Modelos predictivos espaciales para el análisis de la delincuencia
Puede incorporar modelos estadísticos predictivos en los métodos de análisis de la delincuencia para producir análisis que describir y predecir dónde y qué tipo de actividad criminal es probable que ocurran.
modelos predictivos espaciales pueden ayudar a predecir el comportamiento, la ubicación o las actividades delictivas de los reincidentes. También se pueden aplicar métodos estadísticos a los datos espacio-temporales para determinar causales o correlativos variables relevantes para el crimen y la aplicación de la ley.
La siguiente lista incluye tipos de enfoques que son útiles en los modelos de predicción espacial para el análisis de delitos:
Video: Animacion sobre la delincuencia juvenil
- La agrupación: Puede utilizar los métodos de estimación de densidad de kernel para cuantificar la densidad espacial de las actividades criminales y para generar medidas comparativas entre las densidades de la actividad delictiva en relación con la población base de la zona afectada.
estimación de la densidad Kernel (KDE) es un método de suavización que funciona mediante la colocación de un núcleo - o, una función de ponderación que es útil para la cuantificación de la densidad - en cada punto de datos en el conjunto de datos y luego sumando los granos para generar una estimación de densidad kernel para el global región.
Video: Bajo la mira documental RCN ( Capturada banda de ladrones en bogota )
- estadística espacial avanzadas: Un ejemplo de esto es el uso de análisis de regresión para establecer cómo una o más variables independientes crimen de la causa directa o correlacionarse con, una variable dependiente de la delincuencia. Por último, las estadísticas espaciales avanzados se utilizan para hacer predicciones de comportamiento en caso de reincidencia y para predecir la actividad criminal futuro basándose en los registros históricos sobre el comportamiento criminal y la información sobre las condiciones actuales.