Relación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años.

dc.contributor.advisorParody Muñoz, Alexander
dc.contributor.advisorCastillo Ramirez, Margarita
dc.contributor.authorTeran Zambrano, Julieth Paola
dc.coverage.spatialBarranquillaspa
dc.creator.emailjuliethp-teranz@unilibre.edu.cospa
dc.date.accessioned2025-07-17T14:20:04Z
dc.date.available2025-07-17T14:20:04Z
dc.date.created2025-06-16
dc.description.abstractEn este proyecto se analizó la relación existente entre la calidad del aire (PM2.5 y CO2, variables socioeconómicas (PIB anual, GINI, % Población en Riesgo de Pobreza y Balanza Comercial) y calidad de vida (IDH), en los países de Sudamérica con data estadística de los últimos 23 años (2000-2023). La prueba de Kruskal-Wallis indicó que Brasil y Argentina son los países con mayor emisión de CO2, mientras que Trinidad y Tobago y Venezuela son los mayores emisores de material particulado. La relación entre los contaminantes y las variables descritas se estudió mediante la elaboración de modelos de regresión lineal generalizado. Para PM2.5 se encontró que hay relación con cada variable, obteniéndose valores p por debajo de 0.05 para cada una, y un valor de R-cuadrado igual a 92.35%. Respecto al CO2, se observó que la variable GINI no guarda relación alguna con el contaminante, mientras que las demás variables sí; se obtuvo para este caso un R-cuadrado igual a 98.94%. Lo anterior permitió concluir que, a partir de estos dos modelos, es posible predecir la cantidad de emisiones en un país específico durante un año determinado. Por último, se entrenó dos redes neuronales por clasificador Bayesiano. Para el PM2.5se obtuvo un porcentaje global de buen pronóstico de 94.34% y para CO2 de 97.87%, respecto a la correcta clasificación de valores altos de cada contaminante. Demostrando que el conjunto de datos que se tienen es suficientemente bueno para predecir como será la emisión de un país en un determinado año.spa
dc.description.abstractenglishThis project analyzed the relationship between air quality (PM2.5 and CO₂), socioeconomic variables (annual GDP, GINI index, percentage of population at risk of poverty, and trade balance), and quality of life (HDI) in South American countries, using statistical data from the past 23 years (2000–2023). The Kruskal-Wallis test indicated that Brazil and Argentina are the countries with the highest CO₂ emissions, while Trinidad and Tobago and Venezuela are the largest emitters of particulate matter. The relationship between the pollutants and the described variables was studied through the development of generalized linear regression models. For PM2.5, a statistically significant relationship was found with each variable, with p-values below 0.05 and an R-squared value of 92.35%. In the case of CO₂, it was observed that the GINI index does not show a significant relationship with the pollutant, while the other variables do; in this model, an R-squared value of 98.94% was obtained.These results suggest that, based on the two models, it is possible to predict the amount of emissions in a specific country for a given year. Finally, two neural networks were trained using a Bayesian classifier. For PM2.5, a global accuracy of 94.34% was achieved, and for CO₂, 97.87%, in correctly classifying high emission values. This demonstrates that the available dataset is sufficiently robust to predict a country's emissions in a given year.spa
dc.description.sponsorshipUniversidad Libre - Facultad de Ingeniería - Ingeniería Industrialspa
dc.formatPDFspa
dc.identifier.urihttps://hdl.handle.net/10901/31518
dc.relation.referencesAldashti, H., Abadla, Z. A., Wahab, M. M. A., & Yassin, M. F. (2023). Impacts of socioeconomic development on fine particulate matter (PM2.5) and Human Comfort in State of Kuwait. Research Square. https://doi.org/10.21203/rs.3.rs-3135467/v1spa
dc.relation.referencesAmador, A. C. F. (2024). Balanza Comercial y su Efecto en el Tipo de Cambio en México. Ciencia Latina Revista Científica Multidisciplinar, 8(3), Article 3. https://doi.org/10.37811/cl_rcm.v8i3.11694spa
dc.relation.referencesBanco Central de Uruguay, I. (2016). Indicadores Macroeconómicos. En Economía & Finanzas para Docentes (pp. 89-134). Guía teórica-práctica para educadores de niños y adolescentes. https://www.bcueduca.gub.uy/guiadocente/spa
dc.relation.referencesBildirici, M., & Çoban Kayıkçı, F. (2024). Energy consumption, energy intensity, economic growth, FDI, urbanization, PM2.5 concentrations nexus. Environment, Development and Sustainability, 26(2), 5047-5065. https://doi.org/10.1007/s10668-023-02923-9spa
dc.relation.referencesCattlin, B. (s. f.). ¿Cuáles son los principales indicadores macroeconómicos que se deben tener en cuenta? IG. Recuperado 22 de diciembre de 2024, de https://www.ig.com/es/estrategias-de-trading/-cuales-son-los-principales-indicadores-macroeconomicos-que-se-d-200117spa
dc.relation.referencesChen, J., Zhou, C., Wang, S., & Li, S. (2018). Impacts of energy consumption structure, energy intensity, economic growth, urbanization on PM2.5 concentrations in countries globally. Applied Energy, 230, 94-105. https://doi.org/10.1016/j.apenergy.2018.08.089spa
dc.relation.referencesChiok, C. H. M. (2014). Modelos de regresión lineal con redes neuronales. Anales Científicos, 75(2), Article 2. https://doi.org/10.21704/ac.v75i2.961spa
dc.relation.referencesContaminación del aire: Causas y tipos. (s. f.). Fundación Aquae. Recuperado 5 de enero de 2025, de https://www.fundacionaquae.org/wiki/causas-y-tipos-de-la-contaminacion-del-aire/spa
dc.relation.referencesCorona Perez, G. (2023). Variables socioeconómicas y ambientales que influyen en las emisiones de CO2 en México, 1980-2020 [Tesis de grado, Universidad Autonoma del Estado de Mexico]. http://ri.uaemex.mx/handle/20.500.11799/139912spa
dc.relation.referencesDávila, D. D., Soto, J. L. D., & Herrera, E. R. P. (2023). Variables Macroeconómicas. Universidad Autónoma del Estado de Hidalgo. https://repository.uaeh.edu.mx/bitstream/bitstream/handle/123456789/20346/variables-macroeconomicas.pdf?sequence=1&isAllowed=yspa
dc.relation.referencesDi, J., Li, C., & Marsiliani, L. (2018). The relationship between growth and the environment in Beijing, using PM2.5 concentrations. Nadiinist’ Instumentu Ta Optymizatsiya Tekhnolohichnykh System, 6(2). https://doi.org/10.26794/2308-944x-2018-6-2-5-18spa
dc.relation.referencesDirectrices mundiales de la OMS sobre la calidad del aire. (s. f.). Recuperado 5 de enero de 2025, de https://www.who.int/es/news-room/questions-and-answers/item/who-global-air-quality-guidelinesspa
dc.relation.referencesGarcía-Oliveros Serrano, E. (2015). Análisis y comparativas de las variables macroeconómicas y financieras que propiciaron las recesiones económicas de 1929, 1987 y 2008 [Tesis de grado, Universidad Pontificia Comillas]. http://hdl.handle.net/11531/4439spa
dc.relation.referencesGonzález-Vergel, M. S., Rodríguez, J. C. C., & Núñez-Rodríguez, J. de J. (2023). Factores determinantes en las emisiones de CO2 en Colombia originados por la explotación del carbón. Rev. iberoam. bioecon. cambio clim., 9(17), Article 17. https://doi.org/10.5377/ribcc.v9i17.15496spa
dc.relation.referencesHernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. del P. (2014). Metodología de la investigación (6°). McGraw Hill.spa
dc.relation.referencesIsabel, A. (2023). Impacto de las emisiones naturales y antropogénicas sobre la calidad de aire regional en Argentina [Tesis de Doctorado, Universidad Nacional de Cuyo]. https://bdigital.uncuyo.edu.ar/spa
dc.relation.referencesJia, J., You, Y., Yang, S., & Shang, Q. (2022). Analysis of the Effect of Economic Development on Air Quality in Jiangsu Province Using Satellite Remote Sensing and Statistical Modeling. Atmosphere, 13(5), Article 5. https://doi.org/10.3390/atmos13050697spa
dc.relation.referencesLopez, jesus, & Caicedo, E. (2005). Entrenamiento Bayesiano para RedesNeuronales Artificiales. Universidad del Valle. https://www.researchgate.net/publication/221315564_Entrenamiento_Bayesiano_para_Redes_Neuronales_Artificialesspa
dc.relation.referencesMartin, P. B. (2005). Contaminación del aire por material particulado en la Ciudad de Buenos Aires [Tesis Doctoral, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales]. http://hdl.handle.net/20.500.12110/tesis_n3931_Martinspa
dc.relation.referencesMartínez, F. M. P. (2020). Determinación y caracterización de concentraciones de material particulado sedimentable en la comunidad de Gatazo grande Cantón Colta por incidencia industrial [Tesis de grado, UNIVERSIDAD NACIONAL DE CHIMBORAZO]. http://dspace.unach.edu.ec/handle/51000/7694spa
dc.relation.referencesMohd Ali, J., Hussain, M. A., Tade, M. O., & Zhang, J. (2015). Artificial Intelligence techniques applied as estimator in chemical process systems – A literature survey. Expert Systems with Applications, 42(14), 5915-5931. https://doi.org/10.1016/j.eswa.2015.03.023spa
dc.relation.referencesMohmmed, A., Li, Z., Olushola Arowolo, A., Su, H., Deng, X., Najmuddin, O., & Zhang, Y. (2019). Driving factors of CO2 emissions and nexus with economic growth, development and human health in the Top Ten emitting countries. Resources, Conservation and Recycling, 148, 157-169. https://doi.org/10.1016/j.resconrec.2019.03.048spa
dc.relation.referencesMontero, G. (2016). Modelos de regresión lineal múltiple [Documentos de Trabajo en Economía Aplicada]. Universidad de Granada. https://www.ugr.es/~montero/matematicas/regresion_lineal.pdfspa
dc.relation.referencesOIT. (2014). Hacia el derecho al trabajo: Una guía para la elaboración de programas públicos de empleo innovadores. Organización Internacional del Trabajo. https://www.ilo.org/es/publications/hacia-el-derecho-al-trabajo-innovaciones-en-programas-de-empleo-publico-0spa
dc.relation.referencesOyarzún G, M. (2010). Contaminación aérea y sus efectos en la salud. Revista chilena de enfermedades respiratorias, 26(1), 16-25. https://doi.org/10.4067/S0717-73482010000100004spa
dc.relation.referencesPNUD. (2020). Notas Técnicas: Cálculo de los indices de desarrollo humano [Notas Técnicas]. Programa de las Naciones Unidas para el Desarrollo. https://www.undp.org/sites/g/files/zskgke326/files/2023-09/notas_tecnicas.pdfspa
dc.relation.referencesPNUD. (2022). HDR23-24 Statistical Annex HDI Table [Dataset]. Programa de las Naciones Unidas para el Desarrollo. https://hdr.undp.org/data-center/human-development-index#/indicies/HDIspa
dc.relation.referencesPNUD. (2024). Desarrollo Humano en América Latina y el Caribe mejora más que en otras regiones, pero no logra recuperar niveles prepandémicos, revela el PNUD. UNDP. https://www.undp.org/es/latin-america/comunicados-de-prensa/desarrollo-humano-en-america-latina-y-el-caribe-mejora-mas-que-en-otras-regiones-pero-no-logra-recuperar-nivelesspa
dc.relation.referencesQué es la Calidad del Aire: Importancia y Medición. (s. f.). Recuperado 5 de enero de 2025, de https://www.holcim.es/que-es-la-calidad-del-aire-importancia-y-medicionspa
dc.relation.referencesRamírez-Coronel, A. A., Malo-Larrea, A., Martínez-Suarez, P. C., Montánchez-Torres, M. L., Torracchi-Carrasco, E., & González-León, F. M. (2020). Origen, evolución e investigaciones sobre la Calidad de Vida: Revisión Sistemática. Archivos Venezolanos de Farmacología y Terapéutica, 39(8), 10. https://doi.org/10.5281/zenodo.4543649spa
dc.relation.referencesRiesgo de pobreza 2023 | Datosmacro.com. (s. f.). Recuperado 6 de enero de 2025, de https://datosmacro.expansion.com/demografia/riesgo-pobrezaspa
dc.relation.referencesRiveros-Gavilanes, J. M., & Reyes-Vargas, A. M. (2023). Contaminación por CO2 y crecimiento económico: ¿un comportamiento heterogéneo para América Latina? Sociedad y Economía, 48. https://doi.org/10.25100/sye.v0i48.12013spa
dc.relation.referencesSalas Zapata, C., & Garzón Duque, M. O. (2013). La noción de calidad de vida y su medición. Revista CES Salud Pública, 4(1), 36-46.spa
dc.relation.referencesSanchez Juarez, I., García Almada, R. M., & Chávez Gutiérrez, N. S. (2024). Emisiones de CO2 y crecimiento económico en la región de América Latina. Equilibrio Económico. Revista de Economía, Política y Sociedad, 20(1), 6-32.spa
dc.relation.referencesStezano, F. (2020). Enfoques, definiciones y estimaciones de pobreza y desigualdad en américa latina y el caribe: Un análisis crítico de la literatura. CEPAL. https://hdl.handle.net/11362/46405spa
dc.relation.referencesSuárez Caicedo, M. N., Arosteguí Hurtado, S. A., Remache Chicango, E. G., & Rosero Arboleda, C. K. (2022). Calidad de vida: El camino de la objetividad a la subjetividad en población general y grupos como: Niños y jóvenes, personas con discapacidad y adultos mayores. Revista Médica Vozandes, 33(1), 61-68. https://doi.org/10.48018/rmv.v33.i1.6spa
dc.relation.referencesUS EPA, O. (2018, junio 1). Conceptos básicos sobre el material particulado (PM, por sus siglas en inglés) [Overviews and Factsheets]. https://espanol.epa.gov/espanol/conceptos-basicos-sobre-el-material-particulado-pm-por-sus-siglas-en-inglesspa
dc.relation.referencesVillegas Pocaterra, E. M., Molero Oliva, L. E., Rodríguez López, V. E., & Andino Chancay, T. S. (2022). Los efectos del IDH sobre las emisiones de CO2 en América Latina y el Caribe. Apuntes del Cenes, 41(74), 141-175. https://doi.org/10.19053/01203053.v41.n74.2022.13996spa
dc.relation.referencesViola, A., & Knoll, P. (2014). El índice de desarrollo humano (Boletin 10). Universidad Nacional San Martin. https://unsam.edu.ar/escuelas/eeyn/centros/oem/pdf/OEM-Boletin10.pdfspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombiaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/spa
dc.subjectCalidad del airespa
dc.subjectVariables socioeconómicasspa
dc.subjectCalidad de vidaspa
dc.subjectModelo de regresión lineal generalizadospa
dc.subjectRedes neuronales por clasificador Bayesianospa
dc.subject.lembRelación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 añosspa
dc.subject.subjectenglishAir qualityspa
dc.subject.subjectenglishSocioeconomic variablesspa
dc.subject.subjectenglishQuality of lifespa
dc.subject.subjectenglishGeneralized linear regression modelspa
dc.subject.subjectenglishNeural networks with Bayesian classifierspa
dc.titleRelación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años.spa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersionspa
dc.type.localTesis de Pregradospa

Archivos

Bloque original

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
Formato-autorizacion-para-la-publicacion-digital-de-obras-en-el-repositorio-institucional.pdf
Tamaño:
328.17 KB
Formato:
Adobe Portable Document Format
Descripción:
Cargando...
Miniatura
Nombre:
Trabajo de grado Julieth Teran.pdf
Tamaño:
1.27 MB
Formato:
Adobe Portable Document Format
Descripción:

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción: