← Volver a proyectos

DatosTesis de maestría2026

Índice de riesgo delictivo cantonal en Ecuador

Índice compuesto de riesgo delictivo para todos los cantones del país, segmentación con KMeans y pronóstico nacional con seis modelos de series de tiempo.

PythonSeries de tiempoLSTMXGBoostPCAKMeans

Pregunta

¿Cómo medir el riesgo delictivo por cantón de forma justa, cuando hay cantones con millones de habitantes y otros con unos pocos miles? Y, con esa medida, ¿qué modelo pronostica mejor la tendencia nacional?

Enfoque

1. Índice cantonal. Con datos del Ministerio del Interior (homicidios, detenidos y armas incautadas) y proyecciones de población del INEC:

  • Tasas por cada 10 000 habitantes.
  • Shrinkage bayesiano para que los cantones pequeños no aparezcan como extremos por puro ruido: su tasa se acerca a la media en proporción a su tamaño.
  • Pesos derivados de PCA y un índice final como z-score ponderado.
  • Prueba de robustez comparando el índice contra tasas sin ajustar y conteos absolutos.

2. Segmentación. KMeans evaluado con codo, silueta, Calinski-Harabasz y Davies-Bouldin; el resultado fueron 6 grupos de cantones con perfiles de riesgo distintos.

3. Pronóstico. Índice nacional mensual, entrenando con 2019-2023 y evaluando en 2024-2025, sin fuga de información del periodo de prueba.

Resultados (test 2024-2025)

Modelo RMSE MAE
Ensamble 0.0871 0.0679
LSTM 0.1169 0.0963
XGBoost 0.1340 0.1102
ETS 0.1361 0.1221
Prophet 0.1501 0.1362
ARIMA 0.1609 0.1486

Stack

pandas, scikit-learn, TensorFlow/Keras, xgboost, statsmodels, pmdarima y Prophet.