• Inicio
• Reportes
  • Encuesta Entomológica 10%
  • Depósitos Preferenciales
  • Mapas - Casos Confirmados
  • Reportes Estadísticos
  • Series de Tiempo
  • Resultados Estadísticos 1
  • Resultados Estadísticos 2
• Modelo Predictivo
• Biología de Vectores
• Noticias
  • Municipales
  • Departamentales
  • Nacionales
  • Internacionales
• Eventos
• Directorio
• Galería de fotos
  • Eventos
  • Instalaciones
  • Equipos de Monitoreo
• Enlaces Relacionados
• • Nacionales
  • Internacionales

enlaces

:: RESULTADOS ESTADÍSTICOS ::

El análisis de Varianza se realizó (ANOVA) para contrastar los diferentes barrios con las variables socioeconómicas.

1) ANOVA: Barrios y % de viviendas Inadecuadas
Tomamos como factor: Los Barrios y como variable dependiente: el % de viviendas inadecuadas, para contrastar si existen diferencias significativas entre los diferentes barrios con respecto al % de viviendas inadecuadas, resultado lo siguiente:

a) Los barrios desde el Reparto Brisas de Acosaco hasta Posada del sol, como la muestra la siguiente tabla no tienen diferencias significativas respecto al porcentaje de viviendas inadecuadas.
b) A partir del barrio Villa 23 de Julio si se presentan diferencias significativas
c) Y los que presentan mayor % de viviendas inadecuadas son el Reparto Jericó y La colonia San Martin.

2) ANOVA: Barrios y % sin recolección de basura
Tomamos como factor: Los Barrios y como variable dependiente: el % % sin recolección de basura, para contrastar si existen diferencias significativas entre los diferentes barrios con respecto al % sin recolección de basura, resultado lo siguiente.

a) Los barrios Heroes y Martires del Calvario y Rosendo Pacheco,, como la muestra la siguiente tabla, son los barrios que no tienen problemas con la recolección de basura
b) Y los que presentan mayor % sin recolección de basura son el Reparto Maritza López y La colonia Fernando Martí.

3) Con Las variables climáticas se realizo un Análisis Regresión Lineal. Se tomó como variable dependiente los Casos de Dengue y como variables independientes las variables climáticas, pero sin embargo el modelo no resulto ser significativo con todas las variables climaticas, las únicas que aportan para la predicción de la enfermedad del Dengue son la: Precipitación media y la Temperatura media, pero dichas variable explican la enfermedad en apenas el 6%, aproximadamente, lo que no es relevante para dicho estudio. Esto se puede apreciar en los cuadros siguientes, me refiero al modelo #6, cuyo R Square (Coeficiente de Determinación) es: 0.58 (Este coeficiente mide la proporción de cuanto explican las variables independientes (Precipitación media y la temperatura media), a la aparición de dengueen la comunidad de León.

El mejor modelo según el análisis es el #6, ambas variables en el modelo son significativas.

4) Procedimos también a realizar una regresión logística Binaria para pronosticar si se presentan o no casos de dengue. En la variable casos de dengue semanales, creamos una nueva variable codificando: "Si no hay enfermedad" usamos "cero" y si hay "más de un enfermo" usamos "uno". De esta manera corrimos dicha regresión, resultando las variables: precipitación media, la velocidad media y La temperatura media, explicando en un 81% la pronosticación de: si hay o no hay dengue. En la siguiente tabla, paso 5, se aprecian las variables significativas del modelo y en la siguiente, también en el paso 5, se aprecia el porcentaje de probabilidad de acierto del modelo.