Este documento está dedicado al estudio experimental del método de aproximación integral en problemas de optimización de entropía que surgen de la aplicación del método de Aprendizaje Automático Aleatorio. Las funciones de densidad de probabilidad óptimas en entropía contienen integrales de normalización de funciones exponenciales multivariadas; por lo tanto, al calcular estas distribuciones en el proceso de resolver un problema de optimización, es necesario garantizar un cálculo eficiente de estas integrales. Investigamos un enfoque basado en la aproximación de funciones integrandas, que se aplican a la solución de varias configuraciones de problemas con datos de modelo y reales con modelos estáticos lineales utilizando un mecanismo de cálculo simbólico. Se llevaron a cabo estudios computacionales en las mismas condiciones, con los mismos datos iniciales y valores de hiperparámetros de los modelos utilizados. Han demostrado el rendimiento y la eficiencia del enfoque propuesto en los problemas de Aprendizaje Automático Aleatorio basados en modelos estáticos lineales.