Bibliographic citations
This is an automatically generated citacion. Modify it if you see fit
Bullon, A., Perez, J. (2020). Sistema de pronóstico geolocalizado de mortalidad [Universidad César Vallejo]. https://hdl.handle.net/20.500.12692/71262
Bullon, A., Perez, J. Sistema de pronóstico geolocalizado de mortalidad []. PE: Universidad César Vallejo; 2020. https://hdl.handle.net/20.500.12692/71262
@misc{sunedu/3046919,
title = "Sistema de pronóstico geolocalizado de mortalidad",
author = "Perez Alarcon, Jean Brayan Alberto",
publisher = "Universidad César Vallejo",
year = "2020"
}
Title: Sistema de pronóstico geolocalizado de mortalidad
Authors(s): Bullon Santana, Aldair; Perez Alarcon, Jean Brayan Alberto
Advisor(s): Alfaro Paredes, Emigdio Antonio
OCDE field: https://purl.org/pe-repo/ocde/ford#2.02.04
Issue Date: 2020
Institution: Universidad César Vallejo
Abstract: El problema de la investigación fue: ¿Cuál fue la mejora en la precisión del
pronóstico de mortalidad con la técnica de regresión lineal múltiple, regresión
logística ordinal y series de tiempo? El objetivo de la investigación fue determinar
la precisión del pronóstico de mortalidad con la técnica de regresión lineal
múltiple, regresión logística ordinal y series de tiempo. El tipo de investigación
fue aplicada y el tipo de diseño fue no experimental, longitudinal y de tendencias
debido a que se analizaron los datos de mortalidad de Chile en el período 1997-
2017. Los datos son de acceso público y fueron obtenidos del Departamento de
Estadística e Información de Salud. Para el desarrollo de la investigación se usó
un proceso de minería de datos aplicando la metodología CRISP-DM. Las
técnicas usadas para el análisis de datos fueron: regresión lineal múltiple,
regresión logística ordinal y series de tiempo.
Los resultados obtenidos en la presente investigación demostraron que
con la técnica de regresión lineal múltiple se obtuvo una precisión mayor al 80%
en al menos dos regiones de Chile. La técnica de regresión logística ordinal tuvo
una precisión mayor al 66% en al menos dos regiones de Chile. La técnica de
series de tiempo usando el modelo ARIMA obtuvo un MAPE menor al 5% en al
menos tres regiones de Chile. Con los resultados obtenidos en la investigación
se llegó a concluir que existen causas de muertes que tienen un impacto superior
al 70% en al menos una región de Chile.
Finalmente, se recomendó aplicar otros modelos de pronóstico
considerando una mayor especificidad en la CIE-10, debido a que la presente
investigación se centró en el análisis por capítulos, pero cada capítulo tiene
grandes grupos de enfermedades. Esto ayudará a tener un análisis detallado o
un modelo que identifique el patrón de mortalidad para cada grupo, categoría o
enfermedad. También, se sugirió llevar a cabo investigaciones en un área
geográfica mayor a la utilizada en la investigación. Por otro lado, se recomendó
el uso de Machine Learning y Deep Learning, ya que podrían tener mejores
resultados.
Link to repository: https://hdl.handle.net/20.500.12692/71262
Note: Sistema de Información y Comunicaciones; Lima Este; Escuela de Ingeniería de Sistemas
Discipline: Ingeniería de Sistemas
Grade or title grantor: Universidad César Vallejo. Facultad de Ingeniería y Arquitectura
Grade or title: Ingeniero de Sistemas
Juror: Pérez Rojas, Even Deyser; Hilario Falcon, Francisco Manuel; Alfaro Paredes, Emigdio Antonio
Register date: 13-Oct-2021; 13-Oct-2021
This item is licensed under a Creative Commons License