Segmentación de hogares con indicadores socioeconómicos del distrito de Macusani - 2020

Descripción del Articulo

Esta investigación abordó la determinación del método para segmentar hogares utilizando indicadores socioeconómicos en el distrito de Macusani durante el año 2020. El estudio, basado en un conjunto de datos proporcionado por la oficina de SISFOH de la Municipalidad de Macusani, incluyó la totalidad...

Descripción completa

Detalles Bibliográficos
Autor: Condori Peralta, Juan Manuel
Formato: tesis de grado
Fecha de Publicación:2024
Institución:Universidad Nacional Del Altiplano
Repositorio:UNAP-Institucional
Lenguaje:español
OAI Identifier:oai:https://repositorio.unap.edu.pe:20.500.14082/21207
Enlace del recurso:https://repositorio.unap.edu.pe/handle/20.500.14082/21207
Nivel de acceso:acceso abierto
Materia:Análisis de clúster
Jerárquico
K-means
Macusani
Segmentación
https://purl.org/pe-repo/ocde/ford#1.01.03
Descripción
Sumario:Esta investigación abordó la determinación del método para segmentar hogares utilizando indicadores socioeconómicos en el distrito de Macusani durante el año 2020. El estudio, basado en un conjunto de datos proporcionado por la oficina de SISFOH de la Municipalidad de Macusani, incluyó la totalidad de los 4,329 hogares del distrito Macusani donde incluye rural y urbano, centrándose específicamente en una muestra detallada de 344 hogares en rurales. Con un diseño de investigación descriptivo y no experimental, el proyecto comenzó con la preparación de los datos. La evaluación inicial del conjunto de datos, realizada mediante el test de Hopkins, arrojó un valor de 0.7246674, lo que confirmó de que el conjunto de datos muestra una tendencia de agrupamiento. la adecuación de los datos para análisis de clustering. Se procedió a determinar el número óptimo de clústeres, empleando métodos como dendogramas, el método del codo y el de la silueta, que colectivamente sugerían que la división en dos clústeres (k=2) era la más apropiada. Los análisis de clustering se realizaron utilizando técnicas variadas, incluyendo los algoritmos k-means, PAM y jerárquico. Se eligió el algoritmo jerárquico, Tiene los mejores puntajes en Connectivity, Dunn y Silhouette, lo que indica que crea clústeres bien definidos, compactos y separados. Donde el clúster 1 conformado 137 hogares y el clúster 2 con 207 hogares, donde el Clúster 1 se caracterizó por tener una mayor proporción de hogares con acceso al seguro de salud SIS, niveles de educación que alcanzan principalmente hasta la primaria, y una tendencia a la empleabilidad en sectores independientes. En contraste, el Clúster 2 se caracterizó por un mayor porcentaje de hogares con acceso al SIS, pero con una notable participación en el sector informal o doméstico, así como un predominio de viviendas construidas con materiales de piedra o madera.
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).