Modelo de predicción del estado delictivo de los distritos del Perú, 2020
| dc.contributor.advisor | Sanchez Solorzano, Jose Jose | |
| dc.contributor.author | Alza Diaz, Jose Alfredo | |
| dc.date.accessioned | 2025-03-24T11:37:24Z | |
| dc.date.accessioned | 2025-03-24T20:43:08Z | |
| dc.date.available | 2025-03-24T11:37:24Z | |
| dc.date.available | 2025-03-24T20:43:08Z | |
| dc.date.issued | 2024-09-02 | |
| dc.description.abstract | El estudio se llevó a cabo mediante un enfoque no experimental, transversal y exploratorio. La finalidad de la investigación consistió en identificar patrones delictuales y predecir la actividad delictiva de los distritos del Perú mediante técnicas de minería de datos. En cuanto a la metodología utilizada, se realizó análisis exploratorio de datos, se transformó los atributos mediante el análisis de escalamiento multidimensional, se redujo la dimensionalidad del conjunto de datos mediante el análisis de componentes principales, y se agruparon los distritos según sus características mediante el análisis de clúster. Luego, se aplicaron algoritmos de árboles de decisión, naive bayes, k-vecinos más cercanos y máquinas de vectores de soporte para encontrar el mejor modelo de predicción de la actividad delictiva en los distritos. Los resultados indican que el modelo de árboles de decisión es el más eficaz para predecir el estado delictivo de los distritos, con una precisión del 97%. Además, la investigación identifica 5 clúster de distritos organizados según el nivel de inseguridad y destaca 167 distritos con alta incidencia delictiva a nivel nacional. Se elabora un ranking de distritos según su actividad delictiva y, mediante la aplicación de sistemas de información geográfica, se logra visualizar la distribución espacial de la actividad delictiva en los distritos del país. | es_ES |
| dc.description.uri | Tesis | es_ES |
| dc.format | application/pdf | es_ES |
| dc.identifier.uri | https://hdl.handle.net/20.500.12976/26011 | |
| dc.language.iso | spa | es_ES |
| dc.publisher | Universidad San Pedro | es_ES |
| dc.publisher.country | PE | es_ES |
| dc.rights | info:eu-repo/semantics/openAccess | es_ES |
| dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | es_ES |
| dc.source | Universidad San Pedro | es_ES |
| dc.source | Repositorio Institucional - USP | es_ES |
| dc.subject | Minería de datos | es_ES |
| dc.subject | Estadística | es_ES |
| dc.subject | Seguridad ciudadana | es_ES |
| dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.11.04 | es_ES |
| dc.title | Modelo de predicción del estado delictivo de los distritos del Perú, 2020 | es_ES |
| dc.type | info:eu-repo/semantics/doctoralThesis | es_ES |
| renati.advisor.dni | 17955255 | es_ES |
| renati.advisor.orcid | 0000-0002-7689-961x | es_ES |
| renati.discipline | 542018 | |
| renati.juror | Neciosup Obando, Jorge Jorge | es_ES |
| renati.juror | Martinez Carrion, Javier Javier | es_ES |
| renati.juror | Angeles Morales, Julio Julio | es_ES |
| renati.level | https://purl.org/pe-repo/renati/level#doctor | |
| renati.type | https://purl.org/pe-repo/renati/type#tesis | |
| thesis.degree.discipline | Doctorado | es_ES |
| thesis.degree.grantor | Universidad San Pedro. Escuela De Postgrado | es_ES |
| thesis.degree.level | Doctor | es_ES |
| thesis.degree.name | Doctor En Estadística | es_ES |
| thesis.degree.program | Doctorado | es_ES |