Powered by OpenAIRE graph
Found an issue? Give us feedback
addClaim

Anticipando el Crimen

Authors: Alex Fidel Torres Calderón; Rosario Liliana Lucero Diaz; Luis Felix Torres Feliciano; Miguel Ángel Castañeda Samanamu; Vicente Miguel Alvino Aldave;

Anticipando el Crimen

Abstract

El libro Anticipando el Crimen presenta un enfoque innovador y científico al problema del comportamiento delincuencial en la provincia de Huaura, combinando la matemática aplicada con la criminología. A través de la utilización de modelos matemáticos, el autor desarrolla una metodología que pretende predecir y, por lo tanto, anticipar los fenómenos delictivos en esta región peruana durante el año 2022. El principal propósito del trabajo es construir un modelo matemático que permita proyectar el comportamiento delincuencial, lo cual es particularmente relevante en contextos como Huaura, donde la dinámica socioeconómica influye significativamente en las tasas delictivas. El autor busca proporcionar una herramienta práctica para las autoridades locales, basada en datos y análisis cuantitativos. El estudio sigue un enfoque cuantitativo, basado en un análisis estadístico de las incidencias delictivas registradas en Huaura. Utiliza un diseño no experimental y transversal, que implica la recopilación de datos en un único momento del tiempo. La muestra incluye 1318 incidencias delictivas, lo que da una base sólida para la elaboración del modelo. Uno de los aspectos más interesantes de la metodología es su capacidad para identificar la relación entre variables como la tasa de pobreza, desempleo y el nivel educativo promedio con la tasa de criminalidad. La evidencia estadística sugiere una correlación significativa entre estas variables, lo que subraya la naturaleza multidimensional del fenómeno delincuencial. Los resultados del estudio son esclarecedores en varios frentes. En primer lugar, el análisis demuestra que la tasa de pobreza sigue una distribución normal, mientras que la tasa de delincuencia, desempleo y el promedio escolar exhiben comportamientos no normales. La bondad de ajuste (R² = 60.7%) indica que el modelo es capaz de explicar una parte considerable de la variación en la tasa de delincuencia, lo que lo convierte en un recurso valioso para las políticas públicas. La alta correlación entre las variables (R = 0.779) muestra una fuerte relación entre los factores socioeconómicos y el comportamiento delictivo. Esta conclusión se refuerza con un nivel crítico de significancia de 0.014, lo que permite inferir que las variables están linealmente relacionadas de manera robusta. El libro concluye que es posible predecir el comportamiento delictivo en Huaura a través del desarrollo de modelos matemáticos basados en datos estadísticos. Esto ofrece un enfoque preventivo a las autoridades locales, permitiendo una mejor planificación de las políticas de seguridad y de los recursos destinados a la reducción de la criminalidad. Anticipando el Crimen es un libro relevante tanto para expertos en criminología como para matemáticos interesados en aplicaciones prácticas de la modelación. Aunque el libro aporta herramientas valiosas, su enfoque cuantitativo podría complementarse con un análisis cualitativo para abordar mejor las causas subyacentes de la delincuencia. Sin embargo, su contribución al campo de la seguridad pública en contextos locales es innegable y destaca por su rigor metodológico y utilidad práctica. El uso de un enfoque interdisciplinario, que combina matemáticas y análisis social, convierte a este libro en una referencia importante para quienes buscan comprender y mitigar los fenómenos delictivos en contextos similares.

  • BIP!
    Impact byBIP!
    selected citations
    These citations are derived from selected sources.
    This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    0
    popularity
    This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
    Average
    influence
    This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    Average
    impulse
    This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
    Average
Powered by OpenAIRE graph
Found an issue? Give us feedback
selected citations
These citations are derived from selected sources.
This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Citations provided by BIP!
popularity
This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
BIP!Popularity provided by BIP!
influence
This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Influence provided by BIP!
impulse
This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
BIP!Impulse provided by BIP!
0
Average
Average
Average
Upload OA version
Are you the author of this publication? Upload your Open Access version to Zenodo!
It’s fast and easy, just two clicks!