ANEXOS:

Regresin Mltiple:
I.- INTRODUCCIN
Como la Estadstica Inferencial nos permite trabajar con una variable a nivel de intervalo o razn, as tambin
se puede comprender la relacin de dos o ms variables y nos permitir relacionar mediante ecuaciones, una
variable en relacin de la otra variable llamndose Regresin Lineal y una variable en relacin a otras
variables llamndose Regresin mltiple.
Casi constantemente en la practica de la investigacin estadstica, se encuentran variables que de alguna
manera estn relacionados entre si, por lo que es posible que una de las variables puedan relacionarse
matemticamente en funcin de otra u otras variables.
II.- MARCO TEORICO
REGRESIN.Se define como un procedimiento mediante el cual se trata de determinar si existe o no relacin de
dependencia entre dos o ms variables. Es decir, conociendo los valores de una variable independiente, se
trata de estimar los valores, de una o ms variables dependientes.
La regresin en forma grfica, trata de lograr que una dispersin de las frecuencias sea ajustada a una lnea
recta o curva.
Regresin Mltiple: Este tipo se presenta cuando dos o ms variables independientes influyen sobre una
variable dependiente. Ejemplo: Y = f(x, w, z).
Un claro ejemplo de esto sera; la produccin de un bien es una funcin de las variables de

insumo, tales como: mano de obra, tierra, capital, etc. La demanda de un bien depende de
su precio, ingreso de los consumidores, gastos en publicidad y precios de otros productos
estrechamente relacionados., en consecuencia, el anlisis de regresin mltiple es muy
til y de uso frecuente para problemas econmicos y comerciales.
Las relaciones entre variables pueden ser lineales o no lineales.
Anlisis Discriminante:
. El anlisis discriminante ayuda a identificar las caractersticas
que diferencian (discriminan) a dos o ms grupos y a crear una funcin capaz de distinguir
con la mayor precisin posible a los miembros de uno u otro grupo.
Obviamente, para llegar a conocer en qu se diferencian los grupos necesitamos disponer
de la informacin (cuantificada en una serie de variables) en la que suponemos que se diferencian.
El anlisis discriminante es una tcnica estadstica capaz de decirnos qu variables permiten
diferenciar a los grupos y cuntas de estas variables son necesarias para alcanzar la mejor
clasificacin posible. Aplicandolo a ejemplos que nos pueden aclarar la prinicpial funcionalidad de ste
mtodo estadstico:Con independencia del rea de conocimiento en la que se est trabajando, es frecuente
tenerque enfrentarse con la necesidad de identificar las caractersticas que permiten diferenciar a dos o ms
grupos de sujetos. Y, casi siempre, para poder clasificar nuevos casos como pertenecientes a uno u otro grupo:
se beneficiar este paciente del tratamiento, o no?devolver este cliente el crdito, o no?, se adaptar este
candidato al puesto de trabajo, o no?, etc.A falta de otra informacin, cualquier profesional se limita a utilizar
su propia experienciao la de otros, o su intuicin, para anticipar el comportamiento de un sujeto: el paciente se
beneficiardel tratamiento, el cliente devolver el crdito o el candidato se adaptar a su puesto detrabajo en
la medida en que se parezcan a los pacientes, clientes o candidatos que se benefician del tratamiento, que
devuelven el crdito o que se adaptan a su puesto de trabajo. Pero a medida que los problemas se hacen ms
complejos y las consecuencias de una mala decisin ms graves, las impresiones subjetivas basadas en la
propia intuicin o experiencia deben ser sustituidas por argumentos ms consistentes.
Regresin logstica:

En muchas ocasiones estaremos interesados en predecir los valores de una

variable dicotmica binaria, es decir, una variable que slo puede tomar dos
valores, los valores son complementarios y dichos valores no son comparables,
como sucede en regresin lineal. Ejemplos de variable dependiente dicotmica
pueden ser: sano o enfermo, paga o no paga, , etc. El modelo de regresin
logstica se utiliza cuando estamos interesados en pronosticar la probabilidad
de que ocurra o no un suceso determinado. Por ejemplo, a la vista de un
conjunto de pruebas mdicas, que una persona tenga una determinada
enfermedad, o bien que un cliente devuelva un crdito bancario. A diferencia
del anlisis discriminante que requiere la normalidad multivariante de los
datos, el anlisis de regresin logstica slo precisa del principio de monotona,
es decir, si el suceso A es que una determinada persona padezca de artrosis y
X representa la edad, deber de ocurrir

A diferencia del anlisis discriminante, podremos estudiar el impacto que tiene

cada una de las variables explicativas en la probabilidad de que ocurra el
suceso en estudio.

Perceptrn multicapa
El perceptrn multicapa es una red neuronal artificial (RNA) formada por mltiples capas,
esto le permite resolver problemas que no son linealmente separables, lo cual es la principal
limitacin del perceptrn (tambin llamado perceptrn simple). El perceptrn multicapa puede
ser totalmente o localmente conectado. En el primer caso cada salida de una neurona de la
capa "i" es entrada de todas las neuronas de la capa "i+1", mientras que en el segundo cada
neurona de la capa "i" es entrada de una serie de neuronas (regin) de la capa "i+1".

1.

Redes
heteroasociativas : La red aprende parejas de datos [(A1,B1), (A2,B2),....
(An,Bn)], de tal forma que cuando se le presente determinada informacin
de entrada Ai responda con la salida correspondiente B i. Al asociar
informaciones de entrada con diferentes informaciones de salida, precisan
al menos de 2 capas, una para captar y retener la informacin de entrada y
otra para mantener la salida con la informacin asociada. Si esto no fuese
as se perdera la informacin inicial al obtenerse la salida asociada; es
necesario mantener la informacin de entrada puesto que puede ser
necesario acceder varias veces a ella, por lo que debe permanecer en la
capa de entrada. El aprendizaje de este tipo de redes puede ser con
supervisin.