Regresión multiparamétrica para un sistema de monitorización de radiación UV mediante IoT en la ciudad de Puno

• Autor: Cotrina Quispe, Yamir Gonzalo
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional Del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:https://repositorio.unap.edu.pe:20.500.14082/17698
• Enlace del recurso: http://repositorio.unap.edu.pe/handle/20.500.14082/17698
• Nivel de acceso: acceso abierto
• Materia: Telecomunicaciones; Comunicación IoT; https://purl.org/pe-repo/ocde/ford#2.02.01

El presente trabajo de tesis se desarrolló desde junio a noviembre del 2021 en la ciudad de Puno, tiene como objetivo realizar un modelo de regresión multiparamétrica para un sistema de monitorización de radiación UV mediante IoT empleando tres modelos de regresión teniendo como problemática que a nivel mundial el cáncer de piel es el más común entre todos los tipos de cáncer siendo el melanoma el 1% de los casos de cáncer de piel, pero causante de la mayoría de las muertes por este tipo de cáncer. Una manera de evitar esta enfermedad, es que las personas eviten la exposición de radiación UV, entonces la realización de un sistema de monitorización ayudará a evitar la exposición excesiva. Para realizar este trabajo se utilizaron métodos experimentales y para ello se empleó tres modelos de regresión, tomando tres puntos de medición como lugar de control y obtención de datos en un periodo de tres meses desde agosto a octubre. Primero se realizó un sistema de recolección de datos basado en IoT, para que con los mismos, realizar tres modelos de regresión multiparamétrico, para determinar con mayor exactitud la variable a determinar partiendo de las otras variables que se encuentran en el sistema de pronóstico que son: OLS; Ridge y Bayesian Ridge. Habiéndose realizado los tres modelos de regresión multiparámetrica OLS, Ridge y Bayesian Ridge para la radiación UV en la ciudad de Puno podemos mencionar que teniendo como resultados más resaltantes un error cuadrático medio para OLS de 0.02288, para Ridge de 0.0230 y para Bayesian Ridge 0.02288. El coeficiente de determinación ajustado para OLS de 0.9997, para Ridge de 0.9997 y para Bayesian Ridge de 0.997. Siendo como el mejor modelo de regresión el Bayesian Ridge.