Browsing by Author "Roberto Delgado Castro"
Now showing 1 - 5 of 5
Results Per Page
Sort Options
Item Análisis programático y geográfico de los recursos pagados por la Tesorería Nacional del Ministerio de Hacienda para el financiamiento de Programas Sociales, a través del Sistema Único de Pagos de Recursos Sociales (SUPRES), de enero a setiembre 2024.(2025-10-14) Roberto Delgado Castro; Licenciado en Administración de Empresas (énfasis en Banca y Finanzas, Marketing y Ventas, y Gerencia) por la UIA. Investigador de la Escuela de Administración de Empresas de la UIA, desarrolla proyectos de ciencia de datos; sus líneas incluyen estadística, matemáticas, análisis cuantitativo, ML (supervisado y no supervisado), Big Data y modelos predictivos. Desde 2023 ha culminado seis investigaciones en minería de datos, publicó cinco libros, y ha difundido resultados en la revista Innovación Educativa y en conferencias nacionales e internacionales.El estudio analiza los recursos pagados por la Tesorería Nacional del Ministerio de Hacienda de Costa Rica para el financiamiento de programas sociales, a través del Sistema Único de Pagos de Recursos Sociales (SUPRES), durante el periodo de enero a setiembre de 2024. Mediante un enfoque exploratorio y cuantitativo, se procesaron más de 2,3 millones de registros con el lenguaje de programación R, examinando los montos pagados según beneficio, género y provincia. Los resultados muestran que el 64,5 % de los recursos se destinaron a mujeres, y que los programas Avancemos, Atención a Familias y Empléate concentraron la mayor proporción del gasto social.Item Estimación de la cantidad de vehículos eléctricos registrados en Costa Rica para el año 2026, mediante el diseño, calibración y validación de un modelo predictivo de redes neuronales autorregresivas aplicado a una serie de tiempo anual del período 2010–2025(2026-04-07) Roberto Delgado CastroLa presente investigación estima la cantidad de vehículos eléctricos registrados en Costa Rica para el año 2026 mediante el diseño, calibración y validación de un modelo predictivo de redes neuronales autorregresivas (NNAR) aplicado a una serie temporal anual del período 2010–2025. El estudio adopta un enfoque cuantitativo y utiliza técnicas de análisis de series de tiempo, aprendizaje automático y validación fuera de muestra para evaluar la capacidad predictiva del modelo. Los resultados evidencian un crecimiento sostenido del parque vehicular eléctrico y demuestran que el modelo NNAR captura adecuadamente patrones no lineales de la serie, generando proyecciones útiles para la planificación energética, la formulación de políticas públicas y la transición hacia movilidad sostenible.