En este proyecto se construye un modelo estadístico con un enfoque bayesiano utilizando la metodología INLA (Integrated Nested Laplace Approximation) para estimar parámetros que capturen la relación espacial y temporal de incidentes de delitos como tráfico de drogas, robos, homicidios y extorsiones. El modelo considera un ´índice de riesgo calculado mediante la técnica de RTM (Risk Terrain Modeling), que incorpora la influencia de factores ambientales como establecimientos generadores, atractores o detractores de delitos. Los resultados muestran cómo diferentes variables explicativas, como la proximidad a estaciones de policía, bares y centros comerciales, impactan en las tasas de delitos, demostrando efectos multiplicativos significativos. Para el análisis predictivo, se identifican las distribuciones estadísticas más adecuadas para cada tipo de delito, destacando la distribución de Poisson con ceros inflados para homicidios y la Binomial Negativa para trafico de drogas, lo que permite visualizar mapas de riesgo y realizar predicciones especificas por zonas