Estudio comparativo entre técnicas estadísticas multivariadas y redes neuronales artificiales para el análisis de la calidad de agua para consumo humano en la red de salud Abancay, 2022

Zuloaga Estacio, Frank Michael

Estudio comparativo entre técnicas estadísticas multivariadas y redes neuronales artificiales para el análisis de la calidad de agua para consumo humano en la red de salud Abancay, 2022

dc.contributor.advisor	Aquino Cruz, Mario
dc.contributor.author	Zuloaga Estacio, Frank Michael
dc.date.accessioned	2025-10-05T00:32:08Z
dc.date.available	2025-10-05T00:32:08Z
dc.date.issued	2025-03-19
dc.description.abstract	Actualmente, en la mayoría de instituciones, incluyendo la red de salud Abancay, se utiliza estadística tradicional con el fin de determinar tendencias sobre un conjunto de datos que se centra en una sola variable. Es complicado aplicar este tipo de análisis a conjunto de datos multivariados, que son los que usualmente se obtienen en los programas de control de calidad de agua y, que excluye diferencias entre las variables analizadas y sus relaciones. El objetivo del estudio fue realizar una comparación entre las diferentes técnicas estadísticas multivariables y redes neuronales artificiales, con la finalidad de relacionar y clasificar las variables. Para realizar esto, se eligió dos técnicas de estadística multivariada, análisis de componentes principales (ACP) y análisis discriminante (AD) y dos tipos de redes neuronales artificiales, de aprendizaje no supervisado, hebbiano (RNAH), y de aprendizaje supervisado, perceptrón multicapa (RNAPM). El tipo de investigación que se utiliza en el estudio es investigación aplicada de enfoque cuantitativo, con un nivel de investigación explicativo y con un diseño transversal. Dada la comparación entre el análisis de componentes principales y la red neuronal artificial de tipo Hebbiano, se obtuvo que la red neuronal pudo asociar mejor las variables que el análisis de componentes principales. En la segunda comparación entre el análisis discriminante y la red neuronal artificial perceptrón multicapa, los resultados fueron buenos para el análisis discriminante, debido a que obtuvo un 93.3% de clasificación correcta de la calidad de agua, mientras que la red neuronal artificial obtuvo un 99.4% de clasificación correcta de calidad de agua, ya que una de las variables estudiadas, la variable cloro, fue muy determinante para conseguir un porcentaje tan alto. Por lo que se infiere, el mejor método de clasificación es la red neuronal artificial perceptrón multicapa.
dc.format	application/pdf
dc.identifier.uri	https://hdl.handle.net/20.500.14195/392
dc.language.iso	spa
dc.publisher	Universidad Nacional Micaela Bastidas de Apurímac
dc.publisher.country	PE
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.uri	https://creativecommons.org/licenses/by/4.0/
dc.subject	Análisis de componentes principales
dc.subject	Análisis discriminante
dc.subject	Red neuronal artificial de tipo hebbiano
dc.subject	Red neuronal artificial perceptrón multicapa
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#1.02.00
dc.title	Estudio comparativo entre técnicas estadísticas multivariadas y redes neuronales artificiales para el análisis de la calidad de agua para consumo humano en la red de salud Abancay, 2022
dc.type	info:eu-repo/semantics/bachelorThesis
dc.type.version	info:eu-repo/semantics/publishedVersion
renati.advisor.dni	41202588
renati.advisor.orcid	https://orcid.org/0000-0002-2552-5669
renati.author.dni	72575792
renati.discipline	612296
renati.juror	Ibarra Cabrera, Manuel Jesús
renati.juror	Echegaray Peña, Nora Gladys
renati.juror	Rafael Ricardo, Quispe Merma
renati.level	https://purl.org/pe-repo/renati/nivel#tituloProfesional
renati.type	https://purl.org/pe-repo/renati/type#tesis
thesis.degree.discipline	Ingeniería Informática y Sistemas
thesis.degree.grantor	Universidad Nacional Micaela Bastidas de Apurímac. Facultad de Ingeniería
thesis.degree.name	Ingeniero Informático y Sistemas