Indagación estadística de vehículos involucrados en incidentes de apropiación ilícita en el Distrito Metropolitano de Quito período 2020-2023

Para citar o enlazar este item, por favor use el siguiente identificador: http://dspace.ups.edu.ec/handle/123456789/27224
Título : Indagación estadística de vehículos involucrados en incidentes de apropiación ilícita en el Distrito Metropolitano de Quito período 2020-2023
Autor : Saritama Cuenca, Anthony Fabian
Director de Tesis: Aguayo Morales, José Luis
Resumen traducido: This statistical analysis focuses on the illicit appropriation of vehicles in the Metropolitan District of Quito during the period 2020-2023, addressing concerns about citizen security with the purpose of detecting patterns, trends and factors associated with said crime. The research is supported by a reliable data set; because it comes from a reputable source that remains confidential, providing a context to understand the factors related to the illicit appropriation of vehicles. The retrospective observational quantitative methodology is based on police records and is processed using the tools: Excel and Power BI. A descriptive analysis was performed, highlighting findings such as consistency in the number of vehicles stolen per incident and preference. Under these criteria; It was found that the preferred vehicle brand was Chevrolet. The temporal analysis highlights the concentration of robberies in 2022, while the spatial analysis identifies Calderón and Carapungo as the areas with the highest incidence. A relationship is revealed between population density and the frequency of robberies, highlighting the influence of socioeconomic factors. Data cleaning is necessary the integrity of the results, highlighting the importance of the quality of information in statistical analyses. The study concludes underscore of considering multivariable relationships to understand the dynamics of vehicle theft, providing a perspective for preventive strategies and security policies considering to the specific context of Quito.
Resumen : Este análisis estadístico se centra en la apropiación ilícita de vehículos en el Distrito Metropolitano de Quito durante el periodo 2020-2023, abordando preocupaciones sobre la seguridad ciudadana con el propósito de detectar patrones, tendencias y factores asociados a dicho delito. La investigación está respaldada por un conjunto de datos confiable; porque proviene de una fuente confiable que se mantiene confidencial, brindando un contexto para comprender los factores relacionados con la apropiación ilícita de vehículos. La metodología cuantitativa observacional retrospectiva se basa en registros policiales y se procesa mediante las herramientas: Excel y Power BI. Se realizó un análisis descriptivo, destacando hallazgos como la consistencia en el número de vehículos robados por incidente y preferencia. Bajo estos criterios; Se encontró que la marca de vehículo preferida fue Chevrolet. El análisis temporal destaca la concentración de robos en 2022, mientras que el análisis espacial identifica a Calderón y Carapungo como las zonas con mayor incidencia. Se revela una relación entre la densidad poblacional y la frecuencia de robos, destacando la influencia de factores socioeconómicos. Es necesaria la limpieza de datos para la integridad de los resultados, destacando la importancia de la calidad de la información en los análisis estadísticos. El estudio concluye subrayando la necesidad de considerar relaciones multivariables para comprender la dinámica del robo de vehículos, brindando una perspectiva para estrategias preventivas y políticas de seguridad considerando el contexto específico de Quito.
Palabras clave : COMPUTACIÓN
ESTADÍSTICA
AUTOMÓVILES
APROPIACIÓN ILÍCITA
CIUDADES
Fecha de publicación : feb-2024
URI : http://dspace.ups.edu.ec/handle/123456789/27224
Idioma: spa
Pertenece a las colecciones: Grado

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TTS1756.pdfTexto completo653,28 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons