Tesis

Análisis de deserción estudiantil en la escuela profesional de matemática de la UNSAAC en el año 2015 a 2020 mediante modelos de supervivencia

2026-01-01T00:00:00Z

Análisis de deserción estudiantil en la escuela profesional de matemática de la UNSAAC en el año 2015 a 2020 mediante modelos de supervivencia Pauccar Quispe, Demetrio; Huaman Huarco, Luis Alberto Este estudio titulado como “Análisis de deserción estudiantil en la escuela profesional de Matemática de la Universidad Nacional de San Antonio Abad del Cusco en el año 2015 a 2020 mediante modelos de supervivencia” tiene como objetivo modelar mediante métodos paramétricos y no paramétricos la supervivencia de los estudiantes antes de su deserción de la Escuela Profesional de Matemática de la Universidad Nacional de San Antonio Abad del Cusco del año 2015 a 2020. La investigación se desarrolla bajo un enfoque cuantitativo, con un alcance explicativo. Se asume un diseño no experimental. La población es de 273 estudiantes con una muestra de 163 estudiantes. Se aplica la técnica de documental para registro de información. Los resultados muestran que la probabilidad de supervivencia disminuye significativamente, la probabilidad de supervivencia es alta (98.2% a los 2 meses), pero esta disminuye significativamente con el tiempo, alcanzando un 66.6% a los 14 meses y un 54.6% a los 34 meses y después se estabiliza. Los factores asociados que influyen en el tiempo de deserción de los estudiantes, obtenidos de la regresión de Cox, son la edad, el rendimiento académico, el ingreso familiar y la modalidad de ingreso. Se concluye que, en las primeras semanas, el modelo paramétrico exponencial y el no paramétrico Kaplan-Meier presentan similar ajuste de supervivencia. Después de 5 meses, la curva de Kaplan-Meier presenta un mejor ajuste del tiempo de estudios de los estudiantes de la Escuela Profesional de Matemática de la UNSAAC en el año 2015 a 2020

Modelos estadísticos para la evaluación del impacto de las transferencias públicas sobre la anemia infantil en áreas urbanas y rurales del Cusco, 2018-2023

2026-01-01T00:00:00Z

Modelos estadísticos para la evaluación del impacto de las transferencias públicas sobre la anemia infantil en áreas urbanas y rurales del Cusco, 2018-2023 Pacheco Rojas, Yovanna La presente investigación analiza el impacto del Programa JUNTOS sobre la anemia infantil en el departamento de Cusco durante el periodo 2018–2023, empleando un enfoque estadístico mixto. El objetivo fue determinar en qué medida la participación en el programa reduce la prevalencia de anemia en niñas y niños de 6 a 59 meses, considerando desigualdades estructurales, temporales y territoriales. Se utilizaron microdatos oficiales de ENAHO y ENDES (INEI), trabajando con dos estructuras de datos: (i) un pool de cortes transversales 2018–2023 (n = 18,447) para las estimaciones Probit y Oaxaca-Blinder; y (ii) una base panel hogar-año 2018–2023 (n = 3,065) para la estimación cuasiexperimental mediante Diferencias en Diferencias (DiD). El modelo Probit mostró que la participación en el programa reduce la probabilidad de anemia en 10.7 puntos porcentuales (β = −0.312; p < 0.01), con efectos más pronunciados en zonas rurales. La descomposición Oaxaca-Blinder evidenció que el 59.8% de la brecha entre beneficiarios y no beneficiarios se explica por diferencias observables, mientras que el 40.2% corresponde a factores estructurales no observados. Por su parte, el modelo DiD identificó un efecto causal robusto: −6.4 p.p. en el periodo pre-COVID, −5.2 p.p. durante la pandemia y −7.1 p.p. en el periodo post-COVID. Se concluye que el Programa JUNTOS tiene un impacto significativo, aunque persisten brechas estructurales y territoriales que limitan su efectividad.

Pronóstico de la producción mensual de cobre en el Perú mediante modelos de series temporales (1999-2024)

2025-01-01T00:00:00Z

Pronóstico de la producción mensual de cobre en el Perú mediante modelos de series temporales (1999-2024) Condori Chocce, Alexandra El objetivo de esta investigación fue identificar el mejor modelo de series de tiempo para pronosticar la producción mensual de cobre en Perú durante el periodo 1999-2024, utilizando datos proporcionados por el Ministerio de Energía y Minas (MINEM). Se adoptó un enfoque tanto teórico como aplicado, con un diseño no experimental, longitudinal y retrospectivo. Se empleó la metodología de Box-Jenkins y se estableció un nivel de confianza del 95% en las pruebas de hipótesis.El análisis de la serie temporal mostró una tendencia creciente, estacionalidad anual (de orden12) y heterocedasticidad en la variabilidad anual. De los doce modelos SARIMA evaluados, tres superaron la prueba de Ljung-Box, lo que sugiere una adecuada independencia de los residuos. Sin embargo, la prueba de Jarque-Bera indicó que los residuos no seguían una distribución normal, lo que podría afectar la precisión de los pronósticos. De los modelos evaluados, el SARIMA(2,1,0)(2,1,0)12 se destacó como el mejor, con un error porcentual absoluto medio (MAPE) de 5.14%, lo que lo convierte en la mejor opción dentro del enfoque Box-Jenkins. Este modelo proporciona una herramienta robusta y confiable para la predicción de la producción mensual de cobre en Perú, contribuyendo a la toma de decisiones en el sector minero.

Metodología Box Jenkins y red neuronal artificial en la predicción de la producción de azúcar en el Perú, 1994 – 2023

2025-01-01T00:00:00Z

Metodología Box Jenkins y red neuronal artificial en la predicción de la producción de azúcar en el Perú, 1994 – 2023 Ramos Huaycho, Abdil Michell La presente investigación tiene como objetivo analizar y comparar la capacidad predictiva de la metodología Box Jenkins y de una red neuronal artificial (RNA) en la estimación de la producción de azúcar en el Perú, en el periodo 1994 - 2023. Este estudio responde a la necesidad de contar con modelos confiables que permitan anticipar el comportamiento de un sector agrícola - industrial estratégico para la economía nacional. Se implementó un modelo de RNA de tipo perceptrón multicapa, con 13 neuronas en la capa oculta y una capa de salida, obteniendo un Error Porcentual Absoluto Medio (MAPE) de 12.064%. Dicho resultado evidencia la capacidad de las RNA para modelar relaciones no lineales; aunque la magnitud del error obtenido limita su precisión. En contraste, el modelo SARIMA (3, 0, 1) (0, 1, 1)12 perteneciente a la metodología Box Jenkins, alcanzó un MAPE de 3.879%, demostrando un mejor desempeño y un ajuste más adecuado a la estacionalidad y variabilidad de la serie. El procesamiento de los datos realizado en el software R-Project garantiza la rigurosidad en la estimación de parámetros y en la comparación de resultados. Los hallazgos concluyen que, si bien las redes neuronales constituyen una alternativa moderna y flexible en la predicción de series temporales, en este caso el modelo Box Jenkins ofrece mayor precisión y confiabilidad. Así, los resultados obtenidos representan un insumo relevante para la planificación agrícola, la gestión de recursos y formulación de políticas orientadas al fortalecimiento de la industria azucarera en el país.