Modelo de regresión para el pronóstico de la cantidad de denuncias por delitos que se registran en las Comisarías de la Policía Nacional de Perú en Lima Metropolitana
Descripción del Articulo
En nuestro país, la cantidad promedio de denuncias por delitos de manera mensual en el año 2019 presenta 30,000 casos, lo cual se ha ido incrementando a lo largo de los años, por lo que es de crucial importancia generar estrategias de seguridad ciudadana que ayuden a mejorar el bienestar de la socie...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de Publicación: | 2023 |
| Institución: | Pontificia Universidad Católica del Perú |
| Repositorio: | PUCP-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.pucp.edu.pe:20.500.14657/195469 |
| Enlace del recurso: | http://hdl.handle.net/20.500.12404/25821 |
| Nivel de acceso: | acceso abierto |
| Materia: | Denuncia (Derecho penal)--Pronóstico--Modelos matématicos Trámites gubernamentales--Perú--Automatización Análisis de regresión https://purl.org/pe-repo/ocde/ford#1.02.00 |
| id |
RPUC_6536a373f84313bc7dbbc7d77e128ef6 |
|---|---|
| oai_identifier_str |
oai:repositorio.pucp.edu.pe:20.500.14657/195469 |
| network_acronym_str |
RPUC |
| network_name_str |
PUCP-Institucional |
| repository_id_str |
2905 |
| dc.title.es_ES.fl_str_mv |
Modelo de regresión para el pronóstico de la cantidad de denuncias por delitos que se registran en las Comisarías de la Policía Nacional de Perú en Lima Metropolitana |
| title |
Modelo de regresión para el pronóstico de la cantidad de denuncias por delitos que se registran en las Comisarías de la Policía Nacional de Perú en Lima Metropolitana |
| spellingShingle |
Modelo de regresión para el pronóstico de la cantidad de denuncias por delitos que se registran en las Comisarías de la Policía Nacional de Perú en Lima Metropolitana Chipa Sierra, Roger Denuncia (Derecho penal)--Pronóstico--Modelos matématicos Trámites gubernamentales--Perú--Automatización Análisis de regresión https://purl.org/pe-repo/ocde/ford#1.02.00 |
| title_short |
Modelo de regresión para el pronóstico de la cantidad de denuncias por delitos que se registran en las Comisarías de la Policía Nacional de Perú en Lima Metropolitana |
| title_full |
Modelo de regresión para el pronóstico de la cantidad de denuncias por delitos que se registran en las Comisarías de la Policía Nacional de Perú en Lima Metropolitana |
| title_fullStr |
Modelo de regresión para el pronóstico de la cantidad de denuncias por delitos que se registran en las Comisarías de la Policía Nacional de Perú en Lima Metropolitana |
| title_full_unstemmed |
Modelo de regresión para el pronóstico de la cantidad de denuncias por delitos que se registran en las Comisarías de la Policía Nacional de Perú en Lima Metropolitana |
| title_sort |
Modelo de regresión para el pronóstico de la cantidad de denuncias por delitos que se registran en las Comisarías de la Policía Nacional de Perú en Lima Metropolitana |
| author |
Chipa Sierra, Roger |
| author_facet |
Chipa Sierra, Roger |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Beltrán Castañón, César Armando |
| dc.contributor.author.fl_str_mv |
Chipa Sierra, Roger |
| dc.subject.es_ES.fl_str_mv |
Denuncia (Derecho penal)--Pronóstico--Modelos matématicos Trámites gubernamentales--Perú--Automatización Análisis de regresión |
| topic |
Denuncia (Derecho penal)--Pronóstico--Modelos matématicos Trámites gubernamentales--Perú--Automatización Análisis de regresión https://purl.org/pe-repo/ocde/ford#1.02.00 |
| dc.subject.ocde.es_ES.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#1.02.00 |
| description |
En nuestro país, la cantidad promedio de denuncias por delitos de manera mensual en el año 2019 presenta 30,000 casos, lo cual se ha ido incrementando a lo largo de los años, por lo que es de crucial importancia generar estrategias de seguridad ciudadana que ayuden a mejorar el bienestar de la sociedad peruana, para ello es crucial tener información fiable y de calidad para la toma de decisiones; asimismo, tiene una Dirección de Tecnologías de la Información y Comunicación de la Policía (DIRTIC), la cual dentro de su estructura tiene a su cargo a la División de Estadística (DIVEST) y la División de Informática (DIVINFOR), las cuales tienen como función el control del Sistema de Denuncias Policiales en la cual el 80 % de las comisarías de la Policía Nacional del Perú se encuentran interconectadas y existe un 20 % que no se encuentran interconectadas, por lo cual el 20 % de comisarías no registra información en el Sistema de Denuncias Policiales, generando una incertidumbre para la toma de decisiones. Es por tal motivo que la División de Estadística (DIVEST) propone un modelo para el pronóstico de la cantidad de denuncias por delitos que se registran en las comisarías de la Policía Nacional de Perú en Lima Metropolitana, en base a la técnica de regresión RANDOM FOREST REGRESSOR Y ÁRBOL DE DECISIÓN DE REGRESIÓN, con la cual se podrá conocer cuál de las dos técnicas genera un mejor pronóstico en base a la información que proviene del SIDPOL y del INEI. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-08-31T21:19:53Z |
| dc.date.available.none.fl_str_mv |
2023-08-31T21:19:53Z |
| dc.date.created.none.fl_str_mv |
2023 |
| dc.date.issued.fl_str_mv |
2023-08-31 |
| dc.type.es_ES.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.other.none.fl_str_mv |
Tesis de maestría |
| format |
masterThesis |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12404/25821 |
| url |
http://hdl.handle.net/20.500.12404/25821 |
| dc.language.iso.es_ES.fl_str_mv |
spa |
| language |
spa |
| dc.rights.es_ES.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/pe/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/pe/ |
| dc.publisher.es_ES.fl_str_mv |
Pontificia Universidad Católica del Perú |
| dc.publisher.country.es_ES.fl_str_mv |
PE |
| dc.source.none.fl_str_mv |
reponame:PUCP-Institucional instname:Pontificia Universidad Católica del Perú instacron:PUCP |
| instname_str |
Pontificia Universidad Católica del Perú |
| instacron_str |
PUCP |
| institution |
PUCP |
| reponame_str |
PUCP-Institucional |
| collection |
PUCP-Institucional |
| repository.name.fl_str_mv |
Repositorio Institucional de la PUCP |
| repository.mail.fl_str_mv |
repositorio@pucp.pe |
| _version_ |
1835639692868976640 |
| spelling |
Beltrán Castañón, César ArmandoChipa Sierra, Roger2023-08-31T21:19:53Z2023-08-31T21:19:53Z20232023-08-31http://hdl.handle.net/20.500.12404/25821En nuestro país, la cantidad promedio de denuncias por delitos de manera mensual en el año 2019 presenta 30,000 casos, lo cual se ha ido incrementando a lo largo de los años, por lo que es de crucial importancia generar estrategias de seguridad ciudadana que ayuden a mejorar el bienestar de la sociedad peruana, para ello es crucial tener información fiable y de calidad para la toma de decisiones; asimismo, tiene una Dirección de Tecnologías de la Información y Comunicación de la Policía (DIRTIC), la cual dentro de su estructura tiene a su cargo a la División de Estadística (DIVEST) y la División de Informática (DIVINFOR), las cuales tienen como función el control del Sistema de Denuncias Policiales en la cual el 80 % de las comisarías de la Policía Nacional del Perú se encuentran interconectadas y existe un 20 % que no se encuentran interconectadas, por lo cual el 20 % de comisarías no registra información en el Sistema de Denuncias Policiales, generando una incertidumbre para la toma de decisiones. Es por tal motivo que la División de Estadística (DIVEST) propone un modelo para el pronóstico de la cantidad de denuncias por delitos que se registran en las comisarías de la Policía Nacional de Perú en Lima Metropolitana, en base a la técnica de regresión RANDOM FOREST REGRESSOR Y ÁRBOL DE DECISIÓN DE REGRESIÓN, con la cual se podrá conocer cuál de las dos técnicas genera un mejor pronóstico en base a la información que proviene del SIDPOL y del INEI.In our country, the average number of complaints for crimes on a monthly basis in 2019 presents 30,000 cases, which has been increasing over the years, so it is of crucial importance to generate citizen security strategies that help to improve the well-being of Peruvian society, for this it is crucial to have reliable and quality information for decision-making; likewise, it has a Police Information and Communication Technologies Directorate (DIRTIC), which within its structure has in charge of the Statistics Division (DIVEST) and the Information Technology Division (DIVINFOR), whose function is to control the Police Complaints System in which 80 % of the Peruvian National Police stations are interconnected and there are 20 % that are not interconnected, for which reason 20 % of police stations do not record information in the Police Complaints System, generating uncertainty for decision-making. It is for this reason that the Statistics Division (DIVEST) proposes a model for forecasting the number of complaints for crimes that are registered in the Peruvian National Police stations in Metropolitan Lima, based on the RANDOM FOREST regression technique. REGRESOR AND REGRESSION DECISION TREE, with which it will be possible to know which of the two techniques generates a better prognosis based on the information that comes from SIDPOL and INEI.spaPontificia Universidad Católica del PerúPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/pe/Denuncia (Derecho penal)--Pronóstico--Modelos matématicosTrámites gubernamentales--Perú--AutomatizaciónAnálisis de regresiónhttps://purl.org/pe-repo/ocde/ford#1.02.00Modelo de regresión para el pronóstico de la cantidad de denuncias por delitos que se registran en las Comisarías de la Policía Nacional de Perú en Lima Metropolitanainfo:eu-repo/semantics/masterThesisTesis de maestríareponame:PUCP-Institucionalinstname:Pontificia Universidad Católica del Perúinstacron:PUCPMaestro en Informática con mención en Ciencias de la ComputaciónMaestro en Informática con mención en Ciencias de la ComputaciónMaestríaPontificia Universidad Católica del Perú. Escuela de Posgrado.Informática con mención en Ciencias de la ComputaciónInformática con mención en Ciencias de la Computación29561260http://orcid.org/0000-0002-3845-491943949633611087Alatrista Salas, HugoMaldonado Cadenillas, Rodrigo RicardoEspezua Llerena, Soledadhttps://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesis20.500.14657/195469oai:repositorio.pucp.edu.pe:20.500.14657/1954692024-06-10 10:54:52.12http://creativecommons.org/licenses/by-nc-sa/2.5/pe/info:eu-repo/semantics/openAccessmetadata.onlyhttps://repositorio.pucp.edu.peRepositorio Institucional de la PUCPrepositorio@pucp.pe |
| score |
13.949927 |
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).
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).
