Diseño y análisis multivariado de un índice sintético para la medición del riesgo de inseguridad por delitos de alto impacto en las UPZ de Bogotá

dc.contributor.advisorRiascos Ochoa, Javier
dc.creatorCortés Merchán, Gabriela
dc.date.accessioned2026-01-16T18:35:37Z
dc.date.created2026-01-15
dc.description.abstractLa inseguridad es uno de los retos sociales más relevantes en las ciudades latinoamericanas, pues impacta la calidad de vida, la confianza ciudadana y el desarrollo económico. En Bogotá, los delitos de alto impacto se distribuyen de forma desigual entre las Unidades de Planeamiento Zonal (UPZ). Sin embargo, gran parte de la literatura se limita a indicadores descriptivos de incidencia o tasas. Este trabajo propone un enfoque analítico que construye un índice de inseguridad e incorpora variables demográficas, socioeconómicas, de percepción, afectación y luminosidad urbana, con el fin de entender la inseguridad como un fenómeno territorial y multifactorial. La investigación analiza el riesgo de inseguridad en Bogotá para el periodo 2018–2023, integrando fuentes abiertas de la Secretaría Distrital de Seguridad, Convivencia y Justicia, la Encuesta Multipropósito de Bogotá 2021 (DANE) y datos abiertos de luminosidad. Siguiendo CRISP-DM, se construyó un índice sintético mediante Análisis de Componentes Principales (PCA), que explica el 83,66% de la varianza total; debido a su sesgo inicial, el índice se ajustó con una función por tramos basada en cuantiles para mejorar su interpretabilidad. Posteriormente, se aplicó una regresión lineal múltiple (R² = 0,8419; R² ajustado = 0,8018) y un análisis de clúster jerárquico que identificó tres patrones territoriales: (1) zonas de alta intensidad y afectación (≈0,51), (2) sectores de riesgo medio con mejores condiciones socioeconómicas (≈0,36) y (3) áreas con baja incidencia delictiva pero alta percepción de inseguridad (≈0,29). En conjunto, los resultados evidencian que la inseguridad se concentra en sectores de alta movilidad y actividad económica, mientras que en algunas periferias podría presentarse una “inseguridad silenciosa” asociada al subregistro. El índice propuesto es replicable y aporta un insumo para la gestión pública, la planificación urbana y la priorización de intervenciones territoriales basadas en evidencia.
dc.description.abstractenglishInsecurity is one of the most pressing social challenges in Latin American cities, as it affects quality of life, public trust, and economic development. In Bogotá, high-impact crimes are unevenly distributed across the Zonal Planning Units (UPZ). However, much of the literature is limited to descriptive incidence indicators and rates. This study proposes an analytical approach that builds an insecurity index and incorporates demographic, socioeconomic, perception, victimization/impact, and urban night-time light (luminosity) variables, in order to understand insecurity as a territorial and multifactorial phenomenon. The research assesses insecurity risk in Bogotá over the 2018–2023 period by integrating open data from the District Secretariat for Security, Coexistence and Justice, the 2021 Bogotá Multipurpose Survey (DANE), and open urban luminosity data. Following the CRISP-DM methodology, a synthetic index was constructed using Principal Component Analysis (PCA), explaining 83.66% of the total variance; due to its initial skewness, the index was adjusted using a piecewise quantile-based function to improve interpretability. Subsequently, a multiple linear regression (R² = 0.8419; adjusted R² = 0.8018) and a hierarchical cluster analysis identified three territorial patterns: (1) areas of high intensity and impact (≈0.51), (2) medium-risk sectors with better socioeconomic conditions (≈0.36), and (3) areas with low crime incidence but high perceived insecurity (≈0.29). Overall, the results show that insecurity is concentrated in areas with high mobility and economic activity, while in some peripheral zones a “silent insecurity” associated with underreporting may occur. The proposed index is replicable and provides an input for public management, urban planning, and the prioritization of evidence-based territorial interventions.
dc.format.extent25 páginas
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12010/38798
dc.language.isoes
dc.relation.referencesBeltrán, D. (02 de 07 de 2025). INFOBAE. Obtenido de https://www.infobae.com/colombia/2025/07/02/estos-son-los-barrios-y-localidades-mas-peligrosas-de-bogota-segun-el-distrito-son-los-lugares-donde-hay-mas-robos-y-homicidios
dc.relation.referencesBrian S. Everitt, S. L. (2011). Análisis de conglomerados, 5.ª edición. doi:10.1002/9780470977811
dc.relation.referencesCadima, J. &. (2016). Principal component analysis: a review and recent developments. doi:https://doi.org/10.1098/rsta.2015.0202
dc.relation.referencesConcejo de bogota. (22 de 07 de 2025). Obtenido de https://concejodebogota.gov.co/localidades-donde-mas-roban-celulares-en-bogota-concejal-diana-diago/cbogota/2025-07-22/125154.php#:~:text=Las%20localidades%20en%20las%20que,%2C%20Usaqu%C3%A9n%2C%20Kennedy%20y%20Usaqu%C3%A9n.
dc.relation.referencesCristina Davino, P. D. (2018). A Quantile Composite-Indicator Approach for the Measurement of Equitable and Sustainable Well-Being: A Case Study of the Italian Provinces. doi:10.1007/s11205-016-1453-8
dc.relation.referencesDamodar N. Guajarati, D. C. (2009). Basic Econometrics (5th ed.).
dc.relation.referencesData Science PM. (18 de 11 de 2024). CRISP-DM sigue siendo el marco de trabajo más popular para la ejecución de proyectos de ciencia de datos. Obtenido de Data Science PM: https://www.datascience-pm.com/crisp-dm-still-most-popular/
dc.relation.referencesDefensoria del pueblo. (2025). Informe de Seguimiento N° 003-2025 a la Alerta Temprana N° 004-2024 Bogotá . Bogotá.
dc.relation.referencesDoran, B. &. (2012). Putting Fear of Crime on the Map.
dc.relation.referencesEnrico Pegoraro, A. C. (2017). R Data Mining implement data mining techniques through practical use cases and real-word datasets. EE.UU: SPSS Inc.
dc.relation.referencesdatasets. EE.UU: SPSS Inc. Field, A. P. (2018). Discovering Statistics Using IBM SPSS Statistics (5ª edición). SAGE Publications Ltd.
dc.relation.referencesHair, J. B. (2019). Análisis de datos multivariados (8.ª ed.). Inglaterra.
dc.relation.referencesJacobs, J. (1961). The Death and Life of Great American Cities. Estados Unidos: Random House.
dc.relation.referencesJolliffe, I. T. (2002). Principal Component Analysis (2nd ed.). Springer Series in Statistics. Nueva York, EE. UU.: Springer-Verlag. doi:https://doi.org/10.1007/b98835
dc.relation.referencesLeonard Kaufman, P. J. (1990). Finding Groups in Data: An Introduction to Cluster Analysis. Copyright © 2005 John Wiley & Sons, Inc. doi:10.1002/9780470316801
dc.relation.referencesLeonard Kaufman, P. J. (1990). Identificación de grupos en los datos : Introducción al análisis de conglomerados. Copyright © 2005 John Wiley & Sons, Inc. doi:10.1002/9780470316801
dc.relation.referencesLove, P. C. (s.f.). A Review and Current Status of Crime Prevention through Environmental Design. SAGE Publications.
dc.relation.referencesM., L. H.-L. (2013). Factores que propician la violencia y la inseguridad: apuntes para una. México. Obtenido de https://cei.colmex.mx/archivos/213/Luis_Herrera-Lasso__Factores_que_propician_la_violencia_y_la_inseguridad.pdf
dc.relation.referencesMontgomery, D. C., Peck, E. A., & Vining, G. G. (2021). Introduction to Linear Regression Analysis. Hoboken, New Jersey, EE. UU.: John Wiley & Sons. Obtenido de https://books.google.com.co/books?id=2OtMvgEACAAJ&printsec=frontcover&hl=es&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false
dc.relation.referencesOCDE, U. E. (2008). Organisation for Economic Co-operation and Development (OECD). (2008). Handbook on Constructing Composite Indicators: Methodology and User Guide. . París, Francia.: OECD. doi:https://doi.org/10.1787/9789264043466-en
dc.relation.referencesPareto, A. (2013). A Non-compensatory Composite Index for Measuring Well-being over Time. Obtenido de https://www.researchgate.net/publication/281106387_A_Non-compensatory_Composite_Index_for_Measuring_Well-being_over_Time
dc.relation.referencesPaul M. Cozens, T. L. (2015). A review and current status of Crime Prevention through Environmental Design. California: SAGE Publications, Inc.
dc.relation.referencesProBogota. (2023). Informe Anual de seguridad 2022.
dc.relation.referencesProBogotá Región. (2022). Índice Integral de Seguridad en las Localidades. Bogotá: ProBogotá Región. Obtenido de https://www.probogota.org/wp-content/uploads/2023/05/Indice-Integral-de-Seguridad-en-Localidades-2022_digital.pdf
dc.relation.referencesSalvatore Greco, A. I. (2019). On the Methodological Framework of Composite. Oxford, Reino Unido.: Elsevier. doi:https://doi.org/10.1007/s11205-017-1832-9
dc.relation.referencesSDP, Secretaría Distrital de Planeación. (2020). Documento diagnóstico de la Política Pública de Seguridad, Convivencia y Justicia 2020-2030. Alcaldía Mayor de Bogotá. Bogotá: Alcaldía Mayor de Bogotá D.C. Obtenido de https://www.sdp.gov.co/sites/default/files/documento_diagnostico_seguridadpaz.pdf
dc.relation.referencesSecretaría Distrital de Seguridad, C. y.–S. (2023). Informe de indicadores de delitos de alto impacto en Bogotá 2023. Bogptá: Bogotá, Alcaldía Mayor de Bogotá D.C.
dc.relation.referencesSecretaría Distrital de Seguridad, Convivencia y Justicia. (2024). Boletín de Delitos de Alto Impacto 2023. Bogotá, Colombia.: Alcaldía Mayor de Bogotá D.C.
dc.relation.referencesSemana. (22 de 09 de 2023). Los Mártires, Ciudad Bolívar y Antonio Nariño, las localidades más inseguras en la capital, según índice de Probogotá. Semana.
dc.relation.referencesUN-Habitat. (2020). Annual Report. United Nations Human Settlements Programme.
dc.subjectÍndice sintético
dc.subjectDelitos de alto impacto
dc.subjectCalidad de vida
dc.subjectFactores demográficos
dc.subjectFactores socioeconómicos
dc.subjectAfectaciones
dc.subjectAccesibilidad
dc.subjectPercepción
dc.subject.keywordSynthetic index
dc.subject.keywordHigh-impact crimes
dc.subject.keywordQuality of life
dc.subject.keywordDemographic factors
dc.subject.keywordSocioeconomic factors
dc.subject.keywordAffectations
dc.subject.keywordAccessibility
dc.subject.keywordPerception
dc.subject.lembInseguridad ciudadana - Bogotá (Colombia
dc.subject.lembCriminalidad - Análisis espacial
dc.subject.lembSeguridad urbana - Bogotá (Colombia)
dc.titleDiseño y análisis multivariado de un índice sintético para la medición del riesgo de inseguridad por delitos de alto impacto en las UPZ de Bogotá
dc.type.coarhttp://purl.org/coar/resource_type/c_2df8fbb1

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
Articulo - Tesis Maestria Gabriela Cortes Merchan - vfinal.pdf
Tamaño:
1.29 MB
Formato:
Adobe Portable Document Format

Bloque de licencias

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
3.28 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Cargando...
Miniatura
Nombre:
FOR-EFE-GDB-008_AUTORIZACION_DE_PUBLICACION_DE_TESIS_O_TRABAJO_DE_GRADO_DE_FORMA_CONFIDENCIAL_firmado_JRO.pdf
Tamaño:
334.9 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de autorización