Segunda Especialidad Profesional de Ingeniería: Estadística Aplicada Para Investigación

Examinar

Envíos recientes

Mostrando 1 - 20 de 26
  • Ítem
    Relaciones entre la adicción al teléfono inteligente, calidad del sueño y depresión: un analisis PLS-SEM en universitarios peruanos
    (Universidad Peruana Unión, 2025-03-31) Huaranja Montaño, Max Alejandro; Tirado Rengifo, Arminda; Soto Rodríguez, Iván Dennys
    Este estudio tiene como objetivo determinar la relación existente entre la adicción al teléfono inteligente, la calidad del sueño y la depresión en estudiantes universitarios peruanos. La investigación es explicativa, no experimental y transversal. En el estudio, participaron 385 universitarios empleando un muestreo no probabilístico. Los datos se recolectaron usando la versión corta de la Escala de Adicción al Teléfono inteligente (SAS-SV), el Índice de Calidad del Sueño de Pittsburgh (PSQI) y el Inventario de Depresión de Beck (BDI-II). Los hallazgos del análisis PLS-SEM indican que la adicción al teléfono inteligente se relaciona con la calidad del sueño (β = 0.661, p < 0.05) y la depresión (β = 0.299, p < 0.05). Asimismo, se observó un efecto significativo de la calidad del sueño sobre la depresión (β = 0.393, p < 0.05). Estos hallazgos resaltan la importancia de desarrollar intervenciones pedagógicas para disminuir el uso excesivo de los teléfonos inteligentes y optimizar la calidad del sueño, lo cual disminuye los síntomas de la depresión y promueve el bienestar mental de los estudiantes universitarios.
  • Ítem
    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.
  • Ítem
    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.
  • Ítem
    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.
  • Ítem
    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.
  • Ítem
    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.
  • Ítem
    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.
  • Ítem
    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.
  • Ítem
    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.
  • Ítem
    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.
  • Ítem
    Un análisis integral del brote de viruela simica utilizando un modelo conjunto de series temporales: un estudio de caso de países con zonas críticas
    (Universidad Peruana Unión, 2024-04-08) Huaman Alfaro, Juan Carlos; Meza Cuba, Wilfredo; Iftikhar, Hasnain
    La pandemia de coronavirus ha suscitado preocupaciones sobre la aparición de otras infecciones virales, como la viruela del mono, que se ha convertido en un peligro significativo para la salud pública. Por lo tanto, este trabajo propone una nueva técnica de conjunto de series temporales para analizar y predecir la propagación de la viruela del mono en los cuatro países con mayores tasas de infección por el virus de la viruela del mono. Este enfoque involucró el procesamiento de la primera serie temporal acumulativa de casos confirmados para abordar la estabilización de la varianza, la normalización, la estacionariedad y un componente de tendencia secular no lineal. Después de eso, se utilizaron cinco modelos de series temporales individuales y tres modelos de conjunto propuestos para estimar la serie temporal filtrada de casos confirmados. La precisión de los modelos se evalúa utilizando errores medios típicos de precisión, evaluación gráfica y una prueba estadística de igual precisión de pronóstico. Basado en los resultados, se encontró que el enfoque de pronóstico de conjunto de series temporales propuesto es una manera eficiente y precisa de pronosticar los casos confirmados acumulativos para los cuatro principales países del mundo y el mundo entero. Utilizando el mejor modelo de conjunto, se hace un pronóstico para los próximos 28 días (cuatro semanas), lo que ayudará a comprender la propagación de la enfermedad y los riesgos asociados. Esta información puede prevenir una mayor propagación y permitir un tratamiento oportuno y efectivo. Además, el enfoque novedoso de conjunto de series temporales desarrollado puede ser utilizado para pronosticar otras enfermedades en el futuro.
  • Ítem
    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.
  • Ítem
    Tendencia temporal de PM 10 y el riesgo asociado para la salud humana en el Área Metropolitana de Lima
    (Universidad Peruana Unión, 2024-04-08) De la Cruz Rojas, Lucila Amelia; Valenzuela Hinostroza, Lady Diana; Huamán De la Cruz, Alex Ruben
    El objetivo de este estudio fue evaluar el riesgo para la salud humana asociado con la exposición a PM 10 en residentes del Área Metropolitana de Lima (MAL), Perú, para el mejor de los casos y para el peor de los casos con base en el promedio mensual de PM 10 y percentil 90 de concentración de PM 10 , respectivamente. Las concentraciones horarias de PM 10 entre 2010 y 2023 correspondientes a cinco estaciones de monitoreo fueron proporcionadas por el Servicio Nacional de Meteorología e Hidrología (SENAMHI). La calidad del aire se evaluó mediante el índice de calidad del aire (ICA). El cociente de peligro para evaluar el riesgo para la salud humana se calculó utilizando el valor límite anual establecido por la Unión Europea (UE, 40 μg/m 3 ) y la Organización Mundial de la Salud (OMS, 15 μg/m 3 ) porque no existe un valor de toxicidad para PM. 10 . La concentración media anual de PM 10 osciló entre 45,1 μg/m 3 y 96,1 μg/m 3 y estuvo por encima del límite anual establecido por la UE y la OMS. El AQI mostró que Lima se clasifica de moderada a insalubre, pero la mayoría de los días tienen una calidad del aire peligrosa. En el mejor de los casos y en el peor de los casos basados en la UE, ambos mostraron un mayor riesgo potencial crónico no cancerígeno en los meses de verano y primavera, mientras que el GCA de la OMS indicó un riesgo potencial crónico no cancerígeno para la salud en la mayoría de los meses del año. y el peor de los casos, indicó que existe un riesgo no cancerígeno durante la mayor parte del período.
  • Ítem
    Tendencia temporal de PM 2,5 y el riesgo asociado para la salud humana en Lima, Perú
    (Universidad Peruana Unión, 2024-04) Zapana Diaz, Domingo; Palomino Quispe, Justiniano Felix; Huaman De La Cruz, Alex Ruben
    El objetivo de este estudio fue evaluar el riesgo para la salud humana asociado con la exposición a PM2.5 en residentes del Área Metropolitana de Lima (MAL), Perú, para el mejor de los casos y para el peor de los casos. escenario basado en el promedio mensual de PM2.5 y el percentil 90 de concentración de PM2.5 , respectivamente.Las concentraciones horarias de PM2,5 entre 2014 y 2023 correspondientes a cinco estaciones de monitoreo fueron proporcionadas por el Servicio Nacional de Meteorología e Hidrología (SENAMHI). La calidad del aire se evaluó mediante el índice de calidad del aire (ICA). El cociente de peligro para evaluar el riesgo para la salud humana se calculó utilizando el valor límite anual establecido por la Unión Europea (UE, 25 μg/m3 ) y la Organización Mundial de la Salud (OMS, 10 μg/m3 ) porque no existe un valor de toxicidad para PM2.5. . La concentración media anual de PM10 osciló entre 19,5 μg/m3 a 35,8 μg/m3 con algún año por debajo del límite anual establecido por la UE, mientras que todos los años excedieron los límites de la OMS. El AQI mostró que Lima se clasifica de moderada a peligrosa. En el mejor y peor escenario basados en la UE, ambos muestran un mayor riesgo potencial crónico no cancerígeno en los meses de invierno que en los meses de verano, y se identificaron todos los años (excepto 2020), principalmente en las estaciones de invierno. lo que indica una exposición permanente y un riesgo para la salud de la población de Lima, respectivamente, mientras que el GCA de la OMS para el mejor escenario indicó un potencial riesgo crónico no cancerígeno para la salud en la mayoría de los meses del año, mientras que para el peor escenario , fueron mayores en los meses de invierno que en los meses de verano, mostrando un comportamiento constante, indicando que existe riesgo no cancerígeno durante casi todo el período.
  • Ítem
    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.
  • Ítem
    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.
  • Ítem
    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.
  • Ítem
    Transformaciones en la educación secundaria en América Latina: Tendencias, desafíos y perspectivas
    (Universidad Peruana Unión, 2024-04-15) De La Cruz Vasquez, Edgard Romulo; Flor Angulo, Fidel Roman; Canas Rodrigues, Paulo Jorge
    largo de las últimas décadas. Utilizando conjuntos de datos completos, se examinaron las tendencias en las tasas de finalización de la educación secundaria, las tasas de abandono escolar y las inversiones gubernamentales en educación en varios países de la región. Se observó un progreso significativo en la mejora de las tasas de finalización de la educación secundaria y en la reducción del abandono escolar en muchos países latinoamericanos, lo que refleja los esfuerzos continuos para promover el acceso y la calidad de la educación. Además, se registró un aumento general en el gasto gubernamental en educación, lo que indica un reconocimiento creciente de la importancia de la educación para el desarrollo socioeconómico. Sin embargo, persisten desafíos significativos, como las disparidades socioeconómicas y los impactos de la pandemia de COVID-19 en el sistema educativo. Se concluye que es crucial continuar invirtiendo en educación e implementar políticas que promuevan la inclusión y la equidad educativa en toda la región, para garantizar un futuro mejor para las futuras generaciones latinoamericanas.
  • Ítem
    Regresión logística binaria en factores asociados al abandono del tratamiento de tuberculosis, Lima 2023
    (Universidad Peruana Unión, 2024-03-21) Cueva Román, José Aníbal; Soria Quijaite, Juan Jesús
    En el Perú, la tuberculosis se ubica entre las primeras 15 causas de fallecimientos en toda la nación y es considerada como una endemia. La problemática del abandono del tratamiento emerge como un desafío de envergadura en su lucha. En este sentido, el objetivo de este estudio fue diseñar un modelo de regresión logística binaria eficiente en factores sociodemográficos para la predicción del abandono del tratamiento de tuberculosis en pacientes peruanos. Fue una indagación observacional, transversal y analítica, donde se trabajó con 362 sujetos que integraron el grupo de control y de casos. Se empleó una ficha de recolección de datos y el procesamiento de datos se efectúo con los programas de estadísticos RStudio y IBM SPSS Statístics. Se concluyó que el género masculino presenta una mayor proporción de casos de tuberculosis pulmonar, entar factores asociados. El tiempo de hospitalización y la falta de información clara sobre los exámenes de laboratorio son riesgos para abandonar el tratamiento y el consumo de sustancias alucinógenas también incrementa la probabilidad de abandono. Se concluyó que existe una notable ausencia de evaluaciones con un enfoque predictivo, ya que la mayoría de los estudios previos han adoptado un enfoque puramente explicativo.
  • Ítem
    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.