Una comparación de diferentes modelos para la predicción del crimen en Bogotá
El uso del mapeo de puntos calientes (hotspots) es una técnica descriptiva utilizada para identificar el lugar hacia dónde deberían dirigirse los recursos de prevención del crimen. Consiste en la identificación de áreas geográficas donde, en el pasado, ha habido delitos con mayor frecuencia, con el...
- Autores:
-
Barreras Cortés, Jorge Francisco José
Díaz, Carlos
Riascos Villegas, Alvaro José
Ribero Díaz, Mónica
- Tipo de recurso:
- Work document
- Fecha de publicación:
- 2016
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/8701
- Acceso en línea:
- http://hdl.handle.net/1992/8701
- Palabra clave:
- Procesos puntuales de Poisson
Predicción crimen
Modelo espacio-temporal
Prevención del delito - Investigaciones - Bogotá (Colombia) - 2011-2012
Procesos puntuales - Investigaciones
Análisis espacial (Estadística) - Bogotá (Colombia) - 2011-2012 - Estudio de casos
C54, C53, C63
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
id |
UNIANDES2_e49eae847f9fe82941b9c070b55ff8ea |
---|---|
oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/8701 |
network_acronym_str |
UNIANDES2 |
network_name_str |
Séneca: repositorio Uniandes |
repository_id_str |
|
dc.title.none.fl_str_mv |
Una comparación de diferentes modelos para la predicción del crimen en Bogotá |
dc.title.alternative.none.fl_str_mv |
A comparison of different crime prediction models for Bogotá |
title |
Una comparación de diferentes modelos para la predicción del crimen en Bogotá |
spellingShingle |
Una comparación de diferentes modelos para la predicción del crimen en Bogotá Procesos puntuales de Poisson Predicción crimen Modelo espacio-temporal Prevención del delito - Investigaciones - Bogotá (Colombia) - 2011-2012 Procesos puntuales - Investigaciones Análisis espacial (Estadística) - Bogotá (Colombia) - 2011-2012 - Estudio de casos C54, C53, C63 |
title_short |
Una comparación de diferentes modelos para la predicción del crimen en Bogotá |
title_full |
Una comparación de diferentes modelos para la predicción del crimen en Bogotá |
title_fullStr |
Una comparación de diferentes modelos para la predicción del crimen en Bogotá |
title_full_unstemmed |
Una comparación de diferentes modelos para la predicción del crimen en Bogotá |
title_sort |
Una comparación de diferentes modelos para la predicción del crimen en Bogotá |
dc.creator.fl_str_mv |
Barreras Cortés, Jorge Francisco José Díaz, Carlos Riascos Villegas, Alvaro José Ribero Díaz, Mónica |
dc.contributor.author.none.fl_str_mv |
Barreras Cortés, Jorge Francisco José Díaz, Carlos Riascos Villegas, Alvaro José Ribero Díaz, Mónica |
dc.subject.keyword.none.fl_str_mv |
Procesos puntuales de Poisson Predicción crimen Modelo espacio-temporal |
topic |
Procesos puntuales de Poisson Predicción crimen Modelo espacio-temporal Prevención del delito - Investigaciones - Bogotá (Colombia) - 2011-2012 Procesos puntuales - Investigaciones Análisis espacial (Estadística) - Bogotá (Colombia) - 2011-2012 - Estudio de casos C54, C53, C63 |
dc.subject.armarc.none.fl_str_mv |
Prevención del delito - Investigaciones - Bogotá (Colombia) - 2011-2012 Procesos puntuales - Investigaciones Análisis espacial (Estadística) - Bogotá (Colombia) - 2011-2012 - Estudio de casos |
dc.subject.jel.none.fl_str_mv |
C54, C53, C63 |
description |
El uso del mapeo de puntos calientes (hotspots) es una técnica descriptiva utilizada para identificar el lugar hacia dónde deberían dirigirse los recursos de prevención del crimen. Consiste en la identificación de áreas geográficas donde, en el pasado, ha habido delitos con mayor frecuencia, con el objetivo de prevenirlos en el futuro, de acuerdo con la existencia de determinantes fijos de crimen, así como la existencia de fenómenos temporales que, sin embargo, tienen cierta persistencia. Hay diferentes técnicas para la identificación de los puntos calientes basadas en modelos como el método de estimación de puntos, estimación de densidad por Kernel, el método de elipses espaciales y modelos espacio-temporales. Este trabajo compara la capacidad descriptiva y predictiva de los principales modelos de predicción de crimen existentes en la literatura académica al caso de crímenes en la ciudad de Bogotá durante el período 2011 ¿ 2012. En términos generales encontramos que el modelo espacio temporal basado en Mohler et. al (2012) es el que mejor desempeño tiene en la predicción del crimen en ciertas zonas de la ciudad. |
publishDate |
2016 |
dc.date.issued.none.fl_str_mv |
2016 |
dc.date.accessioned.none.fl_str_mv |
2018-09-27T16:56:05Z |
dc.date.available.none.fl_str_mv |
2018-09-27T16:56:05Z |
dc.type.spa.fl_str_mv |
Documento de trabajo |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/workingPaper |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_8042 |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/WP |
format |
http://purl.org/coar/resource_type/c_8042 |
dc.identifier.issn.none.fl_str_mv |
1657-5334 |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/8701 |
dc.identifier.eissn.none.fl_str_mv |
1657-7191 |
dc.identifier.doi.none.fl_str_mv |
10.57784/1992/8701 |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
identifier_str_mv |
1657-5334 1657-7191 10.57784/1992/8701 instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
url |
http://hdl.handle.net/1992/8701 |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.relation.ispartofseries.none.fl_str_mv |
Documentos CEDE No. 34 Noviembre de 2016 |
dc.relation.repec.spa.fl_str_mv |
https://ideas.repec.org/p/col/000089/015230.html |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.none.fl_str_mv |
18 páginas |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad de los Andes, Facultad de Economía, CEDE |
publisher.none.fl_str_mv |
Universidad de los Andes, Facultad de Economía, CEDE |
institution |
Universidad de los Andes |
bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/d6c50427-dd3f-46ab-ae2a-939519f1a371/download https://repositorio.uniandes.edu.co/bitstreams/85dfb626-44e1-4944-b8df-d7ae2f1d9a2e/download https://repositorio.uniandes.edu.co/bitstreams/d67be4aa-0ac6-4073-a74c-c165bfab9200/download |
bitstream.checksum.fl_str_mv |
d020e02eef983902154c3e337b3537c0 c95763ac20867cf0e28f8c4fb9c38cfd 406ec19653559dc19b1ec4a5bb0ee6b4 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional Séneca |
repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
_version_ |
1831927540550205440 |
spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Barreras Cortés, Jorge Francisco Joséa6cbaaff-899e-4a0b-a27c-0369d7e95c31500Díaz, Carlos2cf206be-fa53-4f9b-ada7-db5395ac2b7b500Riascos Villegas, Alvaro José9d5edd1a-2800-42af-b5b7-6cd5baeac192500Ribero Díaz, Mónicafe3060da-284a-4834-a5a6-2daa69adaddd5002018-09-27T16:56:05Z2018-09-27T16:56:05Z20161657-5334http://hdl.handle.net/1992/87011657-719110.57784/1992/8701instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/El uso del mapeo de puntos calientes (hotspots) es una técnica descriptiva utilizada para identificar el lugar hacia dónde deberían dirigirse los recursos de prevención del crimen. Consiste en la identificación de áreas geográficas donde, en el pasado, ha habido delitos con mayor frecuencia, con el objetivo de prevenirlos en el futuro, de acuerdo con la existencia de determinantes fijos de crimen, así como la existencia de fenómenos temporales que, sin embargo, tienen cierta persistencia. Hay diferentes técnicas para la identificación de los puntos calientes basadas en modelos como el método de estimación de puntos, estimación de densidad por Kernel, el método de elipses espaciales y modelos espacio-temporales. Este trabajo compara la capacidad descriptiva y predictiva de los principales modelos de predicción de crimen existentes en la literatura académica al caso de crímenes en la ciudad de Bogotá durante el período 2011 ¿ 2012. En términos generales encontramos que el modelo espacio temporal basado en Mohler et. al (2012) es el que mejor desempeño tiene en la predicción del crimen en ciertas zonas de la ciudad.The use hotspots are a common descriptive technique to identify places where policing resources should be optimally deployed for preventing crimes. These consists of the identifications of small geographical regions with the purpose of predicting future crimes based on the existence on time independent regularities and/or temporal phenomena that tend to persist over time. There are several techniques used in the specialized literature to identify hotspots based on point estimates, Kernel density estimation, spatial ellipsoids and spatial-temporal models. This paper compares the descriptive and predictive capacity of the main crime prediction models reported in the academic literature using data from the city of Bogotá during the period 2011 - 2012. In general terms, we find that the spatial-temporal model based on the work of Mohler et. al (2012) has the best predictive performance with our data.18 páginasapplication/pdfspaUniversidad de los Andes, Facultad de Economía, CEDEDocumentos CEDE No. 34 Noviembre de 2016https://ideas.repec.org/p/col/000089/015230.htmlUna comparación de diferentes modelos para la predicción del crimen en BogotáA comparison of different crime prediction models for BogotáDocumento de trabajoinfo:eu-repo/semantics/workingPaperhttp://purl.org/coar/resource_type/c_8042http://purl.org/coar/version/c_970fb48d4fbd8a85Texthttps://purl.org/redcol/resource_type/WPProcesos puntuales de PoissonPredicción crimenModelo espacio-temporalPrevención del delito - Investigaciones - Bogotá (Colombia) - 2011-2012Procesos puntuales - InvestigacionesAnálisis espacial (Estadística) - Bogotá (Colombia) - 2011-2012 - Estudio de casosC54, C53, C63Facultad de EconomíaPublicationTEXTdcede2016-34.pdf.txtdcede2016-34.pdf.txtExtracted texttext/plain36161https://repositorio.uniandes.edu.co/bitstreams/d6c50427-dd3f-46ab-ae2a-939519f1a371/downloadd020e02eef983902154c3e337b3537c0MD54THUMBNAILdcede2016-34.pdf.jpgdcede2016-34.pdf.jpgIM Thumbnailimage/jpeg37049https://repositorio.uniandes.edu.co/bitstreams/85dfb626-44e1-4944-b8df-d7ae2f1d9a2e/downloadc95763ac20867cf0e28f8c4fb9c38cfdMD55ORIGINALdcede2016-34.pdfdcede2016-34.pdfapplication/pdf984670https://repositorio.uniandes.edu.co/bitstreams/d67be4aa-0ac6-4073-a74c-c165bfab9200/download406ec19653559dc19b1ec4a5bb0ee6b4MD511992/8701oai:repositorio.uniandes.edu.co:1992/87012024-06-04 15:10:03.215http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |