Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravado
Descripción del Articulo
Determina las variables que influyen en una persona para que cometa el delito de robo agravado, aplicándose para tal, la regresión logística y árboles de clasificación. En los últimos años, el Perú enfrenta una ola delincuencial mayor, por lo que actualmente es uno de los problemas que más preocupa...
| Autor: | |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2021 |
| Institución: | Universidad Nacional Mayor de San Marcos |
| Repositorio: | UNMSM-Tesis |
| Lenguaje: | español |
| OAI Identifier: | oai:cybertesis.unmsm.edu.pe:20.500.12672/19968 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12672/19968 |
| Nivel de acceso: | acceso abierto |
| Materia: | Robo Análisis de regresión Clasificación https://purl.org/pe-repo/ocde/ford#1.01.03 |
| id |
UNMS_5f03693162922d66caec3b97d54a45a3 |
|---|---|
| oai_identifier_str |
oai:cybertesis.unmsm.edu.pe:20.500.12672/19968 |
| network_acronym_str |
UNMS |
| network_name_str |
UNMSM-Tesis |
| repository_id_str |
410 |
| dc.title.es_PE.fl_str_mv |
Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravado |
| title |
Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravado |
| spellingShingle |
Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravado Huaranga Vilcas, Carmen Johana Robo Análisis de regresión Clasificación https://purl.org/pe-repo/ocde/ford#1.01.03 |
| title_short |
Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravado |
| title_full |
Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravado |
| title_fullStr |
Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravado |
| title_full_unstemmed |
Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravado |
| title_sort |
Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravado |
| author |
Huaranga Vilcas, Carmen Johana |
| author_facet |
Huaranga Vilcas, Carmen Johana |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Molina Quiñones, Helfer Joel |
| dc.contributor.author.fl_str_mv |
Huaranga Vilcas, Carmen Johana |
| dc.subject.es_PE.fl_str_mv |
Robo Análisis de regresión Clasificación |
| topic |
Robo Análisis de regresión Clasificación https://purl.org/pe-repo/ocde/ford#1.01.03 |
| dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#1.01.03 |
| description |
Determina las variables que influyen en una persona para que cometa el delito de robo agravado, aplicándose para tal, la regresión logística y árboles de clasificación. En los últimos años, el Perú enfrenta una ola delincuencial mayor, por lo que actualmente es uno de los problemas que más preocupa a los ciudadanos y a las autoridades. Siendo el robo agravado el delito con mayor número de internos en los centros penitenciarios del Perú. La base de datos utilizada para el presente trabajo se obtuvo del portal del INEI; y corresponde al primer censo nacional penitenciario 2016. Como ámbito de estudio, se evalúo a todos los internos peruanos que cometieron algún delito en Lima Metropolitana y como resultado se obtuvo que 23 mil 735 personas que se encuentran privadas de su libertad, considerando 23 mil 491 internos después del tratamiento de datos. De los cuales el 34.7% cometieron el delito de robo agravado y 94.1% son varones. Se determinó como mejor modelo a la regresión logística, con un 75% de sensibilidad, identificando a las siguientes variables: antes de cumplir los 18 años, sus mejores amigos cometían delitos; el barrio donde vivía había pandillas y si algún familiar se encontraba preso se asocian significativamente con que el interno haya cometido el delito de robo agravado. |
| publishDate |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2023-07-30T22:08:02Z |
| dc.date.available.none.fl_str_mv |
2023-07-30T22:08:02Z |
| dc.date.issued.fl_str_mv |
2021 |
| dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
bachelorThesis |
| dc.identifier.citation.es_PE.fl_str_mv |
Huaranga, C. (2021). Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravado. [Trabajo de Suficiencia Profesional de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de Estadística]. Repositorio institucional Cybertesis UNMSM. |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12672/19968 |
| identifier_str_mv |
Huaranga, C. (2021). Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravado. [Trabajo de Suficiencia Profesional de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de Estadística]. Repositorio institucional Cybertesis UNMSM. |
| url |
https://hdl.handle.net/20.500.12672/19968 |
| 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.uri.es_PE.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.format.es_PE.fl_str_mv |
application/pdf |
| dc.publisher.es_PE.fl_str_mv |
Universidad Nacional Mayor de San Marcos |
| dc.publisher.country.es_PE.fl_str_mv |
PE |
| dc.source.es_PE.fl_str_mv |
Universidad Nacional Mayor de San Marcos Repositorio de Tesis - UNMSM |
| dc.source.none.fl_str_mv |
reponame:UNMSM-Tesis instname:Universidad Nacional Mayor de San Marcos instacron:UNMSM |
| instname_str |
Universidad Nacional Mayor de San Marcos |
| instacron_str |
UNMSM |
| institution |
UNMSM |
| reponame_str |
UNMSM-Tesis |
| collection |
UNMSM-Tesis |
| bitstream.url.fl_str_mv |
https://cybertesis.unmsm.edu.pe/bitstreams/36d21a6c-dcee-4af0-9d50-1922339376f0/download https://cybertesis.unmsm.edu.pe/bitstreams/d240c17d-d706-43dc-8093-881b8a9c4b0e/download https://cybertesis.unmsm.edu.pe/bitstreams/3a247484-d154-456d-8872-479fcc497360/download https://cybertesis.unmsm.edu.pe/bitstreams/c58258c5-9d34-4982-b1ed-22f10d57f70c/download https://cybertesis.unmsm.edu.pe/bitstreams/d4e8eda0-0f65-4892-baea-12fe7d6d3432/download https://cybertesis.unmsm.edu.pe/bitstreams/6ea9125f-6451-4d1a-b133-2286b7caab10/download |
| bitstream.checksum.fl_str_mv |
a12dd51751f6cfb7b94b05a8b1b1d996 d41d8cd98f00b204e9800998ecf8427e d41d8cd98f00b204e9800998ecf8427e 8a4605be74aa9ea9d79846c1fba20a33 4ef24d44817bf41276036a8a21fb6fa8 9e0d6bd4bc722c9b035aab17c4676993 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Cybertesis UNMSM |
| repository.mail.fl_str_mv |
cybertesis@unmsm.edu.pe |
| _version_ |
1868179370635427840 |
| spelling |
Molina Quiñones, Helfer JoelHuaranga Vilcas, Carmen Johana2023-07-30T22:08:02Z2023-07-30T22:08:02Z2021Huaranga, C. (2021). Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravado. [Trabajo de Suficiencia Profesional de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas, Escuela Profesional de Estadística]. Repositorio institucional Cybertesis UNMSM.https://hdl.handle.net/20.500.12672/19968Determina las variables que influyen en una persona para que cometa el delito de robo agravado, aplicándose para tal, la regresión logística y árboles de clasificación. En los últimos años, el Perú enfrenta una ola delincuencial mayor, por lo que actualmente es uno de los problemas que más preocupa a los ciudadanos y a las autoridades. Siendo el robo agravado el delito con mayor número de internos en los centros penitenciarios del Perú. La base de datos utilizada para el presente trabajo se obtuvo del portal del INEI; y corresponde al primer censo nacional penitenciario 2016. Como ámbito de estudio, se evalúo a todos los internos peruanos que cometieron algún delito en Lima Metropolitana y como resultado se obtuvo que 23 mil 735 personas que se encuentran privadas de su libertad, considerando 23 mil 491 internos después del tratamiento de datos. De los cuales el 34.7% cometieron el delito de robo agravado y 94.1% son varones. Se determinó como mejor modelo a la regresión logística, con un 75% de sensibilidad, identificando a las siguientes variables: antes de cumplir los 18 años, sus mejores amigos cometían delitos; el barrio donde vivía había pandillas y si algún familiar se encontraba preso se asocian significativamente con que el interno haya cometido el delito de robo agravado.application/pdfspaUniversidad Nacional Mayor de San MarcosPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Universidad Nacional Mayor de San MarcosRepositorio de Tesis - UNMSMreponame:UNMSM-Tesisinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMRoboAnálisis de regresiónClasificaciónhttps://purl.org/pe-repo/ocde/ford#1.01.03Comparación de modelos de clasificación para determinar las variables que intervienen en la población penitenciaria que ha cometido el delito de robo agravadoinfo:eu-repo/semantics/bachelorThesisSUNEDULicenciado en EstadísticaUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Profesional de EstadísticaEstadística40014631https://orcid.org/0000-0003-1307-725373183672542016Robles Villanueva, Oscar AntonioPomalaya Verastegui, Ricardo Luishttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional3276217110460674ORIGINALHuaranga_vc.pdfHuaranga_vc.pdfapplication/pdf1497339https://cybertesis.unmsm.edu.pe/bitstreams/36d21a6c-dcee-4af0-9d50-1922339376f0/downloada12dd51751f6cfb7b94b05a8b1b1d996MD51C938_2021_Huaranga_vc_autorizacion.pdfapplication/pdf0https://cybertesis.unmsm.edu.pe/bitstreams/d240c17d-d706-43dc-8093-881b8a9c4b0e/downloadd41d8cd98f00b204e9800998ecf8427eMD57C938_2021_Huaranga_vc_reporte.pdfapplication/pdf0https://cybertesis.unmsm.edu.pe/bitstreams/3a247484-d154-456d-8872-479fcc497360/downloadd41d8cd98f00b204e9800998ecf8427eMD58LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://cybertesis.unmsm.edu.pe/bitstreams/c58258c5-9d34-4982-b1ed-22f10d57f70c/download8a4605be74aa9ea9d79846c1fba20a33MD52TEXTHuaranga_vc.pdf.txtHuaranga_vc.pdf.txtExtracted texttext/plain96643https://cybertesis.unmsm.edu.pe/bitstreams/d4e8eda0-0f65-4892-baea-12fe7d6d3432/download4ef24d44817bf41276036a8a21fb6fa8MD55THUMBNAILHuaranga_vc.pdf.jpgHuaranga_vc.pdf.jpgGenerated Thumbnailimage/jpeg16483https://cybertesis.unmsm.edu.pe/bitstreams/6ea9125f-6451-4d1a-b133-2286b7caab10/download9e0d6bd4bc722c9b035aab17c4676993MD5620.500.12672/19968oai:cybertesis.unmsm.edu.pe:20.500.12672/199682024-09-19 14:44:46.822https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://cybertesis.unmsm.edu.peCybertesis UNMSMcybertesis@unmsm.edu.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 |
| score |
12.824051 |
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).