http://www.dspace.espol.edu.ec/handle/123456789/50513 Estadística 2026-04-15T15:16:19Z http://www.dspace.espol.edu.ec/handle/123456789/67909 Title: Demanda por categoría en retail: integración de eventos comerciales en modelos de pronóstico Authors: Goya Pincay, Gerleen Josué; Benavides Salmerón, Kerly Adriana; González Narváez, Mariela Alexandra, Director Abstract: CONDITION FOR PUBLICATION OF PROJECT. fashion industry is defined by the high variability in demand, highly influenced by external factors such as commercial events, trends, and promotions. In a highly competitive environment, demand forecasting is a key factor for the company’s profitability and sustainability. This investigation aims to develop a forecasting model, incorporating exogenous variables, in order to provide reliable predictions, compared to traditional methods based solely on historical sales data. Through this approach, the aim is to align the estimates with actual market behavior to optimize inventory management strategies. Consequently, it contributes to fulfilling planned goals, mitigating both product shortages and inventory surpluses. Seasonal ARIMA and SARIMAX models were applied to an imputed historical sales dataset to guarantee the reliability of records. The results underscore the critical importance of managing forecasts at the category level, as aggregate forecasts fail to capture the distinct behavioral patterns inherent to each category. Within this framework, SARIMAX models demonstrated superior performance compared to traditional approaches by incorporating external variables that enhanced predictive accuracy. This research concludes that the proposed modeling approach facilitates a more precise alignment of business objectives with actual market demand, thereby optimizing inventory levels and reinforcing strategic decision-making in dynamic and competitive market environments. Keywords: Forecast, Retail, Exogenous variables, SARIMAX, Time series. Description: CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. El sector de la moda está caracterizado por la alta variabilidad en la demanda, fuertemente influenciada por factores externos como los eventos comerciales, las tendencias y promociones. En un entorno altamente competitivo, la previsión de la demanda es clave para la rentabilidad y sostenibilidad de las empresas. Este trabajo busca desarrollar un modelo de pronóstico, incorporando variables exógenas, para generar predicciones confiables, alineando las estimaciones con el comportamiento real del mercado y optimizando las estrategias de adquisición de inventarios, contribuyendo al cumplimiento de los objetivos planificados y reduciendo tanto la escasez de productos como el sobreinventario. Se compararon modelos de series temporales ARIMA estacional y SARIMAX, utilizando una base de datos de ventas históricas previamente imputada, garantizando la consistencia de las categorías más representativas. Los resultados evidencian la importancia de realizar pronósticos desagregados por categoría debido a los diferentes patrones de comportamiento que un pronóstico global no captura. En este contexto, los modelos SARIMAX demostraron un mejor desempeño, al incorporar factores externos que mejoraron su capacidad predictiva. Se concluye que el modelo propuesto permite alinear los objetivos comerciales con el comportamiento del mercado, optimizando los niveles de adquisición de inventarios y fortaleciendo la toma de decisiones en entornos dinámicos. 2025-01-01T00:00:00Z http://www.dspace.espol.edu.ec/handle/123456789/67908 Title: Identificación de zonas de riesgo por inundaciones, deslizamientos y socavones en Ecuador con visualizadores interactivos Authors: Bolaños Flores, Oscar Daniel; Rodríguez Rivas, Britney Nayeli; Loor Valeriano, Katherine Andreina Abstract: CONDITION FOR PUBLICATION OF PROJECT. In Ecuador, recurrent floods, landslides, and sinkholes cause human, material, and economic losses, underscoring the need for operational tools for territorial planning and prevention. This project builds interactive ArcGIS dashboards that integrate nationwide records (2012–2023) of reported events, enabling temporal and spatial exploration of the three hazards with filters by year, month, province, county, and parish. Additionally, we develop a cantonal flood risk index (R) that combines vulnerability (V), exposure (E), and hazard (P) using principal component analysis (PCA) and a multiplicative aggregation (R = V × E × P). Vulnerability and exposure draw on recent census indicators, while hazard incorporates 24-hour maximum precipitation and historical flood recurrence. Results show national flood peaks in 2021 and 2023, concentrated between February and May. At the subnational scale, recurrent hotspots appear in Guayas (e.g., Guayaquil, Salitre, Durán) and Manabí (Portoviejo, Chone, Manta). Within Guayas, the index identifies high-risk clusters where high exposure and gaps in basic services amplify vulnerability. The dashboards and the index provide actionable evidence to prioritize areas, guide preventive measures, support resource allocation, and strengthen risk communication for local decision-makers. Keywords: ArcGIS, Exposure, Index, Hazard, GIS, Vulnerability. Description: CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. En Ecuador, la recurrencia de inundaciones, deslizamientos y socavones genera pérdidas humanas, materiales y económicas, y demanda herramientas operativas para la planificación territorial y la prevención. Este proyecto diseña visualizadores interactivos en ArcGIS que integran registros históricos (2012–2023) de eventos reportados a nivel nacional, permitiendo explorar la distribución temporal y espacial de los tres fenómenos mediante filtros por año, mes, provincia, cantón y parroquia. Adicionalmente, se construye un índice cantonal de riesgo (R) de inundaciones, que combina vulnerabilidad (V), exposición (E) y peligro (P) a través del análisis de componentes principales (ACP) y una agregación multiplicativa (R = P × E × V ). La vulnerabilidad y la exposición se derivan de indicadores censales recientes, mientras que el peligro incorpora precipitación máxima en 24 horas y recurrencia histórica de inundaciones. Los resultados muestran picos nacionales de inundaciones en 2021 y 2023, concentrados entre febrero y mayo; a escala provincial, destacan cantones como Guayaquil, Salitre y Durán (Guayas) y Portoviejo, Chone y Manta (Manabí). El índice identifica clústeres de alto riesgo principalmente en cantones de Esmeraldas, Manabí y Los Ríos, donde la alta exposición y limitaciones en servicios básicos amplifican la vulnerabilidad. El tablero y el índice aportan evidencia operativa para priorizar zonas, orientar medidas preventivas y apoyar la asignación de recursos y la comunicación del riesgo a tomadores de decisión locales. 2025-01-01T00:00:00Z http://www.dspace.espol.edu.ec/handle/123456789/67907 Title: Impacto de incendios forestales en Ecuador: Visualizador interactivo para la gestión del riesgo Authors: Tello Burgos, Odalys Natasha; Zambrano Chavez, Jair Anthony; García Angulo, Andrea Cristina, Director Abstract: CONDITION FOR PUBLICATION OF PROJECT. The research analyzes the dynamics of forest fires in Ecuador between 2010 and 2025, with the results presented in an interactive visualizer. Climatic, land cover, and remote sensing data were analyzed and integrated, and through multiple correspondence analysis, a vulnerability index was developed that identified critical variables such as temperature, relative humidity, precipitation, and wind, which together explained more than 80% of the observed variability. The results show that provinces such as Loja, Pichincha, and Tungurahua concentrate the highest levels of risk, especially in agricultural areas. At the national level, more than 331,000 hectares were affected, with a direct impact on communities and ecosystems. These findings highlight the urgency of strengthening risk management through interdisciplinary approaches, integrated monitoring systems, and prevention strategies aimed at environmental sustainability. Keywords: Forest fires, Interactive visualizer, Multivariate analysis, Vulnerability index, Risk management Description: CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. La investigación analiza la dinámica de los incendios forestales en Ecuador entre 2010 y 2025, cuyos resultados se presentan en un visualizador interactivo. Se analizaron e integraron datos climáticos, de cobertura del suelo y de teledetección, y mediante un análisis de correspondencia múltiple se construyó un índice de vulnerabilidad que identificó variables críticas como: temperatura, humedad relativa, precipitación y viento, responsables de más del 80% de la variabilidad observada. Los resultados evidencian que provincias como Loja, Pichincha y Tungurahua concentran los mayores niveles de riesgo, especialmente en zonas agrícolas y agropecuarias. A nivel nacional, se registraron más de 331.000 hectáreas afectadas, con un impacto directo sobre comunidades y ecosistemas. Estos hallazgos destacan la urgencia de fortalecer la gestión del riesgo mediante enfoques interdisciplinarios, sistemas integrados de monitoreo y estrategias de prevención orientadas a la sostenibilidad ambiental. 2025-01-01T00:00:00Z http://www.dspace.espol.edu.ec/handle/123456789/65680 Title: Modelo automático de codificación basado en CIE-10 de diagnósticos médicos usando modelos de machine learning Authors: Flores Boada, Miguel Alfonso Description: La innovación tecnológica ha alcanzado a todos los ámbitos de la humanidad, la estadística y el análisis de datos son una parte fundamental de este avance. El campo de la medicina es un beneficiario importante del progreso tecnológico. Este proyecto tiene como objetivo clasificar automáticamente enfermedades con código CIE-10, a través de modelos estadísticos de aprendizaje y clasificación, contribuyendo de esta forma a la Red de Salud Pública Nacional. Existen diferentes formas en las que se codifica cada diagnóstico en el Ecuador. Por el momento se usa un algoritmo determinista que funciona a través de las reglas implementadas en el manual de la CIE-10. Los datos fueron obtenidos del registro estadístico de camas y egresos hospitalarios. Se utilizó Excel, Rstudio y Python para el procesamiento de datos y creación de los modelos estadísticos. La red neuronal implementada tuvo una precisión de entre el 80% y 86%, en menos de 15 minutos de codificación automática. Los modelos desarrollados permiten reducir el tiempo de codificación manual, empleando los recursos tecnológicos de mejor manera en una institución estatal. Palabras clave: automático, clasificación, diagnósticos, redes neuronales. 2024-01-01T00:00:00Z