Repositorio digital

Tesis

URI permanente para esta colección

https://repositorio.uteq.edu.ec/handle/43000/7790

Buscar

Examinando Tesis por Materia "Femicidio"

Mostrando 1 - 1 de 1
  • Miniatura
    ÍtemAcceso Abierto
    Caracterización de factores predictivos para identificar zonas de riesgo de femicidios y muertes violentas de mujeres en Ecuador
    (Quevedo:UTEQ, 2025) Tapia Cerezo, Wendy; Zambrano Vega, Cristian Gabriel
    Este estudio analiza la violencia fatal contra mujeres en Ecuador en el período 2014-2023, utilizando datos oficiales de la Función Judicial del Ecuador, con el objetivo de identificar patrones, factores de riesgo y zonas de alta incidencia. Se aplicaron técnicas avanzadas de limpieza y transformación de datos, eliminando valores nulos y duplicados, normalizando variables y manejando valores atípicos para mejorar la calidad del dataset. El análisis descriptivo mostró que la mayoría de las víctimas tenían entre 30 y 40 años, con una edad promedio de 33.95 años, nivel educativo básico y en su mayoría de etnia mestiza. Los agresores fueron principalmente parejas o exparejas con bajo nivel educativo, siendo en muchos casos mayores que las víctimas. En el análisis geográfico, se identificó que Guayas (33.04%), Pichincha (11.44%) y Manabí (9.32%) concentraron el mayor número de casos de violencia letal contra mujeres. El estudio también analizó la distribución temporal, evidenciando que los meses con mayor incidencia fueron diciembre, septiembre y marzo, mientras que los domingos fueron los días con más casos reportados. En el análisis predictivo, se compararon modelos de Machine Learning para la clasificación de femicidios y muertes violentas de mujeres, incluyendo Random Forest (RF), Support Vector Machine (SVM), Gradient Boosting Machine (GBM) y K-Means (clustering no supervisado). Estos modelos fueron entrenados y evaluados utilizando las métricas de precisión, recall, F1-score y matriz de confusión, con el objetivo de medir el rendimiento en la clasificación de los casos. El modelo GBM obtuvo la mayor precisión (91.76%), seguido de Random Forest (90%). Los hallazgos resaltan la importancia de usar inteligencia artificial y análisis de datos para mejorar la prevención de la violencia de género y optimizar las decisiones en políticas públicas y seguridad en Ecuador.