Modelo bayesiano espacio-temporal DAGAR para estimar los casos de operaciones sospechosas en la provincia de Lima

Descripción del Articulo

En esta tesis se propone un enfoque bayesiano para la estimación de modelos espacio-temporales de áreas basados en la estructura DAGAR (Directed Acyclic Graph Autoregressive). Se desarrollan dos variantes del modelo: una con componentes espacio-temporales lineales y otra que incorpora una dinámica t...

Descripción completa

Detalles Bibliográficos
Autor: Diaz Quispe, Joseph Bryan
Formato: tesis de maestría
Fecha de Publicación:2025
Institución:Pontificia Universidad Católica del Perú
Repositorio:PUCP-Tesis
Lenguaje:español
OAI Identifier:oai:tesis.pucp.edu.pe:20.500.12404/33074
Enlace del recurso:http://hdl.handle.net/20.500.12404/33074
Nivel de acceso:acceso abierto
Materia:Estadística bayesiana
Lavado de dinero--Perú--Lima--Métodos estadísticos
Lavado de dinero--Perú--Lima--Prevención
https://purl.org/pe-repo/ocde/ford#1.01.03
id PUCP_8322d7b3b97cf10c3fad0d8da40c3e24
oai_identifier_str oai:tesis.pucp.edu.pe:20.500.12404/33074
network_acronym_str PUCP
network_name_str PUCP-Tesis
repository_id_str .
dc.title.none.fl_str_mv Modelo bayesiano espacio-temporal DAGAR para estimar los casos de operaciones sospechosas en la provincia de Lima
title Modelo bayesiano espacio-temporal DAGAR para estimar los casos de operaciones sospechosas en la provincia de Lima
spellingShingle Modelo bayesiano espacio-temporal DAGAR para estimar los casos de operaciones sospechosas en la provincia de Lima
Diaz Quispe, Joseph Bryan
Estadística bayesiana
Lavado de dinero--Perú--Lima--Métodos estadísticos
Lavado de dinero--Perú--Lima--Prevención
https://purl.org/pe-repo/ocde/ford#1.01.03
title_short Modelo bayesiano espacio-temporal DAGAR para estimar los casos de operaciones sospechosas en la provincia de Lima
title_full Modelo bayesiano espacio-temporal DAGAR para estimar los casos de operaciones sospechosas en la provincia de Lima
title_fullStr Modelo bayesiano espacio-temporal DAGAR para estimar los casos de operaciones sospechosas en la provincia de Lima
title_full_unstemmed Modelo bayesiano espacio-temporal DAGAR para estimar los casos de operaciones sospechosas en la provincia de Lima
title_sort Modelo bayesiano espacio-temporal DAGAR para estimar los casos de operaciones sospechosas en la provincia de Lima
author Diaz Quispe, Joseph Bryan
author_facet Diaz Quispe, Joseph Bryan
author_role author
dc.contributor.advisor.fl_str_mv Quiroz Cornejo, Zaida Jesús
dc.contributor.author.fl_str_mv Diaz Quispe, Joseph Bryan
dc.subject.es_ES.fl_str_mv Estadística bayesiana
Lavado de dinero--Perú--Lima--Métodos estadísticos
Lavado de dinero--Perú--Lima--Prevención
topic Estadística bayesiana
Lavado de dinero--Perú--Lima--Métodos estadísticos
Lavado de dinero--Perú--Lima--Prevención
https://purl.org/pe-repo/ocde/ford#1.01.03
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.01.03
description En esta tesis se propone un enfoque bayesiano para la estimación de modelos espacio-temporales de áreas basados en la estructura DAGAR (Directed Acyclic Graph Autoregressive). Se desarrollan dos variantes del modelo: una con componentes espacio-temporales lineales y otra que incorpora una dinámica temporal modelada mediante un paseo aleatorio de primer orden. Ambos modelos incluyen efectos espaciales estructurados y no estructurados, y son estimados utilizando inferencia bayesiana a través del método de aproximaciones de Laplace integradas e iteradas (INLA). Se realizaron estudios de simulación para evaluar el desempeño de los modelos bajo distintos niveles de autocorrelación espacial, analizando la precisión en la estimación de parámetros. Finalmente, se aplicó el modelo a datos reales sobre reportes de operaciones sospechosas (ROS) en el Perú, permitiendo identificar patrones espacio-temporales relevantes para las políticas de prevención y lucha contra el lavado de activos.
publishDate 2025
dc.date.created.none.fl_str_mv 2025
dc.date.accessioned.none.fl_str_mv 2026-02-02T16:26:19Z
dc.date.available.none.fl_str_mv 2026-02-02T16:26:19Z
dc.date.issued.fl_str_mv 2026-02-02
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12404/33074
url http://hdl.handle.net/20.500.12404/33074
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
dc.publisher.es_ES.fl_str_mv Pontificia Universidad Católica del Perú
dc.publisher.country.none.fl_str_mv PE
dc.source.none.fl_str_mv reponame:PUCP-Tesis
instname:Pontificia Universidad Católica del Perú
instacron:PUCP
instname_str Pontificia Universidad Católica del Perú
instacron_str PUCP
institution PUCP
reponame_str PUCP-Tesis
collection PUCP-Tesis
bitstream.url.fl_str_mv https://tesis.pucp.edu.pe/bitstreams/1bca0b64-263e-472e-a2b8-1e59215b4ae9/download
https://tesis.pucp.edu.pe/bitstreams/0612cfe2-230b-4bea-9c63-70f96eda560a/download
https://tesis.pucp.edu.pe/bitstreams/2a36d639-9910-47d0-bb28-01465631f5e5/download
https://tesis.pucp.edu.pe/bitstreams/3a6bab1f-9dfb-4f50-8be7-e60b6bb90437/download
https://tesis.pucp.edu.pe/bitstreams/8c618550-3b5b-4186-b5b9-bcaf2e2a4ab9/download
https://tesis.pucp.edu.pe/bitstreams/622f2802-322b-4165-9978-d3acb2efc644/download
https://tesis.pucp.edu.pe/bitstreams/51671f92-feb6-4729-94ec-13f36f9b4130/download
https://tesis.pucp.edu.pe/bitstreams/102f2c69-c39f-4e6e-ba96-87cc804687a6/download
bitstream.checksum.fl_str_mv 68521cf8a37d05a52ce6714b84a05944
7337b33ee97790f08a7080a59585f17b
1f14487299a8a795dc379bc1df9968a0
bb9bdc0b3349e4284e09149f943790b4
a34e279c1be5229d796f667a6cfcbe30
96f4fd4f048dd8dfad700d664b0d533c
04dad42f3f21dfdd88d22f1147f80c1c
a77cba8498a464b1ffa2bbaf26b0b530
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de Tesis PUCP
repository.mail.fl_str_mv raul.sifuentes@pucp.pe
_version_ 1864543252827340800
spelling Quiroz Cornejo, Zaida JesúsDiaz Quispe, Joseph Bryan2026-02-02T16:26:19Z2026-02-02T16:26:19Z20252026-02-02http://hdl.handle.net/20.500.12404/33074En esta tesis se propone un enfoque bayesiano para la estimación de modelos espacio-temporales de áreas basados en la estructura DAGAR (Directed Acyclic Graph Autoregressive). Se desarrollan dos variantes del modelo: una con componentes espacio-temporales lineales y otra que incorpora una dinámica temporal modelada mediante un paseo aleatorio de primer orden. Ambos modelos incluyen efectos espaciales estructurados y no estructurados, y son estimados utilizando inferencia bayesiana a través del método de aproximaciones de Laplace integradas e iteradas (INLA). Se realizaron estudios de simulación para evaluar el desempeño de los modelos bajo distintos niveles de autocorrelación espacial, analizando la precisión en la estimación de parámetros. Finalmente, se aplicó el modelo a datos reales sobre reportes de operaciones sospechosas (ROS) en el Perú, permitiendo identificar patrones espacio-temporales relevantes para las políticas de prevención y lucha contra el lavado de activos.This thesis proposes a Bayesian approach for the estimation of area-level spatio-temporal models based on the DAGAR (Directed Acyclic Graph Autoregressive) structure. Two model variants are developed: one with linear space-time components, and another that incorporates a temporal dynamic modeled through a first-order random walk. Both models include structured and unstructured spatial effects and are estimated using Bayesian inference through the Integrated Nested Laplace Approximation (INLA) method. Simulation studies were conducted to evaluate model performance under different levels of spatial autocorrelation, focusing on parameter estimation accuracy. Finally, the model was applied to real data on suspicious transaction reports (ROS) in Peru, enabling the identification of relevant spatio-temporal patterns to inform anti-money laundering and prevention policies.spaPontificia Universidad Católica del PerúPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Estadística bayesianaLavado de dinero--Perú--Lima--Métodos estadísticosLavado de dinero--Perú--Lima--Prevenciónhttps://purl.org/pe-repo/ocde/ford#1.01.03Modelo bayesiano espacio-temporal DAGAR para estimar los casos de operaciones sospechosas en la provincia de Limainfo:eu-repo/semantics/masterThesisreponame:PUCP-Tesisinstname:Pontificia Universidad Católica del Perúinstacron:PUCPSUNEDUMaestro en EstadísticaMaestríaPontificia Universidad Católica del Perú. Escuela de Posgrado.Estadística43704124https://orcid.org/0000-0003-3821-081548400026542037De La Cruz Huayanay, AlexQuiroz Cornejo, Zaida JesúsGarcia Cespedes, Carlos Jefferhttps://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesisORIGINALDIAZ_QUISPE_JOSEPH_BRYAN_MODELO_BAYESIANO.pdfDIAZ_QUISPE_JOSEPH_BRYAN_MODELO_BAYESIANO.pdfTexto completoapplication/pdf910149https://tesis.pucp.edu.pe/bitstreams/1bca0b64-263e-472e-a2b8-1e59215b4ae9/download68521cf8a37d05a52ce6714b84a05944MD51trueAnonymousREADDIAZ_QUISPE_JOSEPH_BRYAN_T.pdfDIAZ_QUISPE_JOSEPH_BRYAN_T.pdfReporte de originalidadapplication/pdf6738366https://tesis.pucp.edu.pe/bitstreams/0612cfe2-230b-4bea-9c63-70f96eda560a/download7337b33ee97790f08a7080a59585f17bMD52falseAdministratorREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8905https://tesis.pucp.edu.pe/bitstreams/2a36d639-9910-47d0-bb28-01465631f5e5/download1f14487299a8a795dc379bc1df9968a0MD53falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://tesis.pucp.edu.pe/bitstreams/3a6bab1f-9dfb-4f50-8be7-e60b6bb90437/downloadbb9bdc0b3349e4284e09149f943790b4MD54falseAnonymousREADTEXTDIAZ_QUISPE_JOSEPH_BRYAN_MODELO_BAYESIANO.pdf.txtDIAZ_QUISPE_JOSEPH_BRYAN_MODELO_BAYESIANO.pdf.txtExtracted texttext/plain75630https://tesis.pucp.edu.pe/bitstreams/8c618550-3b5b-4186-b5b9-bcaf2e2a4ab9/downloada34e279c1be5229d796f667a6cfcbe30MD55falseAnonymousREADDIAZ_QUISPE_JOSEPH_BRYAN_T.pdf.txtDIAZ_QUISPE_JOSEPH_BRYAN_T.pdf.txtExtracted texttext/plain7507https://tesis.pucp.edu.pe/bitstreams/622f2802-322b-4165-9978-d3acb2efc644/download96f4fd4f048dd8dfad700d664b0d533cMD57falseAdministratorREADTHUMBNAILDIAZ_QUISPE_JOSEPH_BRYAN_MODELO_BAYESIANO.pdf.jpgDIAZ_QUISPE_JOSEPH_BRYAN_MODELO_BAYESIANO.pdf.jpgGenerated Thumbnailimage/jpeg8307https://tesis.pucp.edu.pe/bitstreams/51671f92-feb6-4729-94ec-13f36f9b4130/download04dad42f3f21dfdd88d22f1147f80c1cMD56falseAnonymousREADDIAZ_QUISPE_JOSEPH_BRYAN_T.pdf.jpgDIAZ_QUISPE_JOSEPH_BRYAN_T.pdf.jpgGenerated Thumbnailimage/jpeg11127https://tesis.pucp.edu.pe/bitstreams/102f2c69-c39f-4e6e-ba96-87cc804687a6/downloada77cba8498a464b1ffa2bbaf26b0b530MD58falseAdministratorREAD20.500.12404/33074oai:tesis.pucp.edu.pe:20.500.12404/330742026-04-14 10:47:56.053http://creativecommons.org/licenses/by-nc-nd/2.5/pe/info:eu-repo/semantics/openAccessopen.accesshttps://tesis.pucp.edu.peRepositorio de Tesis PUCPraul.sifuentes@pucp.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
score 12.867508
Modelo bayesiano espacio-temporal DAGAR para estimar los casos de operaciones sospechosas en la provincia de Lima
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares