Quintín Martín Martín

El contraste permite decidir si una hipótesis estadística planteada debe ser aceptada o no.

Este libro pretende ser un texto introductorio a las técnicas de Investigación Operativa. Los alumnos a los que está orientado son: estudiantes de la Licenciatura en Matemáticas, Diplomatura de Estadistica, Ingenieria, Informatica y de todas las areas relacionadas con la Economia y Empresa. El libro se centra en lo fundamental de cada tema, apoyando los conceptos que desarrolla con ejercicios resueltos y proponiendo al final de cada uno de ellos un conjunto de ejercicios para que el estudioso del tema se ejercite.

Este libro se enmarca dentro de la colección Prentice Práctica, cuya finalidad es permitir al alumno comprender y afianzar la asimilación de teoría a través de diversos ejercicios y problemas que desarrollan los conceptos ya presentados en el libro Investigacion Operativa. El primer bloque se dedica a la Programacion Lineal, Dualidad, Programacion Entera, Analisis Post-Optimo y Analisis de Sensibilidad. La novedad aparece en los ultimos capitulos dedicados al estudio de Redes Neuronales Artificiales y Algoritmos Geneticos y su aplicacion dentro del campo de la Investigacion Operativa.

En esta monografía se acerca al lector los conceptos básicos de redes neuronales y de regresión, así como de los modelos que se pueden construir bajo ambas técnicas. Se analiza la relación y el paralelismo existente entre dichas tecnicas: una parametrica (la regresion) y otra no parametrica (las redes neuronales artificiales). Se pone de manifiesto la relacion existente entre las redes neuronales artificiales con los modelos de regresion, se establecen equivalencias entre terminos estadisticos (regresion) y de redes neuronales artificiales y se estudian los metodos estadisticos subyacentes en las redes neuronales. Se da informacion sobre campos de aplicacion de la regresion y de las redes neuronales artificiales y se muestran las ventajas que en determinados contextos presentan estas ultimas. Por ultimo, se llevan a cabo predicciones con el metodo clasico y con una red neuronal artificial, comparando los resultados obtenidos segun el metodo empleado.

Las Redes Neuronales Artificiales (RNA) constituyen una de las técnicas que intentan reproducir las características del cerebro. A diferencia de otras técnicas, que consideran el cerebro como una caja negra, las RNA intentan modelar su estructura fisiologica basica: la neurona, asi como la agrupacion de neuronas en sistemas que puedan mostrar un comportamiento que se pueda considerar, en alguna medida, inteligente. Al igual que los sistemas biologicos, los modelos artificiales consiguen resolver problemas en base al conocimiento adquirido mediante informacion que reciben de su entrono. Las RNA aprenden a resolver problemas a partir de una serie de ejemplos que representan el tipo de problema a resolver. Se describiran las tecnicas basicas que utilizan las Redes Neuronales Artificiales para aprender a resolver problemas. Como el objetivo de este texto es presentar las Redes Neuronales Artificiales y su relacion con la Estadistica a un lector no versado en el tema, se ha intentado en la medida de lo posible evitar la aparicion de expresiones matematicas. Se han seleccionado siempre ejemplos muy sencillos y faciles de entender, evitando las expresiones matematicas mas complejas. Estos sencillos ejemplos pueden ayudar al lector a entender el modo de operacion de las Redes Neuronales Artificiales.

Con este libro intentamos ayudar al usuario de análisis de datos estadísticos en las necesidades que le surjan en su campo de trabajo. Este texto se aborda con una metodología estadística informática, entendida esta como el analisis de datos obtenidos a traves de programas de ordenador. La experiencia nos dice que el usuario de paquetes estadisticos centra su interes en textos, donde se encuentre guiado a traves de ejemplos comentados, tanto en la parte necesaria para acceder a tecnicas estadisticas como al analisis de los resultados obtenidos al ejecutar dichas tecnicas. Desde el punto de vista docente, el enfoque que se ha asumido es una breve introduccion teorica seguida de ejemplos practicos y, sobre ellos, ir contestando a posibles preguntas que dentro del escenario de analisis de datos cabria preguntarse. Tambien se han dejado algunas preguntas planteadas para que el lector intente contestar, siempre dando su solucion.