EN PROBLEMAS DE RECONOCIMIENTO DE PATRONES (SELECCIÓN DE VARIABLES, CLASIFICACIÓN SUPERVISADA, CLASIFICACIÓN NO SUPERVISADA, ETC) FRECUENTEMENTE SE PRESENTAN MODIFICACIONES EN LOS DATOS. ESTO DEBIDO A DIVERSAS RAZONES, POR EJEMPLO: ERRORES EN LA ADQUISICIÓN DE LOS DATOS; RECONSIDERACIÓN POR PARTE DEL ESPECIALISTA EN CUANTO A LA CLASIFICACIÓN DE ALGUNOS OBJETOS; ELIMINACIÓN DE ALGÚN DATO; APARICIÓN DE NUEVOS DATOS; ETC. POR LO CUAL EN MUCHAS OCASIONES ES NECESARIO REPETIR LOS CÁLCULOS PARA INCLUIR DICHAS MODIFICACIONES. ESTO PUEDE SER MUY COSTOSO COMPUTACIONALMENTE, DEPENDIENDO DE LA COMPLEJIDAD DEL ALGORITMO DE RECONOCIMIENTO UTILIZADO. DEBIDO A ESTO, RESULTARÍA DE GRAN UTILIDAD PODER AJUSTAR LOS RESULTADOS, YA OBTENIDOS, A LAS NUEVAS CONDICIONES (FRUTO DE LAS MODIFICACIONES) SIN TENER QUE APLICAR EL ALGORITMO ORIGINAL SOBRE DATOS MODIFICADOS. IN ESTE TRABAJO ESTUDIAMOS ALGUNOS PROBLEMAS DENTRO DEL RECONOCIMIENTO LÓGICO COMBINATORIO DE PATRONES (MARTÍNEZ-TRINIDAD Y GUZMÁN-ARENAS 2001; RUIZ-SHULCLOPER ET AL,. 1999) PARA ENCONTRAR COMO CAMBIAN LOS RESULTADOS CUANDO LOS DATOS SON MODIFICADOS. NOSOTROS LLAMAMOS A ESTE PROCESO ANÁLISIS DE SENSIBILIDAD. EL PROCESO DE ANÁLISIS DE SENSIBILIDAD TIENE COMO OBJETIVO ENCONTRAR MÉTODOS PARA AJUSTAR PARA AJUSTAR LOS RESULTADOS CUANDO LOS DATOS SON MODIFICADOS, PERO CON UNA COMPLEJIDAD MENOR QUE LA DEL ALGORITMO ORIGINAL. ESTE ESTUDIO LO REALIZAMOS PARA LOS TESTORES TIPICOS DE ZHURAVLEV, TESTORES TÍPICOS, TESTORES TÍPICOS DE GOLDMAN Y COMPONENTES CONEXAS DURAS Y DIFUSAS.IN PATTERN RECOGNITION (FEATURE SELECTION, SUPERVISED CLASSIFICATION, UNSUPERVISED CLASSIFICATON, ETC) DATA MODIFICATIONS ARE VERY COMMON. THIS DUE TO MANY REASONS, FOR EXAMLE: DATA ACQUISITION ERROR FIXING; SPECIALIST CHANGES SAMPLE CLASSIFICATION; ELIMINATION OF SOME DATA; NEW DATA; ETC. THEN, MANY TIME IT IS NECESSARY TO REPEAT SOME CALCULATIONS IN ORDER TO INCLUDE THIS DATA MODIFICATIONS. THIS COULD DE TOO EXPENSIVE, IN THE COMPUTATIONAL SENSE, DEPENDING ON THE COMPLEXUTY OF THE RECOGNITION ALGORITHM USED. BECAUSE OF THIS, IT WIIL BE VERY USEFIL IF YOU CAN ADJUST ALREADY OBTAIND RESULTS TO THE MODIFIED DATA, WITHOUT HAVE TO APPLY THE RECOGNITION ALGORIHM AGAIN. IN THIS WORK, WE STUDY SOME LOGICAL COMBINATORIAL PATTERN RECOGNITITION PROBLEM