1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ciencias Naturales y Matemáticas
4. Tesis de Estadística

Title:	Desarrollo de un Modelo Bayesiano para la Predicción de Incidencias Delictivas en la Zona 8 del Ecuador basado en la teoría de los lugares de Riesgo
Authors:	García Angulo, Andrea Cristina, Director Gutiérrez, Geovanny Quinto, Fabricio
Keywords:	Desarrollo Modelo Bayesiano Predicción de Incidencias Delictivas Zona 8 del Ecuador Lugares de Riesgo
Issue Date:	2024
Publisher:	ESPOL.FCNM
Citation:	Gutiérrez, G. y Quinto, F. (2024). Desarrollo de un Modelo Bayesiano para la Predicción de Incidencias Delictivas en la Zona 8 del Ecuador basado en la teoría de los lugares de Riesgo. [Proyecto Integrador]. ESPOL.FCNM .
Description:	En este proyecto se construye un modelo estadístico con un enfoque bayesiano utilizando la metodología INLA (Integrated Nested Laplace Approximation) para estimar parámetros que capturen la relación espacial y temporal de incidentes de delitos como tráfico de drogas, robos, homicidios y extorsiones. El modelo considera un ´índice de riesgo calculado mediante la técnica de RTM (Risk Terrain Modeling), que incorpora la influencia de factores ambientales como establecimientos generadores, atractores o detractores de delitos. Los resultados muestran cómo diferentes variables explicativas, como la proximidad a estaciones de policía, bares y centros comerciales, impactan en las tasas de delitos, demostrando efectos multiplicativos significativos. Para el análisis predictivo, se identifican las distribuciones estadísticas más adecuadas para cada tipo de delito, destacando la distribución de Poisson con ceros inflados para homicidios y la Binomial Negativa para trafico de drogas, lo que permite visualizar mapas de riesgo y realizar predicciones especificas por zonas
metadata.dc.description.abstractenglish:	In this project, a statistical model is constructed with a Bayesian approach using the IN LA (Integrated Nested Laplace Approximation) methodology to estimate parameters that capture the spatial and temporal relationships of crime incidents such as drug trafficking, robberies, homicides, and extortion. The model considers a risk index calculated using the RTM (Risk Terrain Modeling) technique, which incorporates the influence of environ mental factors such as establishments that generate, attract, or deter crime. The results show how different explanatory variables, such as proximity to police stations, bars, and shopping centers, impact crime rates, demonstrating significant multiplicative effects. For the predictive analysis, the most suitable statistical distributions for each type of crime are identified, highlighting the Poisson distribution with inflated zeros for homicides and the Negative Binomial for drug trafficking, which allows for visualizing risk maps and making specific predictions by area.
URI:	http://www.dspace.espol.edu.ec/handle/123456789/63105
metadata.dc.identifier.codigoproyectointegrador:	MATE-195
Appears in Collections:	Tesis de Estadística

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.