Look-up in Google Scholar
Title: Comparación de naive bayes y series de tiempo en la predicción de morosidad de cuotas sociales del Colegio de Ingenieros del Perú Consejo Departamental Lambayeque
Advisor(s): Mejia Cabrera , Heber Ivan
OCDE field: http://purl.org/pe-repo/ocde/ford#2.02.04
Issue Date: 2020
Institution: Universidad Señor de Sipán
Abstract: Este proyecto de investigación llamado “COMPARACIÓN DE NAIVE BAYES Y SERIES DE TIEMPO EN LA PREDICCIÓN DE MOROSIDAD DE CUOTAS SOCIALES DEL COLEGIO DE INGENIEROS DEL PERÚ CONSEJO DEPARTAMENTAL LAMBAYEQUE” , tiene como finalidad utilizar dos técnicas de predicción, la cual una es Naive Bayes que es computacional, Series de Tiempo la cual es estadística, donde queremos saber que algoritmo es más eficiente para predecir la morosidad, donde hasta el momento no hay un estudio que determine cualquier tipo de medición en el campo de la morosidad. El objetivo principal de esta investigación es saber que algoritmo es el mejor para predecir la morosidad, por medio del cual se evaluara con los indicadores como MAPE (Error Porcentual Absoluto Medio), MAE (Error Absoluto Medio), MSE (Error Cuadrático Medio), TE (Tiempo de Estimación) donde se implementará el proceso de ETL (Extraer, Transformar y Cargar) para la extracción de los datos de los colegiados , la cual se tomara en cuenta datos relevantes para ser procesados con los algoritmos, donde se espera obtener un buen porcentaje aceptable, ya que no serán los mismo resultados que en las investigación anteriormente propuestas y planteadas en otros campos de investigación , donde una vez obtenido los resultado nos servirá para la toma de decisiones en el Colegio de Ingenieros, donde estimara el nivel de morosidad según sea la cantidad de ingresos que genere se genere mensual o anual.
Discipline: Ingeniería de Sistemas
Grade or title grantor: Universidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y Urbanismo
Grade or title: Ingeniero de Sistemas
Register date: 25-Feb-2020; 25-Feb-2020



This item is licensed under a Creative Commons License Creative Commons