Perú
Perú
El presente trabajo de investigación tiene como propósito diseñar un modelo estadístico para estimar la población que recibe ayuda humanitaria a las poblaciones afectadas por desastres en el Perú, para tal efecto se han utilizado diez variables; emergencias ocurridas en el Perú (X 1), población damnificada (X2), población afectada (X3), viviendas destruidas (X4), viviendas afectadas (X5), hectáreas de cultivo perdidas (X6), hectáreas de cultivo afectadas (X7), lasprobabilidades de ocurrencia de emergencias y desastres (X8), emergencias por tipo de fenómenos ocurridas en el Perú (X9) y emergencias por regiones naturales (X10). Los datos corresponden a 52327 registros del periodo 2003-2014 y provienen del Sistema Nacional de Información para la Respuesta y Rehabilitación (SINPAD) que el Instituto Nacional de Defensa Civil del Perú (INDECI) dispone y funciona en Plataforma Web, cuyo registro de las emergenciasy desastres está a cargo de los gobiernos regionales en todo el territorio peruano a través de los Centros de Operaciones de Emergencias (COES). Los datos utilizados en el diseño de los modelos fueron clasificados por trimestres. Para el diseño del modelo de la hipótesis principal se trabajaron con ocho variables, sin embargo solo tres variables han explicado mejor el modelo, donde los coeficientes de correlación (R), determinación (R2), Durbin y Watson (D), prueba F que valida el modelo y la Prueba t-Student, que comprueban la validez, consistencia y confiabilidad de los parámetros y están dentro del rango de aceptación. El modelo de regresión lineal múltiple para estimar la población que recibe ayuda humanitaria por desastres (y) fue: y = 72.455,731 +0,417X2 + 0,405X3 - 3.292.452,345X8. También se diseñaron los modelos de regresión por tipo de fenómeno y las variables seleccionadas fueron priorizadas mediante la regla de Pareto, en donde el 80% de los daños fueron causados por el 20% de los fenómenos, ello por contar con un registro de veinte fenómenos, quedando para el diseño de tres modelos los siguientes fenómenos: heladas, inundaciones y lluvias, e incendios, teniendo los modelos significativos. Para las heladas el modelo de regresión fue y = 5.025,805 + 0,811X2 + 0,614X3 - 198.311,9X8. Para el diseño del modelo de Inundaciones y lluvias fue: y = - 0,145 + 0,109X2 + 0,966X3 - 0,114X4 + 0,449X8. Finalmente para el diseño del modelo por incendios ocurridos en el Perú fue: y = - 49,914 +0,520X2 + 0,966X3 + 24.573,03X8. Así mismo se ha diseñado tres modelos de regresión lineal múltiple para las regiones naturales de costa, sierra y selva. Para la costa el modelo fue: y= 28.469,5 + 0,358X8 + 0,768X2 -1.736.203,8X3, para la sierra el modelo fue: y = 13.803,888 + 0,891X2 + 0,253X3, y para la selva se tiene el modelo: y = 909,070 + 0,420X2 + 0,430X3. Esta herramienta estadística ayudará a atender a la población afectada por desastres en el Perú.
This research aims to design a statistical model to estimate the population receiving humanitarian aid to people affected by disasters in Peru, for which has been used ten variables: emergencies occurring in Peru (X1) injured population (X2) affected population (X3) homes destroyed (X4) homes affected (X5) hectares of crop losses (X6) hectares of crops affected (X7) the probabilities of occurrence of emergencies and disasters (X8) emergencies such phenomena occurred in Peru (X9) emergencies and natural regions (X10) The data are 52,327 records from 2003 to 2014 from the National Information System for Response and Rehabilitation (SINPAD), and the National Civil Defense Institute of Peru (INDECI) features on Web Platform, whose record of emergencies anddisasters is the responsibility of regional governments throughout Peru through the Emergency Operations Centers (COES). The data used in the design of the models were classified by quarters. To design the model the main hypotheses worked with eight variables, however only three variables best explained the model with the correlation coefficients (R), determination (R2), Durbin and Watson (D), F test validating the model and the t Student test, checking the validity, consistency and reliability of the parameters within the acceptable range. The multiple linear regression models to estimate the population receiving humanitarian disaster (y) was: y = 72455.731+ 0.417X2 + 0.405X3 - 3292452.345X8. Regression models were also designed by type of phenomenon and selected variables were prioritized by Pareto rule, where 80% of the damage was caused by the 20% of phenomena, so by having a record of twenty phenomena, leaving for the design of three models the following phenomena: frost, floods and rain, and fire, taking significant models. For frost the regression model was y = 5025.805 + 0.614X3 + 0.811X2 - 198.3119X8. To design the model of Floods and rains was: y = - 0.145 + 0.109X2 + 0.966X3 - 0.114X4 + 0.449X 8. Finally the design model for fires in Peru was: y = - 49.914 + 0.520X2 + 0.966 X3 + 24.573,03X8. There also was designed three models of multiple linear regressions for the natural regions coast, highlands and jungle. For the coast the model was: y = 28469.5 + 0.358 X2 + 0.768X3 -1.736.203.8 X8 the highlands model was: y = 13.803,888 + 0.891 X2 + 0.253 X3, and the forest model: y = 909.070 + 0.420X2 + 0.430X3 . This statistical tool helps care for the disaster- affected population in Peru.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados