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

En 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...

Full description

Autores:: Teran Zambrano, Julieth Paola

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2025

Institución:: Universidad Libre

Repositorio:: RIU - Repositorio Institucional UniLibre

Idioma:

id	RULIBRE2_c24a01f7b0a5d27cf1bc62b510794847
oai_identifier_str	oai:repository.unilibre.edu.co:10901/31518
network_acronym_str	RULIBRE2
network_name_str	RIU - Repositorio Institucional UniLibre
repository_id_str
dc.title.spa.fl_str_mv	Relación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años.
title	Relación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años.
spellingShingle	Relación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años. Calidad del aire Variables socioeconómicas Calidad de vida Modelo de regresión lineal generalizado Redes neuronales por clasificador Bayesiano Air quality Socioeconomic variables Quality of life Generalized linear regression model Neural networks with Bayesian classifier Relación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años
title_short	Relación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años.
title_full	Relación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años.
title_fullStr	Relación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años.
title_full_unstemmed	Relación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años.
title_sort	Relación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años.
dc.creator.fl_str_mv	Teran Zambrano, Julieth Paola
dc.contributor.advisor.none.fl_str_mv	Parody Muñoz, Alexander Castillo Ramirez, Margarita
dc.contributor.author.none.fl_str_mv	Teran Zambrano, Julieth Paola
dc.subject.spa.fl_str_mv	Calidad del aire Variables socioeconómicas Calidad de vida Modelo de regresión lineal generalizado Redes neuronales por clasificador Bayesiano
topic	Calidad del aire Variables socioeconómicas Calidad de vida Modelo de regresión lineal generalizado Redes neuronales por clasificador Bayesiano Air quality Socioeconomic variables Quality of life Generalized linear regression model Neural networks with Bayesian classifier Relación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años
dc.subject.subjectenglish.spa.fl_str_mv	Air quality Socioeconomic variables Quality of life Generalized linear regression model Neural networks with Bayesian classifier
dc.subject.lemb.spa.fl_str_mv	Relación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años
description	En 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.
publishDate	2025
dc.date.accessioned.none.fl_str_mv	2025-07-17T14:20:04Z
dc.date.available.none.fl_str_mv	2025-07-17T14:20:04Z
dc.date.created.none.fl_str_mv	2025-06-16
dc.type.local.spa.fl_str_mv	Tesis de Pregrado
dc.type.coar.spa.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/bachelorThesis
format	http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv	https://hdl.handle.net/10901/31518
url	https://hdl.handle.net/10901/31518
dc.relation.references.spa.fl_str_mv	Aldashti, 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/v1 Amador, 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.v8i3.11694 Banco 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/ Bildirici, 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/s10668-023-02923-9 Cattlin, 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-200117 Chen, 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.2018.08.089 Chiok, C. H. M. (2014). Modelos de regresión lineal con redes neuronales. Anales Científicos, 75(2), Article 2. https://doi.org/10.21704/ac.v75i2.961 Contaminación 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/ Corona 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/20.500.11799/139912 Dávila, 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=y Di, 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-2018-6-2-5-18 Directrices 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-guidelines García-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/11531/4439 González-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.v9i17.15496 Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. del P. (2014). Metodología de la investigación (6°). McGraw Hill. Isabel, 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/ Jia, 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/atmos13050697 Lopez, jesus, & Caicedo, E. (2005). Entrenamiento Bayesiano para RedesNeuronales Artificiales. Universidad del Valle. https://www.researchgate.net/publication/221315564_Entrenamiento_Bayesiano_para_Redes_Neuronales_Artificiales Martin, 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_Martin Martínez, 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/51000/7694 Mohd 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.2015.03.023 Mohmmed, 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.2019.03.048 Montero, G. (2016). Modelos de regresión lineal múltiple [Documentos de Trabajo en Economía Aplicada]. Universidad de Granada. https://www.ugr.es/~montero/matematicas/regresion_lineal.pdf OIT. (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-0 Oyarzún 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/S0717-73482010000100004 PNUD. (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.pdf PNUD. (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/HDI PNUD. (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-niveles Qué 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-medicion Ramírez-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.4543649 Riesgo de pobreza 2023 \| Datosmacro.com. (s. f.). Recuperado 6 de enero de 2025, de https://datosmacro.expansion.com/demografia/riesgo-pobreza Riveros-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.v0i48.12013 Salas Zapata, C., & Garzón Duque, M. O. (2013). La noción de calidad de vida y su medición. Revista CES Salud Pública, 4(1), 36-46. Sanchez 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. Stezano, 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/11362/46405 Suárez 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.i1.6 US 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-ingles Villegas 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.n74.2022.13996 Viola, 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.pdf
dc.rights.uri.spa.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.license.spa.fl_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.spa.fl_str_mv	PDF
dc.coverage.spatial.spa.fl_str_mv	Barranquilla
institution	Universidad Libre
bitstream.url.fl_str_mv	http://repository.unilibre.edu.co/bitstream/10901/31518/4/Formato-autorizacion-para-la-publicacion-digital-de-obras-en-el-repositorio-institucional.pdf.jpg http://repository.unilibre.edu.co/bitstream/10901/31518/5/Trabajo%20de%20grado%20Julieth%20Teran.pdf.jpg http://repository.unilibre.edu.co/bitstream/10901/31518/3/license.txt http://repository.unilibre.edu.co/bitstream/10901/31518/1/Formato-autorizacion-para-la-publicacion-digital-de-obras-en-el-repositorio-institucional.pdf http://repository.unilibre.edu.co/bitstream/10901/31518/2/Trabajo%20de%20grado%20Julieth%20Teran.pdf
bitstream.checksum.fl_str_mv	5be14da40741447e096296c7161b54eb 4903f547dbb6faf63fafb5d50da295a2 8a4605be74aa9ea9d79846c1fba20a33 f3251ad82e6f91a6f007b12da66bb0bd 37f28fad1acac5d20df893f033d1c08f
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Unilibre
repository.mail.fl_str_mv	repositorio@unilibrebog.edu.co
_version_	1851053893314674688
spelling	Parody Muñoz, AlexanderCastillo Ramirez, MargaritaTeran Zambrano, Julieth PaolaBarranquilla2025-07-17T14:20:04Z2025-07-17T14:20:04Z2025-06-16https://hdl.handle.net/10901/31518En 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.Universidad Libre - Facultad de Ingeniería - Ingeniería IndustrialThis 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.PDFhttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Atribución-NoComercial-SinDerivadas 2.5 Colombiainfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Calidad del aireVariables socioeconómicasCalidad de vidaModelo de regresión lineal generalizadoRedes neuronales por clasificador BayesianoAir qualitySocioeconomic variablesQuality of lifeGeneralized linear regression modelNeural networks with Bayesian classifierRelación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 añosRelación entre calidad del aire, indicadores socioeconómicos y calidad de vida en países de Suramérica en los últimos 23 años.Tesis de Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisAldashti, 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/v1Amador, 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.v8i3.11694Banco 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/Bildirici, 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/s10668-023-02923-9Cattlin, 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-200117Chen, 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.2018.08.089Chiok, C. H. M. (2014). Modelos de regresión lineal con redes neuronales. Anales Científicos, 75(2), Article 2. https://doi.org/10.21704/ac.v75i2.961Contaminación 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/Corona 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/20.500.11799/139912Dávila, 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=yDi, 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-2018-6-2-5-18Directrices 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-guidelinesGarcía-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/11531/4439González-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.v9i17.15496Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. del P. (2014). Metodología de la investigación (6°). McGraw Hill.Isabel, 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/Jia, 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/atmos13050697Lopez, jesus, & Caicedo, E. (2005). Entrenamiento Bayesiano para RedesNeuronales Artificiales. Universidad del Valle. https://www.researchgate.net/publication/221315564_Entrenamiento_Bayesiano_para_Redes_Neuronales_ArtificialesMartin, 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_MartinMartínez, 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/51000/7694Mohd 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.2015.03.023Mohmmed, 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.2019.03.048Montero, G. (2016). Modelos de regresión lineal múltiple [Documentos de Trabajo en Economía Aplicada]. Universidad de Granada. https://www.ugr.es/~montero/matematicas/regresion_lineal.pdfOIT. (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-0Oyarzún 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/S0717-73482010000100004PNUD. (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.pdfPNUD. (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/HDIPNUD. (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-nivelesQué 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-medicionRamírez-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.4543649Riesgo de pobreza 2023 \| Datosmacro.com. (s. f.). Recuperado 6 de enero de 2025, de https://datosmacro.expansion.com/demografia/riesgo-pobrezaRiveros-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.v0i48.12013Salas Zapata, C., & Garzón Duque, M. O. (2013). La noción de calidad de vida y su medición. Revista CES Salud Pública, 4(1), 36-46.Sanchez 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.Stezano, 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/11362/46405Suárez 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.i1.6US 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-inglesVillegas 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.n74.2022.13996Viola, 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.pdfTHUMBNAILFormato-autorizacion-para-la-publicacion-digital-de-obras-en-el-repositorio-institucional.pdf.jpgFormato-autorizacion-para-la-publicacion-digital-de-obras-en-el-repositorio-institucional.pdf.jpgIM Thumbnailimage/jpeg28435http://repository.unilibre.edu.co/bitstream/10901/31518/4/Formato-autorizacion-para-la-publicacion-digital-de-obras-en-el-repositorio-institucional.pdf.jpg5be14da40741447e096296c7161b54ebMD54Trabajo de grado Julieth Teran.pdf.jpgTrabajo de grado Julieth Teran.pdf.jpgIM Thumbnailimage/jpeg8591http://repository.unilibre.edu.co/bitstream/10901/31518/5/Trabajo%20de%20grado%20Julieth%20Teran.pdf.jpg4903f547dbb6faf63fafb5d50da295a2MD55LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repository.unilibre.edu.co/bitstream/10901/31518/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53ORIGINALFormato-autorizacion-para-la-publicacion-digital-de-obras-en-el-repositorio-institucional.pdfFormato-autorizacion-para-la-publicacion-digital-de-obras-en-el-repositorio-institucional.pdfapplication/pdf336044http://repository.unilibre.edu.co/bitstream/10901/31518/1/Formato-autorizacion-para-la-publicacion-digital-de-obras-en-el-repositorio-institucional.pdff3251ad82e6f91a6f007b12da66bb0bdMD51Trabajo de grado Julieth Teran.pdfTrabajo de grado Julieth Teran.pdfapplication/pdf1327452http://repository.unilibre.edu.co/bitstream/10901/31518/2/Trabajo%20de%20grado%20Julieth%20Teran.pdf37f28fad1acac5d20df893f033d1c08fMD5210901/31518oai:repository.unilibre.edu.co:10901/315182025-07-18 06:01:36.799Repositorio Institucional Unilibrerepositorio@unilibrebog.edu.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

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

Publicaciones similares