Interpretación de datos y estadísticas de delincuencia en la investigación de crímenes reales

Los datos y estadísticas de delincuencia describen o estiman patrones, frecuencia y cambios dentro de una población, un lugar y un período definidos. No prueban por sí solos lo ocurrido en un caso concreto: la interpretación depende de la medida, la fuente, el denominador y el marco temporal y geográfico, y las afirmaciones sobre un incidente requieren evidencia específica del caso.

Tabla de contenidos⌄

Qué pueden establecer las estadísticas de delincuencia en la investigación de crímenes reales

Las estadísticas de delincuencia pueden describir o estimar contexto como la frecuencia relativa, una tendencia o una estimación de prevalencia en una población, período o unidad geográfica definidos.

Pueden comparar patrones estadísticos cuando la medida subyacente y el alcance son suficientemente comparables.

Las estadísticas de delincuencia no pueden establecer de forma independiente un hecho específico de un caso sobre un incidente, persona, motivo o secuencia de eventos concretos.

El significado de una conclusión estadística depende de la población observada, la unidad geográfica cubierta, el período medido y la forma en que se produjo la medida correspondiente.

Una tendencia describe el cambio solo dentro de una serie suficientemente comparable, mientras que la frecuencia relativa expresa cuán común es un resultado medido en relación con otra base o contexto definido.

Una estimación de prevalencia se aplica a la población y al método a partir de los cuales se estimó, no a cada persona o lugar.

Estas condiciones determinan hasta dónde se puede extender razonablemente el contexto estadístico en la investigación de crímenes reales.

Supongamos que la misma medida de delincuencia registrada muestra una tasa de robos en viviendas más alta en una ciudad durante un período que durante un período comparable anterior.

Ese cambio puede contextualizar el patrón más amplio que rodea un caso de ese lugar y momento, pero no establece si una alegación de robo en vivienda en el caso individual es cierta.

Las conclusiones específicas del caso siguen requiriendo evidencia del caso.

Los recuentos de delincuencia, las tasas y los datos de casos miden cosas distintas

Los recuentos de delincuencia, las tasas de delincuencia y los datos de casos responden a diferentes preguntas de investigación porque utilizan distintas unidades de observación, denominadores y niveles de detalle.

Un recuento representa el volumen de eventos como un número total de incidentes, mientras que una tasa relaciona ese volumen con una población definida u otro denominador apropiado.

Los datos de casos, en cambio, describen un evento individual o registro de caso, conservando el detalle específico del caso en lugar de expresar la frecuencia a nivel de población.

La comparación siguiente separa las tres medidas según lo que se observa, si se utiliza un denominador, la pregunta de investigación que cada medida puede respaldar y su limitación principal.

Estas dimensiones aclaran por qué los mismos incidentes subyacentes pueden respaldar diferentes interpretaciones según cómo se expresen los datos.

Medida	Unidad de observación	Denominador	Uso típico	Limitación principal
Recuento de delincuencia	Número de eventos registrados o estimados	Ninguno inherente al recuento	Descripción del volumen total de eventos dentro de un alcance definido	No tiene en cuenta las diferencias en el tamaño de la población o la exposición
Tasa de delincuencia	Eventos en relación con una población definida o base de exposición	Población definida u otra base relevante	Comparación de la frecuencia relativa a la población entre grupos o períodos compatibles	La interpretación depende del denominador, la definición de población, el período y la construcción de los datos
Datos de casos	Incidente individual o registro de caso	Sin denominador de población inherente	Examen de circunstancias, eventos o detalles registrados específicos del caso	Los registros individuales no describen por sí mismos la frecuencia a nivel de población

Como ejemplo hipotético, supongamos que dos áreas registran cada una 100 incidentes durante el mismo período bajo la misma definición de delito, pero una tiene una población de 10 000 y la otra de 100 000.

El recuento es idéntico, pero esos valores ilustrativos corresponden a 10 incidentes por cada 1 000 personas en la primera área y 1 por cada 1 000 en la segunda, por lo que la tasa cambia la interpretación relativa a la población mientras que el volumen de eventos sigue siendo el mismo.

Un registro de caso respondería a una pregunta diferente al describir un incidente concreto en lugar de la frecuencia general.

La elección de la medida depende, por ello, de la pregunta de investigación y de los datos disponibles, no de que una medida sea inherentemente preferible.

Los recuentos de delincuencia describen el volumen mientras que las tasas lo relacionan con una población

Un recuento de delincuencia informa del volumen de eventos como el número total de incidentes registrados o estimados, mientras que una tasa de delincuencia expresa ese recuento en relación con una población definida u otro denominador apropiado.

El recuento es el numerador, y el denominador proporciona la base poblacional necesaria para expresar la frecuencia relativa a la población.

Una tasa expresada respecto de una población solo permite la comparación cuando la definición del delito, el período temporal y el denominador son suficientemente compatibles para la interpretación prevista.

Como ejemplo hipotético, supongamos que dos áreas registran cada una 80 incidentes del mismo delito durante el mismo período temporal, con poblaciones de 20 000 y 100 000 respectivamente.

Utilizando la población residente como denominador, esos recuentos ilustrativos equivalen a 40 incidentes por cada 10 000 personas en la primera área y 8 por cada 10 000 en la segunda, aunque ambas áreas tengan el mismo volumen de eventos.

La tasa por población expresa, por tanto, una frecuencia diferente a nivel de población una vez que se considera el tamaño poblacional; no indica lo que ocurrirá a un individuo.

El denominador debe coincidir con el fenómeno que se interpreta, porque cambiar la población o la base de exposición cambia lo que representa la tasa resultante.

Los registros de casos describen eventos individuales en lugar de patrones a nivel de población

Los registros de casos describen un evento individual, como un incidente registrado, una alegación, un resultado o un evento procesal, mientras que las estadísticas poblacionales resumen observaciones en un grupo, área o período más amplio.

La unidad de análisis difiere, por tanto: la evidencia del caso se refiere a un registro concreto, mientras que las estadísticas a nivel de población describen un patrón agregado.

Esta diferencia limita la inferencia que puede realizarse a partir de cada forma de información.

Por ejemplo, un registro de caso puede documentar que se registró una alegación concreta y qué resultado procesal se produjo, mientras que una estadística a nivel de área puede resumir con qué frecuencia apareció la misma categoría de evento en muchas observaciones.

Los datos a nivel de caso pueden respaldar conclusiones sobre ese registro individual, mientras que las estadísticas agregadas pueden respaldar conclusiones sobre el patrón más amplio dentro de su alcance definido.

Los registros de casos pueden aportar observaciones a un agregado, pero el patrón resultante a nivel de población no establece por sí mismo un hecho sobre ningún caso concreto.

Cómo se recopilan y producen las estadísticas de delincuencia

La producción de estadísticas de delincuencia convierte los eventos observados o notificados en valores estadísticos publicados a través de una cadena de decisiones de recopilación, clasificación, validación, agregación y publicación.

El comportamiento de notificación y el sistema de origen afectan qué incidentes entran en el proceso, mientras que las reglas de codificación determinan cómo se clasifican esas observaciones en categorías estadísticas.

Las comprobaciones de integridad, la estimación o el ajuste cuando corresponda, y el procesamiento posterior pueden dar forma adicional a los valores que aparecen en una serie estadística publicada.

La secuencia siguiente representa las principales etapas de procesamiento que pueden conectar los incidentes observados con un valor estadístico publicado.

No todas las jurisdicciones o sistemas de datos utilizan cada etapa de la misma manera o en el mismo orden.

1. Recopilación: La información entra en el sistema de origen a través de su mecanismo de recopilación correspondiente, influida por qué eventos se observan, notifican o capturan de otro modo.
2. Registro o ingreso: La información presentada u observada se introduce en los registros según los procedimientos de ingreso del sistema y los campos disponibles.
3. Clasificación y codificación: La información registrada se asigna a categorías utilizando las definiciones y reglas de codificación aplicables, que determinan cómo se representan estadísticamente los eventos.
4. Validación y comprobaciones de integridad: Los datos pueden verificarse en cuanto a coherencia, información faltante, duplicación u otros problemas de integridad antes de la agregación.
5. Estimación o ajuste: Cuando la metodología lo requiere, los procedimientos estadísticos pueden estimar, ponderar o ajustar las observaciones para abordar características del diseño de la fuente o la cobertura incompleta.
6. Agregación: Las observaciones individuales se combinan en totales, tasas u otras medidas resumen para poblaciones, lugares o períodos temporales definidos.
7. Publicación y revisión: Las estadísticas resultantes se publican como una serie estadística, y algunos sistemas pueden revisar posteriormente los valores publicados cuando se incorpora información actualizada o cambios en el procesamiento.

El valor final publicado refleja, por tanto, tanto las observaciones disponibles para el sistema de origen como las reglas metodológicas utilizadas para procesarlas.

Las diferencias en la jurisdicción, el comportamiento de notificación, las definiciones, las reglas de codificación, los procedimientos de integridad y los métodos de estimación pueden producir series estadísticas que no son directamente equivalentes incluso cuando utilizan etiquetas similares.

La publicación no hace que un valor esté libre de errores, y pueden producirse revisiones cuando un sistema incorpora nueva información o cambia su procesamiento.

La interpretación debe, por tanto, permanecer vinculada al sistema de origen y la metodología específicos que produjeron la estadística.

Los datos registrados por la policía, las encuestas de victimización y los estudios de autoinforme recogen distintas partes de la delincuencia

Los datos registrados por la policía, las encuestas de victimización y los estudios de autoinforme observan distintas porciones de la delincuencia, por lo que ninguna fuente por sí sola recoge el universo completo de la delincuencia.

Los datos registrados por la policía dependen de que los incidentes lleguen a la policía y sean registrados por ella, las encuestas de victimización dependen del muestreo de personas y de la obtención de experiencias de victimización, y los estudios de autoinforme dependen de que los encuestados revelen su propio comportamiento.

La comparación siguiente distingue su población de origen, mecanismo de recopilación, fortalezas, puntos ciegos e implicaciones para la investigación.

Tipo de fuente	Población de origen	Mecanismo de recopilación	Fortalezas	Puntos ciegos	Implicación para la investigación
Datos registrados por la policía	Incidentes que entran en los sistemas de registro policial	Denuncia, detección policial u otro ingreso seguido de prácticas oficiales de registro	Describe la delincuencia registrada dentro de las definiciones y procedimientos del sistema de datos policiales	La delincuencia no denunciada y los incidentes que no entran o no permanecen en el sistema de registro no están representados	Útil para preguntas sobre delitos registrados y patrones estadísticos oficiales, sujeto al comportamiento de denuncia y a las reglas de registro
Encuestas de victimización	Personas u hogares representados por la muestra de la encuesta	Los encuestados de la muestra informan sobre experiencias de victimización a través de preguntas de la encuesta	Pueden recoger experiencias de victimización que no fueron denunciadas a la policía y proporcionar información sobre la delincuencia no denunciada dentro del alcance de la encuesta	La cobertura depende del muestreo, el alcance de las preguntas, el recuerdo y la revelación del encuestado, y los delitos sin una víctima elegible o identificable pueden quedar fuera del diseño	Útil para estimar la victimización dentro de la población representada cuando el diseño de la encuesta coincide con la pregunta de investigación
Estudios de autoinforme	Encuestados incluidos en la muestra del estudio	Los participantes revelan su propio comportamiento o delincuencia a través de cuestionarios o entrevistas	Pueden observar el comportamiento autoinformado que puede no aparecer en los datos de delincuencia registrada	Los resultados dependen del muestreo y de la revelación del encuestado, incluida la disposición y la capacidad para informar con precisión sobre el comportamiento	Útil para estudiar el comportamiento informado dentro de la población muestreada cuando el método de revelación y la muestra se ajustan a la pregunta de investigación

Los tres tipos de fuente pueden complementarse entre sí porque las diferencias en la denuncia, el muestreo y la revelación implican que pueden observar distintas partes del mismo fenómeno más amplio.

Los datos registrados por la policía pueden describir la delincuencia registrada, mientras que las encuestas de victimización y los estudios de autoinforme pueden proporcionar evidencia sobre experiencias o comportamientos que pueden no aparecer en los registros policiales.

Qué fuente es adecuada depende entonces del delito, la población, el diseño de recopilación y la pregunta de investigación, y no de que una fuente sea inherentemente más precisa.

Las definiciones, la clasificación y las reglas de recuento determinan los resultados

Por ejemplo, si un sistema estadístico cambia su definición operativa de modo que una clase de incidentes previamente excluida se codifica dentro de una clasificación de delito existente, pueden entrar más observaciones en esa categoría y aumentar su total estadístico incluso cuando la delincuencia subyacente no ha aumentado en la misma medida.

Un cambio en la regla de recuento o en el umbral de registro puede igualmente alterar cuántas observaciones registradas aparecen en la serie sin representar un cambio equivalente en los eventos del mundo real.

La tendencia resultante debe interpretarse considerando tanto las reglas de medición como los posibles cambios en la delincuencia subyacente.

Un aumento o disminución aparente puede reflejar un cambio en la medición, un cambio en el mundo real, o una combinación de ambos.

Las unidades geográficas, los períodos temporales y los denominadores cambian el significado de las medidas

Un marco estadístico define lo que representa una medida de delincuencia a través de su unidad geográfica, período temporal y denominador.

El límite geográfico determina el área incluida, la ventana de observación determina cuándo se contabilizan los eventos, y la población u otro denominador determina la base con respecto a la cual se interpreta una tasa.

Estos tres atributos establecen las condiciones para la comparabilidad entre medidas.

• Unidad geográfica: Una medida definida para una jurisdicción o área refleja los eventos dentro de ese límite; cambiar el límite puede modificar qué observaciones y población se incluyen, por lo que los valores de áreas definidas de forma diferente requieren una salvedad antes de la comparación.
• Período temporal: Una ventana de observación mensual representa un período de notificación diferente de una ventana anual; las comparaciones requieren períodos compatibles o un ajuste explícito porque la cantidad de tiempo representada difiere.
• Denominador: Una tasa basada en la población residente puede significar algo diferente de una basada en una población de exposición u otra base poblacional; cambiar el denominador modifica la relación expresada por la medida y, por tanto, su interpretación.

Por ejemplo, supongamos que se redibuja un límite geográfico de modo que un área poblada adicional entra en la unidad estadística mientras la definición del delito y la ventana de observación permanecen sin cambios.

El valor resultante puede diferir porque tanto las observaciones como la población dentro del marco han cambiado, por lo que la comparación con el límite anterior no es automáticamente equivalente.

La comparabilidad depende entonces de mantener la unidad geográfica, el período temporal y el denominador suficientemente compatibles o de explicitar las diferencias.

Cómo interpretar las estadísticas de delincuencia para la investigación de casos

La interpretación disciplinada de las estadísticas de delincuencia comienza por vincular la pregunta de investigación con una medida, una fuente y un marco estadístico que puedan abordarla realmente.

La población, el período y el alcance geográfico relevantes deben ser explícitos antes de emplear un patrón estadístico como contexto para la investigación de casos.

El objetivo es una conclusión acotada que refleje lo que los datos respaldan sin extender la inferencia más allá del alcance o las limitaciones de la medida.

El método ordenado que se presenta a continuación pasa de la pregunta de investigación a una interpretación condicionada del contexto estadístico disponible.

Cada paso incluye una indicación de verificación para comprobar si la evidencia sigue alineada con la pregunta planteada.

1. Definir la pregunta de investigación: Expresar con precisión lo que se necesita saber y verificar si la pregunta se refiere a un patrón a nivel de población, una comparación o una proposición específica de un caso.
2. Seleccionar la medida relevante: Identificar el recuento, la tasa, la estimación de prevalencia u otra medida que aborde la pregunta, y verificar que su significado coincida con la inferencia prevista.
3. Identificar la fuente y su construcción: Examinar cómo se recopiló, clasificó, codificó y agregó la estadística, y verificar qué observaciones la fuente puede incluir o pasar por alto.
4. Verificar el marco estadístico: Comprobar la población, el período, el alcance geográfico y el denominador cuando corresponda, y verificar que se correspondan con el contexto que se interpreta.
5. Comprobar la comparabilidad y las limitaciones: Evaluar si las definiciones, los métodos y los marcos son suficientemente compatibles para la comparación prevista, e identificar cualquier limitación que requiera una salvedad.
6. Formular una conclusión acotada: Expresar solo el patrón estadístico respaldado por la evidencia y verificar que la conclusión no implique causalidad ni un hecho específico del caso que los datos no puedan establecer.

Por ejemplo, un conjunto de datos que muestre que un delito registrado fue más frecuente en un área definida durante un período que en otro período comparable puede respaldar la conclusión limitada de que el patrón estadístico registrado difirió entre esos períodos.

El mismo conjunto de datos no establece por sí mismo por qué ocurrió el cambio ni si un caso particular siguió ese patrón más amplio.

Se requeriría evidencia del caso para respaldar una conclusión sobre un evento individual.

Una conclusión acotada debe, por ello, indicar qué muestra la estadística, el marco en el que se aplica y la inferencia que sigue sin respaldo.

Vincular la medida estadística con la pregunta de investigación

La selección de la medida estadística depende de la pregunta de investigación concreta, porque distintas medidas representan diferentes atributos de los datos de delincuencia.

Un recuento representa el volumen de eventos, una tasa representa la frecuencia relativa a un denominador definido, una proporción representa una parte de un total definido, y una observación a nivel de caso conserva el detalle de un evento individual.

Los criterios siguientes vinculan necesidades de información comunes con una medida adecuada y la condición principal que rige su interpretación.

• Volumen de eventos → recuento: Un recuento responde a una pregunta sobre cuántos eventos se registraron o estimaron dentro de un alcance definido; el período, el alcance geográfico y la definición del evento deben corresponder al total previsto.
• Frecuencia normalizada por población → tasa: Una tasa responde a una pregunta sobre la frecuencia de eventos en relación con una población u otro denominador; el denominador debe representar una base poblacional adecuada para la comparación prevista.
• Distribución o participación → proporción: Una proporción responde a una pregunta sobre qué fracción de un total definido pertenece a una categoría; tanto el subconjunto como el total utilizado como denominador deben estar claramente especificados.
• Tendencia → medida estadística coherente: Una pregunta sobre tendencias requiere evaluar la misma medida relevante a lo largo de períodos con definiciones y condiciones de medición suficientemente compatibles, de modo que el cambio observado tenga un significado coherente.
• Detalle específico del caso → observación a nivel de caso: Una observación a nivel de caso responde a una pregunta sobre los atributos de un evento o registro individual; su detalle respalda la interpretación a nivel de caso, no la frecuencia a nivel de población.

Por ejemplo, si la pregunta de investigación indaga si la frecuencia de delitos registrados difiere en relación con la población entre dos áreas, un recuento bruto responde mal a la pregunta porque muestra el volumen de eventos sin tener en cuenta el tamaño de la población.

Una tasa aborda esa pregunta de forma más directa al relacionar los eventos con un denominador poblacional definido, siempre que el denominador, el período, el alcance geográfico y la definición del delito sean suficientemente compatibles.

La elección de la medida es, por tanto, relevante para la decisión cuando la medida seleccionada representa el atributo sobre el que realmente pregunta la investigación y se cumple su condición interpretativa.

Comparar datos solo cuando las definiciones, los lugares y los períodos sean compatibles

La comparabilidad de datos requiere definiciones, métodos de recopilación, unidades geográficas, períodos temporales y denominadores suficientemente compatibles antes de que las diferencias numéricas puedan respaldar una interpretación equivalente.

Unos valores similares por sí solos no establecen la compatibilidad metodológica, porque un desajuste en cualquiera de estas condiciones puede cambiar lo que representan las cifras.

Las comprobaciones siguientes identifican si una comparación es defendible o requiere una salvedad.

• Definición: Comprobar si la misma definición del delito, clasificación y base de codificación se aplican a ambas series; si difieren, los valores pueden representar conjuntos de eventos distintos y la comparación requiere una salvedad o puede no ser adecuada.
• Método de recopilación: Verificar que las observaciones se recopilaron mediante métodos suficientemente compatibles; un desajuste metodológico puede cambiar qué eventos entran en cada conjunto de datos y debilitar la interpretación de una diferencia numérica.
• Unidad geográfica: Confirmar que las áreas comparadas utilizan límites y alcance jurisdiccional compatibles; unidades geográficas distintas pueden incluir diferentes poblaciones o eventos, lo que impide una comparación directa entre lugares sin salvedades.
• Período temporal: Comprobar que las ventanas de notificación cubren períodos y duraciones compatibles; comparar períodos temporales diferentes puede confundir la diferencia numérica con diferencias en el momento o la duración de la exposición.
• Denominador: Verificar que las tasas utilizan bases poblacionales u otros denominadores compatibles; un desajuste en el denominador cambia la relación de frecuencia expresada por cada tasa y puede hacer que los valores principales no sean equivalentes.

Por ejemplo, supongamos que dos series de delincuencia por lo demás similares utilizan límites geográficos que sitúan un área adicional dentro de una unidad estadística pero fuera de la otra.

Incluso si sus valores notificados parecen cercanos, la comparación no es completamente equivalente porque la unidad geográfica y la población representada por cada serie difieren.

El resultado debe, por tanto, explicitarse con una salvedad o abandonarse la comparación cuando el desajuste impida una interpretación defendible.

Tratar los patrones estadísticos como contexto, no como prueba del caso

Supongamos que los datos muestran que un delito registrado es más frecuente en un área durante un período definido que en un área o período comparable.

Un enunciado defendible es que el caso ocurrió dentro de un contexto donde el patrón agregado registrado era más frecuente.

Sería una inferencia extendida más allá de lo permisible utilizar ese contexto estadístico por sí solo para asignar un motivo, identidad o causa particular al caso individual.

La conclusión admisible debe, por tanto, permanecer dentro del alcance de la evidencia: utilizar el patrón agregado como contexto y basarse en la documentación específica del caso para las afirmaciones sobre el caso individual.

Limitaciones que afectan a la precisión y la comparabilidad

Las limitaciones de las estadísticas de delincuencia, como la incompletitud, el error de medición, el comportamiento de notificación y las restricciones metodológicas, pueden reducir la confianza en una conclusión sin invalidar automáticamente los datos subyacentes.

Su efecto depende de la fuente, el delito, el período y el sistema estadístico, incluido cómo se notifican, registran, estiman y revisan los eventos.

La interpretación debe reflejar tanto la limitación presente como si afecta a la precisión, la comparabilidad o el alcance de la conclusión.

La tabla vincula las limitaciones comunes con el mecanismo a través del cual afectan a las estadísticas registradas y con la respuesta interpretativa resultante.

Se centra en la subnotificación, las diferencias de registro, los datos faltantes, la estimación, la revisión y las definiciones incompatibles, sin asumir que cada limitación tenga el mismo efecto en todos los conjuntos de datos.

Limitación	Mecanismo	Efecto probable	Respuesta interpretativa
Subnotificación	El comportamiento de notificación determina si algunos eventos experimentados u observados entran en un sistema de delincuencia registrada.	Los totales registrados pueden ser incompletos en relación con los eventos dentro del fenómeno previsto, y el grado de incompletitud depende de los patrones de notificación.	Tratar la estadística como una medida de la delincuencia registrada dentro de ese proceso de notificación y condicionar las conclusiones que requieran una cobertura más completa de eventos.
Diferencias de registro	Las diferencias en la codificación, clasificación o práctica de registro pueden introducir error de medición al cambiar cómo se representan observaciones similares.	Las diferencias aparentes entre conjuntos de datos pueden reflejar en parte la metodología, no diferencias en los eventos subyacentes.	Comprobar si las prácticas de registro son suficientemente compatibles antes de interpretar una diferencia numérica como sustancial.
Períodos u observaciones faltantes	Los datos faltantes crean lagunas en las observaciones disponibles para un período o serie definidos.	Los totales, tasas o tendencias pueden representar una cobertura incompleta y proporcionar evidencia más débil para comparaciones que abarquen el período faltante.	Identificar la laguna explícitamente y acotar o condicionar la conclusión a las observaciones que están realmente disponibles.
Estimación	Los procedimientos estadísticos pueden estimar valores no observados o incompletamente observados utilizando supuestos definidos por la metodología de la fuente.	El valor publicado puede contener incertidumbre adicional porque una parte se infiere en lugar de observarse directamente.	Distinguir los valores estimados de los valores observados directamente y mantener la confianza proporcional al método de estimación y cobertura documentados.
Revisión	La información posterior o los cambios en el procesamiento pueden alterar valores publicados anteriormente.	Distintas versiones de la misma serie pueden contener valores diferentes, lo que afecta a la continuidad y a las comparaciones realizadas a partir de versiones anteriores.	Utilizar una versión coherente cuando sea posible e identificar el estado de revisión cuando las diferencias entre versiones afecten a la interpretación.
Definiciones incompatibles	Distintas definiciones de delito, límites de categoría o reglas de inclusión pueden hacer que estadísticas etiquetadas de forma similar representen fenómenos diferentes.	La similitud numérica no establece comparabilidad cuando las categorías subyacentes no son equivalentes.	Restringir la comparación a definiciones suficientemente compatibles o indicar una salvedad que explique por qué las cifras no deben interpretarse como equivalentes.

La gravedad de una limitación determina con qué estrechez debe enmarcarse la inferencia resultante, no si los datos deben aceptarse o rechazarse en su conjunto.

Una restricción menor puede requerir una salvedad específica, mientras que la cobertura faltante o las definiciones incompatibles pueden debilitar sustancialmente la confianza en una comparación más amplia.

Las conclusiones no deben, por tanto, ser más sólidas de lo que permitan la precisión, la cobertura y la comparabilidad respaldadas por el conjunto de datos y las condiciones particulares que se examinan.

La subnotificación y las prácticas de registro afectan a la delincuencia registrada

1. 1. Delincuencia experimentadaConjunto de hechos vividos u observados dentro del fenómeno considerado.
2. 2. Delincuencia notificadaSolo una parte llega a la policía u otra autoridad; la subnotificación aparece cuando hechos experimentados no se comunican.
3. 3. Delincuencia registradaLos incidentes comunicados se representan conforme a la información capturada, las definiciones y las prácticas de registro aplicables.
4. 4. Recuento oficialLas reglas administrativas y de recuento determinan qué registros entran en la estadística publicada y de qué manera.

Por eso, la delincuencia registrada no es automáticamente un censo completo de toda la victimización.

La magnitud y la dirección de estas brechas pueden diferir según el tipo de delito, la población y la jurisdicción, porque el comportamiento de notificación, la práctica de registro y las reglas administrativas no operan de manera uniforme en todos los contextos.

Una menor propensión a notificar para un tipo de delito puede dejar una mayor proporción de delincuencia experimentada fuera del conjunto de datos registrados, mientras que las diferencias en el registro o el tratamiento administrativo pueden alterar la relación entre los incidentes notificados y el recuento oficial final.

La interpretación debe, por tanto, tratar la delincuencia registrada como evidencia sobre incidentes capturados por el sistema de notificación y registro correspondiente, considerando la subnotificación y los procesos de registro al relacionar ese conjunto de datos con la incidencia subyacente.

Los datos faltantes, las estimaciones y las revisiones afectan a la solidez de las conclusiones

La solidez de la conclusión debe reflejar, por ello, la cantidad de datos disponibles, el método de ajuste y el estado de revisión: una confianza más sólida es más defendible cuando las observaciones relevantes tienen suficiente completitud, mientras que lagunas sustanciales o estimaciones inciertas pueden requerir una conclusión provisional o hacer que una inferencia concreta no sea adecuada.

Por ejemplo, si un período en una serie se identifica como estimado en lugar de observado, una declaración de tendencia que abarque ese período debe reconocer la estimación en lugar de presentar cada punto como si tuviera el mismo estado probatorio.

Si ese período se revisa posteriormente utilizando información adicional, la serie revisada puede respaldar una interpretación diferente sin implicar que la revisión en sí misma debilitó los datos.

Cuando las revisiones afecten a una conclusión, se debe comprobar el historial de versiones para que los valores publicados que se comparan provengan de la versión prevista.

Cómo utilizar las estadísticas históricas de delincuencia a lo largo del tiempo

Las estadísticas históricas de delincuencia deben interpretarse como una serie temporal solo cuando la continuidad metodológica es suficientemente estable o los cambios se concilian explícitamente.

Una tendencia a largo plazo puede reflejar un cambio numérico, pero su significado también depende de que la definición, el sistema de recopilación, la cobertura geográfica y la base poblacional sigan siendo comparables a lo largo del período.

Los valores históricos son interpretables, por ello, en relación con las reglas de medición y la población que los produjeron, no como cifras uniformemente comparables en toda la serie.

Las comprobaciones de continuidad siguientes establecen si una serie histórica tiene un marco de medición estable o conciliado explícitamente.

Cada condición afecta a si el cambio observado puede respaldar una comparación a largo plazo o requiere una salvedad.

• Continuidad de la definición: Comprobar si la definición del delito, la clasificación y las reglas de inclusión siguen siendo suficientemente coherentes; un cambio en la definición puede alterar qué eventos entran en la serie temporal y generar un cambio aparente que es en parte metodológico.
• Continuidad del sistema de recopilación: Verificar si el sistema de recopilación y la metodología de registro central siguen siendo estables; un cambio de sistema puede alterar cómo se capturan las observaciones y debilitar la comparación a través de la transición.
• Cobertura geográfica: Confirmar si las mismas jurisdicciones, límites o áreas de notificación permanecen dentro del alcance; un cambio en la cobertura geográfica puede añadir o eliminar poblaciones y eventos de la serie histórica.
• Base poblacional: Comprobar si las tasas utilizan una base poblacional o denominador compatible a lo largo del período; un cambio en la base poblacional puede alterar la frecuencia representada incluso cuando el recuento de eventos registrados sigue un patrón diferente.
• Estado de revisión: Determinar si los valores provienen de versiones compatibles de la serie; las revisiones posteriores pueden modificar observaciones publicadas anteriormente y afectar a comparaciones que mezclan distintos estados de revisión.
• Rupturas documentadas de la serie: Identificar cualquier ruptura de serie causada por un cambio metodológico o jurisdiccional conocido; los valores a ambos lados de la ruptura deben llevar una salvedad o tratarse como segmentos separados, salvo que la fuente proporcione una base para la conciliación.

Por ejemplo, supongamos que una serie histórica muestra un aumento en un período en el que cambia el sistema de recopilación y la fuente identifica una ruptura de serie.

Las cifras pueden describir los valores publicados antes y después de ese cambio, pero la diferencia numérica por sí sola no establece una única tendencia a largo plazo porque parte del cambio puede reflejar el marco de medición alterado.

La comparación debe, por ello, identificar la ruptura y limitar la afirmación a los períodos con suficiente continuidad metodológica, o explicitar la salvedad en la interpretación que cruza la ruptura.

Esto mantiene la conclusión histórica vinculada a la definición, la población y el sistema que produjeron cada parte de la serie.

Tener en cuenta los cambios en la ley, las definiciones y los métodos de recopilación

Como ejemplo ilustrativo, supongamos que se amplía una regla de clasificación de modo que los incidentes antes excluidos de una categoría de delito se incluyen después del cambio.

La medida posterior al cambio puede contener entonces un conjunto más amplio de eventos registrados que la medida anterior al cambio, incluso si la delincuencia subyacente no cambia en la misma proporción.

Comparar los dos períodos sin salvedades podría entonces exagerar en qué medida la diferencia numérica representa un cambio en el mundo real.

La regla de clasificación modificada, la medida afectada y la ruptura de serie resultante deben indicarse siempre que limiten la comparabilidad entre los períodos anterior y posterior al cambio.

Tener en cuenta los cambios de población y de límites geográficos

Para una comparación hipotética, supongamos que el mismo recuento bruto de delincuencia se registra en dos períodos, pero el crecimiento demográfico por migración aumenta la base poblacional mientras el límite geográfico permanece sin cambios.

El numerador no cambia, pero el denominador mayor produce una tasa normalizada por población más baja, de modo que el recuento y la tasa respaldan interpretaciones distintas del cambio entre los dos períodos.

Si un cambio de límites altera, a su vez, qué residentes e incidentes quedan dentro de la jurisdicción, tanto la población representada como, potencialmente, el numerador pueden cambiar, haciendo que la comparación dependa del marco geográfico revisado.

Una comparación histórica defendible exige normalización cuando cambia la base poblacional, armonización de límites cuando las definiciones de área pueden conciliarse, o una afirmación más acotada y condicionada cuando los datos disponibles no respaldan esos ajustes.

Preferir series estadísticas comparables al analizar cambios a largo plazo

Las series estadísticas comparables respaldan una interpretación más defendible del cambio a largo plazo que una colección más extensa de cifras cuya definición, método, cobertura o denominador cambia sin conciliación.

La extensión histórica por sí sola no establece continuidad, porque las diferencias en la medición pueden confundirse con cambios en la delincuencia.

La siguiente lista de comprobación verifica si una serie conserva suficiente continuidad en su marco de medición para respaldar una afirmación de tendencia a largo plazo.

• Continuidad de la fuente: Comprobar si la serie procede del mismo sistema de origen o de fuentes con métodos conciliados explícitamente; un cambio de origen sin conciliación puede hacer que las diferencias observadas sean atribuibles en parte al cambio en la medición.
• Continuidad de la definición del delito: Verificar que una definición coherente y la base de clasificación pertinente se apliquen en los períodos comparados; un cambio en la definición del delito puede alterar qué eventos entran en la serie y debilitar la interpretación del cambio numérico.
• Cobertura geográfica: Confirmar que las áreas o jurisdicciones representadas permanezcan suficientemente coherentes; un cambio en la cobertura puede añadir o eliminar poblaciones y eventos registrados, lo que limita la comparación equivalente.
• Denominador: Comprobar que las tasas empleen una base poblacional compatible u otro denominador a lo largo de la comparación; un cambio en el denominador altera la relación de frecuencia expresada por la serie.
• Período de notificación: Verificar que cada observación represente un período y una duración de notificación compatibles; períodos inconsistentes pueden hacer que los cambios aparentes reflejen distintas ventanas de medición en lugar de un cambio comparable a largo plazo.
• Rupturas y revisiones documentadas: Identificar cada ruptura documentada o revisión sustancial que afecte a la serie; los valores a ambos lados de esos puntos requieren una salvedad o conciliación explícita antes de poder respaldar una interpretación de tendencia continua.

Por ejemplo, una serie histórica más extensa puede contener cambios en las definiciones o en los métodos de recopilación, mientras que una serie más corta puede conservar una definición, un método, una cobertura, un denominador y un período de notificación coherentes en todo momento.

Para una afirmación de tendencia a largo plazo limitada a ese período más corto, la serie metodológicamente comparable permite una interpretación más directa aunque contenga menos años.

La serie más extensa puede emplearse cuando se identifican las discontinuidades pertinentes y la afirmación se condiciona para reflejarlas.

Si deben combinarse conjuntos de datos incompatibles, sus diferencias requieren una conciliación explícita en lugar de unirlos como si formaran una tendencia continua.