Está en la página 1de 69

PROPUESTA DIDACTICA PARA LA ENSEANZA DE LA ESTADISTICA EN LOS MODELOS DE REGRESION LINEAL SIMPLE BAJO UN ENFOQUE CONSTRUCTIVISTA.

RUTH BEATRIZ MORENO ECHAVARRA

Monografa

Asesor: Vctor Ignacio Lpez Ros, Ph. D. Profesor Asociado, Escuela de estadstica.

UNIVERSIDAD NACIONAL DE COLOMBIA FACULTAD DE CIENCIAS, SEDE MEDELLN MAESTRA EN LA ENSEANZA DE LAS CIENCIAS EXACTAS Y NATURALES MEDELLIN 2012

DEDICATORIA

Este trabajo es dedicado con todo mi amor a mi madre y mis hermanos por sus bendiciones, sus consejos y el apoyo incondicional que me brindan en cada proyecto de mi vida.

AGRADECIMIENTOS

Especialmente a mi asesor de trabajo VctorIgnacio Lpez, no slo por sus valiosos conocimientos sino tambin por su orientacin y asesora durante todo el proceso.

Hago extensivo estos agradecimientos a todos aquellos que de una forma u otra me han acompaado y facilitado su apoyo en la elaboracin del presente trabajo.

RESUMEN

La estadstica es una rama de las matemticas de gran importancia en el anlisis de datos, proporcionando una cantidad de herramientas que facilitan la interpretacin de la informacin, como es el anlisis de datos bivariados donde se estudia la relacin entre dos variables y se pueden realizar predicciones.

En esta monografa se presenta una forma de cmo ensear el concepto de regresin lineal simple a estudiantes cuyos conocimientos estadsticos previos slo son descriptivos. Teniendo como base la teora de aprendizaje constructivista, el estudiante es inducido a travs de preguntas y una serie de pasos a la construccin del aprendizaje del modelo de regresin lineal, a partir de una situacin problemtica real planteada que permite que el estudiante en la bsqueda de la construccin del aprendizaje adquiera el concepto de regresin lineal simple, identifique los elementos matemticos y estadsticos que lo componen y pueda generar predicciones a partir de la construccin de ste, as mismo pueda poner en prctica, ante otras situacionesplanteadas, la aplicacin del concepto adquirido.

Palabras Clave: Estadstica, datos bivariados, constructivismo, regresin lineal, regresin lineal simple.

ABSTRACT

Statistic is one of mathematical branch of high importance in data analysis, providing several tools which made easy the interpretation of the information, like the bivariate data analysis where is studied the relationship between two variables and can make predictions.

In this monograph is presented a way of how to teach the concept of simple linear regression to students which have only descriptive statistic knowledge. Using the theory of constructivist learning, the student is induced through

questions and several steps to the learning construction in the linear regression modelfrom a real problematical situation. This approachpermits to the student acquired the concept of simple linear regression in the search of the learning construction and identify the mathematic and statistic elements that compose it. It can also be used to generate predictions from the construction of this. In the same way, it can be put in practice in other situations raised.

Keywords:Statistics,bivariate data, constructivism, linear regression, simple linear regression.

TABLA DE CONTENIDO

0 1. 2. 2.1.

INTRODUCCIN ..........................................................................................................11 METODOLOGA ...........................................................................................................14 MARCO REFERENCIAL..............................................................................................17 FUNDAMENTACIN TERICA ..............................................................................17 Sobre la teora de aprendizaje: El constructivismo ............................................17 Sobre regresin lineal. ..........................................................................................19

2.1.1. 2.1.2. 3. 3.1. 3.1.1. 4. 5.

CONCEPTUALIZACIN ..............................................................................................22 Situacin problemtica. ............................................................................................22 Planificar la obtencin de los datos. ....................................................................23

CONCLUSIONES .........................................................................................................47 REFERENCIA BIBLIOGRAFICA.................................................................................49

ANEXOS

Anexo 1 Resumen planes de estudio. ................................................................................51 Anexo 2.Instructivo para graficar el diagrama de dispersin y calcular el coeficiente de correlacin y los coeficientesde regresin usando la herramienta excel. .......................59 Anexo 3. Actividades complementarias. ...........................................................................66

LISTA DE TABLAS

Tabla 1. Frecuencia en los textos .......................................................................................16 Tabla 2. Tabulacin de los datos. .......................................................................................26 Tabla 3. Resumen estadsticos descriptivos. ....................................................................27 Tabla 4. Tabla de frecuencia datos continuos: Extensin del brazo. ..............................29 Tabla 5. Tabla de frecuencias datos continuos: Estatura. ................................................30 Tabla 6. Sumatoria de valores. ...........................................................................................34 Tabla 7. Resumen de pasos y procedimientos para el anlisis de regresin. ................46

LISTA DE FIGURAS

Figura 1. Medida de la estatura. .........................................................................................24 Figura 2. Medida de la extensin del brazo. ......................................................................25 Figura 3 .Histograma de frecuencias. Extensin del brazo. .............................................29 Figura4. Histograma de frecuencias. Estatura . .................................................................31 Figura5. Diagrama de dispersin. .......................................................................................32 Figura 6.Tipo de relacin entre las variables. ....................................................................36 Figura7. Ajuste por mnimos cuadrados. ...........................................................................38 Figura8. Recta ajustada.......................................................................................................40 Figura9. Prediccin de valores............................................................................................45

INTRODUCCIN

En la actualidadla estadstica juega un papel importante en los currculos de enseanza de educacin primaria, secundaria, universitaria y en diferentes especializaciones y maestras, por sus aplicaciones en el sector educativo, econmico, biolgico, social y de la salud, proporcionando herramientas metodolgicas que permite al estudiante desarrollar competencias para la

recoleccin de datos, tabulacin, comparacin, anlisis de variabilidad, tratamiento de datos bivariados (modelos de regresin lineal), generacin de predicciones y toma de decisiones en situaciones de incertidumbre, adems de posibilitar el desarrollo de habilidades cognitivas.

La estadstica en la educacin secundaria se ha introducido a travs del currculo de la asignatura de matemticas, donde a partir de la teora del constructivismo y la resolucin de problemas, se busca que los estudiantes sean capaces de manejar, analizar e interpretar la informacin mediante el uso de tablas y grficos apropiados.

Cmo se ensea estadstica?

Cada vez se aprecia ms la preocupacin entre los profesores por mejorar la eficacia de sus tareas docentes, seguramente debido a la sospecha de que las formas tradicionales no estn dando resultado (Behar, 2001). Y aunque es cierto que el computador juega un papel importante en la enseanza de la estadstica, an los estudiantes siguen aprendiendo los conceptos de una manera memorstica, centrando su aprendizaje en clculos matemticos, elaboracin de tablas y grficas, dejando a un lado el fin ltimo de la enseanza de sta el cual es el anlisis e interpretacin de la informacin.

La estadstica no es una forma de hacer sino una forma de pensar, que ayuda a la solucin de problemas en las ciencias y la vida cotidiana. La enseanza de

11

la estadstica se debe iniciar con problemas reales donde los estudiantes puedan desarrollar sus ideas, trabajando las diferentes etapas que conlleva la resolucin de un problema real (planificar la solucin, recoger y analizar los datos, comprobar las hiptesis inciales y tomar una decisin en consecuencia) (Batanero, 2001).

Dificultades en la enseanza de la estadstica.

Una de las grandes dificultades en la enseanza de la estadstica es la heterogeneidad que se presenta en los cursos, en donde los estudiantes no tienen las mismas bases matemticas, ni la misma capacidad de razonamiento, sumndose a esto el nivel de prevencin con el que los estudiantes llegan al curso. Siendo esto la principal razn que debe tener el docente para buscar estrategias didcticas, que motiven y comprometan al partcipe de la construccin de su propio aprendizaje. estudiante a ser

En (Garfield, 1995), se definen algunos principios que influyen en la enseanza de la estadstica:

El aprendizaje debe ser interactivo y constructivo, se deben generar espacios para una discusin creativa, donde cada estudiante participe activamente de su proceso de enseanza-aprendizaje. Debe tener lugar la presentacin y discusin de puntos de vista conflictivos. Se debe trabajar hacia un consenso en el cual las ideas estadsticas que son manejadas sean reconocidas. Para ensear los temas tradicionales de la estadstica, los estudiantes deben previamente experimentar y trabajar con tcnicas sencillas de conteo, tabulacin de datos y de construccin de grficas, conjeturar hiptesis y luego verificarlas con mtodos estadsticos. Los temas deben ser presentados bajo formas o diseos que motiven a los estudiantes a ganar experiencia trabajando con datos.

12

Los proyectos de investigacin desarrollados por estudiantes con un fuerte nfasis en la indagacin estadstica deben ser parte integral de la enseanza. El nfasis en cualquier trabajo de estadstica debe estar en el anlisis y en la comunicacin de resultados, no en simples respuestas.

Con esta monografa se pretende generar una propuesta didctica que facilite el proceso de enseanza- aprendizaje en la comprensin del concepto de regresin lineal simple, a travs de una situacin real, en donde el estudiante, haciendo uso de los conceptos de estadstica descriptiva, pueda recoger y tabular la informacin, y con los conocimientos tericos que adquiera de regresin lineal construya su propio aprendizaje, genere sus propias conclusiones y realice predicciones a partir de la construccin del modelo de regresin. Tambin se pretende que haciendo uso de herramientas como

excel, el estudiante pueda ajustar un modelo de regresin lineal, realizar el clculo del coeficiente de correlacin e interpretar los resultados con base al grfico de dispersin.

Esta monografa contiene una primera seccin donde se describe la metodologa utilizada. En la segunda seccin (marco referencial) se hablar sobre la teora de aprendizaje constructivista en la cual estar basada la

construccin del concepto de regresin lineal y su aplicacin en un contexto real. En la tercera seccin se conceptualiza, a travs de una situacin problemtica, el concepto de regresin lineal donde se busca inducir al alumno a travs de preguntas, pasos y procedimientos a la construccin del concepto de regresin lineal simple, teniendo como base los conceptos previos de estadstica descriptiva. En la cuarta seccin se dan varias conclusiones. Y por ltimo, se plantean una serie de actividades para que el alumno realice e investigue con el objetivo de aplicar y profundizar lo aprendido.

13

1. METODOLOGA

Para la realizacin de esta monografa se inici con la revisin de algunos planes de estudios de programas universitarios, especialmente en el rea administrativa e ingeniera, en donde la estadstica hace parte del currculo de enseanza, con el objetivo de saber los conceptos previos enseados al estudiante antes de ser introducidoal aprendizaje del modelo de regresin

lineal simple. Para ello se cont con una muestra de cinco universidades y cuatro instituciones universitarias de la ciudad de Medelln. En la revisin de los planes de estudio y su currculo se pudo observar, particularmente en las

instituciones universitarias, que el concepto de regresin lineal es enseado despus de los conceptos de estadstica descriptiva, es decir, el estudiante adquiere el concepto de regresin lineal simple, sin antes haber visto probabilidades, prueba de hiptesis, entre otros temas de la estadstica inferencial, ver anexo1.

Se hizo un anlisis a los textos

ms citados en donde se abordan los

contenidos de estadstica, particularmente el tema de regresin lineal, la revisin se centr en el enfoque donde se presenta el tema de regresin lineal simple, ver tabla 1.

El texto de (Berenson, 1982) explica el mtodo de anlisis de regresin y correlacin a travs de dos problemas. El primer problema consiste en verificar si existe la relacin entre el costo de construccin de casas unifamiliares construidas por una compaa y el tamao del lote. En el segundo problema se verifica la relacin existente entre el promedio de preparatoria y el ndice de calificaciones a estudiantes de cuarto ao de comercio de una universidad. A travs de estos dos problemas se explica el modelo de regresin lineal, iniciando con la tabulacin de los datos seguido del anlisis de estos mediante el diagrama de dispersin, en este texto se representan varias figuras que muestran el tipo de relacin que puede existir al momento de relacionar dos variables, luego se explica cmo crear la ecuacin de regresin usando el
14

mtodo de los mnimos cuadrados. Este texto aborda el tema de una manera metodolgica y de fcil comprensin para el estudiante.

En el texto de (Walpole,1999) se inicia el captulo de regresin lineal con la definicin de las variables y la explicacin de los trminos a utilizar tales como la ecuacin de regresin y el coeficiente de regresin, luego se introduce el tema de regresin lineal simple a travs de un ejemplo en donde se halla la relacin existente entre la reduccin de slidos y la demanda qumica de

oxgeno en 50 observaciones, las cuales son tabuladas y posteriormente graficadas usando el diagrama de dispersin. Tambin se habla de los mnimos cuadrados como la tcnica matemtica para hallar los valores llamados

por Walpole coeficientes de regresin. Este texto presenta el tema de una manera fcil de comprender por el estudiante.

En el texto de (Canavos, 1980)se inicia conla etimologa sobre la aparicin de la palabra regresin, el autor habla de dos significados de la regresin uno relacionado con la distribucin conjunta de probabilidad de dos variables; el otro es referente a la necesidad de ajustar alguna funcin a un conjunto de datos, este significado es catalogado como emprico. Ambos significados son ilustrados a travs de ejemplos, para el primer significado usa como ejemplo la prediccin del salario anual de un profesional dado el nmero de aos que han transcurrido desde su graduacin. Para el segundo significado pone como ejemplo, predecir la cantidad de ozono que se encuentra en la estratsfera, como una funcin de los niveles de concentracin de los constituyentes qumicos de sta en cierto momento del da.Para el desarrollo del tema de regresin lineal simple utiliza el siguiente ejemplo: Los estudiantes

universitarios

que aprenden ms rpido tienen mejores calificaciones

promedio (CP) y por tanto, mejores oportunidades de obtener buenos empleos despus de graduarse. A travs de este ejemplo se encuentra o halla la relacin existente entre el CP y el salario inicial de los graduados. Para la solucin de este problema se empieza por identificar cada una de la variables, luego se tabulan los datos utilizando el paquete estadstico para computadora
15

minitab recomendado para realizar anlisis preliminares de regresin, luego se muestra el diagrama de dispersin realizado con los datos tabulados, se muestra el modelo a formar, dando una explicacin de cada una de la variables y constantes que forman dicho modelo, al igual que en el texto anterior se explica como encontrar el intercepto y la pendiente y como se forma la ecuacin de regresin, llamada por (Canavos, 1980) como ecuacin estimada de regresin. Tambin se ilustran varios ejemplos haciendo uso del paquete estadstico antes mencionado, en comparacin con los textos anteriores, este texto es menos metdico y puede llegar a ser ms complejo para la comprensin del estudiante ya que presenta ms rigor matemtico en cuanto al tema de regresin lineal.

ITEM 1 2 3

TEXTO BERENSON y Levine. Estadstica Bsica en Administracin WALPOLE, Myers. Probabilidad y Estadstica CANAVOS, George. Probabilidad y estadstica 5 5 4

Tabla 1. Frecuencia en los textos En los tres textos, despus de contextualizar el tema de regresin lineal se propone al lector varios ejercicios en diferentes contextos para ser analizados y resueltos. Tambin en los tres textos los datos son presentados a travs de tablas y grficos.

Con respecto al aprendizaje constructivista se plante una situacin problemtica vase numeral 3.1 con el objetivo de inducir al estudiante al concepto de regresin lineal fundamentando el aprendizaje en la teora constructivista, en donde a partir de dicha situacin problemtica el alumno adquiere el concepto de regresin lineal y puede a travs de ste y con los conceptos previos de estadstica descriptiva solucionar una situacin problemtica real, en donde se requiera analizar si existe relacin alguna entre las variablesconsideradas, sin la necesidad de los conceptos de estadstica inferencial.
16

2. MARCO REFERENCIAL

2.1. FUNDAMENTACIN TERICA 2.1.1. Sobre la teora de aprendizaje: El constructivismo

Qu es el constructivismo? Es la idea que sostiene que el individuo tanto en los aspectos cognitivos y sociales del comportamiento como en los afectivos, no es un mero producto del ambiente ni un simple resultado de sus disposiciones internas, sino una construccin propia que se va produciendo da a da como resultado de la interaccin entre esos dos factores. En consecuencia, segn la posicin constructivista, el conocimiento no es una copia de la realidad, sino una construccin del ser humano. Con qu instrumentos realiza la persona dicha construccin? Fundamentalmente con los esquemas que ya posee, es decir, con lo que ya construy en su relacin con el medio que le rodea. (Carretero, 1997).

Desde hace aos las teoras de aprendizaje se han convertido en una pieza fundamental para mejorar la enseanza en el aula, facilitando al docente tcnicas y estrategias vlidas y novedosas para el aprendizaje, en donde el estudiante en su proceso de enseanza aprendizaje de algunas ciencias, como son la matemticas y la estadstica, es introducido a conceptos y smbolos, que no son construidos por l mismo, y que se requiere facilitadores. de la interaccin de

En (Mira, 1999)se describen tres elementos bsicos que determinan el estado inicial de los alumnos en el momento aprendizaje:
En primer lugar, los alumnos presentan una determinada disposicin para llevar a cabo el aprendizaje que se les plantea. Esta disposicin o enfoque con el que abordan la situacin de aprendizaje de nuevos contenidos no es, en general, algo inexplicable o impredictible, sino que surge como resultado de la confluencia de numerosos factores de

de iniciar un proceso cualquiera de

17

ndole personal e interpersonal. El grado de equilibrio personal del alumno, su autoimagen y autoestima, sus experiencias anteriores de aprendizaje, su capacidad de asumir riesgos y esfuerzos, de pedir, dar y recibir ayuda son algunos aspectos de tipo personal que desempean un papel importante en la disposicin del alumno frente al aprendizaje.

En segundo lugar, ante cualquier situacin de aprendizaje, los alumnos disponen de determinadas capacidades, instrumentos, estrategias y habilidades generales para llevar a cabo el proceso. Por una parte, el alumno cuenta con determinadas capacidades cognitivas generales o, en trminos ms corrientes, con unos niveles de inteligencia, razonamiento y memoria que le van a permitir un determinado grado de comprensin y realizacin de la tarea. Pero estas capacidades generales no son nicamente de caracter intelectual o cognitivo. El alumno cuenta tambin con determinadas capacidades de tipo motriz, de equilibrio personal y de relacin interpersonal. En este sentido, entendemos, pues, que el alumno pone en juego un conjunto de recursos de distinta ndole que, de manera ms o menos general y estable, es capaz de utilizar frente a cualquier tipo de aprendizaje. Por otra parte, y en estrecha interrelacin con dichas capacidades, para llevar a cabo el aprendizaje, el alumno dispone de un conjunto de instrumentos, estrategias habilidades generales que ha ido adquiriendo en distintos contextos a lo largo de su desarrollo y, de manera especial, en el de la escuela. Instrumentos como el lenguaje (oral y escrito), la representacin grfica y numrica, habilidades como subrayar, tomar apuntes o resumir, estrategias generales para buscar y organizar informacin, para repasar , para leer un texto de manera comprensiva o para escribir reflexivamente sobre un tema, son algunos ejemplos de este conjunto de recursos de tipo general que pueden formar parte, en una u otra medida, del repertorio inicial del alumno y con los que cuenta (o no) para afrontar el aprendizaje del nuevo contenido.

En tercer lugar, los conocimientos que ya poseen respecto al contenido concreto que se propone aprender, conocimientos previos que abarcan tanto conocimientos e informaciones sobre el propio contenido como conocimientos que, de manera directa o indirecta, se relacionan o pueden relacionarse con l. Cmo se justifica la necesidad de considerar estos conocimientos previos en tanto que elemento fundamental del estado inicial del alumno? La justificacin se encuentra, sin duda, en la propia definicin constructivista del aprendizaje escolar. Desde esta perspectiva entendemos que el aprendizaje de un nuevo contenido es, en ltimo trmino, el producto de una actividad mental constructiva que lleva a cabo el alumno, actividad mediante la cual construye e incorpora a su estructura mental los significados y representaciones relativos al nuevo contenido. Ahora bien, dicha actividad mental constructiva no puede llevarse a cabo en

18

el vaco, partiendo de la nada. La posibilidad de construir un nuevo significado, de asimilar un nuevo contenido; en definitiva, la posibilidad de aprender, pasa necesariamente por la posibilidad de entrar en contacto con el nuevo conocimiento

El inters del constructivismo estsituado claramente en la creacin de herramientas cognitivas que reflejan la sabidura de la cultura en la cual se utilizan, as como los deseos y experiencias de los individuos. Es innecesaria la mera adquisicin de conceptos o detalles fijos, abstractos o autocontenidos. Para que el aprendizaje sea exitoso, significativo y duradero debe incluir los tres factores cruciales siguientes: concepto (conocimiento), actividad

(ejercitacin) y cultura (contexto) (Bednar et al., 1991. Citado por Peggy A y Timothy J 1993).

En resumen, el constructivismo

busca que el estudiante no slo pueda

construir conocimiento sino que tambin pueda interpretar la informacin, a partir de su propia experiencia, intereses, usando los medios y herramientas que se le han facilitado. Tambin busca que el docente en el papel formador constructivista induzca al estudiante a la construccin del conocimiento promoviendo el trabajo colaborativo, planteando problemas reales que se puedan resolver a partir de unos conceptos, para que el alumno pueda generar sus propias conclusiones y se introduzca a una experiencia de aprendiz .

Teniendo como base los fundamentos antes mencionados sobre la teora constructivista, se introducir al estudiante en el numeral 3 a la teora sobre el modelo de regresin lineal de la cual se hace una pequea descripcin a continuacin.

2.1.2. Sobre regresin lineal. El trmino de regresin fue introducido por Francis Galton (1822-1911) en el siglo XIX. Una de sus mayores contribuciones fue la aplicacin estadstica para el anlisis de variacin biolgica, como tambin el anlisis de variabilidad en el estudio de la regresin y la correlacin de las medias. Galton afirmaba que
19

padres muy altos tenan tendencia a tener hijos de menor estatura, mientras padres bajos solan tener hijo alto; hecho que fue anunciado como regresin a la media.

El anlisis de regresin es conocido como una tcnica estadstica que permite modelar la relacin entre variables, es decir, permite el estudio de asociacin cuantitativa entre un nmero de variables. Su objetivo principal, es explorar la relacin existente entre las variables para obtener informacin de una de ellas a travs del conocimiento de los valores de la otra.

Un aspecto fundamental del anlisis de regresin es la recopilacin de datos, los cuales se pueden obtener travs de estudios, observaciones o experimentos.

Existen dos posibles razones para efectuar un anlisis de regresin. (Batanero, 2001). Se desea obtener una descripcin de la relacin entre las variables, como una indicacin de una posible causalidad. Se quiere predecir la variable dependiente, a partir de los valores de las variables independientes, lo cual es muy til si la variable dependiente es costosa o difcil de medir.

Los modelos de regresin son usados con varios fines, que incluyen (Montgomery, 1982).

Descripcin de datos. Estimacin de parmetros. Prediccin y estimacin. Control.

20

Cuando en un modelo de regresin existe una sola variable , este modelo se denomina modelo de regresin lineal simple, en el caso donde hay ms de una variable se le llama modelo de regresin lineal mltiple.

El concepto de modelo de regresin lineal simple, es un tema destacado del currculo de la enseanza estadstica en la universidad, lo que permite a los estudiantes resolver problemas que incluyen conjuntos de variables cuando existe alguna relacin entre ellas, y a partir de esto pueda generar

predicciones. Es una de las tcnicas estadsticas ms usadas, sus aplicaciones son numerosas y se pueden dar en el campo de la ingeniera, ciencias fsicas, qumicas, economa, administracin, ciencias biolgicas y sociales

(Montgomery, 2002).

21

3. CONCEPTUALIZACIN

A menudo en la vida prctica nos encontramos con situaciones reales en donde se necesitan resolver problemas donde existen un conjunto de variables que pueden estar relacionadas,por ejemplo:

La estatura de una persona y el peso. La aceleracin yla velocidad. Los integrantes de una familia y la cantidad mensual en dinero que gastan en el mercado. El nivel acadmico de un estudiante y el tiempo dedicado al estudio. Gastos de publicidad y las ventas.

Son muchas las situaciones reales en las que una variable se relaciona con otra. Para analizar esta relacin la estadstica proporciona los modelos de regresin lineal.

En estaseccin se construye, mediante preguntas,paso a paso un modelo de regresin lineal simple, a travs de la siguiente situacin problemtica real planteada.

3.1. Situacin problemtica.

Ser que se puede determinar la estatura de una persona si se conoce la medida de la extensin de su brazo?

Con la pregunta planteada se quiere indagar si existe una relacin entre la extensin del brazo de una persona y su estatura, es decir, si conociendo la extensin del brazo de una persona se puede estimar su estatura. Existir la relacin entre dichas variables?

22

Para verificar la existencia de dicha relacin es necesario hacer una planificacin de como se obtendrn los datos a observar (medidas), tal como se describen en el siguiente numeral, tambin es necesario analizar que herramienta estadstica permiteconstruir el aprendizaje para poder concluirsi existe o no de dicha relacin.

3.1.1. Planificar la obtencin de los datos. Como se mencion antes es importante planificar como se obtendrn los datos a observarantes de dar inicio a la solucin de cualquier situacin,para ello se consideran una serie de preguntas que permiten al estudiante identificar los elementos en estudio tal cmo:

Cuntas variables hay en la situacin problemtica a resolver y cules son las variablesen estudio?, Cul ser la unidad de medida a utilizar?, Culser la herramienta de medida a utilizar?, Cmo se tomarn las medidas?, Dnde y cmo se realizar la recoleccin de datos? Partiendo de las preguntas antes mencionadas problemtica planteada se tiene: de acorde a la situacin

Dos variables conocidas como la extensin del brazo y la estatura, el centmetro (cm) como unidad de medida, el metro la herramienta de medida, en cuanto a la pregunta cmo se tomarn las medidas? , pueden surgir varios interrogantes, por ejemplo que pasa si la medida se realiza con el uso de zapatos, ser que la medida se altera?Para lograr la medida de la estatura con una mayor precisin se considera realizar sta sin el uso de los zapatos, ya que, de lo contrario se tendran medidas no muy exactas debido a la variacin en la altura de los zapatos de cada persona.

De acuerdo a lo anterior se establecen los parmetros para realizar la medida de la extensin de brazos y la medida de la estatura de la siguiente manera.

23

Medida de la estatura: La medida de la estatura se toma sin el uso de los zapatos, para obtener una medida precisa de la persona, se realizaron marcas de 150, 160, 170 y 180cm en una determinada pared, con el fin de obtener medidas de referencia y evitar alterar la medida al mover el metro 1 ver figura 1. La medida del brazo se realiz como muestra la figura 2. Parte b.

Figura 1. Medida de la estatura.

Estas son slo marcas de referencia, si una persona mide ms de 180 cm se toma su estatura a partir de dicha marca.

24

Figura 2. Medida de la extensin del brazo. De acuerdo a la pregunta Dnde y cmo se realizar la recoleccin de datos? Para la recoleccin de datos es importante tener en cuenta una muestra representativa2, dicha muestra debe ser seleccionada al azar con el fin de obtener variacin en las medidas, el escenario para la recoleccin de los datos puede ser un colegio, una universidad, la oficina entre otros.Se busca que

el escenario sea un lugar donde se pueda reunirlacantidadde personas necesarias para la recoleccin de los datos.Para este caso en particular,se seleccionan30 personas al azar de una universidady a cada una se le toma las medidas respectivas, ver figuras 1 y 2.

Una vez que se hayan tomado las medidas surgen las siguientes peguntas por parte del estudiante. Se obtienen los mismos datos cuando cambia el individuo que toma las mediciones, pero no el grupo objeto de estudio?, Qu se debe hacer con los datos? Es importante aclarar que se deben obtener los mismos datos si se tiene el mismo grupo en observacin ya que si se obtienen datos diferentes pueden surgir errores en la medida, o si se trata de una encuesta las personas pueden variar su pregunta. Para dar respuesta a la
2

Dependiendo del tipo de estudio, se puede considerar una muestra representativa cuando se tiene mnimo 30 observaciones.

25

segunda pregunta se puede iniciar dando pautas para la utilizacin de las herramientas de estadstica descriptiva como se describe a continuacin.

Cmo se pueden organizar los datos?

Los datos observados se pueden tabular usando herramientascomputacionales como excel o de manera escrita (Tabla 1).En esta tabla se identifica que el primer par de observaciones ( indica que la primera persona

tiene una extensin de brazo 72 cm y su estatura correspondea 172 cm.

Extensin de Observacin brazo (centmetros)

Estatura (centmetros) Observacin

Extensin de brazo (centmetros)

Estatura (centmetros)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

72 69 70 71 70 75 70 68 65 68 65 74 72 79 73

172 161 180 175 169 172 162 163 150 166 163 180 173 186 179

16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

70 63 70 63 69 69 76 70 79 67 66 72 69 73 71

176 156 162 164 168 168 176 160 186 155 160 183 165 176 174

Tabla 2. Tabulacin de los datos.

26

A partir de los datos observados Qu anlisis descriptivo se puede realizar? Antes de discutir sobre las herramientas descriptivas que ayudan a organizar los datos conviene responder a la pregunta Qu tipo de variable tenemos en el estudio? En este caso tenemos variables numricas, es decir, cuantitativas y como es sabido puede ser discreta o continua, en este caso las variables son continuas as se vean discretas ya que en muchos casos se tiende a aproximar y redondear para no trabajar con decimales. Para describir los datos se puede hallar por ejemplo: lamedia o promedio, dato mediano, es decir el dato que est en la mitad de todas las observaciones, la medida que ms sobresale (moda) y la variacin en las observaciones, entre otras medidas que ayudan a describir mejor los datos3.

La Tabla 3 muestra un resumen de los estadsticos descriptivos para las medidas de la extensin del brazo y la estatura.

Estadsticos

Extensin del brazo

Estatura 169,3 168,5 176 9,34 36 150 186 5080 30

Media Mediana Moda Desviacin estndar Rango Mnimo Mximo Suma Cuenta

70,3 70 70 3,96 16 63 79 2108 30

Tabla 3. Resumen estadsticos descriptivos.


3

Los estadsticos descriptivos tanto de la medida de la extensin del brazo como de la estatura se hallaron haciendo uso de la herramienta anlisis estadstico descriptivo que proporciona excel, es decir, se realizaron con los datos originales.

27

De acuerdo a los estadsticos la medida promedio de la extensin del brazo es 70.3cm, el 50%o menosy la que ms se repitees de 70 cm respectivamente, la diferencia entre las observaciones con respecto a su promedio es de 3,96 cm.Se encontr una persona con una extensin del brazo mnima de 63cm y la mxima medida fue de 79 cm.

Para la medida de la estatura se puede concluir que la estatura promedio observada es de 169.3cm, el 50% o menosde las personas observadas tienen una estatura de 168.5cm, la medida de la estatura ms frecuente es 176cm, los datos se encuentran dispersos con respecto al promedio en 9,34cm, la persona ms baja mide 150 cm y la ms alta mide 186 cm.

Cmo se puede lograr una mejor visualizacin de los datos recolectados para cada variable?

Para una mejor visualizacin de los datos y teniendo en cuenta que las medidas realizadas son variables cuantitativas continuas se puede realizar la tabla de frecuencias para datos continuos, ver tablas 4 y 5, en donde se observa los intervalos y la frecuencia con que se repiten. Se pueden graficar los datos?, cul sera la grfica adecuada? Una vez los datos se encuentren agrupados como se muestra en las tablas 4 y 5 se pueden graficar. Para elegir la grfica adecuada es necesario tener en cuenta que tipo de variable se est usando. Para este caso, como se mencion antes, la variable es cuantitativa continua por lo tanto la grfica a utilizar debe ser el histograma de frecuencias4, ver las figuras 3 y 4.

Existe otro tipo de grfico como es la grfica de ojiva, pero la ms utilizada es el histograma de frecuencia.

28

Extensin del brazo (cm)

63 65 67 69 71 73 75 77

65 67 69 71 73 75 77 79

64 66 68 70 72 74 76 78

2 3 3 10 5 3 2 2 30

2 5 8 18 23 26 28 30

6,67% 10,00% 10,00% 33,33% 16,67% 10,00% 6,67% 6,67% 100%

6,7% 16,7% 26,7% 60,0% 76,7% 86,7% 93,3% 100,0%

Tabla 4. Tabla de frecuencia datos continuos: Extensin del brazo.

De acuerdo a la anterior tabla se puede decir que el 10% de las personas observadas tiene una extensin del brazo entre 65 y 67 cm, dos estn en el intervalo de 63 y 65cm. Tambin se puede concluir que las medidas que ms representacin tiene estn en el intervalo comprendido entre 69 y 71 cm con 10 observaciones, registradas. correspondiente al 33.33% de las 30 observaciones

Histograma de frecuencia Extensin del brazo


Frecuencia absoluta 12 10 8 6 4 2 0 10 5 2 3 3 3 2 2

65 63

67 65

69 67

71 69

73 71

75 73

77 75

79 77

Intervalos

Figura 3 .Histograma de frecuencias. Extensin del brazo.


29

El histograma de frecuencia permite ver con mejor claridad los datos, se puede observar cada intervalo y la frecuencia en que se repite. Porejemplo el intervalo comprendido entre 69 y 67cm tiene una frecuencia de tres, mientras que el intervalo de 79 y 77 cm tiene una frecuencia dedos.

La siguiente tabla muestra los datos agrupados para la variable estatura.

Estatura (cm)

150 156 162 168 174 180

156 162 168 174 180 186

153 159 165 171 177 183

2 4 7 6 6 5 30

2 6 13 19 25 30

6,67% 13,33% 23,33% 20,00% 20,00% 16,67% 100%

6,7% 20,0% 43,3% 63,3% 83,3% 100,0%

Tabla 5. Tabla de frecuencias datos continuos: Estatura.

En la anterior tabla de frecuencias se puede ver que el intervalo con ms frecuencia de repeticin es el tercer intervalo con 7 observaciones, lo que quiere decir, que 7 personas miden entre 162 y 168 cm, tambin se puede decir que entre 150 y 156 cm slo hay dos personas que tienen dicha medida.

30

Histograma de frecuencia Estatura


8 7 6 5 4 3 2 1 0 Frecuencia absoluto

7 4 2 156 150 162 156 168 162

174 168

180 174

186 180

Intervalos

Figura4. Histograma de frecuencias. Estatura. Del anterior grfico se pueden generar preguntas tales como: Cul es el intervalo con mayor frecuencia? Cuales son los datos con menor frecuencia de repeticin? Para la primera pregunta tenemos que el intervalo con mayor frecuencia es el tercero con siete observaciones, en cuanto a la segunda pregunta el intervalo comprendido entre 150 y 156 cm presentan la menor frecuencia con dos observaciones.

Con los clculos realizados en la tabla 2, se pudo realizar el anlisis descriptivo de datos, ser esto suficientepara concluir,que conociendo la extensin del brazo de una persona se puede estimar su estatura?

Cuando se requiere analizar si existe o no relacin entre dos variables es til realizar un grfico en donde se pueda apreciar si existe relacin. En este caso el grfico adecuado se llama diagrama de dispersin o nube de puntos, donde se grafican los pares ordenados cartesianas en donde la variable en un sistema de coordenadas se representa en el eje horizontal y la

31

variable

es representada en el eje vertical5.Estegrfico facilita identificar a

simple vista si existe o no un indicio de la posible relacin lineal entre las variables en estudio.

La figura 5es una representacin de los datos observados.

190
180 170

Relacin entre la extensin del brazo y la estatura de una persona

Estatura

160 150 140 130 120 50 55 60 65 70 75 80

Extensin del brazo

Figura5. Diagrama de dispersin.

De acuerdo al diagrama se observa que los puntos siguen una tendencia lineal, esto puede indicar que hay seal de la existencia de una relacin directamente proporcional entre la extensin del brazo y la estatura de una persona, tambin se puede apreciar que la tendencia lineal de los datos se da en forma creciente, hecho que permite concluir para estos datos, que a medida que la extensin del brazo incrementa la estatura tambin lo hace.Adems, se puede apreciar que los datos se encuentran muy cercanos. Todo esto conlleva a preguntas tales como: Si el diagrama muestra el indicio de la relacin existente se puede concluir que hay relacin entre las variables?, siempre los datos deben estar cercanos entre ellos mismos?, qu pasa si los datos estn

En el anexo 2 se presenta un breve instructivo de como se usa la herramienta de excel para realizar el grfico de dispersin.

32

muy dispersos? Para responder a estas preguntas se recomienda que el estudiante entienda un poco el concepto y la importancia de la correlacin.

El diagrama muestra la posible relacin existente, pero, para verificar y comprobar queesta relacin si existe, es necesario utilizar una medida estadstica que calcula el grado de relacin que permite analizar si los valores de la variable influyen en los valores de la variable , es decir,si hay

correlacin lineal. Ques una correlacin y cmo se halla?

El anlisis de correlacin est basadoen el clculo de un nmero llamado coeficiente de correlacin identificado con la letra r, que permite medir el grado de correlacin existente entre las variables consideradas. Para analizar el grado de relacin existente es necesario hallar el coeficiente de correlacin con la ecuacin (1). Este coeficiente es un nmero entre -1 y 1.Cuando los datos se encuentran muy cercanos y se presentan en forma creciente se sospecha que r es un nmero cercano a 1, e indica que hay una posible relacin entre las variables, si se da en forma decreciente ser cercano a -1, pero si los datos estn muy dispersos y no presentan una tendencia lineal el valor de r estar cercano a cero, lo que puede indicar que la relacin lineal no existe o es muy baja. Para facilitar el clculo de rse organizan los datos como se muestra en la Tabla 6.

33

Extensin del Observacin brazo (centmetros)

Estatura (centmetros)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

72 69 70 71 70 75 70 68 65 68 65 74 72 79 73 70 63 70 63 69 69 76 70 79 67 66 72 69 73

172 161 180 175 169 172 162 163 150 166 163 180 173 186 179 176 156 162 164 168 168 176 160 186 155 160 183 165 176

12384 11109 12600 12425 11830 12900 11340 11084 9750 11288 10595 13320 12456 14694 13067 12320 9828 11340 10332 11592 11592 13376 11200 14694 10385 10560 13176 11385 12848 12354 357824

5184 4761 4900 5041 4900 5625 4900 4624 4225 4624 4225 5476 5184 6241 5329 4900 3969 4900 3969 4761 4761 5776 4900 6241 4489 4356 5184 4761 5329 5041 148576

29584 25921 32400 30625 28561 29584 26244 26569 22500 27556 26569 32400 29929 34596 32041 30976 24336 26244 26896 28224 28224 30976 25600 34596 24025 25600 33489 27225 30976 30276 862742

71 2108

174 5080

Tabla 6. Sumatoria de valores.

34

Por lo tanto,para calcular el grado de correlacin (r) se tiene:

Que indica el valor calculado de r?

El valor calculado de

, que para este caso es igual

indica que la

relacin entre la extensin del brazo y la estatura de una persona es alta, es decir, la relacin existe y es fuerte6.

Si el coeficiente de correlacin da una correlacin muy baja, no quiere decir que no hay relacin entre

las dos variables, puede que exista otro tipo de relacin diferente a la lineal, por ejemplo, una relacin cuadrtica. En este caso debe realizar otra prueba que no est al alcance de este documento.

35

Si el valor calculado de

es igual a 0.5 que se puede concluir? Se puede

concluir que la relacin entre las variables en estudio es dbil debidoa que valor de . se encuentra muy cercano a 0

La Figura 6muestra otro tipo de relacin que se pueden dar entre las variables consideradas.

Figura 6.Tipo de relacin entre las variables.

Cundo se considera una relacin fuerte o dbil?

Valores muy grandes de , indican una correlacin buena o fuerte, valores cercanos a cero suponen una correlacin baja o dbil

Una vez verificada la relacin existente a travs del clculo del coeficiente de correlacin qu se debe hacer?
36

Cuando se verifica que hay correlacin entre las variables observadas se puede construir el modelo de regresin linealel cual se describe a continuacin.

En los modelos de regresin se identifican dos tipos de variables: Variable independiente, predictora o regresora denotada con la letra dependiente o de respuesta representada por y una variable

. La relacin entre dichas

variables se representa por un modelo matemtico, dado por la siguiente ecuacin de regresin.

Ecuacin de regresin ajustada


Variable independiente

Variable dependiente

Intercepto Pendiente

Donde

es el intercepto,

es denominada pendiente,

son constantes

desconocidas se les suele llamar coeficientes de regresin. El valor numrico de estos coeficientes se calcula por medio del procedimiento matemtico conocido como el mtodo de los mnimos cuadrados7. El objetivo de esta tcnica es encontrar la recta que tenga la mnima distancia a todas las observaciones y formar la ecuacin que mejor se ajusta al conjunto de datos ver figura 7.

Esta tcnica slo es adecuada para ajustar modelos lineales.

37

Qu es variable independiente y dependiente?

Se conoce como variable independiente aquella que influye o determina el valor de otra, y variable dependiente aquella que depende de los valores de la independiente, en este caso la variable independiente es la extensin del brazo y la estatura es la variable dependiente, es decir, la medida de la estatura de una persona depende de la medida de la extensin de su brazo.

Figura7. Ajuste por mnimos cuadrados.

38

A partir de lafrmula8 3 se llega a las ecuaciones que minimizan la distanciade cada punto a la recta. Ver ecuaciones4 y 5.

METODO DE LOS MNIMOS CUADRADOS

Sabiendo que el diagrama muestra una tendencia lineal y usando el mtodo de los mnimos cuadrados se podr encontrar una recta y una ecuacin de sta que modele y se ajuste a los datos?

La demostracin matemtica de esta frmula no est al alcance de este documento. Esta puede ser consultada en los libros de estadstica antes mencionados.

39

Existen diferentes rectas que se ajustan a los datos; en la situacin problemtica planteada la recta que mejor se ajusta es la lnea que se observa en la figura 8, dicha lnea es conocida con el nombre de recta de regresin.

Relacin entre la extensin del brazo y la estatura de una persona


190 180 170 160 150 140 130 120
50 55 60 65 70

Recta de regresin

Estatura

75

80

Extensin del brazo

Figura8. Recta ajustada.

La ecuacin que modela los datos se encuentra a travs de los pasos descritos a continuacin. Paso 1:Se calcula la pendiente. Para calcular los coeficientes de regresin9 se utilizan los datos calculados en la tabla 6.

En el anexo 2 se muestra un instructivo para que el lector realice los clculos del coeficiente de correlacin y los coeficientes de regresin, utilizando la herramienta de excel.

40

Paso 2:Se calcula el intercepto.

Paso 3:Se forma la ecuacin de regresin.

Una vez calculado los coeficientes de regresin se forma la ecuacin de regresin utilizando la ecuacin (1), en donde se sustituyen los valoresde y .

41

Por lo tanto, el modelo de regresin para dicha situacin est dada por:

Valor del intercepto

Valor de la pendiente

(6)

Cmo se interpreta los valores calculados de y ?

La pendiente

, significa que por cada aumento en un centmetro en la

extensin del brazo de una persona, se espera que su estatura aumente en promedio centmetros.

El intercepto

nos indica cunto vale cuando

es igual a cero.

Siempre se puede dar interpretacin al intercepto?

El valor del intercepto solo es interpretado cuando

tiene sentido en el

problema. En este caso no se puede dar interpretacin al intercepto, al no existir una persona cuya extensin del brazo mida cero.

42

Cmo se llama el modelo de regresin lineal creado hasta el momento?

Recordar! Cuando en un modelo de regresin existe una sola variable

independiente, este modelo se denomina modelo de regresin lineal simple en el caso donde hay ms de una variable independiente se le llama modelo de regresin lineal mltiple.

Una vez formada la ecuacin de regresin ajustada, que se puede hacer?

Cuando se crea la ecuacin de regresin lineal es importante realizar predicciones las cuales se definen en el paso siguiente. Paso 5: Realizar predicciones.

Una vez se construya el modelo de regresin lineal se pueden generar prediccionesiniciales. Una prediccin permite anunciar algo que puede ocurrir.
43

En los modelos de regresin lineal simple las predicciones se utilizan para predecir valores de a partir de los valores de
10

Utilizando la ecuacin (5) hallar las siguientes predicciones.

a) Si la extensin del brazo de una persona mide 77 cm cul ser su estatura?

De acuerdo a la pregunta se tiene:

Reemplazamos a en (6)

Donde cm

Qu indica el valor calculado de y?

10

Estas predicciones son vlidas si el modelo propuesto es el adecuado para modelar la variable en trminos de . El anlisis de la adecuacin de este modelo, necesita otras herramientas no descritas en este documento.

44

El valor calculado de

indica que si la extensin del brazo de una persona

mide 77 cm se espera que su estatura sea de aproximadamente de 182 cm. En la figura 9 se apreciaestos puntos.

Figura9. Prediccin de valores.

b) Si una persona tiene una estatura de 189 cunto medir la extensin de su brazo?

En este caso nos dan el valor de predecir el valor de ?

para hallar el valor de

. Es posible

A tener en cuenta Las predicciones slo se pueden hacer para valores de de observacin. en el rango

45

De manera similar a estas preguntas se puede realizar predicciones para cualquier modelo de regresin lineal simple.

En la Tabla 7 se muestra a manera de resumen los pasos a seguir cundo se quiere realizar un anlisis de regresin. En el anexo 3 se propone una serie deactividades complementarias para que el lector ponga en prctica lo expuesto en el presente documento.

Pasos 1 2 3 4 5 6 7 8 9 10

Procedimiento. Identificar las variables en estudio. Identificar las unidades de medida. Establecer la variable regresora Recoleccin de datos. Tabular la informacin. Realizar el grfico de dispersin. Hallar el coeficiente de correlacin lineal e interpretar el valor calculado. Formar el modelo de regresin (si hay relacin). Interpretar los coeficientes de regresin. Realizar predicciones. y de respuesta .

Tabla 7. Resumen de pasos y procedimientos para el anlisis de regresin.

46

4. CONCLUSIONES

Para el desarrollo de un aprendizaje basado en el constructivismo, se requiere que el estudiante tenga unos conocimientos previos que ayudarnen la construccin del nuevo conocimiento, permitiendo con esto que el estudiante participe activamente en su proceso de aprendizaje.

A travs de estrategias didcticas, metodolgicas y constructivista se puede lograr que el estudiante comprenda los conceptos de la estadstica de una manera ms prctica y menos memorstica, de tal forma que en su futura vidaprofesional se refleje su capacidad por aplicar lo aprendido.

El aprendizaje de los estudiantes se puede generar a partir de situaciones reales, que motiven y despierten el inters de l,para la adquisicin del nuevo conocimiento.

La construccin de los modelos de regresin lineal se puede generar a partir de preguntas, teniendo descriptiva. presente los conceptos previos de la estadstica

En la enseanza de la estadstica es importante la utilizacin de recursos didcticos y herramientas computacionales para la tabulacin y anlisis estadstico de datos, que proporcionen al estudiante la comprensin de los conceptos estadsticos.

A travs de situaciones problemticas basadas en un contexto real los estudiantes pueden aprender con mayor facilidad el concepto de regresin lineal simple, ya que esto permite que el estudiante sea introducido a una experiencia de aprendiz en su propia formacin.

47

En la construccin del aprendizaje el docente es fundamental, pues se requiere de un asesor gua que oriente al estudiante y lo conduzca a la adquisicin del nuevo conocimiento.

La enseanza de la estadstica no se debe limitar a la construccin de tablas y grficos, se debe profundizar en el anlisis e interpretacin de datos, siendo ste el eje fundamental de la enseanza de esta ciencia.

El uso de herramientas computacionales como excel son muy importantes en el papel de la estadstica, no solo por facilitar la tabulacin y graficacin de datos sino tambin por que facilitan el clculo estadstico de medidas discretas, el coeficiente de correlacin y los coeficientes de regresin. .

48

5. REFERENCIA BIBLIOGRAFICA Agnelli H., Konic P, Paparelli S., Zon N. y Flores P. (2009). La funcin lineal obstculo didctico para la enseanza de la regresin lineal. Batanero, C. (2001).Hacia donde va la educacin estadatica?.departamento de didactica de la matemtica universidad de granada. Batanero, C. (2002). Los retos de la cultura estadstica . Jornadas Interamericas de la enseanza de la estadstica. Buenos Aires. Batanero C., Ortiz, J. Serrano, L., Caizares. M. J. (2001). Una perspectiva de sntesis de las tendencias actuales en la educacin. Behar R. Y Grima P. (2001). Mil y una dimensiones del aprendizaje de la estadstica. Revista espaola de estadstica. Berenson. L. Estadstica para la administracin y economa. Pretence- Hall. 1982. 661p. Canavos, G. (1980). Probabilidad y estadstica aplicaciones y mtodos. Mc Graw-Hill. Carretero, M. (1997). Qu es el constructivismo? desarrollo cognitivo del aprendizaje. Progreso. Mxico. pp. 39-71 Devore, J. (2008).Probabilidad y Cengace Learning. 720p Garfield, J. (1995). How Students Learn Statistics. International Statistics Review, 63, 1, pp. 25-35. Lavalle, L., Micheli, E. Rubio. N. (2006) Anlisis didctico de regresin y correlacin para la enseanza media. Relime Vol 9, pp. 383-406. Argentina. Mira, M., Coll, C (1999). El constructivismo en el aula: Un punto de partida para el aprendizaje de nuevos contenidos: los conocimientos previos . 9 ed. (pp. 4-13). Barcelona. Gra Editorial.
49

estadstica para ingeniera y ciencias.

Montgomery, D., Peck, E (1982).Introduction to linear regression analysis. John Wiley & Sons. 504p. Montgomery, D., Peck, E. Vinnig. G. (2002).Introduccin al anlisis de regresin lineal. 3 ed Compaa editorial continental. 588p. Rodrguez, C., Gutirrez, J. Pozo.T.(2010). Estudio emprico de variables presagio en la enseanza aprendizaje de la estadstica a la luz de la investigacin por competencias. Electronic Journal of Research in educational Psychology, pp. 235-262. Granada. Peggy A., Timothy J. (1993). Conductivismo, cognitivismo y constructivismo: Una comparacin de los aspectos crticos desde la perspectiva del diseo de instruccin. De http://www.aprendiendoenlinea.com/lecturas/CONDUCTIVISMO_COGNITIVIS MO_CONSTRUCTIVISMO.doc. Walpole, R, Myers, R. (1999). Probabilidad y estadstica para ingenieros. 6 ed. Pearson Educacin. 752p.

50

ANEXOS

Anexo 1 Resumen planes de estudio.

51

ITEM UNIVERSIDAD

PROGRAMA

MATERIA

CONCEPTOS PREVIOS

CONTENIDO EN REGRESIN LINEAL Anlisis de regresin simple.

Distribuciones 1 Pontificia Bolivariana Administracin Estadstica I Frecuencia Medidas Numricas.

de

El mtodo de los mnimos cuadrados. El modelo lineal. Modelos polinmicos generales. Modelos exponenciales y logartmicos. El modelo potencial. Elaboracin de modelos en el computador. Regresin Lineal: Concepto de Variable independiente y dependiente. Tabla de pares ordenados para las

descriptivas

Instituto 2 Tecnolgico MetropolitanoIU Comn para todos los programas Estadstica Bsica

Mtodos grficos para variables describir cualitativa. informacin Diagrama de dispersin. Ecuacin de regresin por el mtodo

Mtodos numricos para de los mnimos cuadrados. describir informacin. Interpretacin de la pendiente y del intercepto. Valores ajustados. Diagrama de dispersin. 52

ITEM UNIVERSIDAD

PROGRAMA

MATERIA

CONCEPTOS PREVIOS

CONTENIDO EN REGRESIN LINEAL Interpolaciones y extrapolaciones. Correlacin y determinacin Manejo de funciones de regresin con software estadstico. Regresin lineal Variable independiente.

Representacin tabular de la informacin.

Variable dependiente. Diagrama de dispersin. Ecuacin de regresin por el mtodo de los mnimos cuadrados. Interpretacin de la pendiente y del intercepto. Valores ajustados. Grfica de la recta de regresin. Predicciones. Correlacin y determinacin.

Tabulacin para datos Tecnolgico 3 Es comn para todos los Nociones continuos: tabulacin por intervalos representacin grfica de la informacin medidas de tendencia central

pascual Bravo- programas donde se dicta ( es de IU electiva) estadstica

medidas de dispersin

53

ITEM UNIVERSIDAD

PROGRAMA

MATERIA

CONCEPTOS PREVIOS

CONTENIDO EN REGRESIN LINEAL Regresin lineal simple (mnimos

Tecnolgico de Antioquia

cuadrados). Comn para todos los programas Estadstica Estadstica descriptiva Regresin cuadrtica. Correlacin simple y spearman. Anlisis de varianza. Tipos de modelos de regresin.
Nociones preliminares de estadstica Descripcin de conjunto de Medidas de datos resumen

Error estndar de medicin. Determinacin de la ecuacin. Correlacin. Medicinde la auto correlacin. Diagnstico de regresin. Anlisis residual y de influencia.

descriptivas

Jaime Isaza Cadavid

Comn para todos los programas Estadstica

Probabilidades Variables

aleatorias Desarrollo del modelo de regresin

discretas y distribucin de mltiple. probabilidades discretas Estimacin parmetros Pruebas de Tcnicas de muestreo de

Medicin de la asociacin del modelo

de regresin mltiple.

hiptesis Anlisis residual de la regresin

mltiple. Aplicaciones en software estadstico y

54

ITEM UNIVERSIDAD

PROGRAMA

MATERIA

CONCEPTOS PREVIOS

CONTENIDO EN REGRESIN LINEAL Excel. Coeficiente de determinacin parcial.

Estadstica Estadstica

I. Correlacin

regresin

lineal

descriptiva, Mtodo de los mnimos cuadrados

probabilidad, Esperanza El anlisis de regresin lineal normal Estadstica II matemtica, Distribuciones probabilidad. Estadstica II Pronsticos de Formas funcionales alternativas

Antioquia

Administrativas y econmicas

Distribucin de la media, ji, F. Prueba de Hiptesis

55

ITEM UNIVERSIDAD

PROGRAMA

MATERIA

CONCEPTOS PREVIOS

CONTENIDO EN REGRESIN LINEAL

Estadstica Matemtica I Modelo de regresin con dos variables Estadstica descriptiva y Estimacin Anlisis Exploratorio de Propiedades Datos Estadstica 7 Antioquia INGENIERAS Distribuciones Estimacin de la recta de regresin

Inferencia sobre parmetros

Matemtica mustrales II Puntual

Estimacin por Intervalos Introduccin al muestreo Prueba de Hiptesis y de Bondad de Ajuste Estadstica Ingenieras. Administrativa, Industrial, Civil, Minas y metalrgica,Mecnica, Qumica, de geologa, Petrleos Probabilidad distribuciones Estadstica I Distribuciones Mustrales Estimacin e inferencia estadstica 56 descriptiva. y Regresin Lineal simple:

Conceptos bsicos acerca de un modelo de regresin lineal. Estimacin e

Nacional 8 Colombia

de -

inferencia acerca de los parmetros del modelo de regresin lineal simple. Anlisis de varianza e intervalos de confianza para respuesta media y pronstico. Anlisis residual

Sede Medelln

ITEM UNIVERSIDAD

PROGRAMA

MATERIA

CONCEPTOS PREVIOS Distribucin muestral.Mtodos de

CONTENIDO EN REGRESIN LINEAL Regresin lineal simple y Correlacin. RegresinMltiple. Mtodo de los y

muestreo para encuestas. mnimos (Muestreo)

cuadrados.

(Regresin

correlacin )

Economa, Empresas,

Administracin Administracin

de de

Estimacin: Estimacin puntual. Estimacin por intervalos. Error muestral. Error no muestral. ( Inferencia ) Hiptesis de investigacin. Hiptesis estadstica. Errores en la toma de decisiones. Potencia de la prueba. Valor P. (Inferencia)

Empresas Tursticas, Mercadeo, 9 Medelln Negocios Internacionales, Estadstica

Ingeniera Civil, Ingeniera de Aplicada Sistemas, Ingeniera Financiera, Ingeniera Telecomunicaciones. de

57

ITEM UNIVERSIDAD

PROGRAMA

MATERIA

CONCEPTOS PREVIOS Muestreo simple aleatorio. Muestreo estratificado aleatorio. Muestreo por conglomerados. ( Muestreo) Anlisis exploratorio de datos

CONTENIDO EN REGRESIN LINEAL

El

Modelo

lineal

general

El mtodo de los mnimos cuadrados

Distribuciones muestrales para la estimacin de parmetros. y teorema del lmite central 10 Eafit Ingeniera Matemtica Estadstica I Estimacin puntual y por intervalos Propiedades de los estimadores puntuales y mtodos de estimacin Prueba de hiptesis 11 Eafit Ingenieras Estadstica General Descripcin estadstica Descripcin variables estadstica de varias Propiedades de los estimadores de mnimos Deduccin determinacin. Error y el vector de estimadores. del cuadrados. coeficiente de

de una variable 58

Anexo 2.Instructivo para graficar el diagrama de dispersin y calcular el coeficiente de correlacin y los coeficientesde regresin usando la herramienta excel.

I.

Realizar el diagrama de dispersin.

Excel es una herramienta que se usa para realizar diversos grficos, entre otros, los diagramas de dispersin.

Para realizar un diagrama de dispersin se debe realizar lo siguiente:

1. En una hoja de excel, se tabulan las observaciones. 2. Se resalta la variable independiente y la variable dependiente, luego se da click en insertar y se elige la opcin dispersin ver figura 1.

Figura 1. Insertar grfico.

59

Una vez realizado los pasos anteriores se muestra en la hoja de excel el grfico elegido ver figura 2.

Figura 2. Diagrama de dispersin.

3. Al diagrama se le puede poner ttulos y rtulos al gusto de cada usuario, eligiendo la opcin presentacin y luego ttulos o rtulo como muestra la figura 3.

Figura 3. Ttulos y rtulos.

60

4. Para lograr una mejor visualizacin del diagrama, se debe realizar lo siguiente: Seleccionar los datos de la escala numrica del eje horizontal (tambin se puede hacer con el eje vertical), se da click derecho y se elige dar formato al eje como muestra la figura 4. Luego se procede ajustar el rango de valores con el que se trabajar tal como muestra la figura 5.

Figura 4. Formato de la escala numrica11.

En la figura 5 se observa claramente el grfico de dispersin despus de configurar la escala numrica .En este caso el eje horizontal se encuentra en el rango de 50 cm a 80 cm para la extensin del brazo, en el eje vertical

(estatura) el rango es de 120 cm a 190 cm. La configuracin adecuada de la escala numrica permite que el grfico se pueda visualizar de una mejor manera.

11

Las lneas horizontales que aparecen dentro del grfico se pueden eliminar de la siguiente manera: Se da click sobre las lneas para seleccionarlas, y luego se presiona la tecla suprimir para borrarlas.

61

Figura 5. Configurar escala numrica.

5. En el grfico de dispersin tambin se puede observar la lnea de regresin y la ecuacin. Para ello se elige en la opcin diseo, el diseo 9 que permite visualizar en el grfico la ecuacin y la lnea de regresin. Ver figura 6.

Figura 6. Ecuacin y lnea de regresin.


62

II.

Calcular los coeficientes.

Adems de mostrar la ecuacin de regresin lineal como se observ en la anterior grfica excel permite realizar el clculo del coeficiente de correlacin y los coeficientes de regresin.

1. Calcular el coeficiente de correlacin.

Para calcular el coeficiente de correlacin se da click en la opcin frmulas del men de herramientas, se elige la opcin ms funciones y luego se selecciona la opcin COEF. DE. CORREL ver figura 7.

Figura 7. Frmulas de estadstica

63

Despus de dar click en la opcin COEF. DE. CORREL aparece el cuadro de la figura 8. En donde se da click en matriz 1 para seleccionar los datos de la variable , luego se da click en la matriz 2 para seleccionar los datos de , una vez se realiza este procedimiento aparece el resultado del coeficiente de correlacin y dando click en la opcin aceptar el valor aparece en la hoja de excel ver figura 8.

Figura 8. Coeficiente de correlacin.

2. Calcular los coeficientes de regresin. Calcular la pendiente.

Para calcular la pendiente se siguen los mismos pasos realizados en el clculo del coeficiente de correlacin, pero en este caso se elige la opcin PENDIENTE12 ver las figuras 9 y 10.

12

Para calcular el intercepto se realiza el mismo procedimiento del clculo de la pendiente.

64

Figura 9. Clculo de los coeficientes de regresin

Figura 10. Calcular la pendiente.

65

Anexo 3. Actividades complementarias.

Actividad 1. Relacin entre el rea y valor del arriendo de un apartamento. La agencia de arrendamientos de inmuebles Vida Nueva desea saber si el rea de un apartamento est relacionada con el valor del arriendo.

Para la solucin del problema se propone:

Tomar una muestra de 50 apartamentos en la seccin de clasificados de arrendamiento de varios peridicos de la ciudad en semana. Para cada apartamento se requiere tomar el rea y el valor del arrendamiento. la ltima

Con la informacin observada realice lo siguiente

a) Cul es la variable regresora y la de respuesta? b) Qu unidades de medida utiliza cada variable? c) Cul es el promedio del valor de los apartamentos? d) Cul es el valor de rea que ms sobresale? e) Grafique los datos e indique cul es el grado de correlacin existente. f) Si es el caso forme el modelo de regresin lineal simple utilizando el mtodo de los mnimos cuadrados. g) Haga una prediccin sobre el valor de arrendamiento de un apartamento cuando el rea es igual a 172m2 h) Encuentre un valor para cuando = 750000

66

Actividad 2. Relacin entre los integrantes de una familia y el consumo de energa en KWH

La empresa de energa

M&M

ha notado en los ltimos seis meses un

aumento considerable de KWH de energa en los habitantes de la ciudad. La empresa cree que esto se debe al crecimiento poblacional por familia. Para verificar si la cantidad de integrantes de una familia est asociada con el aumento del consumo de energa la empresa desea encuesta a 60 personas de diferentes barrios. Propuesta: realizar al azar una

Su misin si desea aceptarla es ayudar a la empresa a travs de las siguientes actividades : a) En pequeos grupos construya y elabora la encuesta en diferentes barrios de la ciudad. b) Tabule los datos. c) Genere un modelo de regresin lineal que permita establecer si hay relacin entre el nmero de habitantes de una familia y el consumo de KWH por mes. Para la solucin de este tem se recomienda seguir los pasos descritos en la tabla 7. d) Halle los estadsticos descriptivos de cada una de las variables. e) Realice un informe detallado de los datos encontrados

67

Actividad 3. Anlisis de grficos

a) Investigue el tipo de grfico e indique el nombre de cada uno. b) Indique que tipo de relacin representa cada grfico. c) De un ejemplo de varias situaciones que se pueda representar con al menos dos de los grficos.

Grfico 1 Y Y

Grfico 2

Grfico 3 Y Y

Grfico 4

68

Grfico 5

Grfico 6.

69

Actividad 4.Taller complementario.

1. Se realiza un experimento para investigar el efecto de un programa de entrenamiento sobre el tiempo que le toma a un estudiante universitario tpico, correr los 100 metros planos. Nueve estudiantes se sometieron al programa. Despus de dos semanas, se midi la reduccin del tiempo para correr los 100 metros planos.

OBSERVACIN

SEMANAS DE ENTRENAMIENTO

REDUCCIN DEL TIEMPO

XY 1.6 4 1 6.3 3 7.5 16 25 10 74.4

X2 1 4 1 9 4 9 16 25 16 85

Y2 2.56 4 1 4.41 2.25 6.25 16 25 6.25 67.72

1 2 3 4 5 6 7 8 9 TOTAL

X 1 2 1 3 2 3 4 5 4 25

Y 1.6 2 1 2.1 1.5 2.5 4 5 2.5 22.2

a. Dibuje el diagrama de dispersin y observe si existe una relacin lineal entre las variables. b. Determine los coeficientes de regresin utilizando el mtodo de los mnimos cuadrados, e interprete de acuerdo al contexto del problema. c. Determine el coeficiente de correlacin e interprete su resultado. d. Si l utiliza 3 semanas de entrenamiento, cunto tiempo reducira? e. Si reduce 2.3 minutos para recorrer los 100 mts, cul sera el nmero de semanas de entrenamiento?

2. Supongamos que los siguientes datos corresponden a pacientes de enfisema: el nmero de aos que el paciente ha fumado (x) y la evaluacin subjetiva del mdico en relacin al dao sufrido por los pulmones (y). La ltima variable se mide en una escala de 0 a 100. correspondientes a 10 pacientes son las siguientes:
70

Las observaciones

PACIENTE

AOS QUE HA FUMADO

DAOS EN PULMONES

XY 1375 2160 1100 450 3600 2730 2940 1705 840 1155 18055

1 2 3 4 5 6 7 8 9 10 TOTAL

X 25 36 22 15 48 39 42 31 28 33 319

Y 55 60 50 30 75 70 70 55 30 35 530

625 1296 484 225 2304 1521 1764 961 784 1089 11053

3025 3600 2500 900 5625 4900 4900 3025 900 1225 30600

a. Dibuje el diagrama de dispersin y observe si existe una relacin lineal entre las variables. b. Determine los coeficientes de regresin utilizando el mtodo de los mnimos cuadrados, e interprete de acuerdo al contexto del problema. c. Determine el coeficiente de correlacin e interprete su resultado. d. Si lleva fumando 20 aos, cunto sera el dao en los pulmones? e. Si el dao en los pulmones es de 68, cul sera el tiempo que lleva fumando?

71

También podría gustarte