Análisis de patrones estacionarios de atenciones odontológicas mediante el modelo de series temporales

Alegria Carhuanambo, Edward Antonio

Análisis de patrones estacionarios de atenciones odontológicas mediante el modelo de series temporales

dc.contributor.advisor	López Gonzales, Javier Linkolk
dc.contributor.author	Alegria Carhuanambo, Edward Antonio
dc.date.accessioned	2025-11-10T22:55:09Z
dc.date.available	2025-11-10T22:55:09Z
dc.date.embargoEnd	2027-10-09
dc.date.issued	2025-10-09
dc.description.abstract	Objetivo: Se analizaron diferentes patrones mediante un modelo de series temporales de atenciones odontológicas realizadas en establecimientos de salud públicos de la región Huánuco – Perú durante el período 2018-2023. Métodos: La fuente de información se obtuvo del portal web Plataforma Nacional de Datos Abiertos del Seguro Integral de Salud (SIS). Se preparó un dataset con ayuda de software de inteligencia de negocios para estructurar las variables de estudio considerándose sólo atenciones odontológicas, donde se realizaron análisis estadísticos descriptivos y de pronóstico usando software con aplicación de librerías para base de datos, gráficas y series de tiempo. Culminada la transformación se compararon dos técnicas para el análisis de pronósticos Holt Winters(HW) y ARIMA. Resultados: El análisis de autocorrelaciones reveló no estacionariedad por lo que requirió conversión hacia una serie estacionaria. En la evaluación de supuestos del modelo HW obtuvo a estadístico de Breush Pagan (p = 0.0002), Ljung-Box (p = 0.0000) y Prueba de kolgomorov Smirnov (p = 0.0012) todos valores por debajo del nivel de significancia (p < 0.05). Para el modelo ARIMA con nivel de significancia (p = 0.05) se comprobó valores superiores determinándose homocedasticidad residual (p = 0.5073) e independencia de residuos a la prueba de Ljung-Box (p = 0.78), por otro lado, la prueba de normalidad Kolgomorov Smirnov obtuvo un valor p = 0.0513 ligeramente superior a nivel de significancia. Los resultados de pronósticos se observaron a horizontes de 12 meses (h = 12) con intervalos de confianza 80% y 95% determinándose en modelo HW valores con ciertos límites inferiores negativos lo que demuestra inestabilidad del modelo, frente a ARIMA que presenta mayor estabilidad. Conclusiones: el modelo ARIMA presentó mejor desempeño en sus pronósticos frente al modelo de Holt Winters, luego de las transformaciones por la no estacionariedad de los datos considerando un mejor ajuste para las predicciones.
dc.description.escuela	Escuela de Posgrado
dc.description.lineadeinvestigacion	Análisis de datos
dc.description.sede	Lima
dc.format	application/pdf
dc.identifier.uri	https://hdl.handle.net/20.500.12840/9354
dc.language.iso	spa
dc.publisher	Universidad Peruana Unión
dc.publisher.country	PE
dc.rights	info:eu-repo/semantics/embargoedAccess
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subject	Ciencia de datos
dc.subject	Estudios de series temporales
dc.subject	Interpretación de datos
dc.subject	Odontología en salud pública
dc.subject	Predicción
dc.subject.ocde	http://purl.org/pe-repo/ocde/ford#1.01.03
dc.title	Análisis de patrones estacionarios de atenciones odontológicas mediante el modelo de series temporales
dc.type	info:eu-repo/semantics/bachelorThesis
renati.advisor.dni	46071566
renati.advisor.orcid	https://orcid.org/0000-0003-0847-0552
renati.author.dni	40709804
renati.discipline	542039
renati.juror	Huanca Torres, Fredy Abel
renati.juror	Abanto Ramírez, Carlos Daniel
renati.juror	Tocto Cano, Esteban
renati.juror	Orrego Granados, David Leandro
renati.level	https://purl.org/pe-repo/renati/level#tituloSegundaEspecialidad
renati.type	http://purl.org/pe-repo/renati/type#tesis
thesis.degree.discipline	Segunda Especialidad en Estadística Aplicada para Investigación
thesis.degree.grantor	Universidad Peruana Unión. Unidad de Posgrado de Ingeniería y Arquitectura
thesis.degree.name	Segunda Especialidad Profesional de Ingeniería: Estadística para Investigación