Pronóstico del déficit de viviendas en el estado Mérida, Venezuela, mediante redes neuronales artificiales

Gerardo Augusto Colmenares Lacruz, Annjulie A. Gil R.

Resumen


Se combina Funciones de Bases Radiales (RBF) y Análisis Multivariante para pronosticar el déficit de viviendas en el estado Mérida. Se construyó un indicador alternativo al usado convencionalmente para evaluar este fenómeno. La información primaria se obtuvo de las Encuestas de Hogares por Muestreo (EHM) entre 1994 y 2005. Las variables empleadas fueron el número de hogares, tenencia, hacinamiento, adecuación y condición de la vivienda. Se destaca que mediante RBF se alcanzó un aceptable nivel de efectividad y
de adaptación: se adecuó al tipo de problema que se modeló. Los resultados obtenidos en el entrenamiento y generalización alcanzaron valores del error cuadrático medio muy bajos, con un buen nivel de acierto para el pronóstico y, debido a la consistencia de estos resultados, se demostró robustez en el entrenamiento.


Palabras clave


Déficit cualitativo; déficit cuantitativo; análisis de correspondencia múltiple; redes neuronales artificiales; indicadores

Texto completo:

PDF

Referencias


Bedoya, Carlos (2006). El derecho a una vivienda adecuada. Consultado el 2 de Abril de 2007. Disponible en: http://www.padh.org.pe/boletin/ junio2006/5.htm

Bastidas, Rómulo (2005). Salud y ambiente. Segunda edición. Mérida: Universidad de los Andes, pp. 23-29.

Bolívar, Miguel (1997). 30 años de la Encuesta de Hogares por Muestreo. Caracas: Oficina Central de Estadística e Informática, pp. 9-41.

Colina, Eliecer y Rivas, Franklin (1998). Introducción a la inteligencia artificial. Mérida: Universidad de los Andes.

Colmenares, Gerardo (2000). “Stratified/pca: Un método de procesamiento de datos y variables para la construcción de modelos de redes neuronales.” Economía (Mérida, Universidad de Los Andes), 16, pp. 49-79.

Dagli, Cihan; Kumara, Soundar; Shin, Yung (1991). Intelligent engineering systems through artificial neural networks. New York: Editorial ASME Press.

Díaz, Luis (2002). Estadística multivariada: inferencias y métodos (Primera edición), Bogotá: Departamento de Estadística, Facultad de Ciencias, Universidad Nacional de Colombia.

Flores, Manuel (2004). “Evolución del déficit de viviendas en Honduras,

-2003.” Consultado el 30 de Mayo de 2007. Disponible en: http://poblacion.rds.hn/analisis_investigaciones/Evolucion_Deficit_Viviendas1999_2003

Hair, Joseph (1999). Análisis multivariante. Quinta edición. Iberia: Prentice Hall.

Haykin, Simon (1999). Neural networks a comprensive foundation. Segunda edición. México D.F.: Prentice Hall., Upper Saddle River, pp. 256-294.

Hilera, José y Martínez, Víctor (2000). Redes neuronales artificiales. México, D. F.: Ed. Alfaomega.

Molina, Emiro y González, Silverio (1998). Principales indicadores de pobreza. Disponible en: http://mipagina.cantv.net/jbhuerta/indicadores.htm

Salazar, Harold; Acosta, María y Zuluaga, Camilo (2000). Tutorial de redes neuronales. Consultado el 27 de junio 2007. Disponible en:

http://ohm.utp.edu.co/neuronales/main.htm

Sachar, Ragindar (1992). “Documento de trabajo sobre la II Conferencia

de Naciones Unidas sobre Asentamientos Humanos.” Declaración de

Estambul sobre los Asentamientos Humanos y Programa de HABITAT.

Estambul. 1996. Consultado el 23 de Mayo 2007. Disponible en: http://www.acude.udg.mx/jalisciencia/diagnostico/354humanos.pdf

Szalachman, Raquel (2000). “Perfil de déficit y políticas de vivienda de interés social: Situación de algunos países de la región en los noventa.” Serie Financiamiento del desarrollo (Santiago de Chile, CEPAL), 103.

Szalachman, Raquel (1999). “Un perfil de déficit de vivienda en Colombia

” Serie Financiamiento del desarrollo (Santiago de Chile, CEPAL), 83.

Szalachman, Raquel (1999). “Un perfil de déficit de vivienda en Bolivia 1992.” Serie Financiamiento del desarrollo (Santiago de Chile, CEPAL), 79.


Enlaces refback

  • No hay ningún enlace refback.


ISSN 1315-2467 ISSNe 2343-5704

Redes Sociales

Twitter: @revecono
Facebook: Revecono
Instagram: @revecono

Se encuentra actualmente indizada en:

 

Creative Commons License
Todos los documentos publicados en esta revista se distribuyen bajo una
Licencia Creative Commons Atribución -No Comercial- Compartir Igual 4.0 Internacional.
Por lo que el envío, procesamiento y publicación de artículos en la revista es totalmente gratuito.