DSpace logo

Please use this identifier to cite or link to this item: https://repositorio.uide.edu.ec/handle/37000/9893
Full metadata record
DC FieldValueLanguage
dc.contributor.authorCuyo Cuyo, Jenny Maribel-
dc.contributor.authorEspinosa Jácome, Jaime Andres-
dc.contributor.authorCollaguaso Chorlango, Anderson David-
dc.contributor.authorVizcaíno Imacaña, Fernanda Paulina (tutor)-
dc.contributor.authorMora Cajas, Karla Estefanía (tutor)-
dc.date.accessioned2026-09-09T20:00:48Z-
dc.date.available2026-09-09T20:00:48Z-
dc.date.issued2026-
dc.identifier.citationCuyo Cuyo, Jenny Maribel; Espinosa Jácome, Jaime Andres; Collaguaso Chorlango, Anderson David. (2026). Modelo híbrido de Random Forest y Redes Neuronales para predecir el riesgo de pobreza multidimensional con datos del Censo y la encuesta ENEMDU del INEC. Maestría en inteligencia artificial aplicada. UIDE. Quito. 103 p.es
dc.identifier.otherUIDE-Q-TMIAR-2026-18-
dc.identifier.urihttps://repositorio.uide.edu.ec/handle/37000/9893-
dc.description.abstractLa pobreza multidimensional constituye uno de los desafíos estructurales más persistentes en Ecuador, con brechas significativas entre zonas urbanas y rurales y entre las distintas regiones naturales del país. Los enfoques estadísticos tradicionales presentan limitaciones para capturar las complejas interacciones no lineales entre variables como el nivel educativo, la localización geográfica y los indicadores socioeconómicos que determinan el riesgo de privación. La presente investigación propone el desarrollo, implementación y evaluación de un modelo híbrido de inteligencia artificial que integra Random Forest, Gradient Boosting y Redes Neuronales Artificiales para clasificar el riesgo de pobreza multidimensional en hogares ecuatorianos...Multidimensional poverty remains one of the most persistent structural challenges in Ecuador, with significant gaps between urban and rural areas and across the country's natural regions. Traditional statistical approaches have limitations in capturing the complex nonlinear interactions among variables such as educational attainment, geographic location, and socioeconomic indicators that determine the risk of deprivation. This research proposes the development, implementation, and evaluation of a hybrid artificial intelligence model that integrates Random Forest, Gradient Boosting, and Artificial Neural Networks to classify the risk of multidimensional poverty in Ecuadorian households...es
dc.language.isoeses
dc.publisherQUITO/UIDE/2026es
dc.rightsopenAccesses
dc.subjectPOBREZA MULTIDIMENSIONALes
dc.subjectMODELO HÍBRIDOes
dc.subjectREDES NEURONALESes
dc.subjectENEMDUes
dc.titleModelo híbrido de Random Forest y Redes Neuronales para predecir el riesgo de pobreza multidimensional con datos del Censo y la encuesta ENEMDU del INECes
dc.typeThesises
Appears in Collections:Tesis - Maestría - Inteligencia Artificial Aplicada

Files in This Item:
File Description SizeFormat 
UIDE-Q-TMIAR-2026-18.pdfTESIS A TEXTO COMPLETO3.14 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.