Ingreso, pobreza y desigualdad. un análisis espacio temporal usando aprendizaje profundo (deep learning): predicción del ingreso a nivel cantonal en el Ecuador.

Sosa Donoso, Jorge Ricardo

Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/24399

Título:	Ingreso, pobreza y desigualdad. un análisis espacio temporal usando aprendizaje profundo (deep learning): predicción del ingreso a nivel cantonal en el Ecuador.
Autor:	Sosa Donoso, Jorge Ricardo
Palabras clave:	MATEMÁTICAS INGRESO REGRESIÓN ADAPTIVA MULTIVARIANTE POR SPLINES-MARS ENCUESTA NACIONAL DE EMPLEO, DESEMPLEO Y SUBEMPLEO-ENEMDU AUTOCORRELACIÓN ESPACIAL
Fecha de publicación:	mar-2023
Editorial:	Quito : EPN, 2023.
Citación:	Sosa Donoso, J.R. (2023). Ingreso, pobreza y desigualdad. un análisis espacio temporal usando aprendizaje profundo (deep learning): predicción del ingreso a nivel cantonal en el Ecuador. 53 páginas. Quito : EPN.
Descripción:	El ingreso es, sino la más importante, una de las variables más importantespara realizar diversos estudios sobre pobreza y desigualdad. En Ecuador, el medio por el cual se puede acceder a información sobre ingresos de la población es mediante la Encuesta Nacional de Empleo Desempleo y Subempleo (ENEMDU). Sin embargo, esta encuesta no posee representatividad para el nivel desagregado cantonal a pesar de que este sea el segundo nivel más importante en la división administrativa del país. En el presente trabajo se realiza el cálculo del ingreso promedio per cápita para los cantones de Ecuador en los años 2019, 2020 y 2021, en donde se explora el uso de un método no paramétrico llamado Regresión Adaptativa Multivariante por Splines (MARS por sus siglas en inglés) pues da la facilidad de trabajar con interacción entre las variables además de generalizar el modelo de regresión lineal. Además, dependiendo del comportamiento de los datos, se obtiene un modelo con más o menos interacciones; por ejemplo, para el año 2019 se encontró un modelo con interacción de grado 3, así como para el año 2020 bastó un modelo aditivo. La estimación de los ingresos ayudó para realizar un análisis de autocorrelación espacial evidenciando patrones de asociación de cantones. En la Amazonia se destaca el clúster Bajo-Bajo formado en el año 2020 indicando que si un cantón tiene ingresos bajos sus vecinos también lo tendrán. Este patrón persiste en su mayoría para el año 2021, siendo posiblemente un efecto de la pandemia COVID-19.
URI:	http://bibdigital.epn.edu.ec/handle/15000/24399
Tipo:	bachelorThesis
Aparece en las colecciones:	TIC - Ingeniería Matemática Aplicada

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
CD 13320.pdf		2,3 MB	Adobe PDF	Visualizar/Abrir

Muestra el registro Dublin Core completo del ítem

BIBDIGITAL