Show simple item record

dc.contributor.advisorQuispe Carita, Angel Javieres_PE
dc.contributor.authorSerrano Quispe, Marizol Lizbethes_PE
dc.date.accessioned2024-07-31T14:30:27Z
dc.date.available2024-07-31T14:30:27Z
dc.date.issued2024-08-01
dc.identifier.urihttps://repositorio.unap.edu.pe/handle/20.500.14082/22597
dc.description.abstractLos 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.es_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Nacional del Altiplano. Repositorio Institucional - UNAPes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/deed.eses_PE
dc.subjectModelo de Regresión Logísticaes_PE
dc.subjectMétricases_PE
dc.subjectAccidentes fataleses_PE
dc.titleAnálisis del modelo de predicción en la fatalidad de accidentes de tránsito en la región de Puno, 2022es_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.nameIngeniero Estadístico e Informáticoes_PE
thesis.degree.disciplineIngeniería Estadística e Informáticaes_PE
thesis.degree.grantorUniversidad Nacional del Altiplano. Facultad de Ingeniería Estadística e Informáticaes_PE
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_PE
dc.publisher.countryPEes_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.01.03es_PE
renati.advisor.orcidhttps://orcid.org/0000-0002-7357-4043es_PE
renati.typehttps://purl.org/pe-repo/renati/type#tesises_PE
renati.levelhttps://purl.org/pe-repo/renati/nivel#tituloProfesionales_PE
renati.discipline542026es_PE
renati.jurorCanqui Flores, Bernabees_PE
renati.jurorRoque Claros, Roberto Claroses_PE
renati.jurorRamos Calcina, Alcideses_PE
renati.author.dni75374500
renati.advisor.dni42266179


Files in this item

No Thumbnail [100%x80]
No Thumbnail [100%x80]

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess