Predicción y caracterización de las pérdidas de crímenes de propiedad en tiendas en Estados Unidos

En los últimos años, la percepción de la criminalidad ha ido aumentando al dar la sensación de que cada vez son más los delitos que se llevan a cabo. Sin embargo, en lo referente a los crímenes de propiedad, en Estados Unidos la frecuencia con que suceden los delitos ha venido en descenso desde un p...

Full description

Autores:: Franco Orjuela, Liza Valentina

Tipo de recurso:

Fecha de publicación:: 2019

Institución:: Universidad de los Andes

Repositorio:: Séneca: repositorio Uniandes

Idioma:: spa

Description
Summary:	En los últimos años, la percepción de la criminalidad ha ido aumentando al dar la sensación de que cada vez son más los delitos que se llevan a cabo. Sin embargo, en lo referente a los crímenes de propiedad, en Estados Unidos la frecuencia con que suceden los delitos ha venido en descenso desde un poco más de 20 años atrás. A pesar de lo anterior, es primordial identificar qué factores pueden ser causantes de la vulnerabilidad presente en las zonas en las que esto sucede, específicamente, en establecimientos que son clientes del grupo ALTO en dicho país. Con el propósito de identificar el riesgo que una tienda presenta frente a los hurtos y caracterizar las pérdidas asociadas se propuso clasificar los establecimientos, teniendo en cuenta si estos han sido hurtados o no. A través de minería de datos se buscó extraer relaciones entre las características del entorno que rodea a una tienda de forma que sea posible cuantificar una medida de riesgo que un establecimiento presenta de ser hurtado. Este estudio consideró la Regresión Logística, Random Forest y Support Vector Machine para el desarrollo de la predicción de delitos, porque son considerados algoritmos de aprendizaje eficientes para la predicción de este tipo de datos, como se encontró en la literatura relacionada. Luego de identificar el riesgo de hurto, se estudiaron los comportamientos de las pérdidas relacionadas, para lo cual se utilizaron los valores esperados de las pérdidas a lo largo de la semana y a lo largo del año para identificar periodos en los cuales se presentan pérdidas de mayor valor. Adicionalmente, se recrearon las pérdidas acumuladas tasadas mensualmente, para identificar el volumen de los costos bajos, medios y altos, y con esta información se agruparon las diferentes tiendas haciendo uso del algoritmo k - means. De tal manera que no solo se presentó una aproximación de la vulnerabilidad presentada por cada establecimiento, sino que se encontraron factores en el comportamiento de los costos de las pérdidas que permiten guiar a estrategias de mitigación eficientes para cada tienda de acuerdo con los crímenes que históricamente le han afectado.

Predicción y caracterización de las pérdidas de crímenes de propiedad en tiendas en Estados Unidos

Publicaciones similares