📊 Análisis Espacial de la Criminalidad en CABA

Este repositorio contiene un análisis actuarial y estadístico sobre la distribución de delitos en la Ciudad Autónoma de Buenos Aires, utilizando técnicas de Econometría Espacial para cuestionar los supuestos de independencia en la modelización de riesgos.

🎯 Objetivo

El proyecto demuestra que la ubicación no debe ser tratada únicamente como una variable categórica estanca (enfoque tradicional de los modelos de tarificación). Se evidencia la existencia de dependencia espacial significativa, lo que implica que el riesgo de una unidad territorial está intrínsecamente ligado al de sus vecinas.

🛠️ Stack Tecnológico

• Lenguaje: Python 3.12
• Análisis Espacial: GeoPandas, libpysal, esda
• Visualización: Matplotlib, Contextily, splot

📂 Estructura del Proyecto

• data/:
  • comunas.zip: Capas geográficas de las comunas de CABA.
  • poblacion_caba.csv: Datos demográficos (Censo 2022) para la normalización de tasas.
  • snic-departamentos-anual.csv: Estadísticas oficiales de criminalidad.
• notebooks/:
  • 01_processing.ipynb: Notebook principal con la limpieza, merge de datos, cálculo de tasas y modelado de autocorrelación (Moran's I y LISA).

📈 Hallazgos y Resultados Técnicos

• Global Moran's I (0.2006): Se rechaza la hipótesis nula de aleatoriedad espacial ($p < 0.05$). Existe una clusterización positiva del delito.
• Análisis de Clústeres (LISA): Identificación de Hotspots (High-High) y Outliers (Low-High), permitiendo una segmentación de riesgo mucho más precisa que la obtenida por métodos lineales tradicionales.

---

Análisis realizado por Juan Pablo Rosiello LinkedIn