SINIESTROS DE TRÁNSITO

la que se busca disminuir los siniestros de tránsito en el Cantón Loja, aplicando el método “Investigación-Acción” en la que tiene como disminución de siniestros de 944 siniestros en el año 2015 a 526 siniestros en el año 2016 y por consiguiente disminuyó la mortalidad y morbilidad también se obtuvo de las estadísticas que el 96% de los siniestros son por causa humana (Jaramillo Sangurima y Muñoz Sotomayor, 2017). Lo que ha permitido se generen nuevos reglamentos con el fin de reducir los siniestros de tránsito y por consiguiente reducir daños colaterales tanto como la vida humana y los daños físicos.

2.1.1. LA ESTRECHA RELACIÓN ENTRE LA GEOESTADÍSTICA Y LOS SINIESTROS DE TRÁNSITO

Las estadísticas de siniestros de tránsito tienen un punto de atención trascendental por parte de las entidades que regulan el tránsito y por organizaciones que se han creado para reducir los siniestros en las vías.

Con el avance tecnológico se han generado modelos de siniestros que ha involucrado a la estadística espacial (Martins Gomes et al., 2018) debido a que los siniestros son puntos sobre un mapa y que dichos elementos se encuentra estrechamente relacionados.

Lo cual se ajusta a la primera ley de Tobler que indica que todas las cosas están relacionadas entre sí pero las más cercanas tiene una relación más estrecha (Leitner et al., 2018) lo que permite conocer patrones y descubrir ciertas tendencias en los siniestros de tránsito.

Entre las principales aplicaciones de la geoestadística se tiene el análisis espacio temporal y puntos calientes, análisis predictivo de crimines entre otros.

Mediante el Análisis Exploratorio de datos (AEDA) se realiza un primer acercamiento al tipo de datos espaciales que se está manejando, se puede encontrar valores atípicos buscar formas de autocorrelación espacial y más información valiosa (Castro et al., 2019).

21

Antes de aplicar AEDA se debe responder preguntas importantes como por ejemplo (Fotheringham y Charlton, 1992):

¿Cuáles son las técnicas de AEDA más apropiadas para cierta estructura de datos? Por ejemplo, hay técnicas que son más utilizadas para vectores otras para ráster o viceversa.

¿Qué tipos de rutinas de AEDA pueden ayudar a determinar los valores atípicos espaciales? ¿Cómo determinar si una observación es suficientemente diferente a sus vecinos?

¿Qué tipo de estadísticas pueden ser desagregadas espacialmente y luego ser mapeadas?

Las herramientas más utilizadas para realizar en análisis exploratorio son las siguientes:

Variable regionalizada. - permite conocer el valor de una variable dentro de un campo dado.

Histograma.

- permite la visualización de frecuencias absolutas o relativas de una población de datos, con lo que se puede obtener una primera impresión de la distribución de datos, también permite descubrir los valores atípicos.

Q-Q Plot.

- es una herramienta gráfica que permite identificar si la muestra de datos sigue una distribución normal representando con una recta mientras más alejados se encuentren los puntos de la recta, menos siguen una distribución normal.

Box Plot. - se representa mediante una caja donde se puede visualizar al mismo tiempo los cuartiles, medianas, el máximo y el mínimo.

En la figura 1 se indica la estructura que componen un gráfico de Box Plot.

22