Segunda Especialidad Profesional de Ingeniería: Estadística Aplicada Para Investigación

URI permanente para esta colección

http://repositorio.upeu.edu.pe/handle/20.500.12840/6210

Examinar

Mostrando 1 - 20 de 28

Abordaje estadístico para la evaluación de la generación de residuos sólidos domiciliarios en hogares peruanos: 2014 – 2021
(Universidad Peruana Unión, 2024-10-03) Padilla Vento, Jorge Luis; Soria Quijaite, Juan Jesús
Este estudio aborda la evaluación de la generación de residuos sólidos domiciliarios en los hogares peruanos utilizando técnicas estadísticas y la metodología de minería de datos SEMMA y PCA. El objetivo es explorar cómo la gestión de residuos, la población y el índice GPC per cápita influyen en la producción de estos residuos en los departamentos peruanos. La muestra se obtuvo de la base de datos de informes anuales presentados por los municipios distritales y provinciales al MINAM a través del Sistema de Información para la Gestión de Residuos Sólidos (SIGERSOL), incluyendo datos de los 24 departamentos del Perú, con un total de 14,852 registros organizados en 196 fichas de registro. Se aplicaron técnicas estadísticas y la adaptación de la metodología SEMMA junto con el Análisis de Componentes Principales (PCA), El ANOVA de Welch mostró diferencias significativas en la generación de residuos sólidos domiciliarios entre los departamentos peruanos [F (6, 94.310) = 790.444; p = 0.0, p < 0.05]. Además, un Eta cuadrado de 99.09% Se encontró una relación positiva entre la producción de residuos sólidos domiciliarios RSD y el número de habitantes. Lima destacó con el mayor promedio de RSD 13,220.47 toneladas y un índice per cápita GPC del 50%. En el Grupo a Lambayeque 5,616.48 toneladas, Loreto 2,946.44 toneladas y San Martín 1,596.07 toneladas registraron los promedios de RSD más altos, mientras que Amazonas 441.1 toneladas obtuvo el más bajo. Ucayali 60%, Loreto 58% y San Martín 57% mostraron los índices GPC más altos. En el Grupo b Ayacucho 701.81 toneladas tuvo el promedio de RSD más alto y Apurímac 497 toneladas el más bajo. Tacna y Apurímac con 44% y Moquegua 43% registraron los índices GPC más altos, mientras que Huancavelica 42% y Pasco 41% tuvieron los más bajos. En el Grupo C Piura 4,476.53 toneladas y La Libertad 3,478.46 toneladas mostraron los promedios de RSD más altos, mientras que Huánuco 859.41 toneladas y Cajamarca 812.74 toneladas registraron los más bajos. Ica y Piura lideraron con un GPC promedio del 48%, mientras que Puno y Junín con 43% tuvieron los valores más bajos.
Adaptación y validación de la escala ATAI para evaluar las actitudes hacia la inteligencia artificial en estudiantes universitarios peruanos
(Universidad Peruana Unión, 2024-08-29) Zelarayan Adauto, Marisol Edith; Armas Castañeda, Richard Miller; López Gonzales, Javier Linkolk
El estudio tuvo como objetivo adaptar y validar la escala ATAI (Actitudes Hacia la Inteligencia Artificial) para medir las actitudes de los estudiantes universitarios peruanos hacia la inteligencia artificial. Participaron en este estudio 200 estudiantes (129 mujeres; edad promedio = 22.45 años, (DE = 1.66) de una universidad pública en Perú. Se llevaron a cabo análisis factoriales exploratorios y confirmatorios para comprobar la validez de la estructura interna de la escala adaptada. Los resultados revelaron una estructura de dos factores: actitudes positivas y actitudes negativas. El análisis factorial confirmatorio inicial (Modelo 1) no reveló un ajuste totalmente aceptable. Sin embargo, un modelo reajustado (Modelo 2) basado en indicadores de modificación mostró un ajuste considerablemente mejor a los datos según varios índices de bondad de ajuste. La escala adaptada demostró ser confiable, con coeficientes alfa de Cronbach y omega de McDonald adecuados. El índice de ajuste del modelo de dos factores fue: chisq = 47.9 /df= 5,0; SRMR = 0.127, RMSEA = 0.93, TLI = 0.21, CFI = 0.86. Estos descubrimientos proporcionan evidencia preliminar de la validez y confiabilidad de la escala ATAI adaptada para medir las actitudes hacia la inteligencia artificial en la población de estudiantes universitarios peruanos.
Adaptación y validación Psicométrica del Anxiety General disorder-7 con modelo SEM en quechua hablantes de Puno, Perú, 2022
(Universidad Peruana Unión, 2023-11-08) Cjuno Suni, Julio Cesar; Villegas Mejia, Raul Alexis; García Bermúdez, Cristian Eduardo
OBJETIVO: Adaptar del inglés al contexto cultural y lingüístico del quechua Collao y analizar las propiedades psicométricas de la General Anxiety disorder (GAD-7) Quechua Collao de Puno, Perú. MATERIAL Y MÉTODOS: Estudio instrumental donde se buscó adaptar y analizar las propiedades psicométricas del GAD-7, en una muestra (n=206) para el Análisis Factorial Exploratorio (AFE) y (n=454) para el Análisis Factorial Confirmatorio (AFC), los participantes fueron bilingües (hablan español y quechua) mayores de 18 años y de ambos sexos. La estructura factorial se evaluó mediante el AFE empleando el análisis paralelo y en el AFC los índices de bondad de ajuste; asimismo se analizó la fiabilidad mediante el alfa clásico y Omega de Mc Donald, todos los análisis se realizaron en R Studio versión 3.3.0+. RESULTADOS: Los jueces expertos y participantes del grupo focal realizaron importantes aportes en la adaptación cultural y lingüístico del GAD-7 al quechua Collao; por otro lado, el AFE reportó la presencia de un único factor latente (KMO= 0.88, p = 0.00); mientras que el AFC confirmó adecuados ajustes el modelo unifactorial del GAD-7 Quechua Collao, (CFI= 0.994; TLI= 0.991; SRMR=0.027; RMSEA= 0.092), con adecuadas cargas factoriales de los ítems (λ = 0.72 y λ = 0.86). Adicionalmente, reportó una buena confiabilidad (α = 0.896 ; ω= 0.894). CONCLUSIONES: La evidencia presenta apoyo a un modelo unidimensional del GAD-7 Quechua Collao y una óptima confiabilidad, por lo que su uso está recomendado en quechua hablantes que hablan la variedad del Quechua Collao.
Análisis y proyección del precio de energía en américa latina
(Universidad Peruana Unión, 2024-04-08) Huaringa Tello, Luis Enrique; Balbin De La Cruz, Victor; López Gonzales, Javier Linkolk
En Brasil, el sector industrial es el mayor consumidor de electricidad. Por tanto, la planificación energética adquiere importancia para el desarrollo industrial. Los datos del consumo de electricidad en el sector industrial brasileño se pueden organizar en una estructura jerárquica compuesta por cada región geográfica (Sur, Sureste, Centro-Oeste, Noreste y Norte) y sus respectivos estados. Este trabajo tiene como objetivo evaluar la capacidad predictiva de los enfoques ascendente, descendente y de combinación óptima utilizados para predecir el consumo de energía eléctrica en el sector industrial brasileño. Estos enfoques se integraron con suavizado exponencial, Box y Jenkins, y métodos predictivos de redes neuronales. Los resultados mostraron que el enfoque de combinación óptima proporcionó las mejores predicciones y, por lo tanto, superó a los otros enfoques de predicción jerárquica.
Aplicación de aprendizaje automático en espectros de infrarrojo cercano para la predicción de humedad en comino molido
(Universidad Peruana Unión, 2025-04-27) Villalta Arellano, Segundo Ramos; López Gonzales, Javier Linkolk
El comino (Cuminum cyminum L.) es una de las especias más valoradas a nivel mundial, y el contenido de humedad constituye un parámetro crítico para evaluar su calidad y seguridad. Este estudio tuvo como objetivo evaluar el rendimiento de algoritmos de aprendizaje automático en el análisis de espectros de infrarrojo cercano (NIR) para la predicción de humedad en comino molido. Se recolectaron seis muestras de comino y se obtuvieron espectros NIR en el rango de 1100-2100 nm. Los espectros, expresados en absorbancia, fueron pretratados utilizando Savitzky-Golay (SG) y normalización de manera independiente, seguidos por una optimización mediante análisis de componentes principales (PCA). Los datos completos y los optimizados se modelaron empleando regresión lineal múltiple (MLR) y máquinas de vectores de soporte cuadrático (QSVM). Los modelos se entrenaron mediante validación cruzada de 5 particiones con 30 repeticiones, evaluando su desempeño mediante el coeficiente de determinación (R²) y la raíz del error cuadrático medio (RMSE). En el conjunto de datos completo, QSVM con pretratamiento SG obtuvo los mejores resultados (R² = 0.99; RMSE = 0.0582). Para los datos optimizados, QSVM combinado con normalización presentó un rendimiento destacado (R² = 0.97; RMSE = 0.0919). Estos hallazgos resaltan que QSVM, gracias a su capacidad para capturar relaciones no lineales, ofrece predicciones más precisas y robustas en comparación con MLR. Este estudio sugiere explorar técnicas avanzadas basadas en aprendizaje profundo y/o algoritmos complementarios que puedan mejorar el rendimiento de los modelos predictivos.
Aplicación del análisis de componentes principales para la estimación de un índice de economía circular en América Latina y el Caribe
(Universidad Peruana Unión, 2023-11-30) Ayala Beas, Sebastian Rolando; Saboya Ríos, Nemias
Mediante la aplicación del Análisis de Componentes Principales, el objetivo de la investigación es analizar las relaciones entre las dimensiones e indicadores que conforman la economía circular, en el contexto de los países de América Latina y el Caribe. Empleando información de 16 variables agrupados en 4 dimensiones, para una muestra de 20 países se logró estimar un Índice de Economía Circular. Los resultados muestran que Uruguay es el país mejor ubicado, es decir ha logrado un mayor desarrollo en la transición a un modelo de economía circular. Por el contrario, Trinidad y Tobago ocupa el último lugar de los 20 países analizados. También se estimó un índice por dimensiones de la economía circular: en la Dimensión 1 Producción de Recursos y la Dimensión 2 Consumo de Recursos, Panamá registra un mejor desempeño; en la Dimensión 3 Utilización Integrada de Recursos, Uruguay lidera el ranking; y finalmente, en la Dimensión 4 Eliminación de Residuos/Emisiones Contaminantes, Bolivia es el país mejor ubicado. Los hallazgos tienen importantes implicancias para orientar la implementación de políticas que promuevan la transición a un modelo de economía circular en la región.
Caracterización de la dieta en los perfiles bioquímicos y antropométricos con análisis de componentes principales en pacientes obesos, Guayaquil – Ecuador
(Universidad Peruana Unión, 2023-06-29) Gomez Rutti, Yuliana Yessy; Gordillo Cortaza, Janet del Rocio; Soria Quijaite, Juan Jesús
Objetivos: Determinar la caracterización de la dieta en los perfiles bioquímicos y antropométricos con análisis de componentes principales en pacientes obesos ecuatorianos. Métodos: Estudio descriptivo, comparativo, longitudinal, se tuvo acceso a la base de datos de la historia clínica institucional y se conformó un grupo de estudio al que se les ofreció una dieta baja en carbohidratos. La muestra fueron 110 pacientes obesos del Hospital de Guayaquil-Ecuador. Resultados: Los pacientes tenían edades entre 25 a 65 años. Se obtuvo un efecto significativo de pérdida de IMC (kg/m2) (Δ-2,6±1,9) (p<0,001), perímetro abdominal (cm) (Δ-5,1±4,7) (p<0,001), grasa corporal (%) (Δ-3,6±3,6) (p<0,001), triglicéridos (mg/dL) (Δ-25,4±72,9) (p<0,001) y glucosa (mg/dL) (Δ-6,8±9,6) (p<0,001). Conclusión: La dieta baja en carbohidratos reduce el IMC, el perímetro abdominal, la grasa corporal, triglicéridos y glucosa en los pacientes obesos.
Comunidad virtual de aprendizaje y competencias de los estudiantes en el área de Inglés de la I. E. Libertador Simón Bolívar - Pativilca - 2020
(Universidad Peruana Unión, 2022-09-16) Castillo Yánac, Roos Mery; Soto Rodríguez, Iván
En este estudio, se determinó la relación entre el uso de una comunidad virtual de aprendizaje y las competencias de los discentes en el área de Inglés de la I. E. Libertador Simón Bolívar-Pativilca-2020. Es una investigación cuantitativa de diseño no experimental, transeccional y correlacional. La muestra, 155 estudiantes, recopilados mediante de la técnica de muestreo aleatorio estratificado. Se recogió datos aplicando un cuestionario y una guía de observación. Las variables estudiadas fueron: comunidad virtual de aprendizaje y competencias del área de Lengua Extranjera Inglés. Para el tratamiento de datos se usó Tau_b de Kendall. Siendo los resultados: la Comunidad virtual de aprendizaje guarda relación significativa, alta y positiva con las competencias de los discentes en el área de Inglés de la I. E. Libertador Simón Bolívar-Pativilca 2020. Sí hay relación significativa, baja y positiva entre el uso de una comunidad virtual de aprendizaje y la competencia se comunica de manera oral en inglés de los discentes de la institución educativa Libertador Simón Bolívar-Pativilca-2020. Existe relación significativa, moderada y positiva entre el uso de una Comunidad virtual de aprendizaje y la competencia lee textos escritos en inglés de los discentes de la institución educativa Libertador Simón Bolívar-Pativilca-2020. También, existe relación significativa, alta y positiva entre el uso de una comunidad virtual de aprendizaje y la competencia escribe diversos textos en inglés de los discentes de la institución educativa Libertador Simón Bolívar-Pativilca-2020. Por último, se revela que existe relación significativa entre las variables analizadas.
Enfoque predictivo para la concentración de contaminante del aire basado en un modelo de red neuronal artificial
(Universidad Peruana Unión, 2024-04-15) Guerra Bendezu, Carlos Andres; Romani Franco, Vivian Isabel; Lopez Gonzales, Javier Linkolk
In this study, we propose a new hybrid method based on artificial neural networks to forecast daily extreme events of PM2.5 pollution concentration. The hybrid method combines self-organizing maps to identify temporal patterns of excessive daily pollution found at different monitoring stations, with a set of multilayer perceptron to forecast extreme values of PM2.5 for each cluster. The proposed model was applied to analyze five-year pollution data obtained from nine weather stations in the metropolitan area of Santiago, Chile. Simulation results show that the hybrid method improves the performance metrics when forecasting daily extreme values of PM2.5.
Enfoque predictivo para la reactividad a la prueba del virus de la inmunodeficiencia humana (VIH) basado en algoritmos de Machine Learning
(Universidad Peruana Unión, 2023-11-30) Marroquin Marroquin, Urlish Kleyber; López Gonzales, Javier Linkolk
En la actualidad existen muchos métodos de predicción que se utilizan en el campo de la salud; no obstante, los estudios actuales requiere mayor estudio e indagación en la reactividad de resultados de las pruebas del virus de la inmunodeficiencia humana (VIH) utilizando modelos predictivos basados en Machine Learning, sin embargo, si se lograra predecir la reactividad positiva de la prueba de VIH de una persona con anterioridad, se podría realizar las acciones oportunas con antelación para poder brindarle una atención oportuna a la persona, además así poder asignar la preparación del tratamiento antirretroviral (TARV) y esquema de tratamiento a utilizar adecuado. Por tal motivo, este estudio propone un enfoque predictivo para la reactividad a la prueba del virus de la inmunodeficiencia humana (VIH) basado en algoritmos de Machine Learning. Los datos utilizados proceden de los registros del personal de salud que pertenecen a una brigada móvil y que realizan funciones de tamizaje de VIH a través del Aplicativo Móvil de Tamizaje ITS (App VIH) del Ministerio de Salud del Perú (Minsa). La metodología utilizada consistió en evaluar cuatro modelos de machine learning con los algoritmos “Decision Tree Classifier, Random Forest Classifier, Extra Trees Classifier y Extreme Gradient Boosting”, con la intención de comparar sus resultados y elegir al mejor modelo que presente el mejor desempeño, para luego ser utilizado a través de una interfaz gráfica, que permita determinar si una persona posee Reactividad Positiva o Negativa al resultado de la Prueba de VIH. Los resultados demostraron que el mejor modelo de machine learning para el estudio fue Extra Trees Classifier con un Accuracy Score de 98.19% en comparación con Decision Tree Classifier con el menor Accuracy Score de 98.03%; calculado a través de la precisión promedio usando el puntaje de validación cruzada con 10 interacciones de los datos de entrenamiento; esto indica que el modelo predice con una precisión del 98% la prueba de VIH. Por tal motivo, este modelo podrá ser usado en la toma de decisiones relacionadas con las personas que puedan contraer el VIH y así brindarles un tratamiento antirretroviral (TARV) adecuado, además de la misma forma, apoyar a las labores realizadas por las brigadas móviles urbanas en temas relacionados con el VIH.
Factores que influyen en el rendimiento académico en estudiantes del tercer ciclo de una universidad privada en Lima
(Universidad Peruana Unión, 2025-05-13) Ipince Antunez, Daniel Alberto; Miñope Gomez, Miguel Angel; López Gonzales, Javier Linkolk
Objetivo: Determinar los factores que influyen en el rendimiento académico de los estudiantes del tercer ciclo de una universidad privada en Lima. Metodología: Enfoque cuantitativo, con diseño no experimental, de corte transversal y nivel explicativo. La muestra fue de 234 estudiantes, seleccionados mediante muestreo aleatorio simple. Se utilizaron técnicas de recolección documental y encuesta. Resultados: El modelo completo explicó el 13.6% de la variabilidad del rendimiento académico, solo un número reducido de variables predictoras presentó efectos estadísticamente significativos. El modelo stepwise mostró mejor ajuste (AIC = 308.797) en comparación con el modelo completo, manteniendo una capacidad predictiva adecuada (Pseudo R² = 0.101). Conclusión: Existe influencia significativa de los factores en el rendimiento académico en estudiantes del tercer ciclo de una universidad privada en Lima.
Identificación de patrones temporales de PM10 basados en análisis espectral singular
(Universidad Peruana Unión, 2024-04-08) Ureta Tolentino, Jeremias Macias; Calsin Quinto, Diana Silvia; López Gonzales, Javier Linkolk
Este estudio propone mejorar la precisión en la predicción de la calidad del aire. Para ello se considera una adaptación híbrida. Se basa en una integración del análisis del espectro singular y redes neuronales recurrente a la memoria de corto y largo plazo; El SSA se aplica a la serie temporal original para dividir la señal y el ruido, que luego se predicen por separado y se suman para obtener los pronósticos finales. Este método híbrido proporcionó un mejor rendimiento en comparación con otros métodos.
Impacto de las emisiones de PM2,5 y PM10 en los cambios de sus niveles de concentración en el Área Metropolitana de Lima: un estudio de caso
(Universidad Peruana Unión, 2024-04-02) Muñoz Vilela, Algemiro Julio; Campos Diaz, Angel Hugo; Huamán De La Cruz, Alex Rubén
The aim of this work was to analyze the temporal behavior of the concentration profiles of PM2.5 (period 2014-2023) and PM10 (period 2010-2023) collected in five district of the Metropolitan area of Lima (MAL). The year 2016 and 2021 showed the highest annual averages for PM2.5 while PM10 reported higher concentrations in 2013, 2016, and 2021 for most stations. For PM2.5 higher peaks were recorded between May and September and lower peaks between January and March. For PM10, higher peaks were found of March-May and August-October, and lower peaks observed between January and June. Daily minimum and maximum values of PM2.5 ranged between 3.74 and 148 μg/m3, while PM10 ranged from 7.16 to 579 μg/m3, respectively. For hourly variations was observed peaks that occurs between 6:00 and 10:00 a.m. and between 6:00 p.m. and 11:00 p.m for both PMs. This information obtained will serve to make important social decisions.
Modelado y pronóstico de precios de electricidad utilizando la técnica de conjuntos de series de tiempo: aplicación al mercado eléctrico peruano
(Universidad Peruana Unión, 2024-04-02) Mancha Gonzales,Salvatore; Iftikhar, Hasnain
En los mercados eléctricos actuales, el pronóstico preciso del precio de la electricidad proporciona información valiosa para la toma de decisiones entre los participantes, lo que garantiza un funcionamiento fiable del sistema eléctrico. Sin embargo, las complejas características de las series temporales de precios de la electricidad dificultan la obtención de previsiones precisas. Este estudio aborda este desafío introduciendo un enfoque para predecir precios en el mercado eléctrico peruano. Este enfoque implica el preprocesamiento de la serie temporal mensual de precios de la electricidad, abordando los valores faltantes, estabilizando la varianza, normalizando los datos, logrando la estacionariedad y considerando cuestiones de estacionalidad. Después de esto, se emplean seis modelos base estándar para modelar la serie temporal, seguidos de la aplicación de tres modelos de aprendizaje conjunto para pronosticar la serie temporal del precio de la electricidad. También se efectuaron comparaciones entre los precios de la electricidad pronosticados y observados utilizando medidas de precisión del error medio, evaluación gráfica y una prueba estadística de igualdad precisión de pronóstico. Los resultados mostraron que el enfoque de aprendizaje conjunto propuesto, es una herramienta eficiente y precisa para pronosticar los precios mensuales de la electricidad en el mercado eléctrico peruano. Además, los modelos de aprendizaje conjunto superaron los resultados de estudios anteriores. Finalmente, si bien se han realizado numerosos estudios globales desde diversas perspectivas, no se ha llevado a cabo ningún análisis utilizando un enfoque de aprendizaje conjunto para pronosticar los precios de la electricidad en el mercado eléctrico peruano.
Modelamiento de datos sobre el comportamiento del consumidor y hábitos de compra on-line
(Universidad Peruana Unión, 2024-05-14) Hernandez Zevallos, Alison Samantha; Grijalva Salazar, Rosario Violeta; Canas Rodríguez, Paulo Jorge
Con el crecimiento del comercio electrónico y la necesidad de desarrollar estudios sobre este tema, este artículo tiene como objetivo realizar un análisis exploratorio de datos integral en términos de sector y tipo de producto, temporalidad y ubicación geográfica, con el fin de estudiar patrones y formular hipótesis para investigaciones posteriores. Utilizando un estudio observacional transversal de datos de comercio electrónico en Brasil, realizamos un preprocesamiento en bases de datos transaccionales proporcionadas por la tienda de comercio electrónico Olist en el sitio Kaggle a través de una muestra aleatoria. El análisis se centró en analizar las métricas de precio de productos y la demanda de ventas, donde los principales resultados fueron la identificación de sectores más atractivos, patrones de consumo de estacionalidad y hora/día en relación con el precio y la demanda de ventas, y patrones espaciales en relación con los estados de Brasil. Nuestros resultados mostraron que la distribución del precio medio por sector de producto es homogénea, destacándose los sectores de cama, mesa y baño, deporte y ocio, y belleza y salud con una alta demanda, en comparación con los sectores de relojes y cosas interesantes que tienen una mediana más alta en relación con los otros. En cuanto a la estacionalidad y temporalidad, observamos una tendencia de crecimiento a lo largo del tiempo con patrones de ventas/hora y día más bajos los fines de semana y, finalmente, en el análisis espacial, se muestra la discrepancia en ventas y valor pagado por productos entre las regiones del sureste y las demás regiones.
Modelo de Machine Learning para predecir la deserción universitaria a partir de factores socioeconómicos y académicos
(Universidad Peruana Unión, 2024-04-02) Izquierdo Marin, Sandra Sofia; Torres Navarrete, William Robert; Soria Quijaite, Juan Jesús
El estudio se centró en generar un modelo de Machine Learning que pueda predecir la deserción de los estudiantes de la Universidad Católica de Trujillo en el periodo 2021-2022, a partir de factores socioeconómicos y académicos, cuya efectividad sea superior al 75%. El diseño metodológico de este estudio fue mixto, ya que no solo utilizó un método estadístico, sino también el análisis documental de casos, los cuales están recolectado de forma numérica y categórica para determinar la relación entre factores socioeconómicos y académicos y la deserción universitaria de los estudiantes, así como explicar y predecir a través de ellos escenarios futuros de la variable dependiente. La población estudiada consistió en dos cohortes (2021 y 2022) de 11 carreras de nivel pregrado dictadas en la Universidad Católica de Trujillo; totalizando 3156 alumnos, de los cuales 789 han abandonado los estudios (índice de deserción del orden del 25%). En conclusión, el modelo propuesto es significativo (p- value: 0) en base a cuatro factores predictores (lugar de procedencia, hermanos, institución educativa de egreso y cantidad de cursos desaprobados). Además, los factores socioeconómicos abordados si se relacionan de forma significativa con la deserción universitaria, a excepción del género (masculino y femenino), cuya relación no es significativa (chi2=,338). Además, los resultados obtenidos mediante el análisis de chi- cuadrado indica que todos los factores académicos están relacionados de forma significativa. Finalmente, el modelo es capaz de clasificar correctamente 98.7% de las observaciones de entrenamiento.
Modelo de regresión funcional para la predicción de PM2.5 en función de PM10 en Lima - Perú
(Universidad Peruana Unión, 2024-04-02) Choquetico Apaza, Harold Abraham; Silva Rubio, Edith; Ospina Galindez, Johann Alexis
Este estudio pionero aprovecha el análisis de datos funcionales dentro de la metrología ambiental para examinar las intrincadas relaciones entre variables ambientales críticas, como las concentraciones de partículas PM2.5 en el Área Metropolitana de Lima-Callao. Abordar el vínculo entre la calidad del aire y estas partículas desde un punto de vista funcional ha arrojado conocimientos valiosos que superan los análisis convencionales. Al examinar las variaciones y tendencias temporales, esta investigación ha discernido no sólo la magnitud de la contaminación sino también sus patrones estacionales y diarios. El modelo de datos funcional destaca por su capacidad de utilizar plenamente los datos históricos, integrando la información a lo largo del tiempo para proporcionar una perspectiva más integral. Este enfoque avanzado también ha allanado el camino para incorporar múltiples conjuntos de datos ambientales, como temperatura, humedad y otros contaminantes, para ofrecer una visión más amplia y multifacética de la calidad del aire. El objetivo de esta investigación es desarrollar un modelo predictivo avanzado que estime los niveles de PM2,5 en función de las concentraciones de PM10, utilizando registros diarios de calidad del aire desde 2023. A través de un marco integrado, el estudio pretende capturar las interacciones complejas y la dinámica temporal de estos componentes atmosféricos, destacando el impacto significativo de PM2.5 en la salud pública y la calidad ambiental.
Modelo predictivo de precios de alquiler de departamentos en la provincia de Lima usando técnicas de Machine Learning
(Universidad Peruana Unión, 2024-04-15) Cacñahuaray Huaraca, Jimmy Christian; Jiménez Novoa, Silvia Mónica; Ospina Galindez, Johann Alexis
Este estudio investiga las variaciones y previsibilidad de los precios de alquiler en el sector inmobiliario de Lima. mercado en 2023, utilizando un corpus de 3.675 registros inmobiliarios. A través de estadística descriptiva análisis, se identificaron diferencias significativas en los precios de alquiler entre distritos, lo que refleja disparidad económica y diversidad en las opciones de vivienda. Los modelos de aprendizaje automático fueron implementado para predecir los precios de alquiler seleccionando características de la propiedad como la plaza metraje, número de dormitorios, baños y garajes. Los modelos fueron evaluados en base a su precisión y eficiencia computacional, mostrando una variabilidad significativa. El modelo WeightedEnsemble_L2 se destacó, presentando altos niveles de precisión y un R² indicando una previsibilidad sólida. El análisis de importancia de las características reveló que los pies cuadrados y el número de talleres son los predictores más importantes. Estos hallazgos ofrecen valiosos ideas para las partes interesadas en el mercado inmobiliario y subrayar la eficacia de Métodos de aprendizaje automático en la valoración inmobiliaria.
Predicción de la dosificación de coagulantes mediante random forest en la PTAP Miguel de la Cuba Ibarra
(Universidad Peruana Unión, 2025-01-31) Gonzales Medina, Ronny Iván; Morán Silva, Rosa María; López Gonzales, Javier Linkolk
El agua potable es un recurso esencial para la humanidad con un impacto ambiental significativo. Por lo tanto, su tratamiento debe ser una prioridad. La redicción de la dosis de coagulantes mediante modelos y técnicas de Machine Learning permite mejorar la eficiencia y reducir los costos en el tratamiento del agua. Este enfoque debe ser implementado y evaluado, especialmente en países con recursos limitados. En este estudio, se aplicó el modelo de Random Forest para optimizar la predicción de la dosificación de coagulantes en la PTAP Miguel de la Cuba Ibarra. Los resultados obtenidos muestran que el modelo RF es adecuado para predecir niveles de turbidez de agua decantada y con la plataforma digital permite generar diferentes curvas de dosificación para la toma de decisiones en el menor tiempo posible.
Propiedades psicométricas de la escala competencias digitales en docentes de Educación Básica Regular
(Universidad Peruana Unión, 2023-03-28) Geraldo Campos, Luis Alberto; Rosales Gomero, Romel Arturo; Soria Quijaite, Juan Jesús
Las competencias digitales han sido bien requeridas desde el ingreso de la tecnología a las aulas y el uso para medir este constructo se ha tornado cada vez más imperante. Por lo tanto, el objetivo fue determinar las propiedades psicométricas de una escala de autoevaluación de competencias digitales para docentes de Educación Básica Regular (EBR). Se utilizó una estrategia metodológica de tipo cuantitativo de corte transversal e instrumental, en la que se utilizó técnicas de análisis factorial exploratorio (AFE) y análisis factorial confirmatorio (AFC), se encuestó a 534 docentes. Los resultados muestran un AFE con dos factores y cargas superiores a 0.4, un KMO igual 0.957 y una varianza acumulada de 51.30%; el análisis AFC validó tres modelos, donde el modelo 2 con tres factores, Evaluación y Promoción (EP), Recursos digitales en la Enseñanza (RDE) y Participación Profesional en el Aprendizaje (PPA), arrojó altas correlaciones y adecuados índices de bondad de ajuste cercanos a la unidad (X2/gl =1.476; RMSEA=0.042; TLI=0.97 y CFI=0.97). Se pone en evidencia que el modelo 2 con tres factores contiene mejores medidas, por lo tanto, es el más adecuado para medir las competencias digitales en los docentes de EBR.

Examinar

Examinando Segunda Especialidad Profesional de Ingeniería: Estadística Aplicada Para Investigación por Título

Resultados por página

Opciones de ordenación