Descripción
En esta tesis se muestra una investigación y análisis con respecto al ajuste de la pirámide poblacional mexicana a una distribución de probabilidad. Tomándose como referencia los datos de los censos y conteos poblacionales realizados por el INEGI en México durante el periodo de 1970 a 2020, se utiliza una red neuronal que toma como entrada variables económicas, ambientales, sociales e históricas para el entrenamiento y ajuste de los datos, utilizándose como salida distribuciones de probabilidad propuestas (en este caso, Gamma y Log-Normal). El modelo fue de aprendizaje supervisado y se ajustaron las variables independientes a los parámetros obtenidos después de modelar la pirámide poblacional con cada una de las distribuciones. Se obtuvo un ajuste satisfactorio que permitió comprobar que todas las variables propuestas resultaron significativas para este modelo. Además, se utiliza el modelo entrenado de la distribución Log-Normal para hacer una proyección de la silueta de la pirámide poblacional mexicana para el año 2030, el cual es comparable con los resultados obtenidos en proyecciones de población realizadas por instituciones gubernamentales como INEGI y CONAPO.
