ANÁLISIS ESTADÍSTICO-ESPACIAL DE DELITOS EN LA LOCALIDAD DE CIUDAD

BOLÍVAR
*
Isaac De León Beltrán, Elkin Velasquez Monsalve y Luis Carlos Jiménez
Bogotá-Universidad Nacional
Encuentro de Geografos Latinoamericanos. Marzo 2007

Resumen
El objetivo de este trabajo es presentar un ejercicio de «colaboración» de varios métodos de investigación en el estudio de ciertas
conductas delictivas en la localidad de Ciudad Bolívar, Bogotá. En especial, se explora la relación entre el homicidio y otros delitos
tales como el atraco, las lesiones personales, el hurto a residencia, el hurto a establecimientos comerciales y el hurto de vehículos. Los
métodos utilizados son: el uso de mapas del crimen – cartografía del crimen – , el análisis estadístico del delito y el uso de material
visual – fotografías. Dichos métodos son utilizados haciendo advertencias jurídicas en torno a los datos y su calidad en tanto que
fuente sociológica y cartográfica. Un objetivo especifico es ilustrar la complejidad de la interacción entre agentes en un entorno socio
espacial complejo caracterizado por la pobreza en medio de asentamientos urbanos recientes y la mayoría ilegales. Los resultados
muestran que la superposición de métodos permite insinuar una relación robusta en términos estadísticos y espaciales en torno a la
ocurrencia de los delitos estudiados. El trabajo abre una agenda de investigación en torno a ciertos aspectos criminológicos y
criminodinámicos del delito en la localidad de Ciudad Bolívar y se convierte en una oportunidad para el trabajo interdisciplinar.
Adicionalmente, se señalan posibles usos de la investigación para los diseñadores de políticas públicas de seguridad.

El objetivo de este documento es describir y explicar el comportamiento de ciertos delitos en la localidad de

Ciudad Bolívar - Bogotá. Dicha localidad se encuentra en el sur de la capital de Colombia. La localidad está
compuesta por barrios construidos recientemente. La mayoría de los barrios han sido construidos en el
periodo comprendido entre 1980 y 2006. La localidad es considerada como pobre. De acuerdo con cifras
oficiales es la segunda localidad con mayor índice de necesidades básicas insatisfechas; se calcula que el
76% de los habitantes se encuentran por debajo de la línea de pobreza. En general, Ciudad Bolívar se
caracteriza por tener barrios en proceso de consolidación que son consecuencia de procesos de ocupación
ilegal de tierras, barrios consolidados después de muchos años de disputas judiciales y, en menor medida,
barrios planeados formalmente. En las siguientes fotografías se puede apreciar visualmente la complejidad
y el orden espacial de las personas, su entorno y el territorio. Sobresale la mezcla de diversos tipos de
asentamiento en un espacio relativamente pequeño.

Fotografías 1-4
Elementos de la configuración espacial «mixta»de Ciudad Bolívar

En resumen, Ciudad Bolívar es una mezcla de muchos entornos socio-espaciales – lo cual incluye lo
económico – en los que se producen una gran cantidad de conflictos sociales. Esta es una de las razones
que explican la gran cantidad de delitos reportados en la localidad. 1 El material visual de la localidad refleja

*
Agradecemos la colaboración en el levantamiento de datos y elaboración de mapas a los siguientes asistentes de investigación:
Freddy, Johann y Daniel. Isaac De León Beltrán y Elkin Velasquez son docentes investigadores de la Universidad Externado de
Colombia. Luis Carlos Jiménez es docente investigador de la Universidad Nacional
1
Subsecretaria de seguridad y convivencia (2005). Diagnostico. Localidad 19 Ciudad Bolívar. En:
http://www.suivd.gov.co/G10/diagnosticosG10.
en parte muchas tensiones sociales en torno a la construcción y las disputas de legalización (ver Fotos 5 y 6
del Anexo Fotográfico).

La localidad de Ciudad Bolívar preocupa a la administración distrital porque presenta el mayor número de
homicidios en la ciudad. Son veinte localidades y Ciudad Bolívar no es la más poblada. Se estima que la
tasa de homicidios en la localidad – con datos de 2001 – es de 470 por cada 100.000. Esta es una de las
motivaciones del presente documento.

La descripción de los delitos se hará por medio de la unión de herramientas estadísticas y el uso de un
sistema de información geográfica (SIG). La combinación de estas dos técnicas de análisis permitirá
confirmar y/o rechazar algunas hipótesis con respecto al comportamiento espacial del delito en la localidad.
A lo largo del texto se usan indistintamente los conceptos de «delito» y «crimen» con el fin de hacer más
cómoda la lectura. Vale la pena hacer la aclaración porque las normas jurídicas afirman que sólo un juez de
la República – el cual puede ser también un cuerpo colegiado – está autorizado para declarar que una
persona ha cometido un crimen. Ningún otro ciudadano puede proferir una afirmación de esta naturaleza y
producir los efectos jurídicos del caso. Por lo tanto, los «delitos» considerados en este trabajo serán
tratados desde una perspectiva más sociológica que jurídica.

Este documento es un informe de investigación que usa como fuente de información una base de datos en
la que los delitos han sido ubicados en el espacio de la localidad. Los delitos han sido ubicados
manualmente en un mapa digital. El periodo de análisis es el comprendido entre 2003 y 2005. Las
conductas delictivas escogidas para el análisis son las siguientes: homicidio, atraco, hurto a residencias,
hurto a establecimiento comercial, hurto de motocicletas, hurto de vehículos y lesiones comunes. 2

La fuente primaria de la información delincuencial fue el Centro de Investigaciones Criminológicas de la

Policía Metropolitana – CIC – de Bogotá, y el Instituto Nacional de Medicina Legal y Ciencias Forenses
(INML y CF) en el caso de los homicidios. Vale la pena aclarar que hay incentivos organizacionales al
interior de cada una de estas dos organizaciones estatales que pueden distorsionar la calidad de los datos.
Por ejemplo, a la Policía Nacional le preocupa mucho la dirección de la ocurrencia de ciertos hechos
delictivos porque ello es un criterio de evaluación de los comandantes de la Policía (CAI´s, Estaciones de
Policía, etc), mientras que la dirección de los hechos no suele ser una variable relevante para los miembros
del INML y CF porque esa no es información normalmente utilizada para evaluar su gestión. Esta aclaración
sirve para matizar las conclusiones del trabajo y más bien considerarlas como provisionales y sujetas a
revisión. En últimas, este trabajo utiliza como fuente de información denuncias presentadas por ciudadanos;
lo cual es otra razón para hablar con más cautela acerca del «crimen». Únicamente en el caso de los
homicidios se cuenta con información de investigación de oficio.

La selección de las conductas se basa en una definición de seguridad personal que gira en torno a no ser
agredido en el espacio privado (residencia) ni en el espacio público (calles y parques, por ejemplo). Esta es
una definición «estrecha» del concepto de seguridad pero es suficiente y útil para los fines de la
investigación. Se reconoce que puede haber otras nociones de seguridad – como por ejemplo aquellas que
incluyen aspectos tales como seguridad en el empleo, en los alimentos, etc – pero estas no serán
consideradas en el trabajo. De acuerdo con la definición una zona geográfica es segura si en ella las
personas no son víctimas de homicidio, atraco, hurto a residencia, etc. En otras palabras, la definición
propuesta permite una sencilla forma de medición y comparación, y, de este modo, se evitan discusiones
retóricas.

El análisis estadístico y espacial utiliza una unidad espacial creada por el equipo de investigación. La unidad
espacial consiste en un cuadrado de 200x200 mt, el cual sirvió para cubrir el mapa de la localidad. Esta
unidad tiene la ventaja de ser mucho más pequeña que la UPZ pero es más grande que una manzana y
más pequeña que un barrio. La creación de esta unidad espacial se hizo por cuestiones prácticas que
facilitan el análisis espacial y estadístico. La aplicación de esta unidad espacial de cuatro hectáreas generó
910 unidades espaciales. 3 Otro punto central en el análisis es que el componente estadístico supone que no
hay fenómenos de contagio entre unidades espaciales. Esta es una opción metodológica de la investigación.

2
Conviene aclarar que dichas conductas no son delitos en un sentido jurídico. Esta aclaración es relevante porque, por ejemplo, el
«atraco», el «hurto a residencia» y el «hurto de vehículos» no son conductas que se encuentren tipificadas en el Código Penal
Colombiano. Por lo tanto, dichas conductas están más cerca de descripciones policiales que de descripciones jurídico penales. Las
anteriores conductas serían clasificadas en el Código Penal bajo del titulo de Delitos contra el patrimonio económico. Una característica
relevante de las conductas seleccionadas es que normalmente suelen ser dolosas, es decir, conductas que se cometen con el
conocimiento y la voluntad. En cualquier caso, es muy difícil concebir que alguno de estas conductas se pueda cometer culposamente.
3
El siguiente es el orden por tamaño de cada una de las unidades espaciales mencionadas. En un primer nivel se encuentra Bogotá,
en el segundo la localidad de Ciudad Bolívar, el tercer nivel esta compuesto por las UPZ, el cuarto nivel lo conforman los barrios y en el
último nivel las manzanas. No se tomaron las manzanas porque el número era demasiado elevado (4.722 manzanas de acuerdo con
DAPD, Plan de Ordenamiento Territorial, Decreto 619 del 2.000 y Subdirección de Desarrollo Social, Bogotá, D.C., 2.002). No se
El procedimiento con el cual se llevó a cabo la división del territorio fue el resultado de un análisis heurístico
de la escala, es decir, un proceso de ensayo y error. Para ello fue necesario comparar las diversas escalas
espaciales y métricas desde la totalidad del territorio de la ciudad de Bogotá hasta los pocos metros de un
barrio específico.

Cuadro
La variación de la escala de un modo heurístico y la construcción de la unidad espacial de 200x200
mt

El documento se divide en tres partes. En la primera de ella se describen los delitos y ciertas variables o
factores explicativos. En esta primera sección se explora también la relación entre los mismos delitos. En la
segunda parte se presenta un modelo estadístico que explica la asociación entre los delitos y un conjunto
de variables explicativas. Conviene anotar que las variables explicativas no son consideradas en este caso
variables causales. Las variables explicativas serán consideradas como aquellas que deben ser tenidas en
cuenta al momento de explicar ciertos fenómenos criminales porque existe un marco teórico y argumentos
razonables que justifican su inclusión en el modelo. Es decir, la relación entre las variables explicativas y el
crimen será en este texto una relación de asociación, no de causalidad. En la última parte se presentan
recomendaciones de política y una lista de zonas en las que, de acuerdo con el modelo, se pueden focalizar
esfuerzos de intervención del estado. Las variables escogidas para explicar el delito son pocas y en ese
sentido vale la pena aclarar que este trabajo es una «pequeña sección de la realidad criminal». Es
importante aclarar esto porque siempre habrá variables que se quedan por fuera del modelo. Esta acotación
es central ya que permite el estudio científico de un problema social específico, es decir, el estudio
ordenado de un conjunto bien definido de posibles relaciones sociales verificables con un método que
puede ser replicado por otros investigadores.

1. Los delitos y las variables explicativas

Esta sección se divide en dos partes. En la primera se describen estadísticamente los delitos en Ciudad
Bolívar. Dicha descripción se concentra únicamente en los elementos básicos de cada delito sin considerar
otras variables. Se incluye una descripción espacial y visual y se muestran algunas ventajas de la
metodología propuesta. En la segunda parte se describe la relación de algunos delitos con ciertas variables
del entorno espacial y social de la unidad espacial de 200x200 mt.

1.1. Los delitos en Ciudad Bolívar

A continuación se hace una descripción estadística de los delitos en la localidad. La característica central de
dicha descripción es que se centra en la unidad espacial propuesta, a saber, el cuadrado de 200x200 mt. La
descripción de los delitos gira en torno a la unidad espacial definida. A continuación se presenta la
descripción más general de los delitos.

Tabla A. El comportamiento de los delitos en la unidad espacial.

(2003-2005)
N Mínimo Máximo Suma Media Desv. típ.
Hurto de motocicletas 910 ,00 4,00 119,00 ,1308 ,4492
Número de hurto de vehículos 910 ,00 5,00 231,00 ,2538 ,6929

tomaron UPZ ni barrios porque eran muy pocos y su distribución era demasiado irregular lo cual dificulta ciertos procesos de
comparación; sólo 8 UPZ y 252 barrios.
Hurto establecimiento comer. 910 ,00 6,00 284,00 ,3121 ,8161
Atracos 910 ,00 13,00 609,00 ,6692 1,3265
Homicidios 910 ,00 8,00 622,00 ,6835 1,3204
Hurto a residencias 910 ,00 11,00 668,00 ,7341 1,2930
Lesiones personales comunes 910 ,00 23,00 1680,00 1,8462 3,2052
N válido (según lista) 910
Nota: en la tabla se puede observar que hay 910 unidades espaciales. En cada unidad espacial se
realizó el conteo de cada uno de los delitos. Luego se procedió a calcular cada una de las medias y
las desviaciones para cada delito.

La Tabla A sirve para reconocer que es lo «normal» en cada una de las unidades espaciales. Por ejemplo,
lo «normal» es que haya 0.68 homicidios cada 3 años. Un valor más allá de esto puede significar un cambio
abrupto en el comportamiento de este delito en términos relativos. En general, la mayoría de los casos – es
decir la media más dos veces la desviación típica – se encuentran entre 0 y 3.32 homicidios. Cualquier valor
por encima de 3.32 (lo cual en términos prácticos significa un número de homicidios mayor o igual a tres)
representa un valor atípico. Un razonamiento similar se puede hacer con los otros delitos. El conteo de cada
delito al interior de cada unidad espacial es lo que permite hacer los cálculos de la Tabla A. En la siguiente
gráfica se muestra una sección del mapa de Ciudad Bolívar y el correspondiente conteo de delitos.

Cuadro
El conteo de delitos en la unidad espacial de 200x200 mt

Ahora bien, esta información sirve para reconocer los valores medios de cada uno de los delitos en el
periodo y en la unidad espacial. El problema de presentar la información de este modo es que el
componente espacial no está presente. Vista así, la información tiene únicamente un carácter estadístico. Al
momento de incluir la distribución espacial de los delitos aparecen áreas de concentración que insinúan que
el fenómeno presenta una distribución espacial particular. Esta forma de representar los datos señala la
concentración espacial de los delitos; la ventaja de representar así la información es que los casos atípicos
sobresalen visualmente porque son resaltados con un color mucho más oscuro. Lo más importante de la
representación espacial es que se hacen fácilmente visibles los casos atípicos, es decir, aquellas zonas en
las que el delito tiende a ocurrir con más frecuencia (ver Anexo mapas. Mapas 2-8). Sin embargo, la
información de los mapas es una información visual – es decir que apela a la capacidad de distinción del
sentido de la vista – que puede ser cotejada con información de carácter estadístico. Una ventaja de ubicar
los delitos en una unidad espacial determinada es que se delimita con precisión las áreas de potencial
intervención del Estado. En ejercicios anteriores las autoridades han señalado zonas de alto impacto en el
mapa de Ciudad Bolívar, sin embargo, dichos ejercicios incluyen zonas muy amplias de intervención (ver
Mapa 8. Un ejercicio de georeferenciación de homicidios realizado por la Policía Metropolitana de Bogota y
la Fiscalía General de la Nación).

Una de las características más importantes de los delitos espacialmente analizados es su alto grado de
correlación. De acuerdo con la evidencia, los delitos analizados tienen un alto grado de correlación espacial,
es decir, suelen ocurrir en los mismos sitios. La correlación entre estos delito es positiva en todos los casos.
Esto quiere decir que los delitos estudiados aumentan o disminuyen todos al mismo tiempo. La correlación
en todos los casos es positiva y estadísticamente significativa. Sin embargo sobresale el alto grado de
correlación entre el homicidio y las lesiones personales comunes, el homicidio y el hurto a residencia y el
homicidio y los atracos (ver Anexo estadístico. Tabla 1. La correlación entre los delitos). En resumen, y para
ilustrar con un ejemplo, si en una unidad espacial determinada aumenta el número de lesiones personales y
el número de atracos entonces es muy probable, en términos estadísticos, que aumente también el número
de homicidios. En un sentido estadístico, los delitos en Ciudad Bolívar se encuentran positivamente
conectados. En estudios anteriores para Bogotá se ha encontrado que a veces los delitos se encuentran
correlacionados negativamente, es decir, que cuando uno de ellos aumenta los demás disminuyen. Una de
las explicaciones posibles de este fenómeno es que los criminales tienden a cambiar de actividad cuando
las autoridades se concentran en perseguir una actividad criminal específica (Beltrán, Gaitán y Fernández,
2001). Por el contrario, en Ciudad Bolívar la ocurrencia de un delito da pie para la ocurrencia de otros.

La distribución de delitos en la localidad muestra que hay un gran número de territorios en los que no
ocurren muchos delitos. Las gráficas muestran que la mayor frecuencia de ocurrencia de delitos es 0 y 1, y
esto es así para cada uno de los delitos analizados. (Ver anexo estadístico, Tablas 2-8. Frecuencia de
delitos por unidad espacial, y, Gráficas. Frecuencia de delitos por unidad espacial). Desde luego, esto no
debe ser leído como que la localidad es pacífica en la mayor parte de su territorio sino más bien como una
constatación de la alta concentración delincuencial. Vale la pena esta advertencia para evitar lecturas
posiblemente «optimistas» al ver en el mapa grandes áreas sin colorear.

1.2. Las variables explicativas del delito en Ciudad Bolívar: un ejercicio de estadística y relaciones
espaciales

Las variables explicativas, o asociadas, a los delitos son las siguientes: uso del suelo, el estrato, el periodo
de construcción de la zona, la presencia de CAI´s, la cantidad de colegios y la cantidad de iglesias. Se
reconoce que estas variables son insuficientes para explicar un fenómeno social tan complejo como es el
crimen. Sin embargo, se puede justificar su inclusión ya que hay argumentos teóricos y empíricos a favor de
esta selección. Por ejemplo, el uso del suelo brinda una idea aproximada del grado de actividad económica
en el que se lleva a cabo el delito, el estrato y el periodo de construcción de la zona capturan información
sobre la pobreza en la que se ejecuta el ilícito, la presencia de CAI´s advierte sobre la capacidad de
coerción y prevención del Estado en la zona y la cantidad de colegios e iglesias da información sobre la
infraestructura de bienestar social además de cierta capacidad de organización social.

Algunos de los hallazgos estadísticos más importantes muestran que, por ejemplo, la mayoría de los
homicidios se producen en un uso del suelo destinado a la actividad residencial (382 zonas en las que se
registra al menos un homicidio). En el estrato 0, 1 y 2 se concentra la mayor parte de los casos de este
delito este delito (644 zonas de estrato 0, 1 y 2 en las que se registra al menos un homicidio). Del mismo
modo, los barrios de más reciente consolidación son aquellos en los que ocurren la mayoría de los
homicidios (en los barrios consolidados entre 1990 y 2006 se encontraron 245 zonas con homicidios). La
mayoría de los homicidios – como era de esperarse – se causan en zonas en las que no hay CAI (899 de un
total de 910 zonas). Merece ser resaltado el hecho de que el número de homicidios decrece en la medida
en que aumenta el número de colegios y el número de iglesias en la zona. Algo similar sucede con los
atracos. En general, se encuentra que los delitos estudiados disminuyen en presencia de cierta dotación
social y ciertas organizaciones sociales. En alguna medida, estos datos parecen confirmar la existencia de
una relación negativa entre el capital social, entendido como la capacidad de las personas para crear redes
sociales, y el crimen. (ver Anexo estadístico. La relación entre homicidio y otras variables. Cuadros 1-6; ver
Anexo estadístico. La relación entre atraco y otras variables, Cuadros 1-6). En la siguiente tabla se puede
notar la distribución específica del número de homicidios por unidad espacial.

Tabla B. La distribución de homicidios por unidad espacial y su relación con el uso del suelo.
Número de homicidios A B C D E F G nd tot al
,00 1 7 20 30 162 108 25 262 615
1,00 3 1 97 12 5 28 146
2,00 56 1 1 14 72
3,00 26 1 2 29
4,00 16 2 1 19
5,00 14 14
6,00 7 1 8
7,00 3 1 1 5
8,00 1 1 2
Total 1 7 23 31 382 124 33 309 910
A: Comercio, B: Dotacional, C: Industrial, D: Minera, E: Residencial, F: Urbana Integral, G: Sistema
de área protegida, n.d: Información sobre uso de suelo no disponible.

2. Dos modelos estadísticos para explicar y predecir la ocurrencia de homicidio en Ciudad Bolívar

En esta sección se construye dos modelos estadísticos para explicar y predecir la ocurrencia de homicidios
en Ciudad Bolívar. El trabajo se centra en el homicidio por ser considerado uno de los delitos más
importantes para la política de seguridad del Distrito Capital. El primer modelo es un modelo de regresión
lineal. El segundo es un modelo de regresión logística binaria. En ambos casos lo que se busca es
establecer una relación entre una variable dependiente y un conjunto de variables independientes (esto,
desde luego y como se dijo en la introducción, no significa causalidad). En términos generales el cálculo de
una regresión permite saber si hay una relación funcional del siguiente tipo:

núm homicidios por unidad espacial = f(conjunto de variables independientes)

2.1. Modelo de regresión lineal para los homicidios

El supuesto de partida en esta sección es que el homicidio se encuentra relacionado con otros delitos. En
otras palabras, se supone que el homicidio puede ser predecido y explicado por otras conductas criminales.
La alta correlación de los delitos a nivel espacial justifica este modelo estadístico. No se incluyen en este
modelo variables que también serían de mucho interés tales como el uso del suelo porque de acuerdo con
la Tabla B (La distribución de homicidios por unidad espacial y su relación con el uso del suelo) hay 309
casos sin información disponible lo cual hace muy difícil el uso de modelos de regresión. La estimación de
dichos modelos mostró que el uso del suelo no es una variable estadísticamente significativa. De todos
modos, conviene reconocer la incidencia de los delitos en función del uso del suelo. Quizás, la poca
significancia del uso del suelo se explica por los pocos datos disponibles. Los mismo resultados se
obtuvieron con el modelo de regresión logística. 4

El punto de partida para el modelo de regresión lineal es establecer la función a calcular. En este caso, se
trata de estimar la significancia (lo cual quiere decir validez) que las variables independientes o predictoras
tienen al momento de explicar la variable dependiente. La ecuación que será estimada tiene la siguiente
expresión:

Homicidio=ȕ0+ȕ1Atraco+ȕ2Hurt_comer+ȕ3Hurt_resid+ȕ4Hurt_mot+ȕ5Hurt_vehi+ȕ6Lesiones+e

Como se puede notar, esta es una expresión lineal tanto en los ȕi como en las variables independientes. En
el cálculo del modelo se busca que los ȕi sean significativos y que tengan un signo conceptual y
teóricamente esperado. Para saber si una variable es significativa lo que se debe mirar es el valor del
estadístico “t” asociado a cada uno de los coeficientes. Entre más alto sea el valor de el estadístico “t”
entonces la variable independiente asociada es más significativa, es decir, tiene mayor validez. Se coloca
un término de error “e” al final de la ecuación que recoge el efecto de todos los factores no incluidos en el
modelo. Lo ideal es que el término de error sea lo más bajo posible; en los cuadros que se presentan más
abajo el error “e” se captura en lo que se conoce como error residual. Vale la pena aclarar que ciertas
variables como la presencia de CAI´s, el número de colegios y el número de iglesias fueron introducidas en
un primer modelo pero ninguna de ellas fue estadísticamente significativa. Es por eso que se decidió
construir el modelo únicamente con los otros delitos.

El modelo es aceptable (lo cual se prueba con el estadístico F que se encuentra en la tabla ANOVA. La
aceptación de un modelo de esta naturaleza se basa en una prueba en la que se muestra que al menos una
de las variables es significativa). La variabilidad explicada por el modelo sólo alcanza a ser el 45.3%. Esta
es una variabilidad baja pero puede ser considerada suficiente para el análisis – en algunos casos se exige
que la variabilidad explicada sea superior al 90% pero ese no es el caso. Si se escoge un nivel de
confiabilidad del 99% se puede concluir que el hurto a establecimiento comercial, el hurto de motocicletas y
el hurto de vehículos no son variables significativas al momento de explicar los homicidios en la unidad
espacial de 200x200 mt. Las variables que se encuentran fuertemente ligadas a los cambios en los
homicidios son las siguientes: atraco, hurto a residencia y lesiones personales. El coeficiente ȕi de cada una
de estas variables es positivo, lo cual quiere decir que un aumento en cada una de ellas representa un

4
Cuando hay una proporción tan elevada de casos sin información la técnica de regresión no parece ser muy adecuada. Sin embargo,
dado que el uso del suelo podría ser una variable importante al momento de hacer una comparación y el diseño de una política pública,
conviene conocer la incidencia promedio de delitos en las unidades espaciales de acuerdo con el uso del suelo.

Tabla C. La concentración de delitos en función del uso del suelo

Homicidio Atraco Hurto comercio Hurto residencia Hurto vehículo Lesiones personales
Industri 0,13 0,70 0,35 0,09 0,26 0,87
Residen 1,29 1,31 0,64 1,52 0,48 3,68
Integral 0,20 0,25 0,02 0,07 0,12 0,50
Minero 0,03 0,00 0,00 0,10 0,03 0,06
S.A 0,67 0,27 0,03 0,30 0,00 0,73

A partir de esta tabla se puede observar que el uso del suelo en el que ocurren más delitos es el residencial. Este hecho es útil porque
da pistas sobre una posible concentración de la política pública.
aumento en el número de homicidio en la unidad espacial en cuestión. En los siguientes cuadros se puede
observar la información estadística con la cual se hizo el análisis.

Cuadros. Modelo de regresión lineal para estimar la relación entre los homicidios (variable
dependiente) y otros delitos (variables independientes) en la unidad espacial de 200x200 mt definida
por la investigación

Modelo R R cuadrado
1 ,453 ,205

Anova
Modelo Suma de cuadrados gl Media cuadrática F Sig.
1 Regresión 325,573 6 54,262 38,910 ,000
Residual 1259,280 903 1,395
Total 1584,853 909

Coeficientes
Variables independientes Coefientes Estadístico “t” Sig
(Constante) ,327 6,945 ,000
Atracos (2003-2005) ,104 2,695 ,007
Hurto establecimiento comercial (2003-2005) -,148 -2,482 ,013
Hurto a residencias (2003-2005) ,182 4,510 ,000
Hurto de motocicletas (2003-2005) -,105 -1,120 ,263
Número de hurto de vehículos (2003-2005) -,130 -2,106 ,035
Lesiones personales comunes (2003-2005) ,133 7,021 ,000
a Variable dependiente: Homicidios (2003-2005).

2.1. Modelo de regresión logística binaria para explicar los homicidios

En este modelo lo que se calcula es la probabilidad de encontrar “muchos homicidios” en una unidad
espacial determinada. Para ello lo primero que hay que aclarar es el concepto de “muchos homicidios”. Esta
importante cuestión se aclara por medio de un criterio – más o menos arbitrario – que afirma que muchos
homicidios son más de tres. Por supuesto, se puede utilizar otro criterio como por ejemplo, muchos
homicidios es más de uno. Sin embargo, al optar por más de tres se trata de mantener coherencia con la
distribución espacial de homicidios que aparece en el anexo de mapas. De nuevo, más de tres homicidios
en una de las zonas significa que se está más allá de tres desviaciones estándar. El mencionado criterio
permite construir una nueva variable dicotómica – es decir que sólo puede tomar dos valores. El primer
valor de la variable dicotómica es 0, lo cual quiere decir que la situación de homicidio no es grave. Cuando
la variable dicotómica toma el valor de 1 quiere decir que la situación es grave; hecho que corresponde al
criterio antes mencionado, a saber, si hay más de tres homicidios la situación es grave.

La ventaja de esta conversión es la siguiente: lo que se busca ahora es estimar la probabilidad de que una
zona escogida al azar se encuentre en grave situación de homicidios en función de una serie de
características definidas de antemano. Estas características son las llamadas variables independientes.

La variable dependiente es la probabilidad de que una unidad espacial de 200x200 presente una situación
grave de homicidio, es decir, más de tres homicidios. Las variables independientes son las siguientes: la
presencia de CAI en la zona ( que es una variable que puede sólo tomar dos valores al igual que la variable
dependiente), Número de colegios (Colegio) y Número de iglesias (Iglesias) en la misma zona. Ahora bien,
lo que se busca en la estimación de una regresión logística es una forma funcional específica que permita
calcular la probabilidad de que una zona específica presente un alto número de homicidios, es decir, estimar
P(alt_ho). La relación funcional es la siguiente:

e ȕ 0  ȕ1CAI  E 2 Colegio  E 3 Iglesia

P(Alt _ ho)
1  e E 0  E1CAI  E 2 Colegio  E 3 Iglesia
Esta formula permite establecer si las variables introducidas en el modelo son significativas. Esto se hace
por medio de la estimación de los valores ȕi que acompañan a cada una de las variables independientes. Lo
primero que se analiza es si el valor ȕi es significativo en términos estadísticos. Lo segundo que se observa
es el signo. Si el signo es positivo, entonces se dice que la variable asociada a dicho ȕi aumenta la
probabilidad de ocurrencia de la variable dependiente. Por el contrario, si el signo es negativo entonces se
afirma que dicha variable independiente disminuye la probabibilidad de ocurrencia. Nótese que esta función
se acerca a 1 cuando las variables independientes toman un valor alto; pero nunca será igual a la unidad.

Cuadro. Modelo de regresión logística para estimar la relación entre los homicidios (variable
dependiente) y otros delitos (variables independientes) en la unidad espacial de 200x200 mt definida
por la investigación

Variables en la ecuación
B Sig. Exp(B)
CAI -,179 ,844 ,836
COLEGIO ,192 ,332 1,211
IGLESIA ,054 ,852 1,056
ATRACO ,150 ,114 1,162
HURT_COM -,254 ,095 ,776
HUR_RES ,351 ,000 1,421
HURT_MOT -,671 ,033 ,511
HURT_VEH -,388 ,064 ,678
LES_PER ,157 ,001 1,170
Constante -3,135 ,000 ,044
a Variable(s) introducida(s) en el paso 1: CAI, COLEGIO, IGLESIA, ATRACO, HURT_COM, HUR_RES,
HURT_MOT, HURT_VEH, LES_PER. (Se resalta en un cuadro de color oscuro las variables más
importantes. Dichas variables son las más importantes porque son estadísticamente significativas y para ello
se revisa el valor correspondiente a la columna “Sig.”)
A partir de esta tabla se puede afirmar que las variables que aumentan la probabilidad de ocurrencia de un
alto número de homicidios en una zona cualquiera de Ciudad Bolívar – utilizando un 99% de confianza –
son las siguientes: hurto a residencias y las lesiones personales; de nuevo, el criterio para realizar esta
afirmación es la significancia de las dos variables, es decir, la columna “Sig”. En resumen, un aumento en
cualquiera de estos delitos se encuentra correlacionado espacial y estadísticamente correlacionado con un
aumento en el número de homicidios.

3. Conclusiones y recomendaciones

Los delitos en Ciudad Bolívar se encuentran altamente correlacionados. Sin embargo, hay unos delitos que
se encuentran más conectados con otros. En el caso específico del homicidio se halló que este se
encuentra alta y significativamente asociado a los atracos, el hurto a residencia y las lesiones comunes. Las
otras conductas no muestran conexión estadística detectable con los homicidios. El uso del suelo no parece
tener impacto. Cuando se estimaron modelos estadísticos no se obtuvieron resultados que confirmaran la
unión entre homicidios y uso del suelo; esto se debe muy posiblemente a que, por un lado, hay un número
elevado de zonas con información no disponible y, en segundo lugar, porque tal vez, el uso del suelo no sea
una variable conectada con el homicidio. Por supuesto, eso no significa que esa no sea una variable
importante pero si se sugiere que tal vez sea recomendable reemplazarla por otra.

La conexión entre el homicidio y las otras conductas sugiere pensar que los delitos no ocurren al azar en el
espacio ni en el tiempo. De acuerdo con varias teorías, el homicidio es un resultado de la actividad criminal
organizada. Ahora bien, el atraco y el asalto a residencias son delitos organizados (es muy difícil imaginar
que el hurto a una residencia se produce . Muy probablemente la conexión entre el homicidio y estos delitos
tenga alguna conexión con el hecho de que los grupos criminales utilizan la violencia homicida como un
instrumento para desplazar la competencia, proteger la propiedad ilegal y amedrentar a sus víctimas.
 Anexo fotográfico
Fotografía 5

Fuente: www.bogota.gov.co

Fotografía 6

Fuente: http://www.suivd.gov.co/G10/diagnosticosG10
 Anexo de mapas
Mapa 1. La localidad de Ciudad Bolívar y la unidad espacial de 200x200mt
Mapas (2-7). La distribución espacial de los delitos en Ciudad Bolívar
(2003-2005)
 Mapa 8. Un ejercicio de georeferenciación de homicidios realizado por la Policía
Metropolitana de Bogota y la Fiscalía General de la Nación

DISTRIBUCIÓ
DISTRIBUCIÓ N DE HOM ICIDIO S POR
VECINDARIOS KR
KR

K TV 1 6 10
R
12
C L 6 2BIS S

16

ENERO
E NERO A JU NIO DE 2005
JUNIO
AK
16 KR KR
B 14
S 14
KR
S

KR 16 D A
TV 1 6
5B

KR 15 B S 74
AC 60 G S

KR
B IS CL
L7

16 KR 15
D KR 16ABIS 16 71 C
S

KR S
C

CL
CL 64 S

N ú cleo Jerusalé
Jerus alé n:
B
A
C L 63B S

17 A KR 16 B 71 KR
S

78

15
S

CL 66
C L 65A S

KR 16 C AC
6 0C

63

CL
CL 73A

KR 1
KR KR 16 D 5A KR
CL
S

KR
S

17 BIS

N ú cleo Lucero:
L

AS

KR 17 15
S C

KR 1
B

76

A KR 17 BIS 7 16
60

F
CL

TV

KR 1
L

KR 17A 17 5F KR 15 D
A

BIS B

77
L

KR
CS
D

71
C

B IS

18 TV
C L 72A BIS S

16

KR 17 ABIS
60

KR 17A KR 16B

Cand elaria I y II,

CL 70B
62

CL 73 ABISA SCL 73 ABIS S

L
CL

S
CL

IS
S
CL 7 3B S

KR 17B IS
CL 74
L

IS S

CL 80A
C L 7 2 S L 71ABIS S

CL 7 5A S
S
C

KR 18K
KR 18K

KR
7 0B

CL 78D
SS

8C
CL 75 S
CL 70C

KR 1 7BB
KR 18 K

17
KR

KR 17C
CL 66 S

CL 7

KR 19 AC KR 17 C A
CL 80B

Lucero B ajo, M ediio ,

S
7BI

TV
IS
KR 18J 18 K

61 S
S

CL 61A
CL

KR 17 F
18 M

KR KR
1

KR 19 A KR 17 D
S

7B
BIS

CL 7
DG
S
KR

16
L R

S
69

19 S
S

78 S

KR 17 DBIS A
KR
KR
D G 61B

IS

6 1D
C L 7 8B

BB

Jerus alé
é n, Canteras, Los
KR 1 7H BIS
A BI
18

Jerusal
TV
S

CL
69 S

KR 17 G
S

CB

K IS KR 17G 17 K
1 8P

S
T

18

KR

R A 19 S
C L 6 7ABIS

K R 17L
CL
S S CL 69A

80

KR

10
19 6 2A TV KR
CL 80 BIS

80
LB

KR S
18
B IS

y Alto y Gibraltar
17
S

F KR 17J
CL 6 9C

Gibralta r
D CL 17 M
CL 69B S

CL

S
C L 67 S
K R BB

IS

CL 79
J

KR
CL

AS
KR

19 61
7 8C

2A
B

CL KR 17
A

H 17 KR 17N
S

64
L6 3S M
KR 17 N
S S N
19 IS

KR
19
K R KR 19

S L6 CL B
IS

BIS
CL 81 GBIS S

C S
DG

17 N 80 G 81
S
KR

CL

KR
B

CL 6 7B S

B C

Tanques, Arboriz adora Alta

6 3C KR 18
AB

DG 8

1B S
CL 74 C S

S
18

22
19

CL KR
CL 8 1F

TV 62 DG D
S

S CL 6
S

C L 74 S

TV 17P
75

81

62 CL S
18
S

58 TV 2 0C KR KR 18A
C

CL 69D S
KR

A S

S B IS
CL 81 S

DG
S

18 17 KR
C L 59 A

20F 6 4D
LB

KR 18A
S

CL 81ABIS S D G

6 3D S KR
2S

L DG 62 P
B

C CL 63 F L S 1 8B 18 AB KR 18B
C L 81A S
18

CL 7 6 S

AS

N
CL 72 S

KR 18
CL 67ABIS
59

KR

S
IS K M B IS

62 C IS KR
CL

D
S

CL CL 6 4 S
QB

DG 62 D S 65 18 18C
KR

KR 18BBISA
CL KR 18 BBIS
C

18

KR
R

KR 18B
S

DG 6 3 S CL TV TV KR
58

IS

KR 18BBISB
CL 69F

KR
18 A

18
18
A

CL 73 A S

CL 81 B S
S

S 8C
S

C 1 KR KR 18C BIS
58

CL

22 KR 18
M

L 63 1 8R KR 18 ABISA C
NB

CL 7 5 S
CL 7 3 S
KR
S

CL 6 9CB IS

G C
9BIS

D G 65 A
DG 58

64 S
KR 19

KR 18 D

17
KR 1 8D KR 18 C BISA
S CL

KR
KR

KR

CL 6 9
B

D G 64B
IS
KR 20 C

KR

CL 71 S

CL
C L 8 2D S
KR

KR 18DB
65

23 KR S KR 18 DBISA
18 P K R

KR S S
A
DG

66 D A S
22

KR

IS D BI
2 2J 22H K R D G 65 S
KR 1
22 A

KR

C L 76A

C L 80B

KR
18

KR 1 8F
5 8B

S
20

18
B

CL
S

22 67
CL
KR

D
KR

DS

23 6 5C A S
L

D G 65B
KR

KR 18 G
KR

CL KR 18 G
20 A

KR G TV
S

F
CL 7 0 S
19 F

KR CL
77 A

D
KR

S
TV

S
CL 82 C S
KR

18G
CL

66 73
79

C L 8 1BIS

23 68 S
CL 8 2A
C L 6 9F
18
19 G

KR

22 CL DG
20F

CL 6 7C S
D G 77
20D
KR

KR

K R 18P

18

B DG 66 DG 6 8 A TV
18Q

I K S 18H
21

S
21A

KR
S

S
DG

TV 23D
H

K K R 72
18

BIS

CL

K R R 2 R 23 18I TV
B
S

22
22

C L 66C S G A H
20

IS

S
U

D S 18
DG 59 C S

TV 28 I KR
61

8I
B

24 3C C L 66 18
S

A DG TV KR KR 1
81 D
A

DG 68 B S S
DG

K
1 8U

CL 67 D S I
S
19
AC 45 A

B
AC

18
BIS

KR 18J 18
KR

72
69
CL 8 2C S
KR

TV 32 S
CL 7 3 S S

R N
KR

CL

S
S

S KR S H K 18
BIS

CL 67 F S
CL 7 7B
C TV

D A
TV

KR G
S

8B IS K
71 B

CL 7 4 S

69 KR
TV
41

30 28 R 26 D IS
CL 77A

69
KR

5 TV 34 C L 6 8B S
18R

CL
80

S
D
S

22 A

DG
KR

DG JB
23

CL CL 68 S
1 8N

CL

TV 3 6
G
KR

C L 78B ISA S
18 P

CL

DG 68 BIS
KR
62

KR 19

18
CL

8A S
S

8 1G

1 8N
S

CL
22 B

CS
71

69C 1 8Q
S

CL

TV 18K
CL

KR KR
CL

S
BIS

CL 6 18Q
S

23

TV 37 KR
81
KR

S CL 68D KR
L

8B
8 1C

KR KR
F
63

18 X

CL 6 IS B TV
18

TV
KR

C L 68
S C

DG
S

34 K 31
D

76A
TV

S
KR
KR

KR

KB KR
7 0K

76
70

18M
7 0I

CL 7 8 S

IS
KR

29 27 BS
S
57

R M KR KR 18N
CL

V
43

JB
KR

CL L 69M

18
CL

S CL 68 KR 18J
M

KR 33 18
TV 2 0A
44

18
S
S
42

ABIS DG KR
45
CL

48 A

A
KR

S
SC

KR 21
S
SC
TV

CL
48 C

KR 18 Z

S 37 KR 18 P
62

DG CL 68 CL 68D C L 6 8H 6 9A TV TV 18R
69 P

KR
TV 35

69R

KR 20
48 FKR

KR 62D 37
C

CL
L 70

5 9A S S KR
L 70
KR 19

KR
CL
49A

6 9A B

N ú cleo P ara í so:

CL

CL
TV 42A KR

31

7 1B

Para
TV 33

CL

S KR 18L
CL

CL

S
CL 73 S

CL
K R 44 A

71

32
38
IS BIS 69 KR 21 BIS
C L 7 5BIS

S
S

S S
S

K
70

70 C L 70
K R 45 A K

5 8G 68G
6 8 68 J CL
KR

77
S C

80
69T

G
C L 7 6BIS S CL 7 6 S
43

DG
S

KR

D
A
KR

KR 18M
48G

DG 6 8A S

N ú cleo El
CL
S

M L

AS KS D

El
TV 19
AS

G
62C

S
A

S IS S 64 D DG 68 N B
47

C L 0D S

S 70

KR 18
CL
69

CL 18 KR 21
S

B
CL
45 K R

S
L 70

5 8D
KR 3 7

59B DG C L 69 22
CL CS CL 68H
NB KR
H
KR

TV
7 0G
QS
D

KR

CL S KR
KR

23
7

IS
KR
DG

KR
44

KR 26

59
CL

74 A
S

C L 69B 1 8R
KR

TV 18P A
S
CL

KR 63 CL KR 23 KR
P S CL
KR

KB
R

39

Paraí
Paraí so, Bella Flor,
CL
69
31

S
KR

SC

22
49 B

41
42

BIS
TV 22

CL 6 9L S

AS 69D
45

KR
44C

KR
71
46

KR
0A

IS

KR 2 4A
2 0F

JS

KR 2 4A
49

KR 64
KR 3 8
B

CL
CL 58 A S

60 S A KR 2 4B
CL
B KR

L 70F

41
D
43

CL
S
CL 6 1 S

23
TV 4 9

43

KR 64BIS
S
CL 59 S

S
KR
CL 59A S

K R A B IS KR
KR

KR 2 5
CL 60 S

E spino: El
KR 64 CL
S

Espino:
A

KR 26
TV

CL 70A

77
70D

6 9G
7 0L

KR 6 4A
C KR 4 C K R

2 0C
45

42
45

S
48
DG

KR 26
S

DG
K

A S
DG
CB

CS
D

KR 64B 69I
BB

R
C L 5 7T S

S
S
TV 43

TV
20

S KR 26 A
44

69

KR 65 B S
4

Villa Los Alp es, Villa

KR

68
IS K R

CL 26BI
57 C

KR 36
IS

CL
70

KR 65A 68
AK 5 1

TV
L
KR

KR 66 KR 6 6A KR
TV 38

AC
K R KR

K
X
48
C L 6 2B

21
JS
S
C L 62A S

47
S

KR
KR

8A 48
KR 6
49

44 69 S KR
A

Espino
46

K C CL
TV

45 R 4

K
39
A C

R
49

KR 67 69 26
AC 5 7R S

C L 70 S
49

48
36

C
K

IS
70

S
CB

KR 26C
TV

KR 68 CL
S

G
S

CL KR
71

6 8C

Gloria, Villa del

S

BIS
D

KR

TV

69N
KR 41

7 1C

27 A
CL

IS

KR 26C
S

KR 47

KR
70 U S

KR
N
DG

TV 26C
G

S
5B
TV

KR 49F 5

S KR
CL 60 A S

4 8 TV 48 BIS 27
70
A

S
S
R
46

S
D

71IBI

26 F
7 1H
68

27B
65

B IS
S

70
61

TV
TV

DG 74 BBISA

KR
CL

BIS

KR
69

CL
45
L
A

TV 4
4 0D

2 7C
71 S

KR KR
A
C
S

8A
CL
67

40B
63

KR 69 B 27 F
CL

TV 68C
TV
S

C L 7 2G
S

26
71K

KR
TV V 5 9

CL
KR 44

TV
CL

D G 6 9M
CL 6 2D S

27H
KR 45D
TV

KR F
DG
CL 61 S

68I

KR 70
71 M
TV

S KR
C L 7 2C

S
C L 60B

TV 4
S

KR
CL
CL 62 S

70 F 27 G
T

Progreso
8B 27
TV

KR
5

41

CL
70

68
71 P

27
S

D G 75C S
D G 76 S

C
CL

S 27I
CL
T V 61

CL 71 S
TV

A
TV
B

4 0C

70
S

CL
TV
D

TV

FS
7

KR KR
69
KR 53

AK 70 C
5

L
71 I

27 K
D G 75ABIS S
48

TV

CL
49 V 51

68 C 27
L

KR 70C
TV

KR
TV

C
S

AB
TV TV 49

DG
G

CL 72 S
7 3C

7 5 B IS S

27 J
28
KR 46 A

CL

B
T

70F IS
S
KR 52

KR 47 B

KR 70
TV
DG
66

KR 71 KR
75 75
49

KR 46 C

KR C L 72B S CL 7 2A KR
CL 6 0A S

27 L
A

KR 4 8A

N ú cleo Tres
S
CL

27 TV
2 7B

CL
KR 44 A
KR 45

BIS KR 71
KR

72
KR 48C

DG 69C P
A

S
KR 32

KR 70F C L 7 2F S KR 27
S
DG

TV 70G S 27 N
B
DG

71A H
KR 45 C
D T

42

KR
71K

L
KR 46 B

DG
KR

KR 71 DG
C

KR 71C
68

KR 47A

KR 45A

K R 27Q
L

KR 71G
TV

TV
62 G

73
TV

72
C

C L 7 3B BIS S
KR 48 B
V

AB
CL 66

F
CL
C L 65

35
54

IS
50

36

S
S
53
TV

KR 71C 71F S TV
TV
DG

TV 4 0

KR
S

4B
KR 46

KR 44 B

I
IS

28
34 3 4B
56

KR 71
KR 48

Reyes: Tres
38

L7
A SC L 6 6

S
69

P
CL

A S CL 6

TV 34

BIS
CL

CL

KR 47

TV 60 70
T V TV

71
KR 45 B T V

C
CL

TV TV
TV

KR 7 1H C DG TV 27T
CL 6 1 S

14
72 DG
63 S

3 5B
S

52

KR 4 6A
6 8A
64 A
CL 6 2F S

C L 64

38
67 S

T
V KR 73
S
CL 63

KR 73B
TV
TV
54

B
KR 71 J TV

N ú cleo San Francisco: S an

C
5S

S
S

72 F KR 73
KR 40

33
S

TV
73

CL
KR 72 56 72D
49

KR
TV

73 F 58
32

75
S

TV
CL 68

IS A KR KR
C

KR 37

C
AS

CL 77 S CL

Reyes, Marí
Ma rí a
TV 51
D
7 3D
S

TV
S

B KR 72 B 77 S
TV

D B IS S
TV

G
44

KR 43

KR 41
DG 6 2A

KR 73
TV

47
ISA

7 3 3D TV
75A
TV S
CL 6 2D S

73B A TV
TV
59

73 L TV
TV V 7 3 G
S

36
73

G BI
7 6B

C KR 44
TV 7

32

KR 73 7 S
CL

TV

TV
TV

T 7 H TV S TV 1 KR 70 IS
C

73 BIS TV
73 CB C L 78B
65

TV V

Fran cisco, A ca cias, Ju an Pablo II,

7 3H T V TV DG 44
6

cacias, Juan
35

7 KR DG 36
6 9B

CL

TV T 73 I TV 7 3 KR 72 66 B
A

Cano, La T V 7 3G 3B
73 73 S 80
KR 37
DG
CL

KR J KR 73 A A
D

B T TV 73F C L 80 S
S

S
G

CL 77D

KR 73C V 73
TV

DG
63B

67

73
64

7 3M
S

KR 73 F G KR 73D 81 CL 81 S
TV I
KR 40
73

B
BS

KR 73G TV TV CL 81 S
B IS 63

C L 77

KR 73 G IS B
IS S

K KR 74
H

KR 74 S
DG

KR 73 I 73 KR 73 H 73 73 B KR 73 G CL 8 2 S
B

Compa rtir
S

Compartir
S

B KR 73I 73H M
IS
C L 5 8A S

CL

CL 82B
KR
CL 75H

KR 73 J

Estancia
TV

KR 73 S
KR 45

R KR 73HB
CL

S
CL 5 9 S

CL

J K L
C

IS 83
CL

73
69A

S
73

DG 63
B IS TV CL
CL 6 2C S

KR 74
TV 4 6A

10
KR 74A KR 73 L
68C

TV
C L 62A S

S
I

74
68

DG 74
68A

74
DG 4 S

CL 75D
S

KR 74C
S

R B KR
D

74 B
CL 6 3BIS S

S C
C L 6 3B S

K
D G 75B

IS
G
D G 5 7Z

KR 74 C
66

KR 7 4C BIS KR 74F
S

KR 74D
6

KR 75
S

KR 74F F KR 74G
C L 62I S

L 67

KR 7 4G 74 KR 7 4H F TV KR 75A
TV IS 75 75
CL
CL 62 H S

C L 66A

CL

KR 74 I KR 74 I KR 75BB KR F KR 75C
AS
C L 6 2G S

TV KR 75 B
CL 62 B

KR 7 5 BIS
69A
C L 62

6 8C
CL 6 2F S

KR 75B
CL 64

CL 68B

KR 75 A KR 7 5A 7 5H
CL 5 8C S

KR 75F KR 75H TV KR 75G

CL 65B
S

N ú cleo Caracolí
Caracolí : Ca
S

KR 7 5D
C L 59A S

ra colíí,
7 5J

Caracol
CL 64
60

CL 68A
B S C L 6 4A
S

I KR 75L
S

KR 75
IS S

F
DG

KR 75H KR 75 I KR 76
C L 64C

75
C L 6 6 CL 65D
C L 6 2GBIS S

KR 75K
CL 66B

TV
CL 64

FS

S
CL 59 S

DG

75 KR 75 J 77
C L 62F BIS S

6
BIS S CL 6 8A S

I BIS KR 76A
CL 58 S

KR 75L T V KR 77
S

KR 75 L TV
S

76 KR 76 KR 76 B

Potos í , Santa Vivian a,

a , Sierra
KR 76
S

CL 68
S
S

B KR 77B
76 BIS KR 76C 77A
KR B KR 76D KR
CL 62 H S

KR 76
B

A KR 77
C L 61B

K R 76
S
S

A KR 77 B KR 7 7C
C L 57Z S

KR 77 77 BIS
CL 59A

Moren a
KR
KR 77B 77 C
TV

D TV
CL 6

KR 77
76

S
C

TV 7
C L 57R

CL 5

7B
0A S
CL 5

KR 77F
7Y S
7U S
B IS
S

Fuente: http://www.suivd.gov.co/G10/diagnosticosG10
 Anexo estadístico
Tabla 1. La correlación entre los delitos
Correlaciones

Hurto Número de Lesiones

establecimien Hurto a Hurto de hurto de personales
Homicidios Atracos to comercial residencias motocicletas vehículos comunes
(2003-2005) (2003-2005) (2003-2005) (2003-2005) (2003-2005) (2003-2005) (2003-2005)
Homicidios (2003-2005) Correlación de Pearson 1,000 ,317** ,189** ,365** ,105** ,093** ,416**
Sig. (bilateral) , ,000 ,000 ,000 ,002 ,005 ,000
N 910 910 910 910 910 910 910
Atracos (2003-2005) Correlación de Pearson ,317** 1,000 ,402** ,487** ,283** ,357** ,608**
Sig. (bilateral) ,000 , ,000 ,000 ,000 ,000 ,000
N 910 910 910 910 910 910 910
Hurto establecimiento Correlación de Pearson ,189** ,402** 1,000 ,454** ,273** ,266** ,572**
comercial (2003-2005) Sig. (bilateral) ,000 ,000 , ,000 ,000 ,000 ,000
N
910 910 910 910 910 910 910

Hurto a residencias Correlación de Pearson ,365** ,487** ,454** 1,000 ,283** ,282** ,638**
(2003-2005) Sig. (bilateral) ,000 ,000 ,000 , ,000 ,000 ,000
N 910 910 910 910 910 910 910
Hurto de motocicletas Correlación de Pearson ,105** ,283** ,273** ,283** 1,000 ,211** ,309**
(2003-2005) Sig. (bilateral) ,002 ,000 ,000 ,000 , ,000 ,000
N 910 910 910 910 910 910 910
Número de hurto de Correlación de Pearson ,093** ,357** ,266** ,282** ,211** 1,000 ,325**
vehículos (2003-2005) Sig. (bilateral) ,005 ,000 ,000 ,000 ,000 , ,000
N 910 910 910 910 910 910 910
Lesiones personales Correlación de Pearson ,416** ,608** ,572** ,638** ,309** ,325** 1,000
comunes (2003-2005) Sig. (bilateral) ,000 ,000 ,000 ,000 ,000 ,000 ,
N 910 910 910 910 910 910 910
**. La correlación es significativa al nivel 0,01 (bilateral).

Tablas 2-8. Frecuencia de delitos por unidad espacial

Homicidios (2003-2005)

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válidos ,00 615 67,6 67,6 67,6
1,00 146 16,0 16,0 83,6
2,00 72 7,9 7,9 91,5
3,00 29 3,2 3,2 94,7
4,00 19 2,1 2,1 96,8
5,00 14 1,5 1,5 98,4
6,00 8 ,9 ,9 99,2
7,00 5 ,5 ,5 99,8
8,00 2 ,2 ,2 100,0
Total 910 100,0 100,0

Atracos (2003-2005)

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válidos ,00 611 67,1 67,1 67,1
1,00 158 17,4 17,4 84,5
2,00 69 7,6 7,6 92,1
3,00 26 2,9 2,9 94,9
4,00 23 2,5 2,5 97,5
5,00 11 1,2 1,2 98,7
6,00 6 ,7 ,7 99,3
7,00 3 ,3 ,3 99,7
8,00 1 ,1 ,1 99,8
10,00 1 ,1 ,1 99,9
13,00 1 ,1 ,1 100,0
Total 910 100,0 100,0
 Hurto establecimiento comercial (2003-2005)

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válidos ,00 740 81,3 81,3 81,3
1,00 108 11,9 11,9 93,2
2,00 35 3,8 3,8 97,0
3,00 14 1,5 1,5 98,6
4,00 3 ,3 ,3 98,9
5,00 8 ,9 ,9 99,8
6,00 2 ,2 ,2 100,0
Total 910 100,0 100,0

Hurto a residencias (2003-2005)

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válidos ,00 589 64,7 64,7 64,7
1,00 142 15,6 15,6 80,3
2,00 90 9,9 9,9 90,2
3,00 48 5,3 5,3 95,5
4,00 23 2,5 2,5 98,0
5,00 7 ,8 ,8 98,8
6,00 6 ,7 ,7 99,5
7,00 4 ,4 ,4 99,9
11,00 1 ,1 ,1 100,0
Total 910 100,0 100,0

Hurto de motocicletas (2003-2005)

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válidos ,00 822 90,3 90,3 90,3
1,00 64 7,0 7,0 97,4
2,00 19 2,1 2,1 99,5
3,00 3 ,3 ,3 99,8
4,00 2 ,2 ,2 100,0
Total 910 100,0 100,0

Número de hurto de vehículos (2003-2005)

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válidos ,00 763 83,8 83,8 83,8
1,00 93 10,2 10,2 94,1
2,00 37 4,1 4,1 98,1
3,00 9 1,0 1,0 99,1
4,00 3 ,3 ,3 99,5
5,00 5 ,5 ,5 100,0
Total 910 100,0 100,0
 Lesiones personales comunes (2003-2005)

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válidos ,00 492 54,1 54,1 54,1
1,00 125 13,7 13,7 67,8
2,00 60 6,6 6,6 74,4
3,00 50 5,5 5,5 79,9
4,00 47 5,2 5,2 85,1
5,00 41 4,5 4,5 89,6
6,00 26 2,9 2,9 92,4
7,00 14 1,5 1,5 94,0
8,00 17 1,9 1,9 95,8
9,00 5 ,5 ,5 96,4
10,00 5 ,5 ,5 96,9
11,00 6 ,7 ,7 97,6
12,00 4 ,4 ,4 98,0
13,00 4 ,4 ,4 98,5
14,00 3 ,3 ,3 98,8
15,00 2 ,2 ,2 99,0
16,00 2 ,2 ,2 99,2
17,00 1 ,1 ,1 99,3
18,00 1 ,1 ,1 99,5
19,00 2 ,2 ,2 99,7
20,00 1 ,1 ,1 99,8
21,00 1 ,1 ,1 99,9
23,00 1 ,1 ,1 100,0
Total 910 100,0 100,0

Gráficas. Frecuencia de delitos por unidad espacial

Homicidios (2003-2005)
80

60

40

20
Porcentaje

0
,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00

Homicidios (2003-2005)
 Atracos (2003-2005)
80

70

60

50

40

30

20
Porcentaje

10

0
,00 2,00 4,00 6,00 8,00 13,00
1,00 3,00 5,00 7,00 10,00

Atracos (2003-2005)

Hurto establecimiento comercial (2003-2005)

100

80

60

40
Porcentaje

20

0
,00 1,00 2,00 3,00 4,00 5,00 6,00

Hurto establecimiento comercial (2003-2005)

Hurto a residencias (2003-2005)

70

60

50

40

30

20
Porcentaje

10

0
,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 11,00

Hurto a residencias (2003-2005)

 Hurto de motocicletas (2003-2005)
100

80

60

Porcentaje 40

20

0
,00 1,00 2,00 3,00 4,00

Hurto de motocicletas (2003-2005)

Número de hurto de vehículos (2003-2005)

100

80

60

40
Porcentaje

20

0
,00 1,00 2,00 3,00 4,00 5,00

Número de hurto de vehículos (2003-2005)

Lesiones personales comunes (2003-2005)

60

50

40

30

20
Porcentaje

10

0
,00 4,00 8,00 12,00 16,00 20,00
2,00 6,00 10,00 14,00 18,00 23,00

Lesiones personales comunes (2003-2005)

 Anexo estadístico
La relación entre el homicidio y otras variables

Cuadro 1
Uso del suelo Homicidios (2003-2005)
ÁREA DE ACTIVIDAD DE COMERCIO 1
AREA DE ACTIVIDAD DOTACIONAL 7
AREA DE ACTIVIDAD INDUSTRIAL 23
AREA DE ACTIVIDAD MINERA 31
AREA DE ACTIVIDAD RESIDENCIAL 382
AREA URBANA INTEGRAL 124
SISTEMA DE AREAS PROTEGIDAS 33
Nd 309
Total 910

Cuadro 2
Estrato Homicidios (2003-2005)
,00 242
1,00 268
2,00 134
3,00 18
9,00 248
Total 910

Cuadro 3
Período de construcción Homicidios (2003-2005)
1950-1960 22
1960-1970 60
1970-1980 138
1980-1990 123
1990-2006 245
Nd 322
Total 910

Cuadro 4
Presencia de CAI Homicidios (2003-2005)
0 899
1 11
Total 910

Cuadro 5
Cantidad colegios Homicidios (2003-2005)
0 770
1 101
2 28
3 7
4 4
Total 910

Cuadro 6
Cantidad de iglesias Homicidios (2003-2005)
0 835
1 68
2 3
3 4
Total 910
 La relación entre el atraco y otras variables

Cuadro 7
Uso del suelo Atracos (2003-2005)
ÁREA DE ACTIVIDAD DE COMERCIO 1
AREA DE ACTIVIDAD DOTACIONAL 7
AREA DE ACTIVIDAD INDUSTRIAL 23
AREA DE ACTIVIDAD MINERA 31
AREA DE ACTIVIDAD RESIDENCIAL 382
AREA URBANA INTEGRAL 124
SISTEMA DE AREAS PROTEGIDAS 33
Nd 309
Total 910

Cuadro 8
Estrato Atracos (2003-2005)
,00 242
1,00 268
2,00 134
3,00 18
9,00 248
Total 910

Cuadro 9
Período de construcción Atracos (2003-2005)
1950-1960 22
1960-1970 60
1970-1980 138
1980-1990 123
1990-2006 245
Nd 322
Total 910

Cuadro 10
Presencia de CAI Atracos (2003-2005)
0 899
1 11
Total 910

Cuadro 11
Cantidad colegios Atracos (2003-2005)
0 770
1 101
2 28
3 7
4 4
Total 910

Cuadro 12
Cantidad de iglesias Atracos (2003-2005)
0 835
1 68
2 3
3 4
Total 910