Predicción espacio temporal de delitos en la provincia de Chimborazo (2015 - 2018)
Se planteó una alternativa, para estimar eventos delictivos mediante modelos espacio-temporales de regresión por áreas, para proporcionar información que permita optimizar la toma de decisiones. Se pretendió caracterizar los delitos de la provincia Chimborazo mediante procesos puntuales espacio-temp...
Збережено в:
| Автор: | |
|---|---|
| Формат: | bachelorThesis |
| Мова: | spa |
| Опубліковано: |
2022
|
| Предмети: | |
| Онлайн доступ: | https://dspace.espoch.edu.ec/handle/123456789/17082 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Резюме: | Se planteó una alternativa, para estimar eventos delictivos mediante modelos espacio-temporales de regresión por áreas, para proporcionar información que permita optimizar la toma de decisiones. Se pretendió caracterizar los delitos de la provincia Chimborazo mediante procesos puntuales espacio-temporales, las cuales permitieron identificar el comportamiento de los patrones delictivos, para finalmente proporcionar predicciones con el paquete CARBayes, el cual implementa modelos mixtos lineales generalizados, donde se utiliza la inferencia estadística de los modelados teóricos y sus capacidades explicativas en datos delincuenciales. Se usó el método univariado para datos de unidades de área, con inferencia en un entorno bayesiano, utilizando la simulación de la cadena de Márkov Monte Carlo (MCMC) y herramienta R, donde se encontró que los robos tienen un patrón de agrupación alto en las zonas urbanas, y el ajuste predice con un 95% de confiabilidad mediante el uso de covariables espaciales y temporales aledaños a las parroquias observadas, determinando así que la mayor cantidad de delitos ocurren en el Cantón Riobamba, con el 82% de datos registrados, con periodos temporales altos en los meses de enero, marzo y junio, en los días miércoles, jueves, viernes, sábado, especialmente en la tarde con un 35% de ocurrencia; seguido por otros cantones respectivamente, donde el 33% son robos a domicilio, 27% a personas, 22% robo de bienes, 9% unidades económicas, etc. Las zonas urbanas tienen más probabilidades de sufrir delitos que las zonas rurales, las covariables espaciales (número de cámaras del eco-911, número de unidades de policía comunitaria, número de instituciones Financieras, número de unidades educativas), permiten estimar modelos muy buenos con el mínimo error, por lo cual se recomienda el uso de esta técnica estadística y las covariables espaciales antes mencionadas para la predicción de datos delincuenciales, ya que aportan significativamente a la explicación de los sucesos delictivos. |
|---|