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

• 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

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.