Uso de redes neuronales para pronosticar los impuestos tributarios mensuales de la Municipalidad Provincial de Morropón, año 2022-2023

Descripción del Articulo

Esta presente investigación tuvo la finalidad de pronosticar los Impuestos de Administración Tributaria de la Municipalidad Provincial de Morropón – Chulucanas para el periodo 2022-2023, utilizando una data histórica mensual desde enero del 2012 hasta diciembre del 2021, teniendo una cantidad de 120...

Descripción completa

Detalles Bibliográficos
Autores: Lamadrid Moreno, Leydi Alessandra, Taboada Zapata, Willian Daniel Eligio
Formato: tesis de grado
Fecha de Publicación:2022
Institución:Universidad Nacional de Piura
Repositorio:UNP-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.unp.edu.pe:20.500.12676/3666
Enlace del recurso:https://repositorio.unp.edu.pe/handle/20.500.12676/3666
Nivel de acceso:acceso abierto
Materia:redes neuronales artificiales
pronósticos
impuestos tributarios
http://purl.org/pe-repo/ocde/ford#1.01.03
id RUMP_7bb2d89b4cece0af3925ea233cb23208
oai_identifier_str oai:repositorio.unp.edu.pe:20.500.12676/3666
network_acronym_str RUMP
network_name_str UNP-Institucional
repository_id_str 4814
dc.title.es_PE.fl_str_mv Uso de redes neuronales para pronosticar los impuestos tributarios mensuales de la Municipalidad Provincial de Morropón, año 2022-2023
title Uso de redes neuronales para pronosticar los impuestos tributarios mensuales de la Municipalidad Provincial de Morropón, año 2022-2023
spellingShingle Uso de redes neuronales para pronosticar los impuestos tributarios mensuales de la Municipalidad Provincial de Morropón, año 2022-2023
Lamadrid Moreno, Leydi Alessandra
redes neuronales artificiales
pronósticos
impuestos tributarios
http://purl.org/pe-repo/ocde/ford#1.01.03
title_short Uso de redes neuronales para pronosticar los impuestos tributarios mensuales de la Municipalidad Provincial de Morropón, año 2022-2023
title_full Uso de redes neuronales para pronosticar los impuestos tributarios mensuales de la Municipalidad Provincial de Morropón, año 2022-2023
title_fullStr Uso de redes neuronales para pronosticar los impuestos tributarios mensuales de la Municipalidad Provincial de Morropón, año 2022-2023
title_full_unstemmed Uso de redes neuronales para pronosticar los impuestos tributarios mensuales de la Municipalidad Provincial de Morropón, año 2022-2023
title_sort Uso de redes neuronales para pronosticar los impuestos tributarios mensuales de la Municipalidad Provincial de Morropón, año 2022-2023
author Lamadrid Moreno, Leydi Alessandra
author_facet Lamadrid Moreno, Leydi Alessandra
Taboada Zapata, Willian Daniel Eligio
author_role author
author2 Taboada Zapata, Willian Daniel Eligio
author2_role author
dc.contributor.advisor.fl_str_mv Abanto Cerna, Lemin
dc.contributor.author.fl_str_mv Lamadrid Moreno, Leydi Alessandra
Taboada Zapata, Willian Daniel Eligio
dc.subject.es_PE.fl_str_mv redes neuronales artificiales
pronósticos
impuestos tributarios
topic redes neuronales artificiales
pronósticos
impuestos tributarios
http://purl.org/pe-repo/ocde/ford#1.01.03
dc.subject.ocde.es_PE.fl_str_mv http://purl.org/pe-repo/ocde/ford#1.01.03
description Esta presente investigación tuvo la finalidad de pronosticar los Impuestos de Administración Tributaria de la Municipalidad Provincial de Morropón – Chulucanas para el periodo 2022-2023, utilizando una data histórica mensual desde enero del 2012 hasta diciembre del 2021, teniendo una cantidad de 120 observaciones expresadas en miles de soles, usando la aplicación de Redes Neuronales (RNA). Los datos de los impuestos de la Municipalidad Provincial de Morropón fueron obtenidos de la oficina de Rentas, el procesamiento de los datos se realizó en el software estadístico R Studio versión R 4.1.3 de licencia libre. La serie de tiempo de los Impuestos de Administración Tributaria mensuales tuvo un comportamiento ascendente en los meses de diciembre respectivamente de cada año, presentó estacionariedad confirmándola a través de la prueba de Dickey-Fuller. Se realizó un pre procesamiento de los valores observados mediante el escalonamiento de datos, convirtiéndolos en valores entre 0 y 1 para obtener una mayor precisión a la hora del ajuste del pronóstico. Se obtuvo el modelo NNAR(8,1,5)[12] mediante redes neuronales con parámetros de 8 neuronas de entrada, una capa oculta con 5 nodos y una neurona de salida; alcanzando un R2 de 0.9651 y un Error cuadrático medio (RMSE) de 18.0415, resultando así un buen ajuste del pronóstico de los Impuestos de Administración Tributaria de la Municipalidad Provincial de Morropón – Chulucanas.
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2022-08-15T22:17:05Z
dc.date.available.none.fl_str_mv 2022-08-15T22:17:05Z
dc.date.issued.fl_str_mv 2022
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.es_PE.fl_str_mv info:eu-repo/semantics/publishedVersion
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unp.edu.pe/handle/20.500.12676/3666
url https://repositorio.unp.edu.pe/handle/20.500.12676/3666
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.*.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 Internacional
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional de Piura
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Universidad Nacional de Piura
Repositorio Institucional Digital - UNP
dc.source.none.fl_str_mv reponame:UNP-Institucional
instname:Universidad Nacional de Piura
instacron:UNP
instname_str Universidad Nacional de Piura
instacron_str UNP
institution UNP
reponame_str UNP-Institucional
collection UNP-Institucional
bitstream.url.fl_str_mv https://repositorio.unp.edu.pe/bitstreams/0b0d3c7d-3f73-425d-91b9-537e1878d716/download
https://repositorio.unp.edu.pe/bitstreams/4c8e9d39-33c6-4fcb-b1e1-f55911eeee2f/download
https://repositorio.unp.edu.pe/bitstreams/24f392f5-c6fc-4816-a8be-acaa455b442b/download
https://repositorio.unp.edu.pe/bitstreams/eed1151e-306a-458d-b850-855f97805111/download
bitstream.checksum.fl_str_mv 3423ae9269f7c34b330205f2943f3dec
16fa0d149fbb7d8cc991638ea8ee56cc
4460e5956bc1d1639be9ae6146a50347
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv DSPACE7 UNP
repository.mail.fl_str_mv dspace-help@myu.edu
_version_ 1844523265037434880
spelling Abanto Cerna, LeminLamadrid Moreno, Leydi AlessandraTaboada Zapata, Willian Daniel Eligio2022-08-15T22:17:05Z2022-08-15T22:17:05Z2022https://repositorio.unp.edu.pe/handle/20.500.12676/3666Esta presente investigación tuvo la finalidad de pronosticar los Impuestos de Administración Tributaria de la Municipalidad Provincial de Morropón – Chulucanas para el periodo 2022-2023, utilizando una data histórica mensual desde enero del 2012 hasta diciembre del 2021, teniendo una cantidad de 120 observaciones expresadas en miles de soles, usando la aplicación de Redes Neuronales (RNA). Los datos de los impuestos de la Municipalidad Provincial de Morropón fueron obtenidos de la oficina de Rentas, el procesamiento de los datos se realizó en el software estadístico R Studio versión R 4.1.3 de licencia libre. La serie de tiempo de los Impuestos de Administración Tributaria mensuales tuvo un comportamiento ascendente en los meses de diciembre respectivamente de cada año, presentó estacionariedad confirmándola a través de la prueba de Dickey-Fuller. Se realizó un pre procesamiento de los valores observados mediante el escalonamiento de datos, convirtiéndolos en valores entre 0 y 1 para obtener una mayor precisión a la hora del ajuste del pronóstico. Se obtuvo el modelo NNAR(8,1,5)[12] mediante redes neuronales con parámetros de 8 neuronas de entrada, una capa oculta con 5 nodos y una neurona de salida; alcanzando un R2 de 0.9651 y un Error cuadrático medio (RMSE) de 18.0415, resultando así un buen ajuste del pronóstico de los Impuestos de Administración Tributaria de la Municipalidad Provincial de Morropón – Chulucanas.application/pdfspaUniversidad Nacional de PiuraPEinfo:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional de PiuraRepositorio Institucional Digital - UNPreponame:UNP-Institucionalinstname:Universidad Nacional de Piurainstacron:UNPredes neuronales artificialespronósticosimpuestos tributarioshttp://purl.org/pe-repo/ocde/ford#1.01.03Uso de redes neuronales para pronosticar los impuestos tributarios mensuales de la Municipalidad Provincial de Morropón, año 2022-2023info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionSUNEDULicenciado en EstadísticaUniversidad Nacional de Piura. Facultad de CienciasEstadísticaHaro Díaz, César LeonardoMauricio Santa Cruz, José ElíasPanta Ipanaqué, Juan Manuel542016http://purl.org/pe-repo/renati/nivel#tituloProfesional17930402https://orcid.org/0000-0003-3479-3232http://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional7566117772904920THUMBNAILESTA-LAM-TAB-2022.pngESTA-LAM-TAB-2022.pngimage/png10076https://repositorio.unp.edu.pe/bitstreams/0b0d3c7d-3f73-425d-91b9-537e1878d716/download3423ae9269f7c34b330205f2943f3decMD54ORIGINALESTA-LAM-TAB-2022.PDFESTA-LAM-TAB-2022.PDFapplication/pdf1278126https://repositorio.unp.edu.pe/bitstreams/4c8e9d39-33c6-4fcb-b1e1-f55911eeee2f/download16fa0d149fbb7d8cc991638ea8ee56ccMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repositorio.unp.edu.pe/bitstreams/24f392f5-c6fc-4816-a8be-acaa455b442b/download4460e5956bc1d1639be9ae6146a50347MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unp.edu.pe/bitstreams/eed1151e-306a-458d-b850-855f97805111/download8a4605be74aa9ea9d79846c1fba20a33MD5320.500.12676/3666oai:repositorio.unp.edu.pe:20.500.12676/36662022-08-15 17:26:19.357http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.unp.edu.peDSPACE7 UNPdspace-help@myu.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
score 13.072484
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).