Man fuck that bitch!

LA PREDICCIu00d3N Y LA CLASIFICACIÓN DE DATOS EN
MARKETING. UN ESTUDIO COMPARATIVO MEDIANTE TÉCNICAS
MULTIVARIANTES, ÁRBOLES JERÁRQUICOS Y REDES
NEURONALES .
Jean-Pierre Levy Mangin,
Universidad de Québec

RESUMEN.
Las técnicas más utilizadas hasta el momento para la investigación y el análisis de datos en marketing eran casi exclusivamente multivariantes. Los desarrollos actuales deciertas de ellas como los árboles jerárquicos dan
al marketing la precisión que le faltaba y permiten abordar la predicción y la clasificación con más seguridad.
Las Redes Neuronales cubren los mismos tópicos con una precisión variable que se puede superar seleccionando mejor los datos y escogiendo los algoritmos adecuados.

I. INTRODUCCIÓN.
El marketing se distingue por ser una ciencia socialque necesita utilizar técnicas que den los resultados más exactos posibles. Así como la segmentación y el posicionamiento en marketing quedan bastante bien cubiertos por técnicas como la clasificación, la segmentación jerárquica y el posicionamiento
por técnicas como el análisis por componentes principales, el análisis de correspondencias sencillas o
mŭ ltiples y el escalamiento multidimensional,la predicción y la clasificación de datos evolucionan constantemente con técnicas a la vez tradicionales y otras de indole más moderna.
El propósito de este artículo es presentar comparativamente dichas técnicas y los resultados correspondientes.
El artículo pretende, con un rr ŭnimo de hincapié en la teoría, presentar los resultados comparativos Ilevados a cabo con varias técnicas declasificación y predicción seleccionadas, entre kellas el Análisis
Discriminante, la Clasificación y Regresión Jerárquica, la Segmentación Jerárquica, y el análisis con
Redes Neuronales.
Con ello se pretende presentar unos resultados y poder juzgar parcialmente por lo menos del fundamento legal de ciertas técnicas.
1.1 ) LA BASE DE DATOS

La base de datos trata de automóviles y ha sido extraída deMotor Trend de 1984, contiene 407
casos o modelos de automóviles y presenta nueve variables de análisis de las que se utilizarán seis (millas
por galón, pulgadas cubicas del motor, caballos vapor, peso en libras, aceleración y como variable dependiente una variable con cinco categorías, 3, 4, 5, 6 y 8 cilindros).
1.2 ) PROPOSITO DE LA INVESTIGACIÓN.
El propósito de la investigación es identificarel método o la técnica que mejor prediga las categorías de pertenencia y que a la vez mejor clasifique los modelos, todo ello con el nivel de error más bajo.
Cabría hacer algunas advertencias, ciertas técnicas funcionan mejor con una base de datos amplia
y con muchas variables ellas son las técnicas asociadas a las Redes Neuronales que tienen que reconstituir
el algoritmo o la formula a partirde los datos observables.
Ello puede conllevar un sesgo en el caso de valores ausentes lo que ocurre con los datos de 11 a
15 y 18 para la variable mpg, y teniendo en cuenta de la manera en que sean considerados por el algoritmo o el sistema de análisis utilizado. El programa de Redes Neuronales utilizado los fija a cero y los demás sistemas suprimen el dato entero.

II. ANÁLISIS.
La base dedatos servirá a la clasificación y a la predicción con relación a la variable dependiente
cilindrada. Se utilizarán tres tipos de técnicas, el primer tipo se fundamentará en técnicas multivariantes

249

como el análisis discriminante, el segundo en técnicas jerárquicas de clasificación como la regresión y la
clasificación jerárquica y la segmentación jerárquica (CHAID) y el ŭltimo tipo entécnicas fundamentadas
en las redes neuronales con funciones supervisadas de multicapas (Multi-Layer Perceptron) utilizando el
algoritmo de aprendizaje de Gradiantes Conjugados (Conjugate Gradiants) y de base radial.
Todas estas técnicas serán comparadas en su capacidad de prever y clasificar los modelos en sus
categorías respectivas, por lo que en la base de datos existirá la variable...