Modelo univariante Box Jenkins y red neuronal para pronosticar el número de gestantes adolescentes, Puno 2013-2023

Abstract

El objetivo de este estudio fue comparar dos enfoques diferentes, Box-Jenkins y Red Neural Recurrente (RNN), para determinar el modelo más adecuado para predecir la serie de gestantes adolescentes del departamento de Puno durante el periodo 2013-2023. El diseño de investigación empleado es no experimental y de tipo retrospectiva correlacional. La muestra de estudio estuvo compuesta por todo el conjunto de datos que comprendía 120 observaciones mensuales obtenidas del Repositorio Único Nacional de Información en Salud (Reunís). Después de realizar el análisis utilizando cada metodología, se generó pronósticos y los resultados se compararon con los datos reales. Esta comparación se realizó para determinar cuál de las dos metodologías producía predicciones más precisas. Se observó que la metodología Red Neuronal Recurrente arrojó un error de evaluación de pronóstico menor en comparación con la metodología Box Jenkins. Se utilizaron los indicadores MAE, RMSE, MPE, MAPE y el ME para evaluar la precisión del pronóstico. Como resultado, se considera que la metodología Red Neuronal Recurrente es la opción correcta para predecir resultados de la serie de gestantes adolescentes.