diff --git a/docs/Summary.org b/docs/Summary.org
index 3e18e2f..69120aa 100644
--- a/docs/Summary.org
+++ b/docs/Summary.org
@@ -331,4 +331,15 @@ Los resultados que obtenemos son los siguientes:
 
 #+CAPTION: Perceptrón multicapa con imputación
 [[./assets/neuralnet_fill.png]]
+
+\clearpage
+
 ** Análisis de resultados
+
+Tras ejecutar todos los algoritmos elegidos, podemos analizar los resultados obtenidos.
+
+Observamos que la imputación de la media en los valores nulos no es una estrategia que aporte demasiados beneficios, y según ciertas métricas puede ser hasta dañino para nuestro modelo.
+
+Vemos que nuestros modelos obtienen unos resultados bastante correctos, con un /accuracy score/, /cross validation score/ y /AUC/ en el intervalo $[0.7, 0.82]$.
+
+Por lo tanto, concluimos que nuestro problema de clasificación es suficientemente genérico para ser resuelto por distintos modelos de aprendizaje, sin variaciones significantes en el rendimientos de éstos.
diff --git a/docs/Summary.pdf b/docs/Summary.pdf
index 3144065..08f935b 100644
Binary files a/docs/Summary.pdf and b/docs/Summary.pdf differ