Homicidios en Mexico

El INEGI de Mexico publica datos socio-economicos compilados de diversas fuentes en su sitio.

Se puede descargar los datos aqui.

Los datos son disponibles libremente al publico, pero es un reto procesar datos complejos de este tipo. Aqui hay codigo en R para ayudar.

http://rpubs.com/dgolicher/976

Lo mas interesante del ejercicio con homicidios es resumido en este grafico. Incluyo la tabla al fondo de este documento con los datos procesados.

Es notable que el numero de homicidios al nivel nacional no ha cambiado mucho desde 2001. La tendendencia subyacente era por abajo antes del la guerra contra el narcotrafico. Aun en 2009 la tasa era menor que en 1998. No hay datos disponibles en el sitio de INEGI todavia para los años 2010 y 2011 pero seria interesante verlos. Tal vez los cambios no han sido tan dramaticos como mucha gente piensa. Este surgiere que la mayoria de los homicidios todavia no estan vinculados con el narco trafico.

Al mismo tiempo el mensaje no es reconfortante en absoluto. La tasa de homicidio al nivel nacional SIEMPRE ha sido espantosa. La tasa es muy por encima de lo aceptable. Para poner las cifras en contexto, en el Reino Unido en 2009 se reportaron 670 homicidios en un pais de alrededor de 60 millones de habitantes. O sea, alrededor de 1 homicidio por cada 100,000 de la población. En cambio la cifra por Mexico fue 40 en 1998, se bajo hacia 20 antes de la crisis con el narco-trafico pero actualmente es alrededor de 30 y ya subiendo de nuevo. La tasa es mas alto que lo reportado aqui para Mexico.

http://en.wikipedia.org/wiki/List_of_countries_by_intentional_homicide_rate

Es possible que los datos de INEGO sobre estima la tasa un poco. Las cifras son “presuntos” homicidios reportado al ministerio publico. Una porcentaje de los incidentes tal vez tenia otra causa. Al mismo tiempo es interesante comparar el numero de incidentes con el numero de condenados por el crimen (alrededor de 5 veces menor). Hay dos explicaciones possibles. Los asesinos en Mexico cometen multiples crimenes antes de ser condenados, o hay muchos asesinos que no se agarran nunca. Cualquier explicación es muy preocupante.

Las buenas noticias es que el estado de Chiapas ha mostrado una reducción constante en la tasa de homicidios desde los años 90. Curiosamente la ciudad de Mexico tampoco es un sitio tan peligrosa (en terminos relativos) como se hubiera inaginado. Aunque si hay muchos homicidios en el DF, la población de la cuidad es grande, entonces la tasa por capita es por debajo de muchos estados rurales como Oaxaca y Guerrero. De hecho, homicidio en Mexico es mas comun en areas rurales que en las ciudades (tomando en cuenta la población). Este surgiere que el homicidio y la pobreza estan estrechamente vinculados. Una forma de conseguir un pais mas seguro sería enfrentar la pobreza. Aun con sus problemas de disponibilidad de armas de fuego la tasa en Los Estados Unidos es alrededor de 5 homicidios por cada 100,000, o sea cinco veces mas alta que el Reino Unido pero 4 veces mas baja que Mexico. La tasa en Chile es parecido al Reino Unido. El pais mas seguro de Europa aprentemente es España.

NOTA. LA LEYENDA DEBE DECIR 100,000 no 10,000.

	Cve_Entidad	Desc_Entidad	Hom1998	Hom1999	Hom2000	Hom2001	Hom2002	Hom2003	Hom2004	Hom2005	Hom2006	Hom2007	Hom2008	Hom2009	Hom2010
528	0	Total nacional	38	31	28	28	29	29	27	26	23	25	30	29
1202	1	Aguascalientes		19	17	14			15	18	18	18	22	23
7526	2	Baja California	24	27		19	18	18	17	19	14	31	122	24
10790	3	Baja California Sur	27		23	20	17	16	21	21	16	19	18	13
14054	4	Campeche	38	29	24	18	21	20	15	17	16	19	16	13
20376	5	Coahuila de Zaragoza	19	16	17	17	15	15	13	14	14	14	19	22
40476	6	Colima	34	29	26	28	22	23	20	18	16	17	19	17
46290	7	Chiapas	56	60	49	49	46	45	42	40	36	36	23	25
107278	8	Chihuahua	44	32	36	33	30	29	28	30	31	37	80	110
142162	9	Distrito Federal	22	21	18	20	20	19	18	18	17	18	17	16
151021	10	Durango	15	47	48	37	26	23	14	15	16	20	55	101
171626	11	Guanajuato	24	24	23	21	23	20	21	22	20	21	21	24
195803	12	Guerrero	60	56	59	54	47	40	33	36	40	41	44	60
237819	13	Hidalgo	28	26	22	22	20	15	15	18	15	15	16	15
281376	14	Jalisco	55				25	22	19	17	18	17	17	19
345827	15	México	50	49	46	46	45	44	42	37	17	17	19	19
410296	16	Michoacán de Ocampo	69	15	12	12	32	33	29	26	35	38	42	50
468641	17	Morelos	51	54	47	38	40	39	48	51	42	40	54	57
486188	18	Nayarit	49	27	33	32	21	20	19	23	35	36	35	35
497080	19	Nuevo León	14	14	13	15	13	13	12	15	15	18	16	15
523986	20	Oaxaca	46	56	66	72	66	70	72	68	41	45	36	25
815378	21	Puebla	39	33	33	30	30	29	26	21	21	22	22	21
927437	22	Querétaro	82	21		22	24	20	19	22	19	16	16	19
937331	23	Quintana Roo	54	55	67	54	58	52	37	25	24	34	49	53
942619	24	San Luis Potosí	23	24	24	18	18	12	18	16	12	17	21	26
972916	25	Sinaloa	45	47	42	44	43	43	44	48	51	52	68	72
982810	26	Sonora	54	42	33	34	28	28	28	35	31	36	37	38
1020247	27	Tabasco	19	12	11	9	14	16	6	4	8	21	26	24
1029631	28	Tamaulipas	40	37	27	23		20			28	27	30	29
1052276	29	Tlaxcala	16	34	46	50	50	41	40	39	34	34	36	29
1083590	30	Veracruz de Ignacio de la Llave	25	22	21	20	21	21	20	20	18	20	21	22
1192425	31	Yucatán	6			10	16	17	13	13	13	15	14	10
1247200	32	Zacatecas	28	20	21	20	22	20	20	21	16	19	13	15

Wettest June on record?

On monday 2 July the UK Met office announced that June 2012 was the wettest on record.

How does the month really compare with previous years?

Here is an analysis in R that helps to show the patterns.

Click on this link to look at the analysis and R code

A few useful R tricks

As a result of running an introductory course on R I received queries on the following matters.

1. How to import files with additional header lines.
2. How to remove ALL non numeric characters from a column in one pass.
3. How to add the position of the mean to boxplots.
4. How to save multiple images in a file.
5. How to use reshape to form tables with multiple measured variables.
6.  How to paste numeric output into plot titles.

The code has been published here as my first test of the great new Knit html feature in Rstudio.

http://rpubs.com/dgolicher/727

The climate data downloaded from

http://www.metoffice.gov.uk/climate/uk/stationdata/

Here is a PDF showing some of the tricks.

https://dl.dropbox.com/u/2703650/R/NewRCourse/SomeRTricks.pdf

Or as an HTML  page.

https://dl.dropbox.com/u/2703650/R/NewRCourse/Rtricks.html

Here are some useful functions

### R code from vignette source ‘SomeRTricks.Rnw’
### Encoding: UTF-8

source(url(“http://tinyurl.com/Rexample/IntroFunctions.R”))

###################################################
### code chunk number 1: SomeRTricks.Rnw:92-93
###################################################
options(prompt=” “,continue=” “)

###################################################
### code chunk number 2: SomeRTricks.Rnw:96-97
###################################################
datasource<-”http://www.metoffice.gov.uk/climate/uk/stationdata/hurndata.txt&#8221;

###################################################
### code chunk number 3: SomeRTricks.Rnw:100-101 (eval = FALSE)
###################################################
## d<-read.table(datasource,skip=7)

###################################################
### code chunk number 4: SomeRTricks.Rnw:121-123
###################################################
d<-read.table(datasource,skip=7,fill=T,col.names=c(“Yr”,”Mon”,”tmax”,”tmin”,”af”,”rain”,”sun”,”comments”))
head(d)

###################################################
### code chunk number 5: SomeRTricks.Rnw:140-144
###################################################
clean<-function(x){
x<-as.character(x)
x<-gsub(“[^0-9,/.]“,”",x)
as.numeric(x)}

###################################################
### code chunk number 6: SomeRTricks.Rnw:150-152
###################################################
x<-”##%Meas126.34cm”
clean(x)

###################################################
### code chunk number 7: SomeRTricks.Rnw:159-161
###################################################
x<-”123.4cm^2″
clean(x)

###################################################
### code chunk number 8: SomeRTricks.Rnw:171-172
###################################################
d$Mon<-clean(d$Mon)

###################################################
### code chunk number 9: SomeRTricks.Rnw:179-182
###################################################
cleandf<-function(x){
x<-data.frame(lapply(x,clean))
x}

###################################################
### code chunk number 10: SomeRTricks.Rnw:185-186
###################################################
d<-cleandf(d)

###################################################
### code chunk number 11: SomeRTricks.Rnw:204-208
###################################################
library(car)
library(gplots)
Boxplot(rain~Mon,labels=Yr,data=d,col=”grey”)
plotmeans(rain~Mon,connect=F,add=T,data=d,n.label=F,barcol=”red”,col=”red”,pch=21)

###################################################
### code chunk number 12: SomeRTricks.Rnw:214-216
###################################################
Boxplot(tmax~Mon,labels=Yr,data=d,col=”grey”)
plotmeans(tmax~Mon,connect=F,add=T,data=d,n.label=F,barcol=”red”,col=”red”,pch=21)

###################################################
### code chunk number 13: SomeRTricks.Rnw:228-234
###################################################
library(mgcv)
Boxplot(rain~Mon,labels=Yr,data=d,col=”grey”)
mod<-gam(rain~s(Mon),data=d)
attach(d)
ablines2(mod,lwd=2,col=2,lty=2)
detach(d)

###################################################
### code chunk number 14: SomeRTricks.Rnw:243-244
###################################################
d<-d[d$Yr<2012,]

###################################################
### code chunk number 15: SomeRTricks.Rnw:250-255
###################################################
library(reshape)
d1<-melt(d,id=c(“Yr”,”Mon”),meas=c(“tmax”,”tmin”,”rain”))
d2<-data.frame(cast(d1,Yr~variable,mean))
head(d2)
str(d2)

###################################################
### code chunk number 16: SomeRTricks.Rnw:261-266
###################################################
plot(rain~tmin,data=d2)
mod<-lm(rain~tmin,data=d2)
attach(d2)
ablines(mod)
anova(mod)

###################################################
### code chunk number 17: SomeRTricks.Rnw:272-276
###################################################
plot(rain~tmax,data=d2)
mod<-lm(rain~tmax,data=d2)
ablines(mod)
anova(mod)

###################################################
### code chunk number 18: SomeRTricks.Rnw:283-288
###################################################
plot(rain~Yr,data=d2)
mod<-lm(rain~Yr,data=d2)
ablines(mod)
anova(mod)
confint(mod)

###################################################
### code chunk number 19: SomeRTricks.Rnw:294-299
###################################################
plot(tmin~Yr,data=d2)
mod<-lm(tmin~Yr,data=d2)
ablines(mod)
anova(mod)
confint(mod)

###################################################
### code chunk number 20: SomeRTricks.Rnw:303-308
###################################################
plot(tmax~Yr,data=d2)
mod<-lm(tmax~Yr,data=d2)
ablines(mod)
anova(mod)
confint(mod)

###################################################
### code chunk number 21: SomeRTricks.Rnw:316-320
###################################################
plot(acf(residuals(mod)))
library(lmtest)
dwtest(tmin~Yr,data=d2)

###################################################
### code chunk number 22: SomeRTricks.Rnw:329-331
###################################################
plot(acf(tmin))
detach(d2)

###################################################
### code chunk number 23: SomeRTricks.Rnw:340-346
###################################################
getstatdata<-function(x=”hurn”){
x1<-paste(“http://www.metoffice.gov.uk/climate/uk/stationdata/&#8221;,x,”data.txt”,sep=”")
d<-read.table(x1,skip=7,fill=T,col.names=c(“Yr”,”Mon”,”tmax”,”tmin”,”af”,”rain”,”sun”,”comments”))
d<-cleandf(d)
d<-data.frame(station=x,d)
d}

###################################################
### code chunk number 24: SomeRTricks.Rnw:353-356
###################################################
a<-c(“hurn”,”southampton”,”yeovilton”,”chivenor”,”camborne”,
“oxford”,”heathrow”,”eastbourne”,”manston”,”rossonwye”,”cardiff”,”cambridge”)
d<-lapply(a,getstatdata)

###################################################
### code chunk number 25: SomeRTricks.Rnw:361-364
###################################################
d<-do.call(“rbind”,d)
d<-d[!is.na(d$rain),]
d<-d[d$Yr<2012,]

###################################################
### code chunk number 26: SomeRTricks.Rnw:367-368 (eval = FALSE)
###################################################
## write.csv(d,file=”/home/duncan/climate.csv”,row.names=F)

###################################################
### code chunk number 27: SomeRTricks.Rnw:379-403
###################################################
rainmodels<-function(d)
{
d<-droplevels(d)
nm<-toupper(levels(d$station))
nm<-paste(nm,” Mean annual rain =”,round(mean(tapply(d$rain,d$Yr,sum)),0))

attach(d)
Boxplot(rain~Mon,labels=Yr,data=d,col=”grey”,main=nm)
mod<-gam(rain~s(Mon),data=d)
ablines2(mod,lwd=2,col=2,lty=2)
detach(d)
####################################
d1<-melt(d,id=c(“Yr”,”Mon”),meas=c(“rain”))
d2<-data.frame(cast(d1,Yr~variable,sum))
attach(d2)
####################################################
mod<-lm(rain~Yr)
an<-anova(mod)
pval<-round(an[5][1,],2)
nm<-paste(nm,”\n”,”P value=”,pval)
plot(rain~Yr,pch=21,bg=2,main=nm)
ablines(mod)
detach(d2)
}

###################################################
### code chunk number 28: SomeRTricks.Rnw:413-416
###################################################
pdf(“/home/duncan/rplots.pdf”)
lapply(split(d,d$station),rainmodels)
dev.off()

###################################################
### code chunk number 29: SomeRTricks.Rnw:420-427
###################################################
for(i in 1:22){
file=”/home/duncan/rplots.pdf”
cat(“\\includegraphics[page=",i,"]{“, file, “}”, sep=”")
if(i%%2==0){
cat(“\n\n”)
}
}

###################################################
### code chunk number 30: SomeRTricks.Rnw:439-464
###################################################
tminmodels<-function(d)
{
d<-droplevels(d)
nm<-toupper(levels(d$station))
nm<-paste(nm,” Mean annual minimum temp =”,round(mean(tapply(d$tmin,d$Yr,sum)),1))

attach(d)
Boxplot(tmin~Mon,labels=Yr,data=d,col=”grey”,main=nm)
mod<-gam(tmin~s(Mon),data=d)
ablines2(mod,lwd=2,col=2,lty=2)
detach(d)
####################################
d1<-melt(d,id=c(“Yr”,”Mon”),meas=c(“tmin”))
d2<-data.frame(cast(d1,Yr~variable,mean))
attach(d2)
####################################################
mod<-lm(tmin~Yr)
an<-anova(mod)
pval<-round(an[5][1,],4)
nm<-paste(nm,”\n”,”P value=”,pval)
nm<-paste(nm,”\n Increase per decade =”,10*round(coef(mod)[2],3))
plot(tmin~Yr,pch=21,bg=2,main=nm)
ablines(mod)
detach(d2)
}

###################################################
### code chunk number 31: SomeRTricks.Rnw:467-471
###################################################
pdf(“/home/duncan/rplots2.pdf”)
d<-d[!is.na(d$tmin),]
lapply(split(d,d$station),tminmodels)
dev.off()

###################################################
### code chunk number 32: SomeRTricks.Rnw:475-482
###################################################
for(i in 1:22){
file=”/home/duncan/rplots2.pdf”
cat(“\\includegraphics[page=",i,"]{“, file, “}”, sep=”")
if(i%%2==0){
cat(“\n\n”)
}
}