Análisis estadístico de los casos de personas desaparecidas en la provincia de Chimborazo registradas en la DINASED oficina Riobamba durante el período 2017 - 2018
El presente trabajo de investigación tiene como objetivo hacer un análisis estadístico de la información sobre las desapariciones registradas en la Dirección Nacional de Delitos contra la Vida, Muertes Violentas, Desapariciones, Extorsión y Secuestros (DINASED); en la provincia de Chimborazo durante...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Μορφή: | bachelorThesis |
| Γλώσσα: | spa |
| Έκδοση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | https://dspace.espoch.edu.ec/handle/123456789/14815 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
Προσθήκη ετικέτας | Περίληψη: | El presente trabajo de investigación tiene como objetivo hacer un análisis estadístico de la información sobre las desapariciones registradas en la Dirección Nacional de Delitos contra la Vida, Muertes Violentas, Desapariciones, Extorsión y Secuestros (DINASED); en la provincia de Chimborazo durante los años 2017 y 2018, para esto se utilizó la información almacenada por la entidad antes mencionada encontrándose que gran parte de las variables eran categóricas, sin embargo de toda la base de datos se extrajeron 9 variables para este estudio, que presentaban mayor información sobre la víctimas y los hechos. El desarrollo del análisis se lo hizo mediante el Software Estadístico R Studio y Excel, encontrándose que el Distrito con mayor índice de personas desaparecidas a nivel provincial es Riobamba que abarca aproximadamente el 60% de víctimas, la mayoría de ellas han desaparecido desde su hogar, la edad aproximada de las víctimas osciló entre los 21 y 34 años, el 59% fueron de género femenino y el motivo más común fue por problemas familiares, específicamente problemas sentimentales. De estos índices, en el 2017 se resolvieron el 87% de los casos y en el 2018 el 91% lo cual indica que la DINASED ha actuado de manera oportuna frente a las desapariciones. Al trabajar con un modelo de Regresión Logística definiendo al Género como variable respuesta y la Edad como la predictora se observó que, en ambos años, los modelos tienen una gran capacidad para diferenciar si la víctima fue de Género Masculino o Femenino, con un Área bajo la curva = 0,72 en el 2017 y 0,69 para el 2018. Se recomienda almacenar y tratar la información de diferente manera, dependiendo del tipo de desaparición, manteniendo formatos que sirvan para un largo período de tiempo que estarán sujetos a cambios; siempre y cuando estos aporten más a la investigación. |
|---|