Modelos estadísticos en procesos puntuales espaciales poisson para evaluar la distribución espacial de los hechos delictivos en Lima, Perú

Autores/as

  • Braulio Quispe Quispe Especialista Estadístico, Ministerio de Educación, Lima, Perú.
  • Carlos López de Castilla Vasquez Universidad Nacional Agraria La Molina, Lima, Perú.

DOI:

https://doi.org/10.21704/ac.v78i2.1045

Palabras clave:

Procesos puntuales espaciales, covariables espaciales, intensidad, distribución espacial, hechos delictivos, imagen satelital.

Resumen

Se plantea una aplicación de los modelos estadísticos de procesos puntuales espaciales Poisson para evaluar la distribución espacial de hechos delictivos y su relación con algunas covariables espaciales para el área comprendida por los distritos de Lima Centro y Residencial. La información utilizada fue las ubicaciones georreferenciada de los hechos delictivos reportadas por las víctimas durante los años 2013 y 2014 (patrón puntual de hechos delictivos). A través de las estadísticas de resumen se identificaron las zonas con mayor incidencia de hechos delictivos como: Lince, Trébol de Javier Prado y Lima Cercado, y el tipo de distribución espacial no homogéneo (existen conglomerados o agregación de puntos) que siguen los hechos delictivos. El modelamiento estadístico se realizó a través de la intensidad de puntos usando los modelos log-lineales para representar su relación con un conjunto de covariables espaciales, determinándose que el número de hechos delictivos por unidad de área (intensidad) guarda relación con la ubicación de los límites distritales, la inversión destinada al orden interno y la densidad poblacional.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Baddeley, A. J; Moller, J; Waagepetersen, R. 2000. Non–an semi-parametric estimation of interaction in inhomogeneous point patterns. Statistica Neerlandica (2000), 54(3): 329-350.

Baddeley, A. J; Turner, R. 2000. Practical maximum pseudolikelihood for spatial point patterns (with discussion). Australian and New Zealand Journal of Statistics, 42(3):283-322.

Baddeley, A; Turner, R; Moller J; Hazelton, M. 2005. Score, Pseudo-Score and Residual Diagnostics for Spatial Point Process Models.

Baddeley, A. 2008. Analysing spatial point patterns in R, CSIRO and University of Western Australia.

Baddeley, A; Rubak, E; Turner, R. 2016. Spatial Point Patterns

Methodology and Applications with R. CRC Press Chapman & Hall CRC BOOK.

Cressie, N. A. C. 1991. Statistics for Spatial Data, 1 edn, John Wiley & Sons.

Diggle, P. J. 2014. Statistical Analysis of Spatial and Spatio-Temporal Point Patterns, 2 edn. CRC Press A Chapman and Hall, Boca Raton.

Lloyd, C. 2007. Local Models for Spatial Analysis, 1 edn, CRC Press.

MLM-Municipalidad de Lima Metropolitana, PE. 2016. Plan Regional de Seguridad Ciudadana de Lima Metropolitana 2016. GSGC Gerencia de Seguridad Ciudadana.

Moller, J; Waagepetersen, R. P. 2004. Statistical Inference and Simulation for Spatial Point Processes, 1 edn, Chapman & Hall CRC.

Schabenberger, O; Gotway, C. 2005. Statistical Methods for Spatial Data Analysis, 1 edn, Chapman & Hall CRC. Boca Raton London NewYork Washington, D.C.

Stoyan, D; Stoyan, H. 1994. Fractals, Random Shapes and Point Fields,Wiley, Chichester.

Waagepetersen, R. P. 2007. An Estimating Function Approach to Inference for Inhomogeneous Neyman-Scott Processes. Biometrics, 63(1): 252-258.

Descargas

Publicado

2017-12-30

Número

Sección

Artículos originales / Negocios, Gestión y Contabilidad

Cómo citar

Quispe Quispe, B., & López de Castilla Vasquez, C. (2017). Modelos estadísticos en procesos puntuales espaciales poisson para evaluar la distribución espacial de los hechos delictivos en Lima, Perú. Anales Científicos, 78(2), 100-111. https://doi.org/10.21704/ac.v78i2.1045