.13 10.41 12.34 0.14 0.08 0.01 5.95 51.73 4.35 0.00 1.58 2.83 1.47 3.54 3.94 42.43
Yucatán 1.23 4.29 9.02 0.61 0.13 0.00 9.06 0.04 0.00 0.00 0.04 2.10 0.22 0.09 1.23 0.00 0.00 0.00 2.54 2.50 0.13 0.00 1.58 0.00 0.00 0.00 0.00 0.00 1.53 0.00 0.00 0.00 16.90 10.25 0.09 47.07 0.66 5.43 27.67 0.00 6.39 1.58 0.26 0.13 0.26 5.47 63.71 2.63 0.00 0.31 0.57 0.00 0.22 0.09 64.10
Zacatecas 37.01 11.86 61.27 27.30 0.36 0.30 14.90 0.48 0.00 0.00 13.83 9.18 4.41 0.60 5.24 5.36 0.00 5.24 14.66 47.50 0.60 0.42 1.07 0.30 0.12 0.06 0.42 0.18 6.14 3.75 0.66 129.57 45.65 12.46 15.20 79.27 14.18 3.70 129.86 0.00 19.91 4.41 1.19 0.30 0.00 11.14 42.49 7.33 0.12 5.07 3.22 0.24 12.16 8.05 55.25

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
16 Violación equiparada 3
26 Robo en transporte público colectivo 3
30 Robo de ganado 3
33 Fraude 3
35 Extorsión 3
45 Otros delitos contra la sociedad 3
20 Robo de vehículo automotor 4
27 Robo en transporte individual 4
40 Violencia de género en todas sus modalidades distinta a la violencia familiar 4
19 Robo a casa habitación 5
21 Robo de autopartes 5
55 Otros delitos del Fuero Común 5
34 Abuso de confianza 6
37 Despojo 6
49 Evasión de presos 6
47 Amenazas 7
50 Falsedad 7
12 Abuso sexual 8
15 Violación simple 8
23 Robo a transeúnte en vía pública 8
29 Robo a negocio 8
24 Robo a transeúnte en espacio abierto al público 9
42 Otros delitos contra la familia 10
41 Incumplimiento de obligaciones de asistencia familiar 11
54 Electorales 11
4 Lesiones culposas 12
2 Homicidio culposo 13
48 Allanamiento de morada 13
46 Narcomenudeo 14
31 Robo de maquinaria 15
51 Falsificación 15
44 Trata de personas 17
8 Secuestro 18
52 Contra el medio ambiente 19
39 Violencia familiar 20
11 Otros delitos que atentan contra la libertad personal 23
18 Otros delitos que atentan contra la libertad y la seguridad sexual 23
5 Feminicidio 24
36 Daño a la propiedad 24
38 Otros delitos contra el patrimonio 24
1 Homicidio doloso 26

Querétaro en Julio

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

losDelitos2020Mes<-subset(losDelitos2020, losDelitos2020$meses==esteMes)
delitoEstado2020mes=as.data.frame(order(unique(losDelitos2020Mes$Clave_Ent)))

for (i in 1:length(losDelitosMes)) {
  a<-subset(losDelitos2020Mes,losDelitos2020Mes$Subtipo.de.delito==losDelitosMes[i])
  b<-as.data.frame(aggregate(a$value~a$Clave_Ent,a,sum))[2]
  delitoEstado2020mes<-cbind(delitoEstado2020mes,b)
}
names(delitoEstado2020mes)<-c("claveEntidad",losDelitosMes)


tasaDelitoEstado2020mes<-delitoEstado2020mes
tasaDelitoEstado2020mes[,2:56]<-round(delitoEstado2020mes[,2:56]/ent[,micol]*100000,2)

for (i in 1:length(nomEnt)) {
  delitoEstado2020mes[i,1]<-nomEnt[i]
  tasaDelitoEstado2020mes[i,1]<-nomEnt[i]
}


posicionAnualporDelitoMes<-c()
for (i in 1:length(losDelitos)) {
  a<-tasaDelitoEstado2020mes[22,i+1]
  if(a==0){b=0}else{b<-1+length(tasaDelitoEstado2020mes[tasaDelitoEstado2020mes[i+1]>a,i+1])}
  posicionAnualporDelitoMes<-c(posicionAnualporDelitoMes,b)
}
posicionesAnualporDelitoMes<-data.frame(losDelitosMes, posicionAnualporDelitoMes)

posicionesAnualporDelitoMes<-posicionesAnualporDelitoMes[order(posicionesAnualporDelitoMes$posicionAnualporDelitoMes),]
names(posicionesAnualporDelitoMes)<-c("Subtipo de delito", "Posición que ocupa Querétaro a nivel nacional en ese delito en el mes")
kable(posicionesAnualporDelitoMes[posicionesAnualporDelitoMes[2]>0,],caption="Posición de Querétaro en el mes")
Posición de Querétaro en el mes
Subtipo de delito Posición que ocupa Querétaro a nivel nacional en ese delito en el mes
13 Acoso sexual 1
32 Otros robos 1
6 Aborto 2
7 Otros delitos que atentan contra la vida y la integridad corporal 2
3 Lesiones dolosas 3
26 Robo en transporte público colectivo 3
30 Robo de ganado 3
45 Otros delitos contra la sociedad 3
16 Violación equiparada 4
20 Robo de vehículo automotor 4
27 Robo en transporte individual 4
33 Fraude 4
35 Extorsión 4
40 Violencia de género en todas sus modalidades distinta a la violencia familiar 4
55 Otros delitos del Fuero Común 4
12 Abuso sexual 5
19 Robo a casa habitación 5
25 Robo en transporte público individual 5
37 Despojo 6
15 Violación simple 7
29 Robo a negocio 7
21 Robo de autopartes 8
23 Robo a transeúnte en vía pública 8
34 Abuso de confianza 8
42 Otros delitos contra la familia 8
47 Amenazas 8
31 Robo de maquinaria 9
4 Lesiones culposas 11
50 Falsedad 11
54 Electorales 11
46 Narcomenudeo 12
48 Allanamiento de morada 12
2 Homicidio culposo 13
41 Incumplimiento de obligaciones de asistencia familiar 13
5 Feminicidio 15
24 Robo a transeúnte en espacio abierto al público 15
39 Violencia familiar 16
11 Otros delitos que atentan contra la libertad personal 19
36 Daño a la propiedad 21
38 Otros delitos contra el patrimonio 22
51 Falsificación 23
18 Otros delitos que atentan contra la libertad y la seguridad sexual 24
1 Homicidio doloso 26

Tasa en el mes

kable(tasaDelitoEstado2020mes)
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 0.41 0.62 19.40 5.71 0.07 0.28 0.28 0.00 0.00 0.00 2.06 0.00 0.00 0.83 1.93 0.28 0 2.13 13.76 8.74 6.12 0.00 7.77 0.00 0.62 0.00 0.28 0.00 11.77 0.69 0.07 10.94 13.00 4.88 0.28 23.32 2.34 1.65 14.86 0.07 2.27 0.14 0.14 0.00 0.00 2.68 18.99 2.89 0.00 0.48 4.27 0.41 1.58 0.14 12.52
Baja California 6.64 1.30 14.53 4.04 0.08 0.14 6.64 0.11 0.05 0.00 1.76 3.90 0.00 0.62 1.33 1.06 0 1.19 6.45 26.53 0.14 0.11 10.16 0.03 0.03 0.03 0.14 0.03 12.11 0.03 0.00 16.86 6.29 1.35 0.38 19.35 3.82 2.03 34.12 0.00 2.36 1.25 2.38 0.19 0.05 14.39 11.25 5.04 0.00 0.43 1.19 0.05 2.30 0.00 15.77
Baja California Sur 0.37 0.37 15.35 5.24 0.00 0.00 0.24 0.00 0.12 0.00 1.83 2.31 0.73 0.37 2.19 0.24 0 0.97 9.74 4.02 0.12 0.00 1.10 0.85 0.00 0.00 0.00 0.00 5.36 0.61 0.00 23.63 11.21 3.17 1.22 12.06 3.17 0.49 24.12 0.12 6.09 3.17 0.37 0.12 0.12 4.87 15.10 1.83 0.00 1.46 1.10 0.00 1.46 0.00 7.06
Campeche 0.69 0.69 0.79 0.69 0.10 0.00 0.20 0.00 0.00 0.00 0.10 0.49 0.00 0.00 0.49 0.69 0 0.20 1.38 2.65 0.20 0.00 0.49 0.00 0.00 0.00 0.00 0.00 1.67 0.20 0.00 1.87 0.10 0.00 0.00 1.28 0.10 0.39 0.10 0.00 0.10 0.00 0.00 0.20 0.00 1.28 0.20 0.10 0.00 0.00 0.00 0.00 0.00 0.00 0.29
Coahuila de Zaragoza 0.43 0.61 11.68 2.27 0.03 0.06 0.12 0.03 0.00 0.00 0.09 2.24 0.92 0.09 0.77 0.74 0 0.12 6.99 1.32 0.55 0.00 0.52 0.25 0.06 0.03 0.09 0.00 2.05 0.31 0.25 11.35 4.48 1.87 0.06 20.18 1.26 4.23 36.95 0.09 0.77 0.71 0.18 0.00 0.00 29.31 16.37 1.96 0.00 0.09 0.40 0.03 1.50 0.18 5.76
Colima 5.02 2.26 12.29 6.90 0.00 0.00 0.00 0.00 0.00 0.00 3.51 3.14 0.00 0.75 2.76 0.00 0 0.25 21.70 11.29 0.00 0.00 0.50 1.38 0.00 0.00 0.00 0.00 8.65 0.25 0.00 37.50 13.42 5.39 0.38 29.73 5.02 3.64 48.42 0.00 7.78 0.00 0.13 0.00 1.13 16.31 29.73 2.76 0.00 0.25 1.63 0.75 1.38 0.00 9.16
Chiapas 0.65 0.96 0.71 0.83 0.05 0.02 0.19 0.03 0.00 0.00 0.22 0.36 0.09 0.02 0.72 0.02 0 1.07 0.22 2.29 0.00 0.00 0.10 0.07 0.00 0.05 0.00 0.00 0.34 0.00 0.00 1.12 0.28 0.03 0.07 1.14 0.33 0.14 6.21 0.00 0.41 0.00 0.12 0.00 0.14 2.20 0.93 0.24 0.00 0.02 0.19 0.17 0.21 0.00 1.86
Chihuahua 5.13 0.76 10.53 2.87 0.05 0.00 1.04 0.05 0.00 0.00 1.07 4.09 0.00 0.29 2.87 0.57 0 0.86 5.73 9.70 1.43 0.05 0.78 0.29 0.05 0.00 0.08 0.03 3.62 0.21 0.34 10.97 8.89 2.37 0.00 19.42 1.98 1.33 28.91 0.05 3.70 0.10 0.08 0.03 0.00 8.42 7.87 1.82 0.00 0.42 3.15 0.26 3.26 0.16 4.12
Ciudad de México 0.93 0.51 4.20 3.87 0.03 0.09 0.19 0.02 0.00 0.01 2.02 3.53 1.35 0.00 1.29 0.73 0 1.53 3.64 6.34 7.25 0.06 11.05 3.57 0.47 3.91 1.88 0.04 12.08 0.00 0.02 25.11 19.96 4.82 0.43 9.52 4.36 4.03 31.29 0.00 1.06 0.01 0.28 0.11 2.48 5.92 15.43 0.96 0.00 0.51 2.71 0.89 5.28 0.34 6.89
Durango 0.32 1.33 11.04 5.52 0.05 0.00 0.11 0.00 0.00 0.00 0.64 2.39 0.42 0.05 1.27 0.00 0 1.01 10.93 4.35 0.90 0.00 2.55 0.11 0.27 0.00 0.00 0.05 4.19 0.11 0.05 16.29 6.37 2.87 0.48 11.25 1.75 0.11 25.73 0.00 0.80 3.13 0.00 0.00 0.00 4.35 5.84 0.80 0.00 0.16 0.69 0.00 0.37 0.00 3.45
Guanajuato 3.85 1.32 14.90 0.05 0.03 0.06 0.92 0.03 0.00 0.00 0.00 1.83 0.32 0.10 1.03 0.14 0 0.02 5.75 5.32 0.00 0.00 0.29 0.00 0.00 0.00 0.00 0.00 5.22 0.21 0.00 24.19 5.27 2.20 0.37 13.88 1.93 0.32 16.10 0.00 3.10 0.05 0.49 0.00 0.00 22.94 12.96 0.56 0.00 0.30 0.59 0.02 0.29 0.00 23.34
Guerrero 2.56 1.06 5.37 1.23 0.00 0.00 0.03 0.00 0.00 0.00 1.01 0.79 0.41 0.03 0.44 0.38 0 0.00 0.52 4.14 0.05 0.00 0.16 0.00 0.00 0.11 0.00 0.00 2.48 0.05 0.05 5.40 2.02 0.95 0.44 4.42 1.25 0.00 7.25 0.87 1.31 0.19 0.03 0.00 0.00 2.53 5.45 0.57 0.00 0.14 0.60 0.00 0.33 0.00 2.10
Hidalgo 0.48 0.77 7.37 4.81 0.00 0.03 0.26 0.06 0.00 0.00 4.16 1.67 0.00 0.13 0.96 0.83 0 0.58 3.75 7.79 0.13 0.10 1.79 0.32 0.19 0.00 0.10 0.00 2.43 0.19 0.00 10.92 2.79 1.31 0.22 5.13 2.24 0.29 12.33 0.00 1.99 0.06 0.06 0.00 0.00 1.99 5.35 1.06 0.00 0.22 0.70 0.00 0.96 0.06 11.50
Jalisco 1.67 0.62 8.31 2.39 0.01 0.01 0.00 0.01 0.00 0.00 0.95 2.44 0.20 0.06 0.55 0.00 0 1.33 3.76 13.16 1.86 0.29 5.85 0.58 0.16 0.28 0.45 0.04 7.83 0.11 0.48 19.69 8.33 1.32 0.52 7.47 1.81 0.00 11.55 0.00 0.00 1.02 0.15 0.00 0.02 0.92 9.78 0.41 0.02 0.13 1.78 0.02 0.54 0.00 10.79
México 1.06 0.62 21.93 4.73 0.06 0.06 0.45 0.05 0.00 0.00 1.91 2.10 0.66 0.02 0.57 0.62 0 0.06 4.29 17.61 1.86 1.99 11.96 0.00 0.62 3.55 5.48 0.00 9.94 0.10 0.01 10.17 6.87 1.63 1.57 6.41 2.66 0.09 10.27 1.03 1.34 0.01 0.02 0.05 1.66 1.58 0.00 0.85 0.01 0.01 0.93 0.14 2.03 0.03 43.28
Michoacán de Ocampo 3.89 1.61 10.91 1.98 0.04 0.04 0.41 0.06 0.00 0.00 0.49 0.99 0.08 0.08 0.89 0.16 0 0.25 2.24 9.61 0.02 1.89 0.76 0.10 0.06 0.10 0.04 0.02 1.17 0.25 0.04 5.33 4.18 1.05 0.14 5.58 1.71 0.47 1.98 0.00 0.41 0.00 0.00 0.00 0.02 4.06 7.53 0.47 0.00 0.08 1.09 0.25 0.60 0.02 4.76
Morelos 4.36 0.87 2.13 10.41 0.00 0.00 2.32 0.10 0.00 0.00 0.73 2.23 0.29 0.44 1.50 0.00 0 0.34 6.05 14.58 5.23 0.58 2.47 0.19 0.10 0.48 0.15 0.15 10.99 0.48 0.00 17.38 8.04 3.15 0.68 8.09 5.62 2.95 22.18 0.00 1.02 1.45 0.10 0.05 0.10 3.39 17.34 1.60 0.05 0.73 0.87 0.00 0.19 0.05 5.96
Nayarit 0.92 0.77 1.38 0.38 0.00 0.00 0.00 0.08 0.00 0.00 0.31 0.00 0.15 0.00 1.38 0.23 0 0.84 1.15 3.52 0.15 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.54 0.08 0.00 1.45 0.77 0.00 0.15 0.77 0.23 0.08 7.43 0.00 3.14 0.08 0.08 0.00 0.00 1.22 0.69 0.38 0.00 0.00 0.08 0.00 0.08 0.00 5.82
Nuevo León 1.90 0.72 6.42 1.99 0.07 0.16 0.70 0.07 0.00 0.14 4.61 2.48 0.74 0.05 1.55 0.65 0 1.23 3.01 6.17 0.12 0.44 0.91 0.77 0.05 0.04 0.02 0.02 1.79 0.09 0.07 5.36 6.45 1.46 1.62 7.53 2.15 0.12 34.10 0.00 0.77 9.48 0.32 0.12 0.00 6.56 7.32 0.49 0.02 0.19 1.88 0.00 3.29 1.57 6.16
Oaxaca 1.32 2.40 7.18 1.90 0.19 0.02 0.38 0.05 0.00 0.00 0.41 0.94 0.58 0.07 0.72 0.84 0 0.02 2.59 5.28 0.22 0.14 4.66 0.34 0.65 0.22 0.00 0.00 2.86 0.19 0.02 4.37 4.01 1.06 0.41 4.90 2.71 0.86 14.19 0.00 0.26 0.36 0.00 0.00 1.30 0.43 9.00 0.65 0.00 0.65 0.55 0.00 0.62 0.41 2.66
Puebla 1.16 0.47 7.37 1.37 0.06 0.02 0.39 0.03 0.00 0.00 0.38 1.05 0.39 0.03 0.63 0.63 0 1.34 3.20 10.43 1.85 2.00 4.95 0.00 0.14 0.69 2.16 0.02 5.18 0.09 0.99 8.85 6.12 2.33 0.21 5.52 2.37 0.33 12.05 0.00 0.53 0.81 0.03 0.05 0.81 1.76 7.08 0.42 0.00 0.15 0.42 0.06 1.52 0.06 2.03
Querétaro 0.56 1.03 16.90 3.97 0.04 0.17 5.56 0.00 0.00 0.00 0.73 3.49 3.02 0.00 1.64 0.82 0 0.13 7.80 13.93 1.60 0.00 5.00 0.17 0.43 1.34 1.42 0.00 7.85 0.95 0.13 39.92 12.46 2.50 1.42 5.60 3.23 0.26 15.26 0.43 2.24 1.25 0.00 0.00 1.42 4.18 15.00 1.12 0.00 0.39 0.34 0.00 0.00 0.09 15.87
Quintana Roo 2.27 4.37 12.15 6.53 0.06 0.00 1.93 0.00 0.00 0.00 4.49 4.94 1.59 0.17 3.52 0.00 0 1.82 7.27 11.87 0.40 0.11 8.97 2.67 0.34 0.28 0.11 0.00 7.83 0.06 3.97 30.83 1.48 14.36 1.02 20.32 3.58 1.31 25.89 0.00 2.50 2.27 0.68 0.17 0.00 4.94 12.89 1.19 0.00 1.76 1.08 0.34 3.63 0.40 5.96
San Luis Potosí 1.42 0.87 11.19 1.77 0.07 0.00 0.76 0.03 0.00 0.00 1.91 1.73 0.90 0.00 2.22 0.00 0 0.83 3.12 11.12 1.73 0.87 1.87 0.21 0.07 0.07 0.00 0.00 5.16 1.00 0.38 14.45 7.45 2.50 0.45 16.39 2.08 5.75 26.86 0.00 1.42 0.00 0.07 0.00 0.00 2.25 8.04 1.63 0.00 0.00 0.45 0.35 1.49 0.00 5.72
Sinaloa 1.48 2.01 7.04 1.54 0.06 0.03 2.48 0.00 0.00 0.00 3.77 0.88 0.16 0.09 0.69 0.19 0 0.13 0.79 9.71 0.03 0.00 0.03 0.00 0.00 0.03 0.09 0.00 2.01 0.03 0.00 4.37 1.54 0.50 0.09 4.93 1.07 0.03 11.91 0.00 0.28 0.28 0.22 0.00 0.44 0.19 2.80 0.03 0.00 0.16 0.22 0.00 0.38 0.00 0.85
Sonora 5.08 0.90 4.95 2.44 0.16 0.03 0.77 0.03 0.00 0.00 1.48 1.74 0.00 0.00 0.45 0.22 0 0.16 2.38 4.82 0.19 0.03 0.77 0.71 0.00 0.00 0.03 0.03 1.74 0.16 0.00 10.12 1.74 0.48 0.10 6.17 0.58 0.55 14.46 0.00 4.37 0.29 0.13 0.00 0.22 8.20 3.18 1.25 0.00 0.10 0.13 0.03 0.10 0.00 3.50
Tabasco 1.08 1.15 14.27 4.23 0.04 0.04 1.96 0.04 0.00 0.00 2.12 0.88 0.00 0.73 1.12 0.00 0 1.81 5.23 10.92 0.15 0.00 6.04 0.00 0.04 0.00 0.04 0.00 2.65 2.35 0.00 16.19 4.35 2.46 0.31 7.46 2.00 0.46 25.31 0.00 3.27 0.04 0.15 0.00 0.00 0.12 16.62 1.35 0.00 0.27 0.50 0.00 0.85 0.08 22.23
Tamaulipas 0.95 1.49 4.73 2.28 0.00 0.03 0.63 0.11 0.05 0.00 0.92 1.90 0.35 0.03 1.41 0.00 0 0.14 3.53 5.54 0.00 0.00 0.27 0.00 0.00 0.00 0.00 0.03 2.61 0.16 0.00 7.04 3.23 1.22 0.16 6.93 0.84 0.05 20.95 0.00 4.46 1.58 0.05 0.00 0.00 0.19 3.21 0.63 0.05 0.43 0.30 0.00 0.84 0.27 3.91
Tlaxcala 0.64 0.43 0.86 0.50 0.00 0.00 0.14 0.07 0.00 0.00 0.00 0.00 0.00 0.00 0.29 0.00 0 0.07 2.44 12.61 0.07 0.57 0.72 0.14 0.07 0.00 0.29 0.00 2.44 0.29 0.50 2.01 0.00 0.00 0.00 0.57 0.21 0.07 0.07 0.00 0.79 0.00 0.00 0.00 0.00 1.22 0.00 0.43 0.00 0.00 0.00 0.00 0.00 0.00 1.36
Veracruz de Ignacio de la Llave 0.95 0.86 6.32 1.55 0.03 0.03 0.10 0.06 0.00 0.00 0.50 0.91 0.00 0.52 0.43 0.02 0 1.32 2.55 5.60 0.17 0.19 2.69 0.31 0.08 0.06 0.17 0.03 6.11 0.44 0.15 3.31 3.53 1.35 0.56 6.26 2.14 0.72 10.92 1.30 1.25 1.62 0.05 0.03 0.00 1.18 6.31 0.55 0.00 0.26 0.43 0.22 0.51 0.35 5.82
Yucatán 0.31 0.70 0.57 0.09 0.04 0.00 0.39 0.00 0.00 0.00 0.00 0.39 0.00 0.00 0.09 0.00 0 0.00 0.39 0.13 0.04 0.00 0.39 0.00 0.00 0.00 0.00 0.00 0.57 0.00 0.00 0.00 0.39 0.44 0.00 2.19 0.04 1.80 4.60 0.00 0.18 0.04 0.00 0.09 0.04 1.44 3.59 0.13 0.00 0.00 0.00 0.00 0.09 0.04 4.29
Zacatecas 5.07 2.03 7.15 2.38 0.00 0.00 2.74 0.12 0.00 0.00 2.44 1.49 0.77 0.06 0.60 0.60 0 0.60 2.03 5.96 0.12 0.12 0.12 0.00 0.00 0.00 0.06 0.06 0.60 0.42 0.00 18.06 4.89 2.15 2.32 10.55 1.73 0.95 16.39 0.00 2.68 0.72 0.06 0.00 0.00 1.85 5.78 0.83 0.06 0.77 0.12 0.00 1.97 0.72 7.09

Absolutos en el mes

kable(delitoEstado2020mes)
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 6 9 282 83 1 4 4 0 0 0 30 0 0 12 28 4 0 31 200 127 89 0 113 0 9 0 4 0 171 10 1 159 189 71 4 339 34 24 216 1 33 2 2 0 0 39 276 42 0 7 62 6 23 2 182
Baja California 245 48 536 149 3 5 245 4 2 0 65 144 0 23 49 39 0 44 238 979 5 4 375 1 1 1 5 1 447 1 0 622 232 50 14 714 141 75 1259 0 87 46 88 7 2 531 415 186 0 16 44 2 85 0 582
Baja California Sur 3 3 126 43 0 0 2 0 1 0 15 19 6 3 18 2 0 8 80 33 1 0 9 7 0 0 0 0 44 5 0 194 92 26 10 99 26 4 198 1 50 26 3 1 1 40 124 15 0 12 9 0 12 0 58
Campeche 7 7 8 7 1 0 2 0 0 0 1 5 0 0 5 7 0 2 14 27 2 0 5 0 0 0 0 0 17 2 0 19 1 0 0 13 1 4 1 0 1 0 0 2 0 13 2 1 0 0 0 0 0 0 3
Coahuila de Zaragoza 14 20 381 74 1 2 4 1 0 0 3 73 30 3 25 24 0 4 228 43 18 0 17 8 2 1 3 0 67 10 8 370 146 61 2 658 41 138 1205 3 25 23 6 0 0 956 534 64 0 3 13 1 49 6 188
Colima 40 18 98 55 0 0 0 0 0 0 28 25 0 6 22 0 0 2 173 90 0 0 4 11 0 0 0 0 69 2 0 299 107 43 3 237 40 29 386 0 62 0 1 0 9 130 237 22 0 2 13 6 11 0 73
Chiapas 38 56 41 48 3 1 11 2 0 0 13 21 5 1 42 1 0 62 13 133 0 0 6 4 0 3 0 0 20 0 0 65 16 2 4 66 19 8 361 0 24 0 7 0 8 128 54 14 0 1 11 10 12 0 108
Chihuahua 197 29 404 110 2 0 40 2 0 0 41 157 0 11 110 22 0 33 220 372 55 2 30 11 2 0 3 1 139 8 13 421 341 91 0 745 76 51 1109 2 142 4 3 1 0 323 302 70 0 16 121 10 125 6 158
Ciudad de México 84 46 378 348 3 8 17 2 0 1 182 318 122 0 116 66 0 138 328 571 653 5 995 321 42 352 169 4 1088 0 2 2261 1797 434 39 857 393 363 2817 0 95 1 25 10 223 533 1389 86 0 46 244 80 475 31 620
Durango 6 25 208 104 1 0 2 0 0 0 12 45 8 1 24 0 0 19 206 82 17 0 48 2 5 0 0 1 79 2 1 307 120 54 9 212 33 2 485 0 15 59 0 0 0 82 110 15 0 3 13 0 7 0 65
Guanajuato 242 83 936 3 2 4 58 2 0 0 0 115 20 6 65 9 0 1 361 334 0 0 18 0 0 0 0 0 328 13 0 1519 331 138 23 872 121 20 1011 0 195 3 31 0 0 1441 814 35 0 19 37 1 18 0 1466
Guerrero 94 39 197 45 0 0 1 0 0 0 37 29 15 1 16 14 0 0 19 152 2 0 6 0 0 4 0 0 91 2 2 198 74 35 16 162 46 0 266 32 48 7 1 0 0 93 200 21 0 5 22 0 12 0 77
Hidalgo 15 24 230 150 0 1 8 2 0 0 130 52 0 4 30 26 0 18 117 243 4 3 56 10 6 0 3 0 76 6 0 341 87 41 7 160 70 9 385 0 62 2 2 0 0 62 167 33 0 7 22 0 30 2 359
Jalisco 142 53 706 203 1 1 0 1 0 0 81 207 17 5 47 0 0 113 319 1117 158 25 497 49 14 24 38 3 665 9 41 1672 707 112 44 634 154 0 981 0 0 87 13 0 2 78 830 35 2 11 151 2 46 0 916
México 186 109 3861 832 11 10 79 9 0 0 336 369 116 3 100 110 0 11 756 3100 327 350 2105 0 109 625 964 0 1749 17 1 1791 1210 287 277 1128 469 16 1807 182 236 1 3 9 292 278 0 149 2 1 163 25 358 6 7619
Michoacán de Ocampo 189 78 530 96 2 2 20 3 0 0 24 48 4 4 43 8 0 12 109 467 1 92 37 5 3 5 2 1 57 12 2 259 203 51 7 271 83 23 96 0 20 0 0 0 1 197 366 23 0 4 53 12 29 1 231
Morelos 90 18 44 215 0 0 48 2 0 0 15 46 6 9 31 0 0 7 125 301 108 12 51 4 2 10 3 3 227 10 0 359 166 65 14 167 116 61 458 0 21 30 2 1 2 70 358 33 1 15 18 0 4 1 123
Nayarit 12 10 18 5 0 0 0 1 0 0 4 0 2 0 18 3 0 11 15 46 2 0 0 0 0 0 0 0 7 1 0 19 10 0 2 10 3 1 97 0 41 1 1 0 0 16 9 5 0 0 1 0 1 0 76
Nuevo León 108 41 365 113 4 9 40 4 0 8 262 141 42 3 88 37 0 70 171 351 7 25 52 44 3 2 1 1 102 5 4 305 367 83 92 428 122 7 1939 0 44 539 18 7 0 373 416 28 1 11 107 0 187 89 350
Oaxaca 55 100 299 79 8 1 16 2 0 0 17 39 24 3 30 35 0 1 108 220 9 6 194 14 27 9 0 0 119 8 1 182 167 44 17 204 113 36 591 0 11 15 0 0 54 18 375 27 0 27 23 0 26 17 111
Puebla 77 31 491 91 4 1 26 2 0 0 25 70 26 2 42 42 0 89 213 695 123 133 330 0 9 46 144 1 345 6 66 590 408 155 14 368 158 22 803 0 35 54 2 3 54 117 472 28 0 10 28 4 101 4 135
Querétaro 13 24 392 92 1 4 129 0 0 0 17 81 70 0 38 19 0 3 181 323 37 0 116 4 10 31 33 0 182 22 3 926 289 58 33 130 75 6 354 10 52 29 0 0 33 97 348 26 0 9 8 0 0 2 368
Quintana Roo 40 77 214 115 1 0 34 0 0 0 79 87 28 3 62 0 0 32 128 209 7 2 158 47 6 5 2 0 138 1 70 543 26 253 18 358 63 23 456 0 44 40 12 3 0 87 227 21 0 31 19 6 64 7 105
San Luis Potosí 41 25 323 51 2 0 22 1 0 0 55 50 26 0 64 0 0 24 90 321 50 25 54 6 2 2 0 0 149 29 11 417 215 72 13 473 60 166 775 0 41 0 2 0 0 65 232 47 0 0 13 10 43 0 165
Sinaloa 47 64 224 49 2 1 79 0 0 0 120 28 5 3 22 6 0 4 25 309 1 0 1 0 0 1 3 0 64 1 0 139 49 16 3 157 34 1 379 0 9 9 7 0 14 6 89 1 0 5 7 0 12 0 27
Sonora 158 28 154 76 5 1 24 1 0 0 46 54 0 0 14 7 0 5 74 150 6 1 24 22 0 0 1 1 54 5 0 315 54 15 3 192 18 17 450 0 136 9 4 0 7 255 99 39 0 3 4 1 3 0 109
Tabasco 28 30 371 110 1 1 51 1 0 0 55 23 0 19 29 0 0 47 136 284 4 0 157 0 1 0 1 0 69 61 0 421 113 64 8 194 52 12 658 0 85 1 4 0 0 3 432 35 0 7 13 0 22 2 578
Tamaulipas 35 55 174 84 0 1 23 4 2 0 34 70 13 1 52 0 0 5 130 204 0 0 10 0 0 0 0 1 96 6 0 259 119 45 6 255 31 2 771 0 164 58 2 0 0 7 118 23 2 16 11 0 31 10 144
Tlaxcala 9 6 12 7 0 0 2 1 0 0 0 0 0 0 4 0 0 1 34 176 1 8 10 2 1 0 4 0 34 4 7 28 0 0 0 8 3 1 1 0 11 0 0 0 0 17 0 6 0 0 0 0 0 0 19
Veracruz de Ignacio de la Llave 82 74 543 133 3 3 9 5 0 0 43 78 0 45 37 2 0 113 219 481 15 16 231 27 7 5 15 3 525 38 13 284 303 116 48 538 184 62 938 112 107 139 4 3 0 101 542 47 0 22 37 19 44 30 500
Yucatán 7 16 13 2 1 0 9 0 0 0 0 9 0 0 2 0 0 0 9 3 1 0 9 0 0 0 0 0 13 0 0 0 9 10 0 50 1 41 105 0 4 1 0 2 1 33 82 3 0 0 0 0 2 1 98
Zacatecas 85 34 120 40 0 0 46 2 0 0 41 25 13 1 10 10 0 10 34 100 2 2 2 0 0 0 1 1 10 7 0 303 82 36 39 177 29 16 275 0 45 12 1 0 0 31 97 14 1 13 2 0 33 12 119

Lugar a nivel nacional de los municipios Queretanos en incidencia delictiva

Top 50 municipios en el año

pop2020<-subset(pop,pop$ANO==losAnos[length(losAnos)])
delitos2020<-subset(delitos2,delitos2$Ano==losAnos[length(losAnos)])
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
1828 1 Quintana Roo Tulum 1294 37689 3433.36
75 2 Colima Colima 5698 171674 3319.08
738 3 México Polotitlán 374 15243 2453.59
288 4 Ciudad de México Cuauhtémoc 18713 780197 2398.50
231 5 Chihuahua Santa Isabel 97 4338 2236.05
912 6 Morelos Cuernavaca 8452 402642 2099.14
777 7 México Valle de Bravo 1475 70753 2084.72
289 8 Ciudad de México Miguel Hidalgo 7895 380465 2075.09
8 9 Aguascalientes San José de Gracia 201 9771 2057.11
80 10 Colima Manzanillo 4253 206757 2057.00
1079 11 Oaxaca Oaxaca de Juárez 5240 258773 2024.94
505 12 Hidalgo Pachuca de Soto 5612 281814 1991.38
16 13 Baja California Playas de Rosarito 2182 109679 1989.44
773 14 México Toluca 19034 959238 1984.28
1814 15 Querétaro Querétaro 19116 992423 1926.19
14 16 Baja California Tecate 2082 115534 1802.07
692 17 México Chalco 7292 405488 1798.33
1827 18 Quintana Roo Solidaridad 4394 245816 1787.52
2476 19 Zacatecas Zacatecas 2749 156434 1757.29
971 20 Nuevo León El Carmen 853 48695 1751.72
676 21 México Amecameca 962 54970 1750.05
766 22 México Texcoco 4583 264421 1733.22
1858 23 San Luis Potosí San Luis Potosí 15108 875955 1724.75
911 24 Morelos Cuautla 3654 212954 1715.86
788 25 México Cuautitlán Izcalli 9810 581688 1686.47
988 26 Nuevo León Los Herreras 34 2019 1684.00
689 27 México Cocotitlán 262 15587 1680.89
76 28 Colima Comala 401 24207 1656.55
726 29 México Nextlalpan 736 44432 1656.46
13 30 Baja California Mexicali 18308 1105279 1656.41
787 31 México Zumpango 3633 220996 1643.92
239 32 Chihuahua Hidalgo del Parral 1936 118713 1630.82
37 33 Coahuila de Zaragoza Acuña 2675 164667 1624.49
350 34 Guanajuato León 27528 1694594 1624.46
11 35 Aguascalientes San Francisco de los Romo 853 52584 1622.17
914 36 Morelos Huitzilac 334 20598 1621.52
683 37 México Axapusco 493 30436 1619.79
917 38 Morelos Jojutla 996 61927 1608.35
691 39 México Cuautitlán 2851 177731 1604.11
750 40 México Temamatla 222 13843 1603.70
677 41 México Apaxco 509 31891 1596.06
337 42 Guanajuato Celaya 8459 535265 1580.34
721 43 México Metepec 4108 260825 1575.00
743 44 México San Mateo Atenco 1282 81552 1572.00
977 45 Nuevo León Doctor González 52 3314 1569.10
275 46 Ciudad de México Azcapotzalco 6373 407280 1564.77
1984 47 Tabasco Centro 11689 747937 1562.83
792 48 México Tonanitla 172 11014 1561.65
1563 49 Oaxaca Tlacolula de Matamoros 380 24343 1561.02
345 50 Guanajuato Guanajuato 3117 199866 1559.54

Top 50 municipios en el mes

pop2020<-subset(pop,pop$ANO==losAnos[length(losAnos)])
delitos2020Mes<-subset(delitos2,delitos2$Ano==losAnos[length(losAnos)] & 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
1828 1 Quintana Roo Tulum 196 37689 520.05
75 2 Colima Colima 829 171674 482.89
738 3 México Polotitlán 67 15243 439.55
231 4 Chihuahua Santa Isabel 19 4338 437.99
40 5 Coahuila de Zaragoza Candela 8 1971 405.89
1361 6 Oaxaca San Sebastián Teitipac 8 2040 392.16
288 7 Ciudad de México Cuauhtémoc 3030 780197 388.36
1431 8 Oaxaca Santa María Jaltianguis 2 539 371.06
1473 9 Oaxaca Santiago del Río 2 567 352.73
1454 10 Oaxaca Santa María Yalina 1 286 349.65
1090 11 Oaxaca Rojas de Cuauhtémoc 4 1165 343.35
80 12 Colima Manzanillo 702 206757 339.53
16 13 Baja California Playas de Rosarito 358 109679 326.41
773 14 México Toluca 3080 959238 321.09
1230 15 Oaxaca San Juan Teita 2 639 312.99
912 16 Morelos Cuernavaca 1259 402642 312.68
289 17 Ciudad de México Miguel Hidalgo 1168 380465 306.99
8 18 Aguascalientes San José de Gracia 29 9771 296.80
1079 19 Oaxaca Oaxaca de Juárez 768 258773 296.79
777 20 México Valle de Bravo 205 70753 289.74
1814 21 Querétaro Querétaro 2869 992423 289.09
37 22 Coahuila de Zaragoza Acuña 465 164667 282.39
1026 23 Oaxaca Ciudad Ixtepec 86 30640 280.68
14 24 Baja California Tecate 322 115534 278.71
1010 25 Nuevo León Santiago 132 47500 277.89
914 26 Morelos Huitzilac 57 20598 276.73
1207 27 Oaxaca San Juan Diuxi 3 1110 270.27
531 28 Hidalgo Tlaxcoapan 83 31018 267.59
63 29 Coahuila de Zaragoza Sabinas 187 70427 265.52
1827 30 Quintana Roo Solidaridad 650 245816 264.43
1141 31 Oaxaca San Cristóbal Suchixtlahuaca 1 379 263.85
692 32 México Chalco 1064 405488 262.40
750 33 México Temamatla 36 13843 260.06
971 34 Nuevo León El Carmen 126 48695 258.75
345 35 Guanajuato Guanajuato 516 199866 258.17
676 36 México Amecameca 141 54970 256.50
13 37 Baja California Mexicali 2803 1105279 253.60
1858 38 San Luis Potosí San Luis Potosí 2214 875955 252.75
766 39 México Texcoco 668 264421 252.63
60 40 Coahuila de Zaragoza Piedras Negras 450 179190 251.13
11 41 Aguascalientes San Francisco de los Romo 132 52584 251.03
1829 42 Quintana Roo Bacalar 116 46235 250.89
736 43 México Papalotla 11 4397 250.17
2476 44 Zacatecas Zacatecas 389 156434 248.67
788 45 México Cuautitlán Izcalli 1423 581688 244.63
683 46 México Axapusco 74 30436 243.13
973 47 Nuevo León Ciénega de Flores 125 51865 241.01
76 48 Colima Comala 58 24207 239.60
787 49 México Zumpango 523 220996 236.66
724 50 México Naucalpan de Juárez 2157 917312 235.14

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
1814 15 Querétaro Querétaro 19116 992423 1926.19
1816 114 Querétaro San Juan del Río 3949 321648 1227.74
1811 140 Querétaro El Marqués 2114 183234 1153.72
1809 196 Querétaro Jalpan de Serra 317 30075 1054.03
1806 291 Querétaro Corregidora 1924 213526 901.06
1807 307 Querétaro Ezequiel Montes 412 46601 884.10
1812 359 Querétaro Pedro Escobedo 627 77600 807.99
1801 361 Querétaro Amealco de Bonfil 559 69262 807.08
1805 419 Querétaro Colón 525 70110 748.82
1817 424 Querétaro Tequisquiapan 596 80132 743.77
1804 502 Querétaro Cadereyta de Montes 525 78055 672.60
1808 504 Querétaro Huimilpan 287 42916 668.75
1815 594 Querétaro San Joaquín 63 10475 601.43
1802 697 Querétaro Pinal de Amoles 152 28450 534.27
1818 739 Querétaro Tolimán 220 42983 511.83
1813 993 Querétaro Peñamiller 84 22337 376.06
1803 1055 Querétaro Arroyo Seco 53 15014 353.00
1810 1081 Querétaro Landa de Matamoros 71 20500 346.34
1819 2470 Querétaro No Especificado 75 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
1814 21 Querétaro Querétaro 2869 992423 289.09
1816 140 Querétaro San Juan del Río 576 321648 179.08
1809 236 Querétaro Jalpan de Serra 44 30075 146.30
1811 251 Querétaro El Marqués 265 183234 144.62
1807 276 Querétaro Ezequiel Montes 64 46601 137.34
1812 295 Querétaro Pedro Escobedo 104 77600 134.02
1806 316 Querétaro Corregidora 279 213526 130.66
1804 391 Querétaro Cadereyta de Montes 91 78055 116.58
1817 399 Querétaro Tequisquiapan 92 80132 114.81
1818 414 Querétaro Tolimán 48 42983 111.67
1805 466 Querétaro Colón 74 70110 105.55
1808 540 Querétaro Huimilpan 41 42916 95.54
1815 541 Querétaro San Joaquín 10 10475 95.47
1801 593 Querétaro Amealco de Bonfil 62 69262 89.52
1802 693 Querétaro Pinal de Amoles 22 28450 77.33
1803 1090 Querétaro Arroyo Seco 7 15014 46.62
1813 1203 Querétaro Peñamiller 9 22337 40.29
1810 1224 Querétaro Landa de Matamoros 8 20500 39.02
1819 2470 Querétaro No Especificado 13 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[estePeriodo!=0 & estePeriodo>=maximoAbsoluto,c(1, stop1)]

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

Delitos que aumentaron entre Junio y Julio

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 Junio Carpetas en Julio Tasa de cambio (%)
34 Otros robos 906 926 2.21
25 Lesiones dolosas 410 392 -4.39
30 Otros delitos del Fuero Común 355 368 3.66
55 Violencia familiar 348 354 1.72
6 Amenazas 363 348 -4.13
45 Robo de vehículo automotor 285 323 13.33
18 Fraude 307 289 -5.86
38 Robo a negocio 160 182 13.75
36 Robo a casa habitación 177 181 2.26
9 Daño a la propiedad 141 130 -7.80
33 Otros delitos que atentan contra la vida y la integridad corporal 113 129 14.16
40 Robo a transeúnte en vía pública 123 116 -5.69
26 Narcomenudeo 92 97 5.43
24 Lesiones culposas 97 92 -5.15
3 Abuso sexual 54 81 50.00
11 Despojo 86 75 -12.79
4 Acoso sexual 54 70 29.63
2 Abuso de confianza 84 58 -30.95
23 Incumplimiento de obligaciones de asistencia familiar 42 52 23.81
53 Violación simple 42 38 -9.52
42 Robo de autopartes 52 37 -28.85
46 Robo en transporte individual 19 33 73.68
14 Extorsión 20 33 65.00
29 Otros delitos contra la sociedad 40 33 -17.50
47 Robo en transporte público colectivo 24 31 29.17
28 Otros delitos contra la familia 17 29 70.59
5 Allanamiento de morada 23 26 13.04
19 Homicidio culposo 30 24 -20.00
43 Robo de ganado 11 22 100.00
52 Violación equiparada 13 19 46.15
31 Otros delitos que atentan contra la libertad personal 10 17 70.00
20 Homicidio doloso 9 13 44.44
54 Violencia de género en todas sus modalidades distinta a la violencia familiar 13 10 -23.08
48 Robo en transporte público individual 14 10 -28.57
15 Falsedad 11 9 -18.18
16 Falsificación 20 8 -60.00
27 Otros delitos contra el patrimonio 4 6 50.00
1 Aborto 1 4 300.00
39 Robo a transeúnte en espacio abierto al público 9 4 -55.56
32 Otros delitos que atentan contra la libertad y la seguridad sexual 4 3 -25.00
12 Electorales 26 2 -92.31
17 Feminicidio 1 1 0.00
7 Contra el medio ambiente 1 0 -100.00
49 Secuestro 1 0 -100.00

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

kable(DelitosEnMaximoAbsoluto)
Delitos que alcanzan su máximo histórico en Julio(Números absolutos) Incidentes
3 Abuso sexual 81
28 Otros delitos contra la familia 29
31 Otros delitos que atentan contra la libertad personal 17
33 Otros delitos que atentan contra la vida y la integridad corporal 129

Querétaro: Los delitos más frecuentes en Julio

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 Julio Julio
34 Otros robos 926
25 Lesiones dolosas 392
30 Otros delitos del Fuero Común 368
55 Violencia familiar 354
6 Amenazas 348
45 Robo de vehículo automotor 323
18 Fraude 289
38 Robo a negocio 182
36 Robo a casa habitación 181
9 Daño a la propiedad 130
33 Otros delitos que atentan contra la vida y la integridad corporal 129
40 Robo a transeúnte en vía pública 116
26 Narcomenudeo 97
24 Lesiones culposas 92
3 Abuso sexual 81
11 Despojo 75
4 Acoso sexual 70
2 Abuso de confianza 58
23 Incumplimiento de obligaciones de asistencia familiar 52
53 Violación simple 38
42 Robo de autopartes 37
14 Extorsión 33
29 Otros delitos contra la sociedad 33
46 Robo en transporte individual 33
47 Robo en transporte público colectivo 31
28 Otros delitos contra la familia 29
5 Allanamiento de morada 26
19 Homicidio culposo 24
43 Robo de ganado 22
52 Violación equiparada 19
31 Otros delitos que atentan contra la libertad personal 17
20 Homicidio doloso 13
48 Robo en transporte público individual 10
54 Violencia de género en todas sus modalidades distinta a la violencia familiar 10
15 Falsedad 9
16 Falsificación 8
27 Otros delitos contra el patrimonio 6
1 Aborto 4
39 Robo a transeúnte en espacio abierto al público 4
32 Otros delitos que atentan contra la libertad y la seguridad sexual 3
44 Robo de maquinaria 3
12 Electorales 2
17 Feminicidio 1
7 Contra el medio ambiente 0
8 Corrupción de menores 0
10 Delitos cometidos por servidores públicos 0
13 Evasión de presos 0
21 Hostigamiento sexual 0
22 Incesto 0
35 Rapto 0
37 Robo a institución bancaria 0
41 Robo a transportista 0
49 Secuestro 0
50 Tráfico de menores 0
51 Trata de personas 0

Serie Mensual por delito en Querétaro

kable(catalogoDelitos)
Delito 201501 201502 201503 201504 201505 201506 201507 201508 201509 201510 201511 201512 201601 201602 201603 201604 201605 201606 201607 201608 201609 201610 201611 201612 201701 201702 201703 201704 201705 201706 201707 201708 201709 201710 201711 201712 201801 201802 201803 201804 201805 201806 201807 201808 201809 201810 201811 201812 201901 201902 201903 201904 201905 201906 201907 201908 201909 201910 201911 201912 202001 202002 202003 202004 202005 202006 202007 202008 202009 202010 202011 202012 202101 202102 202103 202104 202105 202106 202107 202108 202109 202110 202111 202112
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 3 3 3 5 2 4 3 1 4 0 0 0 0 0
Abuso de confianza 36 23 30 33 40 39 60 32 39 41 54 32 44 31 52 42 54 54 44 35 67 52 39 50 46 59 49 54 60 44 60 61 64 46 48 44 42 53 55 64 58 45 68 55 44 49 46 43 53 64 55 44 53 48 75 59 61 69 47 53 53 48 55 38 26 33 54 50 66 53 50 61 66 76 77 56 46 84 58 0 0 0 0 0
Abuso sexual 20 13 14 25 25 17 21 23 20 29 26 17 22 14 16 20 28 24 31 28 34 25 30 22 27 25 34 27 43 35 30 23 27 32 32 23 19 29 35 43 31 39 46 27 37 34 39 34 29 47 48 54 59 44 50 57 34 39 39 40 36 39 69 22 47 46 56 41 51 54 48 42 42 40 69 68 49 54 81 0 0 0 0 0
Acoso sexual 5 1 0 0 3 3 0 4 1 2 2 2 1 4 3 6 4 5 6 2 2 6 0 1 1 4 1 2 7 3 3 9 4 4 4 2 2 16 9 18 9 10 13 13 11 12 14 1 11 14 14 19 17 19 22 37 31 33 44 33 34 55 52 54 42 50 48 57 57 60 42 48 39 42 76 65 65 54 70 0 0 0 0 0
Allanamiento de morada 10 10 9 5 12 6 5 4 5 9 16 10 10 10 10 12 9 11 15 16 13 20 11 12 11 17 17 11 17 15 12 13 15 18 12 14 15 10 16 18 27 26 31 13 23 14 8 31 26 20 26 25 25 20 39 32 17 28 30 27 23 27 22 24 27 21 30 28 22 23 25 24 17 25 22 25 18 23 26 0 0 0 0 0
Amenazas 78 81 95 94 88 85 103 98 95 102 103 86 71 67 89 106 113 189 187 223 159 184 148 174 169 186 176 189 294 231 208 281 241 245 230 215 233 210 287 263 315 276 315 297 273 341 278 273 319 307 333 376 417 344 399 391 308 367 353 328 342 390 380 251 201 278 322 350 333 324 271 281 296 308 406 429 371 363 348 0 0 0 0 0
Contra el medio ambiente 2 1 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 1 0 0 0 0 1 1 0 0 1 0 0 0 0 0 0 0 0 1 1 0 0 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 0 0 0 0 0 0 0 0 0 0 0 0
Daño a la propiedad 167 153 186 178 172 168 158 132 165 143 186 174 155 183 159 185 213 391 430 461 477 402 394 412 407 387 432 395 477 447 385 455 412 522 437 444 478 395 433 426 436 510 487 462 473 465 430 426 451 436 484 481 506 452 272 116 120 112 102 128 113 128 107 115 97 108 106 131 134 119 108 94 116 125 135 137 138 141 130 0 0 0 0 0
Delitos cometidos por servidores públicos 0 0 0 0 0 0 0 0 0 1 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 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 62 78 76 86 77 91 80 86 75 0 0 0 0 0
Electorales 0 0 0 0 0 1 0 0 1 0 0 3 0 0 5 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 0 1 1 3 26 12 2 2 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3 0 3 0 0 3 3 2 0 0 2 0 2 2 2 5 18 26 2 0 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 0 1 0 0 1 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 25 17 19 11 18 20 27 24 20 33 0 0 0 0 0
Falsedad 1 2 2 4 5 5 3 2 5 2 4 2 6 3 18 8 9 8 2 10 11 7 6 7 4 4 4 10 14 7 7 6 6 7 3 7 4 6 6 11 13 6 5 12 8 9 4 4 7 6 8 12 4 11 6 11 13 8 8 7 9 13 9 3 6 2 8 4 5 14 10 5 11 9 11 17 9 11 9 0 0 0 0 0
Falsificación 65 40 48 40 59 63 47 44 61 56 63 56 48 40 42 45 52 45 64 52 33 44 47 44 33 38 48 28 43 34 40 25 30 51 33 35 34 35 27 56 56 56 57 52 60 70 38 39 65 42 61 73 63 58 73 49 57 68 46 40 47 36 29 11 12 20 18 33 21 32 22 19 11 11 21 23 9 20 8 0 0 0 0 0
Feminicidio 2 1 0 1 0 0 1 0 2 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 2 0 2 1 1 0 0 1 2 1 2 0 2 1 0 1 0 1 0 1 0 0 0 0 2 1 4 2 0 1 0 1 1 2 1 1 0 0 0 0 0
Fraude 115 113 138 114 134 138 134 106 110 124 130 130 104 106 117 141 172 153 153 167 167 132 161 119 157 171 181 159 192 186 152 188 143 195 184 126 143 157 211 156 189 172 189 209 185 182 174 152 189 164 221 207 222 180 257 224 206 210 192 208 241 192 173 123 155 199 245 278 291 309 276 282 254 272 320 275 298 307 289 0 0 0 0 0
Homicidio culposo 23 29 24 20 30 25 24 20 30 25 32 34 22 23 30 28 33 23 33 24 18 23 21 25 20 27 18 30 28 26 24 27 27 28 14 27 30 20 30 27 25 34 29 21 22 18 33 21 25 32 33 27 28 20 23 26 27 21 34 31 24 27 23 24 26 24 25 18 21 27 24 20 23 23 28 22 31 30 24 0 0 0 0 0
Homicidio doloso 9 9 12 11 11 10 12 13 10 13 13 8 12 9 12 8 14 7 7 6 15 8 12 8 12 12 14 21 8 21 10 20 19 14 9 15 14 10 15 12 14 16 14 18 22 7 16 22 13 16 18 13 15 11 17 17 20 9 12 15 12 11 26 11 18 8 15 23 11 22 13 12 16 14 16 22 21 9 13 0 0 0 0 0
Hostigamiento sexual 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 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 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 47 45 62 55 45 29 33 67 50 37 42 52 0 0 0 0 0
Lesiones culposas 37 42 45 45 42 45 32 37 44 53 51 68 44 46 45 59 41 83 70 72 83 82 95 64 76 53 71 71 78 61 52 60 70 72 62 67 59 65 75 74 81 69 83 85 70 91 77 64 78 70 71 65 80 69 77 91 105 87 83 96 56 80 91 63 40 73 57 64 82 99 71 71 64 63 89 95 85 97 92 0 0 0 0 0
Lesiones dolosas 176 194 205 244 236 240 235 246 227 245 290 266 172 173 219 239 286 322 320 405 357 366 304 409 367 315 366 356 561 458 389 422 375 399 355 371 325 335 448 459 504 432 519 419 421 509 400 423 402 413 503 483 614 522 499 448 498 461 380 467 353 417 488 433 326 398 481 393 415 397 340 356 308 332 480 483 458 410 392 0 0 0 0 0
Narcomenudeo 21 22 18 19 18 18 10 7 10 30 30 21 62 84 79 63 42 61 72 74 72 68 71 78 97 74 91 66 81 84 91 70 58 67 82 81 85 79 85 98 92 83 106 112 97 115 88 109 139 133 138 139 165 158 152 119 117 126 107 86 133 122 102 77 78 72 79 89 106 97 90 89 88 79 117 100 76 92 97 0 0 0 0 0
Otros delitos contra el patrimonio 2 0 3 4 4 2 4 2 2 2 5 3 1 3 2 2 6 1 2 3 3 2 2 1 1 5 5 4 3 2 4 2 5 3 1 3 1 4 4 5 6 1 3 3 3 4 2 1 1 3 9 2 3 5 7 4 6 4 1 3 4 2 5 3 2 4 5 5 5 3 5 4 7 4 4 6 3 4 6 0 0 0 0 0
Otros delitos contra la familia 3 4 3 6 5 4 5 4 10 8 4 10 4 8 5 15 11 4 10 14 8 12 10 11 9 5 11 13 17 12 13 23 11 14 10 26 21 17 16 14 16 14 19 26 15 18 18 17 12 6 13 17 28 15 20 29 15 18 14 20 14 13 23 12 11 14 26 19 22 17 9 21 22 13 24 21 16 17 29 0 0 0 0 0
Otros delitos contra la sociedad 12 8 14 9 5 13 8 6 10 11 4 8 12 7 18 15 16 13 8 7 9 6 9 4 6 12 11 14 14 6 13 12 16 9 9 10 3 17 11 7 16 11 14 5 10 9 13 16 8 9 11 15 12 11 7 8 25 39 23 15 15 17 29 16 25 12 23 30 54 47 63 69 61 50 46 40 29 40 33 0 0 0 0 0
Otros delitos del Fuero Común 106 112 121 96 107 142 130 120 114 136 166 163 122 133 163 148 202 233 268 245 267 269 236 275 252 259 317 252 304 350 300 323 287 321 262 305 302 348 388 382 366 355 349 339 373 428 318 346 376 364 359 397 469 424 465 461 414 453 401 339 402 402 398 295 326 328 302 292 310 346 321 341 311 318 363 366 381 355 368 0 0 0 0 0
Otros delitos que atentan contra la libertad personal 3 1 2 3 1 8 2 3 2 3 3 2 3 0 2 2 1 2 3 2 1 6 3 1 8 3 3 4 0 8 6 0 1 7 1 3 1 2 2 2 1 2 1 4 4 3 5 3 3 1 4 3 10 5 7 4 7 2 4 2 4 8 15 13 7 7 4 5 12 9 10 11 7 5 10 16 15 10 17 0 0 0 0 0
Otros delitos que atentan contra la libertad y la seguridad sexual 7 1 7 4 6 6 2 2 4 4 6 4 3 4 4 2 9 1 5 8 1 2 2 4 1 4 5 2 6 1 7 7 2 3 6 3 4 7 2 3 2 1 2 2 3 2 0 1 3 4 6 4 6 3 5 5 5 5 2 3 6 7 2 5 4 4 7 2 4 4 4 5 5 3 6 5 3 4 3 0 0 0 0 0
Otros delitos que atentan contra la vida y la integridad corporal 50 36 60 58 47 52 44 44 53 72 59 84 24 35 44 40 48 74 55 81 66 54 56 49 54 70 69 67 61 63 58 61 48 83 63 67 64 54 66 59 80 64 62 55 57 61 66 79 67 70 72 76 73 72 95 84 80 85 80 86 77 93 90 76 80 83 76 106 100 80 88 73 91 80 93 110 124 113 129 0 0 0 0 0
Otros robos 573 539 543 542 560 557 534 563 580 627 556 494 556 480 559 591 551 649 719 788 731 822 724 649 716 710 797 710 777 877 805 898 887 912 946 844 816 795 866 887 926 947 903 929 865 931 800 828 963 940 1015 942 884 938 967 978 871 1029 950 1018 936 905 933 734 722 677 785 858 872 893 822 830 788 781 927 847 945 906 926 0 0 0 0 0
Rapto 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Robo a casa habitación 165 161 215 220 236 202 184 212 223 192 201 206 194 204 213 218 213 285 292 317 289 383 309 365 308 291 351 282 304 331 327 327 327 345 356 303 369 271 344 331 312 270 352 361 357 320 282 360 340 260 278 303 320 265 303 290 266 267 264 253 317 261 219 188 179 190 227 227 226 229 256 216 218 181 206 201 235 177 181 0 0 0 0 0
Robo a institución bancaria 1 2 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Robo a negocio 177 129 192 191 140 152 153 157 136 151 140 132 154 132 154 152 185 220 294 244 249 296 264 269 257 256 314 252 261 229 271 295 294 294 292 348 296 267 262 249 262 215 224 237 223 292 299 226 257 248 268 281 312 272 312 319 252 297 299 262 286 238 270 214 219 232 259 293 293 336 286 270 217 176 164 167 169 160 182 0 0 0 0 0
Robo a transeúnte en espacio abierto al público 0 1 0 0 1 0 1 0 0 1 2 2 3 1 1 2 3 9 7 6 7 6 5 4 18 8 8 6 16 27 22 24 17 13 14 30 0 11 20 31 11 13 21 13 45 14 22 16 14 14 7 14 14 8 22 7 12 16 8 22 11 14 7 9 6 9 7 9 8 8 5 12 4 12 3 11 9 9 4 0 0 0 0 0
Robo a transeúnte en vía pública 101 58 110 80 97 80 83 88 116 118 108 90 87 64 114 104 110 149 158 186 185 172 150 176 140 147 157 157 151 161 141 169 169 195 194 195 199 178 159 135 181 160 178 170 137 203 153 147 124 133 115 145 145 122 113 137 146 162 156 116 110 134 149 85 91 110 133 141 127 120 110 122 101 95 135 102 127 123 116 0 0 0 0 0
Robo a transportista 8 20 9 10 10 13 8 10 6 16 17 14 20 22 8 10 15 14 10 1 7 11 4 3 10 7 8 2 3 6 10 11 11 16 4 10 33 17 21 18 11 2 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 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 61 81 68 46 49 52 62 49 38 47 31 48 64 48 53 42 52 37 0 0 0 0 0
Robo de ganado 26 24 24 22 19 28 42 34 32 22 14 32 30 26 21 20 26 18 13 20 18 26 26 22 14 20 20 7 20 18 27 17 16 21 21 23 28 31 12 9 15 19 16 21 11 16 13 14 17 33 19 19 29 19 19 27 19 22 13 22 22 11 15 7 18 12 10 19 16 20 12 11 15 11 20 21 11 11 22 0 0 0 0 0
Robo de maquinaria 0 1 1 3 2 2 3 1 1 2 3 1 2 3 2 2 3 3 0 1 3 2 1 1 0 0 4 0 6 3 1 1 1 2 0 4 1 1 0 1 3 2 1 1 0 2 2 2 1 1 2 0 0 0 0 1 0 0 1 1 3 0 2 2 1 2 4 0 1 0 0 0 1 0 0 3 0 0 3 0 0 0 0 0
Robo de vehículo automotor 313 275 274 273 326 340 320 364 389 350 311 337 326 305 378 347 372 415 408 504 458 478 440 449 423 412 457 411 500 516 513 516 496 510 494 490 508 398 468 474 535 525 556 632 480 527 468 594 472 442 441 473 426 399 402 372 355 357 376 407 347 338 328 272 223 236 338 299 280 333 318 319 298 276 310 273 300 285 323 0 0 0 0 0
Robo en transporte individual 22 12 16 12 16 22 11 23 26 19 29 28 26 24 25 15 35 19 22 32 19 25 36 28 17 25 41 25 27 22 27 29 37 31 33 41 33 33 28 21 34 38 24 30 37 31 37 29 22 20 19 36 35 42 27 28 35 43 23 27 27 27 28 17 32 42 50 31 39 32 28 27 29 24 23 24 21 19 33 0 0 0 0 0
Robo en transporte público colectivo 29 26 51 33 27 20 38 60 60 54 41 48 28 38 35 47 53 57 55 75 61 66 46 32 38 31 33 33 34 65 52 33 24 16 17 24 15 12 10 2 7 6 5 7 5 5 9 9 16 7 4 13 12 16 13 21 24 47 51 27 30 42 21 28 37 34 35 22 33 19 24 15 15 26 34 41 29 24 31 0 0 0 0 0
Robo en transporte público individual 6 3 7 6 3 7 5 2 4 5 2 5 1 4 5 4 1 6 9 7 6 6 0 6 7 5 12 10 8 12 14 12 10 5 5 2 7 11 8 5 12 8 8 6 11 6 6 6 8 14 15 8 6 6 12 8 17 8 13 20 11 10 21 14 11 9 7 10 3 15 9 12 19 10 14 14 15 14 10 0 0 0 0 0
Secuestro 1 0 2 2 3 1 2 3 0 2 0 3 1 0 1 1 0 0 0 1 2 0 3 3 2 0 1 0 2 0 3 0 1 1 0 1 2 0 1 0 0 0 2 0 2 3 1 1 1 2 1 0 2 0 0 0 0 0 0 2 1 0 2 2 0 0 1 0 1 1 0 1 0 0 1 2 2 1 0 0 0 0 0 0
Tráfico de menores 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 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 1 1 1 0 0 0 1 1 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 15 13 16 22 28 25 21 13 19 0 0 0 0 0
Violación simple 17 11 30 25 31 22 29 28 24 28 28 21 16 20 21 24 34 22 25 25 37 24 28 9 12 21 31 23 36 31 25 27 23 24 24 19 18 25 18 18 22 32 23 23 20 22 27 14 20 24 29 33 44 47 49 33 28 44 43 51 47 39 47 30 25 26 33 30 29 29 33 27 32 37 35 37 29 42 38 0 0 0 0 0
Violencia de género en todas sus modalidades distinta a la violencia familiar 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 1 1 1 2 0 1 0 1 3 0 3 1 2 3 0 0 2 3 4 4 4 7 8 13 10 0 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 97 136 178 179 154 177 175 182 188 142 144 150 159 221 236 245 216 385 354 286 338 283 262 260 298 376 297 308 261 342 295 274 313 281 247 266 285 337 289 367 348 354 0 0 0 0 0

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

kable(aumentoContraUnAno)
x
Abuso de confianza
Abuso sexual
Acoso sexual
Amenazas
Daño a la propiedad
Extorsión
Fraude
Lesiones culposas
Narcomenudeo
Otros delitos contra el patrimonio
Otros delitos contra la familia
Otros delitos contra la sociedad
Otros delitos del Fuero Común
Otros delitos que atentan contra la libertad personal
Otros delitos que atentan contra la vida y la integridad corporal
Otros robos
Robo de ganado
Robo en transporte público individual
Violación equiparada
Violación simple
Violencia de género en todas sus modalidades distinta a la violencia familiar
Violencia familiar

Delitos en su máximo del año en Querétaro

#MAximo en el año

stop3<-stop1-(stop1 %% 12)+2
if(stop3>stop1){
  stop3<-stop3-12
}else{stop3<-stop3}

soloEsteAno<-catalogoDelitos[,c(1,stop3:stop1)]
if(dim(soloEsteAno)[2]==2){
  maxAno<-soloEsteAno[,2:ncol(soloEsteAno)]
  }else{
  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
Abuso sexual
Allanamiento de morada
Extorsión
Otros delitos contra la familia
Otros delitos que atentan contra la libertad personal
Otros delitos que atentan contra la vida y la integridad corporal
Robo de ganado
Robo de maquinaria
Robo de vehículo automotor
Robo en transporte individual

Municipal

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

#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
Pinal de Amoles
Cadereyta de Montes
Colón
Ezequiel Montes
Jalpan de Serra
Querétaro
San Joaquín
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 Junio Julio Tasa de cambio respecto del mes anterior (%)
Amealco de Bonfil 87 62 -28.74
Pinal de Amoles 20 22 10.00
Arroyo Seco 15 7 -53.33
Cadereyta de Montes 52 91 75.00
Colón 74 74 0.00
Corregidora 277 279 0.72
Ezequiel Montes 46 64 39.13
Huimilpan 39 41 5.13
Jalpan de Serra 51 44 -13.73
Landa de Matamoros 11 8 -27.27
El Marqués 352 265 -24.72
Pedro Escobedo 93 104 11.83
Peñamiller 13 9 -30.77
Querétaro 2784 2869 3.05
San Joaquín 12 10 -16.67
San Juan del Río 550 576 4.73
Tequisquiapan 86 92 6.98
Tolimán 39 48 23.08

Municipios en Máximo Anual

soloEsteAnoMUN<-catalogoMunicipios[,c(1,stop3:stop1)]
if(dim(soloEsteAnoMUN)[2]==2){maxAnoMun<-soloEsteAnoMUN[,2:ncol(soloEsteAnoMUN)]}else{

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]]
}
if(length(munmax)!=0|!is.null(length(munmax))){
munmax<-data.frame(munmax)
names(munmax)<-c("Municipios en Máximo Anual")
kable(munmax)
}
Municipios en Máximo Anual
Cadereyta de Montes
Tolimán

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 202011 202012 202101 202102 202103 202104 202105 202106 202107
22001 70 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 76 84 93 75 53 74 67 74 76 75 65 63 70 62 91 96 91 87 62
22002 21 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 18 14 21 20 19 24 26 20 22
22003 5 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 4 0 5 4 7 9 6 15 7
22004 75 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 62 64 72 73 75 71 74 76 86 52 91
22005 55 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 62 81 69 64 82 61 66 91 74 69 70 55 72 93 90 67 74 74
22006 239 176 166 186 179 200 218 189 183 189 210 211 182 185 192 183 213 226 297 338 359 302 304 308 306 321 311 368 283 361 304 343 306 342 352 298 330 345 329 397 362 379 387 390 373 349 365 329 373 353 333 396 374 399 379 382 364 346 394 377 333 400 358 349 260 253 254 315 302 317 342 302 285 239 251 263 303 312 277 279
22007 62 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 37 51 68 53 62 55 63 54 68 46 64
22008 31 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 68 60 36 45 43 51 31 38 45 42 51 39 41
22009 44 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 38 28 36 36 40 49 40 37 45 44 26 50 47 55 51 44
22010 5 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 19 5 5 8 15 11 13 11 8
22011 289 133 161 158 184 158 171 166 168 197 169 158 173 152 151 148 170 189 222 279 322 287 289 276 266 262 279 294 313 338 325 328 325 285 291 268 307 365 308 334 352 390 376 378 381 337 393 347 372 441 457 437 474 488 392 473 387 380 417 379 408 377 395 404 321 291 348 403 355 363 392 311 346 289 260 307 324 317 352 265
22012 69 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 76 115 66 90 84 101 107 75 70 87 65 69 82 84 82 113 93 104
22013 12 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 20 16 17 11 10 12 11 15 13 11 13 9
22014 2450 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 2620 2676 2748 2061 2006 2053 2478 2564 2659 2828 2576 2513 2450 2459 2962 2793 2799 2784 2869
22015 5 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 5 9 5 12 8 11 5 12 10
22016 525 371 314 404 425 440 410 366 312 354 400 406 364 339 380 400 437 430 392 398 356 392 371 403 479 518 478 569 457 543 558 514 560 537 617 574 535 594 604 695 677 714 650 631 605 594 664 589 611 624 561 684 702 788 664 736 687 631 660 579 579 616 611 622 490 442 478 644 631 592 589 502 528 525 520 665 554 559 550 576
22017 69 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 99 103 89 81 65 69 69 66 74 98 111 86 92
22018 18 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 11 22 15 24 18 18 26 33 38 39 48

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$Ano==losAnos[length(losAnos)])
  a<-aggregate(mimu$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
6 Primero Amenazas 89 Violencia familiar 33 Violencia familiar 12 Violencia familiar 86 Otros robos 102 Otros robos 387 Otros robos 67 Otros robos 37 Lesiones dolosas 48 Violencia familiar 13 Otros robos 461 Otros robos 115 Amenazas 14 Otros robos 3898 Otros robos 11 Otros robos 699 Otros robos 112 Violencia familiar 52
34 Segundo Otros robos 81 Lesiones dolosas 30 Amenazas 10 Lesiones dolosas 66 Violencia familiar 63 Amenazas 183 Violencia familiar 48 Amenazas 32 Violencia familiar 48 Amenazas 12 Lesiones dolosas 244 Lesiones dolosas 88 Violencia familiar 12 Otros delitos del Fuero Común 1659 Violencia familiar 10 Amenazas 487 Amenazas 74 Lesiones dolosas 34
55 Tercero Violencia familiar 77 Amenazas 18 Otros robos 8 Otros robos 66 Lesiones dolosas 62 Lesiones dolosas 175 Lesiones dolosas 38 Lesiones dolosas 32 Otros robos 44 Lesiones dolosas 10 Robo de vehículo automotor 164 Amenazas 67 Lesiones dolosas 9 Robo de vehículo automotor 1454 Amenazas 9 Lesiones dolosas 451 Lesiones dolosas 73 Amenazas 28
25 Cuarto Lesiones dolosas 53 Otros delitos del Fuero Común 12 Lesiones dolosas 5 Amenazas 54 Amenazas 36 Fraude 142 Amenazas 29 Violencia familiar 29 Amenazas 36 Robo a casa habitación 4 Violencia familiar 159 Violencia familiar 53 Otros delitos del Fuero Común 9 Lesiones dolosas 1439 Abuso sexual 3 Violencia familiar 281 Fraude 35 Daño a la propiedad 14
30 Quinto Otros delitos del Fuero Común 37 Otros robos 11 Otros delitos del Fuero Común 4 Otros delitos del Fuero Común 44 Otros delitos del Fuero Común 32 Otros delitos del Fuero Común 136 Robo de vehículo automotor 27 Robo a casa habitación 22 Otros delitos del Fuero Común 19 Fraude 3 Amenazas 151 Robo a casa habitación 35 Fraude 7 Fraude 1319 Lesiones culposas 3 Otros delitos del Fuero Común 261 Otros delitos del Fuero Común 35 Otros delitos del Fuero Común 13

Top 5 municipal durante Julio

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 Julio
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
25 Primero Lesiones dolosas 13 Lesiones dolosas 6 Abuso sexual 2 Violencia familiar 13 Otros robos 13 Otros robos 47 Otros robos 11 Violencia familiar 9 Violencia familiar 9 Violencia familiar 5 Otros robos 68 Lesiones dolosas 17 Violencia familiar 3 Otros robos 476 Robo a negocio 2 Otros robos 108 Otros robos 14 Violencia familiar 7
34 Segundo Otros robos 10 Otros robos 2 Amenazas 2 Amenazas 9 Lesiones dolosas 8 Lesiones dolosas 33 Violencia familiar 8 Daño a la propiedad 8 Amenazas 4 Despojo 2 Lesiones dolosas 62 Otros robos 15 Abuso sexual 2 Robo de vehículo automotor 238 Violencia familiar 2 Violencia familiar 71 Amenazas 12 Lesiones dolosas 3
55 Tercero Violencia familiar 9 Violencia familiar 2 Violencia familiar 2 Lesiones dolosas 9 Otros delitos del Fuero Común 8 Amenazas 27 Amenazas 3 Amenazas 7 Lesiones dolosas 4 Lesiones dolosas 2 Violencia familiar 34 Violencia familiar 13 Daño a la propiedad 2 Lesiones dolosas 234 Amenazas 1 Amenazas 69 Robo a casa habitación 11 Abuso sexual 1
6 Cuarto Amenazas 7 Amenazas 1 Lesiones dolosas 1 Otros robos 8 Violencia familiar 8 Fraude 26 Fraude 3 Otros delitos del Fuero Común 7 Despojo 3 Amenazas 1 Otros delitos del Fuero Común 28 Amenazas 8 Otros robos 2 Robo a negocio 196 Lesiones dolosas 1 Lesiones dolosas 68 Lesiones dolosas 10 Acoso sexual 1
30 Quinto Otros delitos del Fuero Común 5 Lesiones culposas 1 Otros delitos del Fuero Común 1 Robo a casa habitación 5 Amenazas 4 Robo de vehículo automotor 24 Lesiones dolosas 3 Lesiones dolosas 6 Otros robos 3 Fraude 1 Amenazas 25 Despojo 6 Despojo 1 Otros delitos del Fuero Común 173 Otros robos 1 Otros delitos del Fuero Común 50 Fraude 7 Amenazas 1

Robo y robo con violencia

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

cualArreglar<-unique(delitos3$Modalidad)
cualArreglar<-cualArreglar[3:length(cualArreglar)]
for (i in 1:length(cualArreglar)) {
    x<-i%%2
  if(x==0){
    delitos3$Subtipo.de.delito[delitos3$Modalidad==cualArreglar[i]]<-sub("Sin violencia","", cualArreglar[i])
    delitos3$Modalidad[delitos3$Modalidad==cualArreglar[i]]<-"Sin violencia"
  }else{
    delitos3$Subtipo.de.delito[delitos3$Modalidad==cualArreglar[i]]<-sub("Con violencia","", cualArreglar[i])
    delitos3$Modalidad[delitos3$Modalidad==cualArreglar[i]]<-"Con violencia"
  }
}
# esto es casi copia del primer modulo, delitos por estado

RobosPorEstadoAnual<-as.data.frame(order(unique(delitos3$Clave_Ent)))
for (i in 1:length(losAnos)) {
  misub=subset(delitos3,delitos3$Ano==losAnos[i])
  mitab<-as.data.frame(aggregate(misub$value~misub$Clave_Ent,misub,sum))[2]
  RobosPorEstadoAnual<-cbind(RobosPorEstadoAnual,mitab)
}
names(RobosPorEstadoAnual)<-c("clave de la entidad",paste0("year",losAnos))

Robos por estado y año

kable(RobosPorEstadoAnual)
clave de la entidad year2015 year2016 year2017 year2018 year2019 year2020 year2021
1 10719 11412 15205 15697 12988 10417 5815
2 48838 48708 51385 40705 37180 27993 17458
3 9113 11365 10797 10350 8625 5690 2779
4 858 1091 883 981 1063 925 578
5 13140 10628 10438 8866 6654 6357 4022
6 2986 7086 8336 8163 7547 6415 4000
7 7930 8996 9160 9336 6410 3431 1719
8 16139 13475 17366 16509 16186 12914 7998
9 77435 81555 102714 123514 109431 77962 46016
10 10363 9835 11158 10629 10060 8712 5186
11 31655 35063 39809 42982 42732 34398 17702
12 12600 11613 10286 8383 7564 5917 3476
13 9866 11403 14400 14641 14873 11588 6041
14 27501 58804 88606 85035 76242 53455 29828
15 168652 149203 161155 167529 157281 136258 79393
16 16001 16313 18262 18611 17239 13940 7277
17 20564 19641 17686 17313 16301 15100 8592
18 1468 795 584 1172 735 745 486
19 14534 19000 16877 15793 14235 16091 7746
20 1737 9919 10887 12541 13153 10344 5642
21 23166 21691 29621 32477 35887 25548 16260
22 17633 22119 27020 27836 26816 22760 12601
23 12652 7102 11441 14318 20050 15510 8955
24 6033 7854 11850 13991 16495 12774 7334
25 10115 8628 9885 8608 7155 6660 4358
26 9997 16021 10456 7470 7291 9250 4896
27 18091 23178 25469 25059 20167 12961 6941
28 19273 15541 16175 14098 13019 8641 5002
29 4736 4703 5360 4296 2822 2615 1700
30 17841 16902 28262 23595 29887 22429 13564
31 3625 2664 2218 2371 2625 583 189
32 7386 7047 7348 7733 7378 5892 3447

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 year2021
1 838 883 1122 1245 1198 976 510
2 9250 10360 12544 9908 10497 8316 5707
3 698 827 1037 924 889 624 232
4 185 137 150 226 210 249 165
5 2221 1466 1471 1124 511 580 248
6 418 1123 1136 1015 447 131 67
7 5767 5701 5268 5528 3883 1519 548
8 2241 1592 1949 1562 1626 1501 801
9 23710 21483 28456 42686 37550 25200 13169
10 1890 1180 1001 1016 694 682 459
11 6549 8497 10257 12737 14903 13097 5672
12 3383 4089 5530 4733 3655 2795 1477
13 1390 2126 3634 4609 4830 3749 2301
14 6376 7494 30525 28849 27471 21329 10922
15 88064 58336 93723 97255 86549 75006 42904
16 4207 5367 6884 7379 6971 5878 2982
17 6736 5769 4967 4083 3510 4150 2434
18 369 167 121 191 163 143 90
19 4148 5935 4398 3752 3072 2680 1411
20 814 2758 3782 4683 4170 3587 2023
21 9133 9249 14862 18552 19754 12691 7235
22 3455 2927 2682 2718 2953 3117 1347
23 1721 1419 2614 4297 5910 4405 1833
24 1288 1590 2777 3396 3562 3181 1808
25 3506 3454 4622 4669 3827 3265 2150
26 2569 7642 4675 3213 3552 5288 2725
27 9278 10331 10586 14303 11973 7440 2451
28 5716 4894 5953 5173 4908 3474 1811
29 1331 1590 2066 2101 1120 868 497
30 5171 5402 12911 11496 15880 9930 5485
31 230 114 66 59 95 30 20
32 1871 1599 1775 1796 1710 1456 981

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
1 823 745 845 808 902 809 883 0 0 0 0 0
2 2351 2272 2609 2543 2451 2552 2680 0 0 0 0 0
3 371 412 448 408 362 405 373 0 0 0 0 0
4 75 72 83 89 86 87 86 0 0 0 0 0
5 472 480 522 615 553 605 775 0 0 0 0 0
6 560 496 561 576 599 560 648 0 0 0 0 0
7 240 244 278 236 255 222 244 0 0 0 0 0
8 1122 1033 1183 1091 1127 1165 1277 0 0 0 0 0
9 6034 5951 6923 6572 6932 6813 6791 0 0 0 0 0
10 666 659 803 817 628 863 750 0 0 0 0 0
11 2606 2486 2686 2487 2333 2531 2573 0 0 0 0 0
12 464 444 534 496 557 505 476 0 0 0 0 0
13 706 721 1039 852 887 971 865 0 0 0 0 0
14 4202 3823 4418 4102 4087 4565 4631 0 0 0 0 0
15 10174 10499 11950 11247 11778 11851 11894 0 0 0 0 0
16 1179 926 1091 986 999 1044 1052 0 0 0 0 0
17 1039 1146 1336 1285 1273 1298 1215 0 0 0 0 0
18 69 74 71 54 58 70 90 0 0 0 0 0
19 1164 992 1208 1202 1108 999 1073 0 0 0 0 0
20 853 776 843 740 740 793 897 0 0 0 0 0
21 2070 2106 2279 2248 2269 2587 2701 0 0 0 0 0
22 1753 1656 1884 1757 1903 1780 1868 0 0 0 0 0
23 1168 1056 1354 1317 1354 1390 1316 0 0 0 0 0
24 1045 827 1056 1008 1092 1150 1156 0 0 0 0 0
25 593 635 668 643 631 644 544 0 0 0 0 0
26 634 752 811 702 705 639 653 0 0 0 0 0
27 948 941 1040 834 951 1093 1134 0 0 0 0 0
28 691 577 771 736 763 758 706 0 0 0 0 0
29 214 209 261 214 241 252 309 0 0 0 0 0
30 1936 1806 2047 1981 1947 1968 1879 0 0 0 0 0
31 36 28 19 25 23 23 35 0 0 0 0 0
32 504 454 541 503 482 501 462 0 0 0 0 0

Serie mensual de robos con violencia por Estado

RobosConViolenciaPorEstadoMensual<-as.data.frame(order(unique(delitos3$Clave_Ent)))
for (i in 1:length(losmeses)) {
  misub=subset(delitos3,delitos3$Ano==losAnos[length(losAnos)] & delitos3$Modalidad=="Con violencia" & delitos3$meses==losmeses[i])
  mitab<-as.data.frame(aggregate(misub$value~misub$Clave_Ent,misub,sum))[2]
  RobosConViolenciaPorEstadoMensual<-cbind(RobosConViolenciaPorEstadoMensual,mitab)
}
names(RobosConViolenciaPorEstadoMensual)<-c("clave de la entidad",losmeses)
kable(RobosConViolenciaPorEstadoMensual)
clave de la entidad 1 2 3 4 5 6 7 8 9 10 11 12
1 70 70 72 82 71 69 76 0 0 0 0 0
2 826 706 909 816 781 790 879 0 0 0 0 0
3 35 40 43 33 34 15 32 0 0 0 0 0
4 19 17 22 24 21 33 29 0 0 0 0 0
5 42 47 33 47 31 24 24 0 0 0 0 0
6 10 11 10 14 7 3 12 0 0 0 0 0
7 87 54 110 75 91 57 74 0 0 0 0 0
8 116 103 122 107 120 116 117 0 0 0 0 0
9 1982 1898 1941 1811 1874 1796 1867 0 0 0 0 0
10 57 68 56 35 110 64 69 0 0 0 0 0
11 897 867 943 795 656 718 796 0 0 0 0 0
12 207 204 239 216 224 199 188 0 0 0 0 0
13 280 271 453 342 300 320 335 0 0 0 0 0
14 1577 1455 1617 1471 1480 1593 1729 0 0 0 0 0
15 5691 5694 6351 6099 6423 6406 6240 0 0 0 0 0
16 515 399 450 421 400 412 385 0 0 0 0 0
17 275 339 375 360 378 372 335 0 0 0 0 0
18 13 17 10 15 6 11 18 0 0 0 0 0
19 197 139 230 210 240 191 204 0 0 0 0 0
20 352 271 261 243 270 302 324 0 0 0 0 0
21 933 950 1071 951 1002 1163 1165 0 0 0 0 0
22 194 172 179 217 217 188 180 0 0 0 0 0
23 251 215 278 290 304 267 228 0 0 0 0 0
24 245 191 249 250 278 304 291 0 0 0 0 0
25 271 309 326 327 340 321 256 0 0 0 0 0
26 340 362 461 429 360 370 403 0 0 0 0 0
27 401 325 365 310 361 349 340 0 0 0 0 0
28 271 196 276 269 273 285 241 0 0 0 0 0
29 55 64 81 59 71 83 84 0 0 0 0 0
30 832 709 824 771 813 785 751 0 0 0 0 0
31 4 3 1 3 3 1 5 0 0 0 0 0
32 142 141 160 178 133 129 98 0 0 0 0 0

Porcentaje de robos con violencia por mes

prvm<-RobosPorEstadoMensual

prvm[,2:13]<-round(RobosConViolenciaPorEstadoMensual[,2:13]/RobosPorEstadoMensual[,2:13]*100,2)
names(prvm)<-c("Entidad",levels(losmeses))

kable(prvm)
Entidad Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
1 8.51 9.40 8.52 10.15 7.87 8.53 8.61 NaN NaN NaN NaN NaN
2 35.13 31.07 34.84 32.09 31.86 30.96 32.80 NaN NaN NaN NaN NaN
3 9.43 9.71 9.60 8.09 9.39 3.70 8.58 NaN NaN NaN NaN NaN
4 25.33 23.61 26.51 26.97 24.42 37.93 33.72 NaN NaN NaN NaN NaN
5 8.90 9.79 6.32 7.64 5.61 3.97 3.10 NaN NaN NaN NaN NaN
6 1.79 2.22 1.78 2.43 1.17 0.54 1.85 NaN NaN NaN NaN NaN
7 36.25 22.13 39.57 31.78 35.69 25.68 30.33 NaN NaN NaN NaN NaN
8 10.34 9.97 10.31 9.81 10.65 9.96 9.16 NaN NaN NaN NaN NaN
9 32.85 31.89 28.04 27.56 27.03 26.36 27.49 NaN NaN NaN NaN NaN
10 8.56 10.32 6.97 4.28 17.52 7.42 9.20 NaN NaN NaN NaN NaN
11 34.42 34.88 35.11 31.97 28.12 28.37 30.94 NaN NaN NaN NaN NaN
12 44.61 45.95 44.76 43.55 40.22 39.41 39.50 NaN NaN NaN NaN NaN
13 39.66 37.59 43.60 40.14 33.82 32.96 38.73 NaN NaN NaN NaN NaN
14 37.53 38.06 36.60 35.86 36.21 34.90 37.34 NaN NaN NaN NaN NaN
15 55.94 54.23 53.15 54.23 54.53 54.05 52.46 NaN NaN NaN NaN NaN
16 43.68 43.09 41.25 42.70 40.04 39.46 36.60 NaN NaN NaN NaN NaN
17 26.47 29.58 28.07 28.02 29.69 28.66 27.57 NaN NaN NaN NaN NaN
18 18.84 22.97 14.08 27.78 10.34 15.71 20.00 NaN NaN NaN NaN NaN
19 16.92 14.01 19.04 17.47 21.66 19.12 19.01 NaN NaN NaN NaN NaN
20 41.27 34.92 30.96 32.84 36.49 38.08 36.12 NaN NaN NaN NaN NaN
21 45.07 45.11 46.99 42.30 44.16 44.96 43.13 NaN NaN NaN NaN NaN
22 11.07 10.39 9.50 12.35 11.40 10.56 9.64 NaN NaN NaN NaN NaN
23 21.49 20.36 20.53 22.02 22.45 19.21 17.33 NaN NaN NaN NaN NaN
24 23.44 23.10 23.58 24.80 25.46 26.43 25.17 NaN NaN NaN NaN NaN
25 45.70 48.66 48.80 50.86 53.88 49.84 47.06 NaN NaN NaN NaN NaN
26 53.63 48.14 56.84 61.11 51.06 57.90 61.72 NaN NaN NaN NaN NaN
27 42.30 34.54 35.10 37.17 37.96 31.93 29.98 NaN NaN NaN NaN NaN
28 39.22 33.97 35.80 36.55 35.78 37.60 34.14 NaN NaN NaN NaN NaN
29 25.70 30.62 31.03 27.57 29.46 32.94 27.18 NaN NaN NaN NaN NaN
30 42.98 39.26 40.25 38.92 41.76 39.89 39.97 NaN NaN NaN NaN NaN
31 11.11 10.71 5.26 12.00 13.04 4.35 14.29 NaN NaN NaN NaN NaN
32 28.17 31.06 29.57 35.39 27.59 25.75 21.21 NaN NaN NaN NaN NaN

Porcentajes por mes a nivel nacional

t<-colSums(RobosPorEstadoMensual[,2:13])
k<-colSums(RobosConViolenciaPorEstadoMensual[,2:13])
z<-round(k/t*100,2)
names(z)<-losmeses
kable(z)
x
Enero 36.75
Febrero 36.00
Marzo 35.50
Abril 35.12
Mayo 35.29
Junio 34.44
Julio 34.16
Agosto NaN
Septiembre NaN
Octubre NaN
Noviembre NaN
Diciembre NaN

Porcentaje de robos con violencia por estado y año

prv<-RobosPorEstadoAnual
prv[,2:ncol(RobosConViolenciaPorEstadoAnual)]<-round(RobosConViolenciaPorEstadoAnual[,2:ncol(RobosConViolenciaPorEstadoAnual)]/RobosPorEstadoAnual[,2:ncol(RobosConViolenciaPorEstadoAnual)]*100,2)
kable(prv)
clave de la entidad year2015 year2016 year2017 year2018 year2019 year2020 year2021
1 7.82 7.74 7.38 7.93 9.22 9.37 8.77
2 18.94 21.27 24.41 24.34 28.23 29.71 32.69
3 7.66 7.28 9.60 8.93 10.31 10.97 8.35
4 21.56 12.56 16.99 23.04 19.76 26.92 28.55
5 16.90 13.79 14.09 12.68 7.68 9.12 6.17
6 14.00 15.85 13.63 12.43 5.92 2.04 1.68
7 72.72 63.37 57.51 59.21 60.58 44.27 31.88
8 13.89 11.81 11.22 9.46 10.05 11.62 10.02
9 30.62 26.34 27.70 34.56 34.31 32.32 28.62
10 18.24 12.00 8.97 9.56 6.90 7.83 8.85
11 20.69 24.23 25.77 29.63 34.88 38.07 32.04
12 26.85 35.21 53.76 56.46 48.32 47.24 42.49
13 14.09 18.64 25.24 31.48 32.47 32.35 38.09
14 23.18 12.74 34.45 33.93 36.03 39.90 36.62
15 52.22 39.10 58.16 58.05 55.03 55.05 54.04
16 26.29 32.90 37.70 39.65 40.44 42.17 40.98
17 32.76 29.37 28.08 23.58 21.53 27.48 28.33
18 25.14 21.01 20.72 16.30 22.18 19.19 18.52
19 28.54 31.24 26.06 23.76 21.58 16.66 18.22
20 46.86 27.81 34.74 37.34 31.70 34.68 35.86
21 39.42 42.64 50.17 57.12 55.05 49.68 44.50
22 19.59 13.23 9.93 9.76 11.01 13.70 10.69
23 13.60 19.98 22.85 30.01 29.48 28.40 20.47
24 21.35 20.24 23.43 24.27 21.59 24.90 24.65
25 34.66 40.03 46.76 54.24 53.49 49.02 49.33
26 25.70 47.70 44.71 43.01 48.72 57.17 55.66
27 51.29 44.57 41.56 57.08 59.37 57.40 35.31
28 29.66 31.49 36.80 36.69 37.70 40.20 36.21
29 28.10 33.81 38.54 48.91 39.69 33.19 29.24
30 28.98 31.96 45.68 48.72 53.13 44.27 40.44
31 6.34 4.28 2.98 2.49 3.62 5.15 10.58
32 25.33 22.69 24.16 23.23 23.18 24.71 28.46 
posicionQRO2020<-length(prv[,ncol(prv)][prv[,ncol(prv)]>prv[,ncol(prv)][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 2021 (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 4131 767 4898 84.34 15.66
6 Robo a transeúnte en vía pública 29795 8355 38150 78.10 21.90
18 Robo en transporte público individual 1249 453 1702 73.38 26.62
17 Robo en transporte público colectivo 5156 2020 7176 71.85 28.15
3 Robo a institución bancaria 69 49 118 58.47 41.53
5 Robo a transeúnte en espacio abierto al público 1947 1495 3442 56.57 43.43
4 Robo a negocio 24022 25965 49987 48.06 51.94
15 Robo de tractores 41 48 89 46.07 53.93
16 Robo en transporte individual 3900 4990 8890 43.87 56.13
10 Robo de coche de 4 ruedas 24351 37424 61775 39.42 60.58
14 Robo de motocicleta 5170 12600 17770 29.09 70.91
11 Robo de embarcaciones pequeñas y grandes 3 10 13 23.08 76.92
1 Otros robos 18209 84208 102417 17.78 82.22
13 Robo de herramienta industrial o agrícola 56 375 431 12.99 87.01
2 Robo a casa habitación 3964 31219 35183 11.27 88.73
12 Robo de ganado 68 2055 2123 3.20 96.80
8 Robo de autopartes 306 11443 11749 2.60 97.40
9 Robo de cables, tubos y otros objetos destinados a servicios públicos 28 1060 1088 2.57 97.43

Los robos con más violencia en 2021 (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
17 Robo en transporte público colectivo 114 86 200 57.00 43.00
13 Robo de herramienta industrial o agrícola 3 3 6 50.00 50.00
18 Robo en transporte público individual 48 48 96 50.00 50.00
16 Robo en transporte individual 82 91 173 47.40 52.60
6 Robo a transeúnte en vía pública 357 442 799 44.68 55.32
5 Robo a transeúnte en espacio abierto al público 20 32 52 38.46 61.54
4 Robo a negocio 320 915 1235 25.91 74.09
10 Robo de coche de 4 ruedas 276 1385 1661 16.62 83.38
14 Robo de motocicleta 34 370 404 8.42 91.58
2 Robo a casa habitación 57 1342 1399 4.07 95.93
1 Otros robos 35 6085 6120 0.57 99.43
8 Robo de autopartes 1 343 344 0.29 99.71
12 Robo de ganado 0 111 111 0.00 100.00
15 Robo de tractores 0 1 1 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 Septiembre

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

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,]
if(nrow(miAlerta)!=0){
kable(miAlerta[,1], caption=paste0("Delitos que, en promedio, aumentan en ",proximo))

cual<-miAlerta$Delito[miAlerta$logTasaPromedio==max(miAlerta$logTasaPromedio)]}else{cual=c()}

Comportamiento mensual del delito de mayor riesgo (Robo en transporte individual)

if(length(cual)!=0){
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 Robo en transporte individual
Mes año 2015 año 2016 año 2017 año 2018 año 2019 año 2020 año 2021
Enero 22 26 17 33 22 27 29
Febrero 12 24 25 33 20 27 24
Marzo 16 25 41 28 19 28 23
Abril 12 15 25 21 36 17 24
Mayo 16 35 27 34 35 32 21
Junio 22 19 22 38 42 42 19
Julio 11 22 27 24 27 50 33
Agosto 23 32 29 30 28 31 0
Septiembre 26 19 37 37 35 39 0
Octubre 19 25 31 31 43 32 0
Noviembre 29 36 33 37 23 28 0
Diciembre 28 28 41 29 27 27 0

Acumulados anuales por delito, en Querétaro

delitosQro<-delitos2[delitos2$Clave_Ent=="22",]
delitoAnualQueretaro<-as.data.frame(losDelitos)
names(delitoAnualQueretaro)[1]<-c("Delito")
for(i in 1:length(losAnos)){
  x=as.data.frame(aggregate(delitosQro$value ~delitosQro$Subtipo.de.delito,delitoAnualQueretaro,sum, subset=delitosQro$Ano==losAnos[i] ))
    names(x)<-c("Delito", paste("AÑO ", losAnos[i]))
  delitoAnualQueretaro<-merge(delitoAnualQueretaro,x,by=c("Delito"))
}
kable(delitoAnualQueretaro)
Delito AÑO 2015 AÑO 2016 AÑO 2017 AÑO 2018 AÑO 2019 AÑO 2020 AÑO 2021
Aborto 5 10 12 14 22 28 22
Abuso de confianza 459 564 635 622 681 587 463
Abuso sexual 250 294 358 413 540 551 403
Acoso sexual 23 40 44 128 294 599 411
Allanamiento de morada 101 149 172 232 315 296 156
Amenazas 1108 1710 2665 3361 4242 3723 2521
Contra el medio ambiente 3 4 2 2 3 3 2
Corrupción de menores 1 0 0 0 1 0 0
Daño a la propiedad 1982 3862 5200 5421 3660 1360 922
Delitos cometidos por servidores públicos 3 0 1 0 0 0 0
Despojo 483 511 597 720 850 861 571
Electorales 5 7 2 49 0 16 57
Evasión de presos 1 0 0 2 3 0 2
Extorsión 6 11 18 104 259 242 153
Falsedad 37 95 79 88 101 88 77
Falsificación 642 556 438 580 695 300 103
Feminicidio 8 1 1 7 10 11 7
Fraude 1486 1692 2034 2119 2480 2764 2015
Homicidio culposo 316 303 296 310 327 283 181
Homicidio doloso 131 118 175 180 176 182 111
Hostigamiento sexual 0 0 0 0 0 0 0
Incesto 0 0 0 0 0 0 0
Incumplimiento de obligaciones de asistencia familiar 812 829 848 663 697 555 310
Lesiones culposas 541 784 793 893 972 847 585
Lesiones dolosas 2804 3572 4734 5194 5690 4797 2863
Narcomenudeo 224 826 942 1149 1579 1134 649
Otros delitos contra el patrimonio 33 28 38 37 48 47 34
Otros delitos contra la familia 66 112 164 211 207 201 142
Otros delitos contra la sociedad 108 124 132 132 183 400 299
Otros delitos del Fuero Común 1513 2561 3532 4294 4922 4063 2462
Otros delitos que atentan contra la libertad personal 33 26 44 30 52 105 80
Otros delitos que atentan contra la libertad y la seguridad sexual 53 45 47 29 51 54 29
Otros delitos que atentan contra la vida y la integridad corporal 659 626 764 767 940 1022 740
Otros robos 6668 7819 9879 10493 11495 9967 6120
Rapto 0 0 0 0 0 0 0
Robo a casa habitación 2417 3282 3852 3929 3409 2735 1399
Robo a institución bancaria 3 3 0 0 0 0 0
Robo a negocio 1850 2613 3363 3052 3379 3196 1235
Robo a transeúnte en espacio abierto al público 8 54 203 217 158 105 52
Robo a transeúnte en vía pública 1129 1655 1976 2000 1614 1432 799
Robo a transportista 141 125 98 104 0 0 0
Robo de autopartes 428 445 808 1094 831 654 344
Robo de ganado 319 266 224 205 258 173 111
Robo de maquinaria 20 23 22 16 7 15 7
Robo de vehículo automotor 3872 4880 5738 6165 4922 3631 2065
Robo en transporte individual 236 306 355 375 357 380 173
Robo en transporte público colectivo 487 593 400 92 251 340 200
Robo en transporte público individual 55 55 102 94 135 132 96
Secuestro 19 12 11 12 8 9 6
Tráfico de menores 0 0 0 0 0 0 0
Trata de personas 2 8 14 9 2 3 2
Violación equiparada 29 49 81 73 102 170 144
Violación simple 294 285 296 262 445 395 250
Violencia de género en todas sus modalidades distinta a la violencia familiar 2 2 4 1 7 18 50
Violencia familiar 942 965 1186 1865 3135 3552 2246

Movilidad

gmr=read.csv("Global_Mobility_Report_12_2020.csv",header = T,sep = ",")

gmrMex=gmr[gmr$country_region=="Mexico",]
gmrQro<-gmrMex[gmrMex$sub_region_1==unique(gmrMex$sub_region_1)[22],]
gmrQro$mes<-substr(x = gmrQro$date,start = 6,7)

movMesQro<-as.data.frame(aggregate(gmrQro$residential_percent_change_from_baseline~gmrQro$mes,gmrQro,mean))
kable(movMesQro)
gmrQro\(mes | gmrQro\)residential_percent_change_from_baseline
02 -1.600000
03 6.354839
04 21.333333
05 21.064516
06 16.333333
07 13.000000
08 11.032258
09 11.166667
10 9.935484
11 10.233333
12 10.444444 
delitosQueretaro <-delitos2 %>% filter(Clave_Ent==22) %>% mutate(trimestre=
  paste0(Ano,
  "-",
  ifelse(meses %in% unique(meses)[1:3],1,ifelse(meses %in% unique(meses)[4:6],2,ifelse(meses %in% unique(meses)[7:9],3,ifelse(meses %in% unique(meses)[01:12],4,NA))))
  )
          )%>% group_by(trimestre) %>% summarise(delitosEnElTrimestre=sum(value))%>%data.frame(.)

kable(delitosQueretaro)
trimestre delitosEnElTrimestre
2015-1 7693
2015-2 8143
2015-3 8275
2015-4 8706
2016-1 7993
2016-2 9922
2016-3 12704
2016-4 12281
2017-1 12318
2017-2 13494
2017-3 13671
2017-4 13896
2018-1 13577
2018-2 14767
2018-3 15013
2018-4 14452
2019-1 14870
2019-2 15909
2019-3 15231
2019-4 14505
2020-1 14190
2020-2 11105
2020-3 13491
2020-4 13240
2021-1 12960
2021-2 14031
2021-3 4678
2021-4 0 
estados=data.frame(estados=unique(delitos2$Clave_Ent))
estados$nombre=NA
for (i in 1:nrow(estados)) {
  estados$nombre[i]<-unique(delitos2$Entidad[delitos2$Clave_Ent==estados$estados[i]])
}
gobierna2020= factor(c(1,2,1,3,3,3,2,1,2,1,1,3,3,4,3,5,6,1,7,3,2,1,5,3,3,3,2,1,3,2,1,3),levels = c(1,2,3,4,5,6,7), labels = c("PAN","Morena","PRI","Movimiento ciudadano","PRD","Encuentro social","Independiente"))
estados$gobierna2020=gobierna2020
estados$gobierna2020=gobierna2020
aborto=as.data.frame(aggregate(delitos2$value~delitos2$Clave_Ent,delitos2,sum,subset = delitos2$Subtipo.de.delito=="Aborto" & (delitos2$Ano==2020|delitos2$Ano==2019)) )[2]
names(aborto)<-c("Aborto")
estados=cbind(estados,aborto)
estados=cbind(estados,ent$year2020)
estados$tasaAborto=(estados$Aborto+1)/(estados$`ent$year2020`*100000)
logtasaAborto=log(estados$tasaAborto)
estados$logtasaAborto=logtasaAborto

t.test(x = estados$logtasaAborto[estados$gobierna2020=="PAN"],y =estados$logtasaAborto[estados$gobierna2020!="PAN"],paired = F)
## 
##  Welch Two Sample t-test
## 
## data:  estados$logtasaAborto[estados$gobierna2020 == "PAN"] and estados$logtasaAborto[estados$gobierna2020 != "PAN"]
## t = 0.050284, df = 11.367, p-value = 0.9608
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -1.173222  1.228304
## sample estimates:
## mean of x mean of y 
## -23.61699 -23.64453
t.test(x = estados$tasaAborto[estados$gobierna2020=="PAN"],y =estados$tasaAborto[estados$gobierna2020!="PAN"],paired = F)
## 
##  Welch Two Sample t-test
## 
## data:  estados$tasaAborto[estados$gobierna2020 == "PAN"] and estados$tasaAborto[estados$gobierna2020 != "PAN"]
## t = 0.57717, df = 12.695, p-value = 0.5739
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -6.346334e-11  1.095821e-10
## sample estimates:
##    mean of x    mean of y 
## 1.120132e-10 8.895383e-11
wilcox.test(x = estados$tasaAborto[estados$gobierna2020=="PAN"],y =estados$tasaAborto[estados$gobierna2020!="PAN"],paired = F,conf.int = .95)
## 
##  Wilcoxon rank sum exact test
## 
## data:  estados$tasaAborto[estados$gobierna2020 == "PAN"] and estados$tasaAborto[estados$gobierna2020 != "PAN"]
## W = 107, p-value = 0.9018
## alternative hypothesis: true location shift is not equal to 0
## 95 percent confidence interval:
##  -4.379211e-11  9.599250e-11
## sample estimates:
## difference in location 
##           3.598757e-12
apan=median(estados$tasaAborto[estados$gobierna2020=="PAN"])
aotros=median(estados$tasaAborto[estados$gobierna2020!="PAN"])

barplot(height =c(apan,aotros),names.arg = c("PAN","Otros"),main = "Mediana de las tasas de aborto por cada 100 mil habitantes \n entre estados con gobiernos panistas y no panistas" )

# Los estados panistas tienen tasas de aborto por cada 100 mil habitantes mayores que los estados no panistas, aunque la diferencia no es estadísticamente significativa
library(dplyr)
## Warning: package 'dplyr' was built under R version 4.0.4
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
aborto <-subset(delitos2, delitos2$Subtipo.de.delito=="Aborto" & delitos2$Ano==2020)

abortomunEst<-data.frame(aggregate(aborto$value~(aborto$Clave_Ent+aborto$Cve..Municipio), data = aborto,FUN = sum))
names(abortomunEst)<-c("estados","ClaveMun","abortos")
eds<-estados[,c(1,2,3)]

abortomunEst<-left_join(x = abortomunEst,y = eds, by="estados")

popMuni<-data.frame(aggregate(pop$POB~pop$CLAVE,data = pop,subset = pop$ANO==2020, FUN = sum))
names(popMuni)<-c("ClaveMun","pob")

popMuni$ClaveMun<-as.numeric(popMuni$ClaveMun)
abortomunEst<-left_join(x = popMuni,y = abortomunEst,by="ClaveMun")
abortomunEst2<-abortomunEst
abortomunEst2$tasa<-abortomunEst2$abortos/abortomunEst2$pob*100000

abortomunEst2$abortosMasUno<-abortomunEst2$abortos+1
abortomunEst2$tasa2<-abortomunEst2$abortosMasUno/abortomunEst2$pob

#Mediana de no panistas
summary(abortomunEst2$tasa[abortomunEst2$gobierna2020!="PAN"])
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.0000  0.0000  0.0000  0.1956  0.0000 32.1337
#Mediana de panistas
summary(abortomunEst2$tasa[abortomunEst2$gobierna2020=="PAN"])
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.0000  0.0000  0.0000  0.3363  0.0000 14.8610
#abortomunEst2$logtasa2<-log(abortomunEst2$tasa2)
wilcox.test(x=abortomunEst2$tasa[abortomunEst2$gobierna2020=="PAN"],y = abortomunEst2$tasa[abortomunEst2$gobierna2020!="PAN"],paired = F)
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  abortomunEst2$tasa[abortomunEst2$gobierna2020 == "PAN"] and abortomunEst2$tasa[abortomunEst2$gobierna2020 != "PAN"]
## W = 391027, p-value = 0.003765
## alternative hypothesis: true location shift is not equal to 0
barplot(height = c(mean(abortomunEst2$tasa[abortomunEst2$gobierna2020=="PAN"]),mean(abortomunEst2$tasa[abortomunEst2$gobierna2020!="PAN"])),main = "Promedio municipal de carpetas de investigación iniciadas \n por aborto, por cada 100 mil habitantes en 2020,\n según partido en el gobierno estatal",names.arg = c("PAN","Otros"))

#t.test(x = abortomunEst2$logtasa[abortomunEst2$gobierna2020=="PAN"],y = abortomunEst2$logtasa[abortomunEst2$gobierna2020!="PAN"],paired = F,var.equal = F)