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

• Autor: Zuloaga Estacio, Frank Michael
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional Micaela Bastidas de Apurímac
• Repositorio: UNAMBA-Institucional
• Lenguaje: español
• OAI Identifier: oai:null:20.500.14195/392
• Enlace del recurso: https://hdl.handle.net/20.500.14195/392
• Nivel de acceso: acceso abierto
• Materia: Análisis de componentes principales; Análisis discriminante; Red neuronal artificial de tipo hebbiano; Red neuronal artificial perceptrón multicapa; https://purl.org/pe-repo/ocde/ford#1.02.00

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.