ANEXOS:Regresin Mltiple:I.- INTRODUCCINComo laEstadsticaInferencial nos permite trabajar con una variable a nivel de intervalo o razn, as tambin se puede comprender la relacin de dos o msvariablesy nos permitir relacionar medianteecuaciones, 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 dela investigacinestadstica, se encuentran variables que de alguna manera estn relacionados entre si, por lo que es posible que una de las variables puedan relacionarse matemticamente enfuncinde otra u otras variables.II.- MARCO TEORICOREGRESIN.-Se define como unprocedimientomediante el cual se trata de determinar si existe o no relacin de dependencia entre dos o ms variables. Es decir, conociendolos valoresde una variable independiente, se trata de estimar losvalores, 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 caractersticasque diferencian (discriminan) a dos o ms grupos y a crear una funcin capaz de distinguircon la mayor precisin posible a los miembros de uno u otro grupo.Obviamente, para llegar a conocer en qu se diferencian los grupos necesitamos disponerde 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 permitendiferenciar a los grupos y cuntas de estas variables son necesarias para alcanzar la mejorclasificacin 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

Elperceptrn multicapaes unared neuronal artificial(RNA) formada por mltiples capas, esto le permite resolver problemas que no son linealmente separables, lo cual es la principal limitacin delperceptrn(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 Airesponda con la salida correspondiente Bi. 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.