UNIVERSIDAD INCA GARCILASO DE LA VEGA

ESCUELA DE POSGRADO

DOCTORADO EN MEDIO AMBIENTE Y DESARROLLO

SOSTENIBLE

PROYECTO DE INVESTIGACIÓN

Aplicación de Machine Learning y la Calidad del Aire en el distrito de

Miraflores (Lima-Perú)

PRESENTADO POR:

EVELYN ELIZABETH AYALA ÑIQUEN

PARA OPTAR EL GRADO ACADÉMICO DE DOCTOR EN

MEDIO AMBIENTE Y DESARROLLO SOSTENIBLE

2022
Í N D I C E

1
1. DATOS GENERALES 3
2. ESTRUCTURA 3
2.1 Fundamentos Teóricos de la Investigación 3
2.1.1 Marco histórico 3
2.1.2 Marco Teórico 10
2.1.3 Marco Legal 23
2.1.4 Investigaciones relativas al objeto de estudio 26
2.1.5 Marco Conceptual 30
2.2 Planteamiento del Problema 31
2.2.1 Descripción de la Realidad Problemática 31
2.2.2 Definición del Problema Principal y Específicos 33
2.3 Finalidad y Objetivos de la Investigación 34
2.3.1 Finalidad 34
2.3.2 Objetivo General y Específicos 34
2.3.3 Delimitación del estudio 35
2.3.4 Justificación e Importancia del estudio 35
2.4 Hipótesis y Variables 36
2.4.1 Supuestos teóricos 36
2.4.2 Hipótesis Principal y Específicas 37
2.4.3 Variables e Indicadores 38
2.5 Metodología 39
2.5.1 Población y Muestra 39
2.5.2 Diseño a utilizar en el estudio 40
2.5.3 Técnica e Instrumento de Recolección de Datos 40
2.5.4 Procesamiento de Datos 40
3. REFERENCIAS BIBLIOGRÁFICAS 41
4. ANEXOS 45
Matriz de coherencia interna 46
Instrumento de Recolección de Datos 48

2
1. DATOS GENERALES

1.1 Código:

213751447

1.2 Título:

Aplicación de Machine Learning y la Calidad del Aire en el distrito de

Miraflores (Lima-Perú)

1.3 Área de Investigación:

Medio Ambiente

1.4 Autores del Proyecto:

Evelyn Elizabeth Ayala Ñiquen

1.5 Fecha de Presentación del Proyecto:

03 de octubre de 2022

3
2. ESTRUCTURA

2.1 Fundamentos Teóricos de la Investigación

2.1.1 Marco Histórico

2.1.2 Marco Teórico

2.1.3 Marco Legal

2.1.4 Investigaciones relativas al objeto de estudio

2.1.5 Marco Conceptual

4
2.2 Planteamiento del Problema

2.2.1 Descripción de la Realidad Problemática

2.2.2 Definición del Problema General y Específicos

2.2.2.1 Problema General

PG: ¿De qué manera la Aplicación de Machine Learning se relaciona con la

Calidad del Aire en el distrito de Miraflores (Lima-Perú)?

2.2.2.2 Problemas Específicos

PE1: ¿De qué manera el nivel de precisión de la Aplicación de Machine Learning

se relaciona con la Calidad del Aire en el distrito de Miraflores (Lima-
Perú)?

PE2: ¿De qué manera el nivel de exactitud de la Aplicación de Machine Learning

se relaciona con la Calidad del Aire en el distrito de Miraflores (Lima-
Perú)?

PE3: ¿De qué manera el nivel de exhaustividad de la Aplicación de Machine

Learning se relaciona con la Calidad del Aire en el distrito de Miraflores
(Lima-Perú)?

PE4: ¿De qué manera el volumen de datos de la Aplicación de Machine Learning

se relaciona con la Calidad del Aire en el distrito de Miraflores (Lima-
Perú)?

PE5: ¿De qué manera la veracidad de los datos de la Aplicación de Machine

Learning se relaciona con la Calidad del Aire en el distrito de Miraflores
(Lima-Perú)?

5
PE6: ¿De qué manera el valor de los datos de la Aplicación de Machine Learning
se relaciona con la Calidad del Aire en el distrito de Miraflores (Lima-
Perú)?

6
2.3 Finalidad y Objetivos de la Investigación

2.3.1 Finalidad

2.3.2 Objetivo General y Específicos

2.3.2.1 Objetivo General

OG: Determinar la relación de la Aplicación de Machine Learning y la Calidad

del Aire en el distrito de Miraflores (Lima-Perú).

2.3.2.2 Objetivos Específicos

OE1: Determinar la relación del nivel de precisión de la Aplicación de Machine

Learning y la Calidad del Aire en el distrito de Miraflores (Lima-Perú).

OE2: Determinar la relación del nivel de exactitud de la Aplicación de Machine

Learning y la Calidad del Aire en el distrito de Miraflores (Lima-Perú).

OE3: Determinar la relación del nivel de exhaustividad de la Aplicación de

Machine Learning y la Calidad del Aire en el distrito de Miraflores (Lima-
Perú).

OE4: Determinar la relación del volumen de datos de la Aplicación de Machine

Learning y la Calidad del Aire en el distrito de Miraflores (Lima-Perú).

OE5: Determinar la relación de la veracidad de los datos de la Aplicación de

Machine Learning y la Calidad del Aire en el distrito de Miraflores (Lima-
Perú).

OE6: Determinar la relación del valor de los datos de la Aplicación de Machine

Learning y la Calidad del Aire en el distrito de Miraflores (Lima-Perú).

7
2.3.3 Delimitación del estudio

2.3.4 Justificación e Importancia del estudio

2.4 Hipótesis y Variables

2.4.1 Supuestos teóricos

2.4.2 Hipótesis Principal y Específicas

2.4.2.1 Hipótesis General

HG: La Aplicación de Machine Learning se relaciona significativamente con la

Calidad del Aire en el distrito de Miraflores (Lima-Perú).

2.4.2.2 Hipótesis Específicos

HE1: El nivel de precisión de la Aplicación de Machine Learning se relaciona

significativamente con la Calidad del Aire en el distrito de Miraflores
(Lima-Perú).

HE2: El nivel de exactitud de la Aplicación de Machine Learning se relaciona

significativamente con la Calidad del Aire en el distrito de Miraflores
(Lima-Perú).

HE3: El nivel de exhaustividad de la Aplicación de Machine Learning se

relaciona significativamente con la Calidad del Aire en el distrito de
Miraflores (Lima-Perú).

8
 HE4: El volumen de datos de la Aplicación de Machine Learning se relaciona
significativamente con la Calidad del Aire en el distrito de Miraflores
(Lima-Perú).

HE5: La veracidad de los datos de la Aplicación de Machine Learning se

relaciona significativamente con la Calidad del Aire en el distrito de
Miraflores (Lima-Perú).

HE6: El valor de los datos de la Aplicación de Machine Learning se relaciona

significativamente con la Calidad del Aire en el distrito de Miraflores
(Lima-Perú).

2.4.3 Variables e Indicadores

Variables Dimensiones Indicadores

X1: Nivel de Precisión
Matriz de
X2: Nivel de Exactitud
Confusión
X: Aplicación de X3: Nivel de Exhaustividad
Machine Learning X4: Volumen de datos
Características del
X5: Veracidad de los datos
Big Data
X6: Valor de los Datos
Y1: Emisión de gases
Parámetros de
Y2: Partículas finas en suspensión
Contaminación
Y: Calidad del aire Y3: Descomposición de desechos orgánicos
Y4: Conocimiento de la norma ambiental
Legislación
Y5: Cumplimiento de la norma ambiental

2.5 Metodología

2.5.1 Población y Muestra

2.5.2 Diseño a utilizar en el estudio

2.5.3 Técnica e Instrumento de Recolección de Datos

9
2.5.4 Procesamiento de Datos

10