Para reducir los daños causados por accidentes de tráfico, los investigadores han aplicado diferentes técnicas para explorar factores correlacionados y desarrollar modelos de predicción eficientes. El objetivo principal de este estudio es utilizar una técnica estadística y dos técnicas de minería de datos no paramétricas, a saber, regresión logística (LR), árbol de clasificación y regresión (CART) y bosque aleatorio (RF), para comparar su capacidad de predicción, identificar las variables significativas (identificadas por LR) y las variables importantes (identificadas por CART o RF) que están fuertemente correlacionadas con la gravedad de los accidentes de tráfico, y distinguir las variables que tienen una influencia positiva significativa en el rendimiento de la predicción. En este estudio, se utilizan tres medidas de evaluación del rendimiento de la predicción, precisión, sensibilidad y especificidad, para encontrar el mejor método integrado que consiste en el modelo de predicción más efectivo y las variables de entrada que tienen una mayor influencia positiva en la precisión, sensibilidad y especificidad.