Sistema geolocalizado de pronóstico de casos de personas desaparecidas
Date
2020Metadata
Show full item recordAbstract
El problema de la investigación fue ¿Cuánto fue la mejora en la precisión del
pronóstico de casos de personas desaparecidas con el uso de la regresión
logística binaria y modelos de series de tiempo? Asimismo, el objetivo de la
investigación fue determinar la precisión del pronóstico de casos de personas
desaparecidas con la regresión logística binaria y los modelos de series de
tiempo como ARIMA, Holt-Winters y ETS.
La investigación realizada fue de tipo aplicada, de enfoque cuantitativo y
de diseño transversal correlacional causal, además se usó un diseño longitudinal
de tendencia debido a que se analizaron los datos de casos de personas
desaparecidas de México en el periodo de 2007-2018. Los datos son de acceso
público y fueron obtenido mediante el RNPED. Asimismo, para el desarrollo de
la investigación se usó el proceso de minería de datos implementando la
metodología CRISP-DM. Además, de un análisis de los diferentes tipos de
sistemas de geolocalización, identificando las técnicas para la innovación y
dando a conocer la información para tener una mejor precisión en el pronóstico.
Los resultados fueron satisfactorios por lo que finalmente se concluyó que
el sistema de geolocalización de pronóstico de personas desaparecidas se
puede usar en cualquier entorno siempre y cuando existan base de datos reales
para lograr un pronóstico fiable. En este sentido, con los resultados obtenidos
dentro de la investigación en los modelos ARIMA y ETS los cuales llegaron a ser
los más resaltantes con diecisiete y dieciséis modelos respectivamente de
precisión de pronósticos más acertados, tomando como ejemplo al estado de
Chiapas con una precisión del 99.31% a comparación de las otras series de
tiempo con un índice de precisión del 99.28% en el modelo Holt-Winters y
99.17% en el modelo ARIMA. Finalmente, se recomendó ampliar este sistema
en otras plataformas interactivas como el Tableau o Dundas BI para que junto al
Power Bi se pueda llegar a una cantidad mayor de usuarios
Collections
- Lima Este [424]