Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Informe Final Pronosticos
Informe Final Pronosticos
Nomenclatura y abreviaciones
Introducción
1.4 Justificación
El análisis presentado a continuación tiene como enfoque principal el nexo que conlleva el
crecimiento en el consumo de vehículos y su conexión con el número de muertos causado
por los siniestros en el país en cada año. El motivo de este análisis tan exhaustivo es que la
conducción responsable es fundamental para disminuir los casos de fallecimientos
automovilísticos, dado que lastimosamente la gran cantidad de fallecidos dada la
imprudencia de los conductores, es una tónica que se ve reflejada año tras año, producto de
las malas prácticas de los conductores, como es el consumo de alcohol, drogas,
somnolencia y el exceso de velocidad.
1.5 Delimitaciones
El presente informe fue desarrollado considerando la información de estudios estadísticos
dentro del rango de años de 1972 a 2018 en los cuales se plantea la evolución de siniestros
de tránsito en Chile, éste se acotó despreciando los datos referidos a lesiones, para efectos
de la investigación.
1.6 Metodología
Se introduce el tema abordado a través de la problemática planteada sobre los
fallecimientos en accidentes de tránsito, de la cual se efectúa un análisis basado en
información descriptiva y gráfica de la situación de la seguridad vial en el país, entregando
una breve presentación de este. Posteriormente se definen objetivos: Un objetivo general y
varios específicos. Para ello es necesario: Investigar sobre los principales organismos
Encontrar información fidedigna, que sirva para abarcar de la mejor manera el tema. Filtrar
entre todos los estudios y bases de datos encontrados del tema, información que sea
acorde a nuestros objetivos. Seleccionar información específica para su posterior análisis.
(información acotada). Posteriormente buscar respaldos estadísticos que demuestren y
acrediten la información, generando tablas y/o gráficos respecto a estos.
1.7 Definición de variables
Estadísticos descriptivos
A continuación, utilizando el programa SPSS, se procedió a realizar la extracción de
estadísticos descriptivos de los datos a utilizar en la regresión.
Matriz de correlación
A continuación, se presentan las matrices de correlaciones de Pearson y Sig (unilateral), las
que permitirán analizar de mejor forma la existencia de una dependencia lineal entre las
variables, sin tomar en cuenta las diferentes unidades de medidas de éstas:
Correlación de Pearson: A primera vista se evidencia que las variables tienen unas
correlaciones moderadamente altas y altas, a excepción de la variable dependiente
Fallecidos, la cual expone correlaciones moderadamente bajas.
Excluyendo las variables Fallecidos y Fallecidos cada 100 vehículos, todas las variables
presentan asociaciones lineales positivas de carácter alto teniendo un coeficiente de
correlación mayor a 0,7.
Por otra parte, se destaca la variable Fallecidos cada 100 vehículos, siendo la única variable
que expone una asociación lineal negativa con respecto a todas las variables.
En contraste a la tónica mostrada, la variable Fallecidos presenta sólo dos correlaciones
moderadas, estas son Total víctimas (0,686) y Población (0,512).
Sig (unilateral): Para el análisis de esta matriz se deben hacer las siguientes hipótesis.
● H0: No existe correlación significativa entre las variables.
● H1: Si existe correlación significativa entre las variables.
Primeramente, se debe destacar que para la mayoría de las variables estudiadas tienen una
significancia menor a 0,05, por lo que hay evidencia significativa para rechazar H0 en favor
de H1, en cada caso, es decir, las variables se correlacionan. Al margen de esto, las
siguientes dos variables exponen lo siguiente:
Fallecidos cada 100 siniestros e Fallecidos tienen una significancia de 0,055, mayor a 0,05,
por lo que no hay evidencia significativa para rechazar H0 en favor de H1, es decir, estas
variables no se correlacionan.
Siniestro por cada fallecido e Fallecidos tienen una significancia de 0,171, mayor a 0,05, por
lo que no hay evidencia significativa para rechazar H0 en favor de H1, es decir, estas
variables no se correlacionan.
Planteamiento general
2.3 Coeficientes
Por otra parte, se hace una estimación de los parámetros, estadístico t e intervalos de
confianza para los coeficientes de regresión, con la finalidad de discriminar qué coeficientes
de regresión son significativos o que variables explican el comportamiento de la variable
respuesta Fallecidos. En esta ocasión se plantean las siguientes hipótesis:
● H0: Bk = 0 (B1 =0)
● H1: Bk =/= 0 (B1=/=0)
Tabla 5: Coeficientes.
El primer punto a ver es la significancia de los estadísticos t, en ellos se aprecian como las
variables Año, Total víctimas, Vehículos cada 100 habitantes, Parque vehicular, Población y
Fallecidos cada 100 siniestros tienen un p-valor superior a 0,05 del nivel de significancia.
por lo cual no rechazamos H0 en favor de H1, en consecuencia, estas variables no son
significativa para el modelo.
Regresión Lineal
3.3 Coeficientes
Se presenta la estimación de los parámetros, estadístico t e intervalos de confianza para los
coeficientes de regresión, con la finalidad de discriminar qué coeficientes de regresión son
significativos o que variables explican el comportamiento de la variable respuesta
Fallecidos. En esta ocasión se plantean las siguientes hipótesis:
● H0: Bk = 0 (B1 =0)
● H1: Bk =/= 0 (B1=/=0)
Tabla 8: Coeficientes.
Los coeficientes que son significativos para la variable respuesta Fallecidos son:
1. Total víctimas, debido a que el p-valor es 3.89577E-13 y es menor al respectivo nivel
de significancia, en este caso 0,05. Además, para este coeficiente, el cero no se
encuentra contenido en el intervalo de confianza del 95%. Por lo que hay evidencia
suficiente para rechazar la hipótesis nula, y el coeficiente B1 es significativamente
distinto a cero.
2. Parque vehicular, debido a que el p-valor es 0.019260893 y es menor al respectivo
nivel de significancia, en este caso 0,05. Además, para este coeficiente, el cero no
se encuentra contenido en el intervalo de confianza del 95%. Por lo que hay
evidencia suficiente para rechazar la hipótesis nula, y el coeficiente B2 es
significativamente distinto a cero.
3. Siniestros por cada fallecido, debido a que el p-valor es 0.000327526 y es menor al
respectivo nivel de significancia, en este caso 0,05. Además, para este coeficiente,
el cero no se encuentra contenido en el intervalo de confianza del 95%. Por lo que
hay evidencia suficiente para rechazar la hipótesis nula, y el coeficiente B2 es
significativamente distinto a cero.
Cabe señalar que los p-valor recién expuestos fueron calculados con Excel en conveniencia
de enseñar datos más específicos, debido a que en la tabla 8 solo se exponen hasta dos
dígitos.
3.5 Histograma
Figura 1: Histograma.
En este caso, no se puede ver una gran correlación entre los datos porque no tienen un
patrón definido. De manera subjetiva, no existe problema de homocedasticidad.
A la vez se expone la Tabla 11, cuya función se ver entre qué intervalo está nuestro valor de
Durblin-Watson.
Como d, igual a 0,634, se encuentra fuera del intervalo de dL (1,42) y dU (1,67), siendo d
menor a dL, se rechaza H0 en favor de H1 por lo que los errores se auto correlacionan.
Luego, se hace un test de White, el cual trabaja con los errores al cuadrado, y dice que, si
tienes una variable dependiente y tres independientes, la ecuación será:
e2=B1+B2X1+B3X2+B4X3+B5X1X2+B6X1X3+B7X2X3+B8X1^2+B9X2^2+B10X3^2
El test de White trabaja con números de betas, en este caso existen 10, asimismo, para
situarse en la tabla Chi cuadrado, se ocupan grados de libertad cuyo valor esta dado por (K)
-1, por ende, se ocuparán 9 grados de libertad. De esta manera, con una confianza de 0,05
y un grado de libertad igual a 9, la cifra rescatada de la tabla es 16,9190.
Para finalizar, esta prueba compara los valores de la tabla Chi cuadrado (16,9190) respecto
al valor calculado R2*N (3,854) y se hacen los siguientes supuestos:
H0: Varianza constante de los errores (Homocedasticidad).
H1: Varianza no constante (Heterocedasticidad.).
Como 3,854 es menor a 16,9190, no hay evidencia significativa para rechazar H0, en favor
de H1, por lo que la varianza es constante en los errores.
3.11 Modelo
A continuación, se presenta el modelo de regresión lineal, las interpretaciones de todos los
coeficientes de regresión y el coeficiente de posición del modelo propuesto.
Modelo de regresión:
Fallecidos= 995.965 + 0.026*TV + 8.683E-05*PV + 11.879*SF
B0: Si todas las variables independientes (TV, PV y SF) tomaran el valor cero, el
valor de Fallecidos será 995.965.
B1: Los fallecidos en un año provocado por algún siniestro, aumentará 0.026
personas, si el Total de víctimas aumenta en una unidad, manteniendo las otras
variables constantes.
B2: Los fallecidos en un año provocado por algún siniestro, aumentará - 8.683E-05
personas, si el Parque vehicular aumenta en una unidad, manteniendo las otras
variables constantes.
B3: Los fallecidos en un año provocado por algún siniestro, aumentará - 11.879
personas, si los Siniestros por cada fallecido aumenta en una unidad, manteniendo
las otras variables constantes.
Conclusión:
Como ya se ha visto que en Chile, existe una gama muy amplia de diversidad de marcas y
diferentes modelos de vehículos por parte de la industria automotriz, mejorando índices de
calidad y siendo empresas pioneras con respecto a la tecnología y la modernización en
cuanto a la seguridad que otorgan estas marcas. Lamentablemente dado el aumento de
consumo de vehículos en el país, ha traído un gran número de siniestros a lo largo de los
años, debido a ciertas relaciones entre las variables presentadas en el estudio. De este
modo, basándose en la matriz de correlaciones, existen variables que presentan una alta
correlación y asociaciones lineales positivas de carácter alto, siendo estos coeficientes
mayores a 0.8, por lo cual se podría indicar que estas variables son capaces de representar
a otras variables, como es el caso de “Parque vehicular y Vehículos cada 100 habitantes”
con una correlación de 0.998. Esto es importante ya que puede reducir la matriz de datos a
trabajar. Cabe señalar que esta asociación que existe entre las variables presentadas, tiene
un carácter netamente confirmatorio con respecto al acontecer automovilístico que tiene el
país en los últimos 46 años.
En un comienzo, se realizó una regresión con todos los datos rescatados de CONASET,
tomando como variable respuesta los fallecidos por año a causa de un siniestro. El
resultado de este modelo predictivo arrojó que es las variables independientes con la
dependiente se correlacionan un 97,4% y asimismo se obtiene un 95% de la variabilidad de
la variable dependiente con las independientes. Esto quiere decir que los datos se
asociaban muy bien y que se estaba explicando casi la totalidad de estos en el modelo.
A nivel general el modelo era significativo, sin embargo, a nivel particular, existían variables
que no eran suficientemente significativas para la modelación. A sí mismo, no aprobaron las
pruebas de intervalos de confianza, reafirmando su nula significancia.
Por último, en este primer modelo, existían factores de inflación con cifras mayores a 10, lo
que nos indicaba multicolinealidad entre las variables predictoras, imposibilitando la
continuación de este modelo.
El presente informe evidencia la variación de los fallecidos en Chile en los años 1972 a
2018. Su influencia en la mortalidad a causa del tráfico vehicular se debe a innumerables
razones, dentro de las cuales, existen ciertos factores que predominan a la hora de
encontrar una causa de personas fallecidas. Dado el estudio exhaustivo del comportamiento
de la población frente al aumento del parque vehicular, sumado a el desarrollo con respecto
a la seguridad de los vehículos y el aumento de siniestros es posible reflejar la modalidad
de la gente a la hora de conducir sus medios de transporte y a la vez estimar ciertos
posibles números a lo largo de los años.
Por último, es importante tener presente que un siniestro de tránsito, además de los daños a
las víctimas, también implica a su círculo más cercano que se ve afectado indirectamente.
Por esto, la respuesta tras los siniestros debe considerar el apoyo jurídico, la atención de
salud física y mental para los lesionados, el apoyo psicológico y contención a los familiares
y las medidas de reparación que permitan a los afectados sobrellevar las consecuencias
que el siniestro de tránsito trae consigo.
Bibliografía
Rosende, G. (2016). CONASET: planteamientos de mejora de la seguridad vial en Chile.
Carreteras: Revista técnica de la Asociación Española de la Carretera, (209), 6-10.
Anexo