Implementación en R de un modelo espacio de los estados con estacionalidad

Gestionar y desarrollar de forma óptima la predicción de accidentes de tráfico puede suponer una reducción importante en el número de accidentes y víctimas en España. Esto constituye la finalidad de este trabajo utilizando distintos modelos estadísticos. Hoy en día y desde el año 1960 se llevan a cabo estudios del tráfico anuales para intentar reducir el número de víctimas que desatan los accidentes de tráfico en España. Estos estudios se llevan a cabo por la Dirección General de Carreteras y dan información sobre puntos de mayor concentración de accidentes de tráfico, número de accidentes, número de víctimas, tablas estadísticas sobre accidentes de tráfico y principales causas que los provocan, entre otros datos. Predecir el número de accidentes de tráfico es una tarea delicada pero muy importante para poder reducir su número y el de las víctimas implicadas en ella. Para ello, en este trabajo se han tomado datos mensuales desde 1998 hasta 2014. Como sólo se ha analizado el modelo tomando datos históricos se tiene en mente la idea de poder continuar este proyecto ampliándolo con variables que puedan afectar en la sucesión de los accidentes de tráfico con víctimas en España (como factores climatológicos o laboralidad) para introducirlas en el modelo estudiado. El objetivo de este trabajo es comprobar el funcionamiento del modelo Espacio de los Estados construyendo distintos modelos, añadiéndole complejidades y, estimar el número de accidentes de tráfico con víctimas 30 días y heridos graves y leves en España con los datos proporcionados por la DGT, por el método de máxima verosimilitud. Todo ello se ha programado e implementado por el software estadístico R. En el capítulo Fundamento teórico y metodología se profundiza con mayor detalle este asunto. Se han estudiado 4 modelos, partiendo todos ellos de la forma más simple del Modelo Espacio de los Estados. Puede comprobarse como la introducción de estacionalidad en el modelo mejora los resultados de forma considerable. A pesar de la disminución del error, sería conveniente seguir estudiando el modelo añadiéndole otras variables que proporcionen una predicción de mayor calidad