Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11531/36607
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorReilly, Allison Coffeyes-ES
dc.contributor.authorAraujo Pérez, Maríaes-ES
dc.contributor.otherUniversidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)es_ES
dc.date.accessioned2019-05-09T10:13:14Z-
dc.date.available2019-05-09T10:13:14Z-
dc.date.issued2019es_ES
dc.identifier.urihttp://hdl.handle.net/11531/36607es_ES
dc.descriptionGrado en Ingeniería en Tecnologías Industriales y Grado en Administración y Dirección de Empresases_ES
dc.description.abstractTodos los años, frente a las catástrofes naturales que tienen lugar en los Estados Unidos, el gobierno federal es responsable de ayudar a los ciudadanos tanto de forma económica como física para recuperarse de los daños causados. El hecho de que el evento sea declarado con la “Declaración Presidencial de Catástrofe Natural” o no, tiene un gran impacto económico tanto en el gobierno del estado como en sus ciudadanos.Razón por la que es muy importante entender bien cuáles son las condiciones o características que determinan la obtención de dicha declaración. El objetivo de este estudio es construir un modelo científico para predecir la probabilidad de que una catástrofe natural dada conlleve una Declaración Presidencial de Catástrofe Natural en el estado de Maryland, utilizando los datos de los 15 últimos años (2003-2017). El modelo de predicción va a ser construido empleando un modelo de regresión logístico, puesto que la variable dependiente es una decisión binaria (si la catástrofe es declarada o no). Las variables independientes incluidas en el análisis son las siguientes: Ingresos, Población, Lesiones Directas, Lesiones Indirectas, Fallecimientos Directos, Fallecimientos Indirectos, Tipo de Evento, Daño a los Cultivos y Daño a la Propiedad como variables independientes; y Declaración como variable dependiente binaria. Los pasos a proceder son Análisis de variables, Construcción del Modelo, Bondad de Ajuste y Conclusiones. Todos estudiados con sus respectivos tests. De entre los métodos de construcción del modelo backward elimination ha sido elegido.es-ES
dc.description.abstractIn face of a natural disaster in the United States, both county, state and federal governments are responsible for aiding citizens financially and physically to recover from the damages. Whether a natural disaster triggers a Presidential Disaster Declaration has a big economic and financial impact on both the State government and its citizens, and therefore it is very important to understand what are the conditions or characteristics that will lead to such declaration. The objective of this study is to build a scientific model to predict the likelihood that a given natural disaster would lead to a Presidential Disaster Declaration in the state of Maryland, using the data of the past 15 years (2003-2017). The predictive model will be built using a logistic regression, as the dependent variable that has to be explained is a binary decision (whether or not the disaster is declared). The independent variables included in the analysis were the following: Income, Population, Direct Injuries, Indirect Injuries, Indirect Deaths, Event Type, Damage Crops and Damage Property as independent variables and Disaster as the dependent variable. The steps to follow are: Variable Analysis, Model fitting, Goodness of fit and Conclusions. Among all the possible options of building the model, backward elimination was chosen.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoen-GBes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject.otherGITI-O (KTI-organizacion)es_ES
dc.titlePredictive models on disaster declarations in the USes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/closedAccesses_ES
dc.keywordsModelo regresión logístico binario, declaración, catástrofe natural, predicción, estadística, odds-ratioes-ES
dc.keywordsBinary logistic regression model, declaration, disaster, prediction, statistics, odds-ratioen-GB
Aparece en las colecciones: KIA-Trabajos Fin de Grado
KTI-Trabajos Fin de Grado

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
AnexoI_TFG.pdfAutorización99,2 kBAdobe PDFVista previa
Visualizar/Abrir
TFG_MariaAraujo_Unido.pdfTrabajo Fin de Grado5,57 MBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.