Abstract:
Los modelos de predicción se han consolidado como herramientas valiosas en la gestión y evaluación de riesgos en el ámbito de la seguridad vial, abordando un desafío crucial: reducir el número de accidentes de tránsito, que son una de las principales causas de muerte en todo el mundo. El estudio tiene como objetivo determinar el modelo predictivo de regresión logística más adecuado para explicar y predecir la fatalidad de accidentes de tránsito en la región de Puno durante el año 2022. Se empleó un método de investigación hipotético deductivo, con un diseño no experimental. Para ello, se utilizó la recopilación retrospectiva de datos, procedentes de la base de datos de la X-MACREPOL-PUNO, por la División De Estadística De La Policía Nacional Del Perú. El modelo de regresión logística se desarrolló utilizando el 70% de los datos para entrenamiento y el 30% para validación. De acuerdo a los resultados obtenidos el modelo clasificador es el siguiente: Ln(odds)=-4.3398-0.9817x_1-1.0834x_2+0.8289x_3+1.6779x_4-0.836x_5+0.3876x_6+1.2369x_7+2.1454x_8. La bondad de ajuste, medida a través del R cuadrado de Cox y Snell, reveló un ajuste del 72.4%. El modelo presenta un rendimiento sobresaliente con un accuracy del 95%, para accidentes fatales, la precisión es del 86% y un recall del 89%, mientras que, para accidentes no fatales, la precisión alcanza 97% y el recall el 96%. La métrica F1 es de los 87% para accidentes fatales y del 97% para accidentes no fatales. El modelo se validó bajo los supuestos de linealidad, cumpliendo adecuadamente este supuesto, La prueba de independencia de Durbin-Watson dio como resultado un valor de 1.993, lo cual indica que no hay una correlación significativa entre los residuos. Además, el índice de multicolinealidad es 2.95, sugiere que no existen problemas de multicolinealidad.
