Modelo predictivo de las tendencias de delitos en el Ecuador

dc.contributor.advisorErazo Moreta, Orlando
dc.contributor.authorVera Alarcón , María José
dc.date.accessioned2024-08-21T19:51:56Z
dc.date.available2024-08-21T19:51:56Z
dc.date.issued2024
dc.descriptionFor years, Ecuador has seen significant variations in crime rates, which have had an impact on the country's economic and social progress. These criminal acts endanger the safety and serenity of all inhabitants. The field of Data Science can be a valuable tool in addressing this issue, providing researchers with analytical methodologies for the analysis of large datasets. Although concern about crime is widespread in Ecuador, so far there have been few studies or analyses aimed at identifying trends or patterns related to this issue. For this reason, this project analyzes a database containing information on arrests made in Ecuador, with the crimes that motivated them during the period 2016-2023. Machine learning algorithms and data science techniques were used to detect criminal patterns and trends. Previously, an exploratory analysis of the data was carried out in order to understand the behavior of the variables. A predictive model was created using random forest. The results revealed a decrease in the incidence of crime officially reported from 2017 to 2024. When comparing the crimes that occurred in 2023 with the prediction for that same year, there is a coincidence that suggests that the model is accurate. Thus, it is expected that this study will contribute to the analysis and understanding of criminal trends, aiding decision-makers in making relevant decisions.
dc.description.abstractDurante años, en Ecuador se han observado variaciones significativas en las tasas de delincuencia, las cuales han tenido un impacto en el progreso económico y social del país. Estos actos delictivos ponen en peligro la seguridad y la serenidad de todos los habitantes. La Ciencia de Datos puede ser una herramienta valiosa para abordar esta problemática, al proporcionar a los investigadores metodologías analíticas para el análisis de grandes conjuntos de datos. A pesar de que la preocupación por la criminalidad es generalizada en Ecuador, hasta el momento ha habido escasos análisis destinados a identificar tendencias o patrones relacionados con este tema. Por ello, este proyecto analiza una base de datos del portal de datos abiertos del Ecuador, que contiene información sobre las denuncias realizadas en Ecuador, con los delitos que las motivaron durante el período 2016-2023. Se emplearon algoritmos de aprendizaje automático y técnicas de Ciencia de Datos para detectar pautas y tendencias delictivas. Previamente, se llevó a cabo un análisis exploratorio de los datos con el fin de comprender el comportamiento de las variables. Se desarrolló un modelo predictivo utilizando random forest. Los resultados revelaron una disminución en la incidencia delictiva reportada oficialmente desde 2017 hasta 2024. Al comparar los delitos ocurridos en 2023 con la predicción para ese mismo año, se observa una coincidencia que sugiere que el modelo es preciso. Así, se espera que este estudio constituya un aporte en el análisis y entendimientos de las tendencias delictivas, que coadyuven a los responsables a tomar las decisiones que sean pertinentes.
dc.format.extent103
dc.identifier.citationVera Alarcón,María José (2024). Modelo predictivo de las tendencias de delitos en el Ecuador. Quevedo. UTEQ. 103 paginas
dc.identifier.other1300002
dc.identifier.urihttps://repositorio.uteq.edu.ec/handle/43000/7818
dc.language.isospa
dc.publisherQuevedo: UTEQ
dc.rightsAttribution-NonCommercial-ShareAlike 3.0 United Statesen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/us/
dc.subjectDelitos
dc.subjectMinería de datos
dc.subjectAnálisis predictivo
dc.subjectTendencia de delitos.
dc.titleModelo predictivo de las tendencias de delitos en el Ecuador
dc.typemasterThesis

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
T-UTEQ-02.pdf
Size:
1.67 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: