AUTORES: Pincay Lucas Marbella Laury; Reyes Chonillo Jessenia Aracely; Anchundia Santana Jorge Israel; Cedeño Macías Cristian Eduardo

Descripción del dataset El dataset contiene información sobre accedinte de transito a nivel nacional. Entre los datos tenemos lo siguiente: FALLECIDOS, LESIONADOS, EDAD, AÑO, PROVINCIA PERIODO (HORARIO), DIA, MES, CAUSA_PROBABLE, TIPO_DE_SINIESTRO, SEXO

Objetivo del análisis Determinar la relación entre el tipo de siniestro, la provincia donde ocurre y el número de lesionados en una base de datos de siniestralidad de tránsito del Ecuador en el año 2023 y en base a estos datos generar una hipótesis.

Exploración de datos

Estadística descriptiva

En este estudio, se han seleccionado variables que contienen información sobre el tipo de siniestro, la provincia y el número de personas lesionadas en Ecuador durante el año 2023.

Tabla 1: Frecuencia Absoluta y relativa de los Tipos de siniestros
TIPO_DE_SINIESTRO n porcentaje
CHOQUE LATERAL 5769 27.48
ESTRELLAMIENTOS 2705 12.88
ATROPELLOS 2704 12.88
PERDIDA DE CARRIL 2619 12.47
CHOQUE POSTERIOR 2000 9.53
CHOQUE FRONTAL 1292 6.15
ROZAMIENTOS 825 3.93
CAIDA DE PASAJERO 776 3.70
PERDIDA DE PISTA 626 2.98
OTROS 589 2.81
COLISION 510 2.43
VOLCAMIENTOS 318 1.51
ARROLLAMIENTOS 261 1.24

En la Tabla 1, se observa que el mayor número de tipos de siniestro es CHOQUE LATERAL.

Tabla 2: Frecuencia Absoluta y Relativa de los siniestros por provincia
PROVINCIA n porcentaje
GUAYAS 7467 35.57
PICHINCHA 4156 19.80
MANABI 1398 6.66
AZUAY 1197 5.70
LOS RIOS 1108 5.28
SANTO DOMINGO DE LOS TSACHILAS 1048 4.99
TUNGURAHUA 987 4.70
LOJA 658 3.13
EL ORO 588 2.80
SANTA ELENA 532 2.53
CHIMBORAZO 515 2.45
IMBABURA 375 1.79
COTOPAXI 231 1.10
ESMERALDAS 179 0.85
BOLIVAR 153 0.73
CAÑAR 81 0.39
ORELLANA 80 0.38
MORONA SANTIAGO 72 0.34
ZAMORA CHINCHIPE 56 0.27
CARCHI 29 0.14
NAPO 28 0.13
PASTAZA 26 0.12
SUCUMBIOS 23 0.11
GALAPAGOS 7 0.03

En la Tabla 2, se observa que el mayor número de siniestros se producen en la provincia de Guayas.

Tabla 3: Frecuencia Absoluta y Relativa de los siniestros por provincia
PROVINCIA n por
GUAYAS 7467 35.57
PICHINCHA 4156 19.80
MANABI 1398 6.66
AZUAY 1197 5.70
LOS RIOS 1108 5.28
SANTO DOMINGO DE LOS TSACHILAS 1048 4.99
TUNGURAHUA 987 4.70
LOJA 658 3.13
EL ORO 588 2.80
SANTA ELENA 532 2.53
CHIMBORAZO 515 2.45
IMBABURA 375 1.79
COTOPAXI 231 1.10
ESMERALDAS 179 0.85
BOLIVAR 153 0.73
CAÑAR 81 0.39
ORELLANA 80 0.38
MORONA SANTIAGO 72 0.34
ZAMORA CHINCHIPE 56 0.27
CARCHI 29 0.14
NAPO 28 0.13
PASTAZA 26 0.12
SUCUMBIOS 23 0.11
GALAPAGOS 7 0.03

En la Tabla 3, se observa que el mayor número de siniestros se producen en la provincia de Guayas, sin embargo, se debe considerar la densidad poblacional.

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.0000  0.0000  1.0000  0.8862  1.0000 35.0000
## [1] "-----------------------------"
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   -1.00   -1.00   24.00   23.09   38.00  124.00
## [1] "resumen sumary\n\n"
##    FALLECIDOS      LESIONADOS          EDAD_1            ANIO     
##  Min.   :0.000   Min.   : 0.0000   Min.   : -1.00   Min.   :2023  
##  1st Qu.:0.000   1st Qu.: 0.0000   1st Qu.: -1.00   1st Qu.:2023  
##  Median :0.000   Median : 1.0000   Median : 24.00   Median :2023  
##  Mean   :0.113   Mean   : 0.8862   Mean   : 23.09   Mean   :2023  
##  3rd Qu.:0.000   3rd Qu.: 1.0000   3rd Qu.: 38.00   3rd Qu.:2023  
##  Max.   :6.000   Max.   :35.0000   Max.   :124.00   Max.   :2023  
##   PROVINCIA          PERIODO_1            DIA_1              MES_1          
##  Length:20994       Length:20994       Length:20994       Length:20994      
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##  CAUSA_PROBABLE     TIPO_DE_SINIESTRO     SEXO_1         
##  Length:20994       Length:20994       Length:20994      
##  Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character  
##                                                          
##                                                          
##

Según el gráfico, se observa que los hombres tienen una alta probabilidad de ocasionar siniestros, siendo el siniestro de choque lateral el más probable que un hombre ocasione. Asimismo, el siniestro de atropellos es el más probable que lo ocasione una mujer.

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.0000  0.0000  1.0000  0.8862  1.0000 35.0000

Modelo estadístico ligado al objetivo planteado Hipotesis

Análisis de la cantidad de fallecidos en siniestros de tránsito por mes utilizando la prueba Mann-Whitney U Introducción En este análisis, se pretende evaluar si existe una diferencia significativa en la cantidad de fallecidos en siniestros de tránsito entre los diferentes meses del año. Se utilizará la prueba Mann-Whitney U, una prueba no paramétrica adecuada para comparar dos grupos cuando no se cumple el supuesto de normalidad.

Hipótesis nula (H0): No existe una diferencia significativa en la cantidad de fallecidos en siniestros de tránsito entre los diferentes meses del año.

Hipótesis alternativa (Ha): Existe una diferencia significativa en la cantidad de fallecidos en siniestros de tránsito entre los diferentes meses del año.

Consideraciones adicionales • La prueba Mann-Whitney U solo analiza la diferencia en la mediana de los fallecidos entre los meses. • Si existen otros factores que podrían influir en el número de fallecidos, como la población vehicular o las condiciones climáticas, se podrían considerar modelos estadísticos más complejos para ajustar por estos factores.

# Seleccionar las columnas relevantes
datos_seleccionados <- datos[, c("FALLECIDOS", "MES_1")]

# Convertir la columna "MES 1" a factor (asumiendo que representa categorías de meses)
datos_seleccionados$`MES_1` <- as.factor(datos_seleccionados$`MES_1`)

# Agrupar por "MES 1" y sumar los fallecidos
fallecidos_por_mes <- datos_seleccionados %>%
group_by(`MES_1`) %>%
summarise(NUMERO_FALLECIDOS = sum(FALLECIDOS))
print(fallecidos_por_mes)
## # A tibble: 12 × 2
##    MES_1      NUMERO_FALLECIDOS
##    <fct>                  <int>
##  1 ABRIL                    183
##  2 AGOSTO                   206
##  3 DICIEMBRE                241
##  4 ENERO                    169
##  5 FEBRERO                  205
##  6 JULIO                    204
##  7 JUNIO                    234
##  8 MARZO                    179
##  9 MAYO                     186
## 10 NOVIEMBRE                190
## 11 OCTUBRE                  186
## 12 SEPTIEMBRE               190
# Calcular la media y la desviación estándar del número de fallecidos por mes
media_fallecidos <- mean(fallecidos_por_mes$NUMERO_FALLECIDOS)
desviacion_estandar <- sd(fallecidos_por_mes$NUMERO_FALLECIDOS)

# Identificar el mes con mayor número de fallecidos
mes_mayor_fallecidos <- fallecidos_por_mes %>%
arrange(desc(NUMERO_FALLECIDOS)) %>%
slice(1) %>%
.$MES_1


# Se utiliza la prueba de Mann-Whitney U porque los datos no son necesariamente normales.

# Identificar los datos de fallecidos del mes con mayor número de fallecidos
datos_mayor_mes <- datos_seleccionados %>%
filter(`MES_1` == mes_mayor_fallecidos) %>%
.$FALLECIDOS

# Realizar la prueba de Mann-Whitney U
prueba_mann_whitney <- wilcox.test(datos_mayor_mes, datos_seleccionados$FALLECIDOS)

# Imprimir los resultados de la prueba de Mann-Whitney U
print(prueba_mann_whitney)
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  datos_mayor_mes and datos_seleccionados$FALLECIDOS
## W = 20712738, p-value = 0.6063
## alternative hypothesis: true location shift is not equal to 0

Grafico y Visualizacion de datos (Media de fallecidos,desviacion estandar, mes donde hay mas fallecidos)

## [1] "Media de fallecidos:"
## [1] 197.75
## [1] "Desviacion estandar"
## [1] 21.60861
## [1] "Mes mayor fallecidos,"
## [1] DICIEMBRE
## 12 Levels: ABRIL AGOSTO DICIEMBRE ENERO FEBRERO JULIO JUNIO MARZO ... SEPTIEMBRE

Conclusiones basándose en los resultados

Según los datos estadísticos de transito del Ecuador del año 2023 establece que, en las provincias las principales causas son choques laterales, con 5769 que representa el 27,48% de siniestros, y el menor índice es de 261 que representa el 1.24%.

De acuerdo a los resultados obtenidos; se estableció de una forma adecuada y eficaz datos que reflejan el mayor índice de siniestros es en la provincia del Guayas con el 35,57% de siniestros.

Basándonos en los valores proporcionados: • El valor p de 0.6063 es mayor que el nivel de significancia común (0.05). Esto significa que no hay evidencia suficiente para rechazar la hipótesis nula de que no hay diferencia significativa en la mediana de las dos muestras. • En otras palabras, no podemos concluir con un 95% de confianza que la mediana de la variable datos_mayor_mes sea diferente de la mediana de la variable datos_seleccionados$FALLECIDOS. Consideraciones adicionales: • Es importante recordar que la prueba Wilcoxon es una prueba no paramétrica, lo que significa que no asume que las muestras sigan una distribución normal. Esto la hace útil para comparar muestras con distribuciones no normales o con valores atípicos.

Interpretación

Como podemos visualizar en la gráfica #2 de Estudio Siniestros de Transito a nivel nacional en ECUADOR, se observa que el mayor número de siniestros se producen en la provincia de Guayas. Del mismo modo observamos que en la provincia de Pichincha hay un considerable número de siniestro seguido de Manabí. Cabe recalcar que en las provincias de Cañar, Morona Santiago, Orellana y Zamora Chinchipe el número de siniestro es bajo. Sin embargo, en la provincia de Carchi, Galápagos, Napo, Pastaza y Sucumbíos el número de siniestro es totalmente nula con un porcentaje mínimo de las demás provincias que reflejan mayor número de siniestros.

Estos datos debe representar una alarma para la ciudadanía e instituciones que tienen la misión de regular el estudio de siniestros de tránsito a nivel nacional en el país y revela la necesidad de promover políticas de educación vial y aplicar adecuadamente las leyes de tránsito a quienes las incumplan.