Está en la página 1de 17

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

CENTRO UNIVERSITARIO DE OCCIDENTE


ESCUELA DE POSTGRADOS
MAESTRÍA EN ADMINISTRACIÓN FINANCIERA
MATEMÁTICA APLICADA
Msc. SERGIO DURINI

MODELO MATEMÁTICO
REGRESIÓN LINEAL SIMPLE

RONY OTONIEL HERNÁNDEZ DE LEÓN


CARNÉ: 100031177

QUETZALTENANGO, MAYO DE 2017


1

Contenido
1. Planteamiento del problema .................................................................................................................. 2
2. Objetivos ............................................................................................................................................... 3
1.1. General .......................................................................................................................................... 3
1.2. Específicos .................................................................................................................................... 3
3. Marco teórico ........................................................................................................................................ 4
1.1. Regresión lineal ............................................................................................................................. 4
4. Construcción del modelo matemático ................................................................................................... 9
5. Análisis y discusión de resultados ....................................................................................................... 12
6. Conclusiones ....................................................................................................................................... 14
7. Recomendaciones ................................................................................................................................ 15
8. Bibliografía.......................................................................................................................................... 16
2

Aplicación de la Regresión Lineal a través de Matrices en el desempeño académico en el


curso de Contabilidad de los Estudiantes de la Universidad Rafael Landívar

1. Planteamiento del problema


Desde el punto de vista de la educación hoy en día se puede visualizar que los estudiantes con
el transcurso del tiempo van perdiendo el interés sobre distintas materias o cursos que forman
parte de su formación profesional en las distintas instituciones que prestan el servicio de
educación en Guatemala, esto debido a varias razones contenidos desactualizados, métodos de
enseñanza muy antiguos entre otros, pero el que más sobre sale es la falta de interés por parte
del estudiante sobre determinada materia, esto es tan notorio en los estudiantes cuando estos
son evaluados y máxime en aquellos cursos que suelen ser prácticos, claro ejemplo de ellos es
lo que sucede con los estudiantes de la Universidad Rafael Landívar de Huehuetenango,
específicamente los estudiantes de Auditoría, puesto que en ellos se ha podido identificar que
en los cursos prácticos entiéndase matemática, estadística, contabilidad, entre otros, entre más
practican esa práctica se hace notar en la nota de evaluación que cada uno obtiene, es decir a
más práctica ellos obtienen una excelente nota y a menos práctica ellos obtienen una nota baja.

Esto se puede notar claramente en cada una de las evaluaciones que se realizan, especialmente
en los cursos prácticos, como se mencionó anteriormente, ya que estos requieren mayor
dedicación, en ocasiones los estudiantes cuestionan al docente a través de preguntas que quizá
en su momento el mismo ha mencionado o resuelto, entonces la falta de atención en clase es
otro factor por el cual los estudiantes obtienen una nota baja en las evaluaciones y porque no
decirlo al final de cada uno de los semestres que cursan, es importante recalcar que a mayor
interés pongan en determinado curso eso se verá reflejado en su nota y de igual manera el
docente debe ingeniárselas para poder hacer del curso una materia atractiva, que realmente
llame la atención del estudiante por más aburrida que esta sea, por lo que es de suma
importancia que tanto estudiantes como docentes al iniciar determinado curso realicen un
consenso de la forma o manera más adecuada de desarrollar cada una de las materias.

En el presente estudio se pretende analizar el comportamiento de varios estudiantes


universitarios, en donde se desea dejar en claro tanto para ellos como para quienes consulten
3

en algún momento el presente documento que entre mayor responsabilidad tiene cada uno de
los estudiantes en elaborar cada uno de los laboratorios asignados mayor facilidad tienen estos
para resolver una prueba y a l vez obtendrán una nota más alta en determinado curso.

Como se menciona anteriormente a través del presente estudio se desea dejar evidencia del
comportamiento de los estudiantes en cuanto a su responsabilidad en la asignación de tareas,
existe una diversidad de jóvenes que consideran que el sentarse a elaborar una tarea de manera
consiente no les traerá ningún beneficio y lo catalogan como una pérdida de tiempo, situación
que no es así, ya que a mayor responsabilidad y cumplimiento de tareas se tiene, el resultado
final tiene mayor probabilidad de ser satisfactorio, por lo tanto en esta investigación se trabajará
a través del sistema de regresión lineal para comprobarles a los estudiantes que a mayor
responsabilidad en entrega de tareas, mejor será el resultado obtenido.

2. Objetivos
1.1. General
 Demostrar a través del Sistema de Regresión Lineal el rendimiento académico de los
estudiantes de la Universidad Rafael Landívar, Huehuetenango.

1.2. Específicos
 Aplicar modelos matemáticos en las diversas actividades del quehacer cotidiano de
cada persona.

 Ejemplificar la aplicación de un modelo matemático a través del rendimiento


académico de los estudiantes de la Universidad Rafael Landívar, Huehuetenango.

 Explicar la manera de aplicar las matemáticas en las distintas actividades que se


desarrollan día a día.

 Exponer a través de un modelo matemático el rendimiento académico de los


estudiantes de la Universidad Rafael Landívar, Huehuetenango.
4

3. Marco teórico
1.1. Regresión lineal
1.1.1. Historia
La primera forma de regresión lineal documentada fue el método de los mínimos
cuadrados que fue publicada por Legendre en 1805, Gauss publicó un trabajo en
donde desarrollaba de manera más profunda el método de los mínimos cuadrados,
y en dónde se incluía una versión del teorema de Gauss-Márkov.

El término regresión se utilizó por primera vez en el estudio de variables


antropométricas: al comparar la estatura de padres e hijos, donde resultó que los
hijos cuyos padres tenían una estatura muy superior al valor medio, tendían a
igualarse a éste, mientras que aquellos cuyos padres eran muy bajos tendían a
reducir su diferencia respecto a la estatura media; es decir, "regresaban" al
promedio. La constatación empírica de esta propiedad se vio reforzada más tarde
con la justificación teórica de ese fenómeno.

El término lineal se emplea para distinguirlo del resto de técnicas de regresión,


que emplean modelos basados en cualquier clase de función matemática. Los
modelos lineales son una explicación simplificada de la realidad, mucho más
ágiles y con un soporte teórico mucho más extenso por parte de la matemática y
la estadística.

Pero bien, como se ha dicho, se puede usar el término lineal para distinguir
modelos basados en cualquier clase de aplicación.

1.1.2. Definición
La regresión lineal o ajuste lineal es un modelo matemático usado para aproximar
la relación de dependencia entre una variable dependiente Y, las variables
independientes Xi y un término aleatorio ε.
5

El modelo de regresión lineal permite hallar el valor esperado de una variable


aleatoria a cuando b toma un valor específico. La aplicación de este método
implica un supuesto de linealidad cuando la demanda presenta un
comportamiento creciente o decreciente, por tal razón, se hace indispensable que
previo a la selección de este método exista un análisis de regresión que determine
la intensidad de las relaciones entre las variables que componen el modelo.

Una de las aplicaciones más importantes de la estadística implica la estimación


del valor medio de una variable de respuesta y o la predicción de algún valor
futuro de y con base el conocimiento de un conjunto de variables independientes
relacionadas, x1, x2, . . . xk.

Los modelos que se emplean para relacionar una variable dependiente y con las
variables independientes x1, x2, . . . xk se denominan modelos de regresión o
modelos estadísticos lineales porque expresan el valor medio de y para valores
dados de x1, x2, . . . xk como una función lineal de un conjunto de parámetros
desconocidos.

Los conceptos de análisis de regresión se presentan empleando un modelo de


regresión muy sencillo, uno que relaciona y con una sola variable x.

1.1.3. Tipos de modelos de regresión


o Regresión simple
Sólo se maneja una variable independiente, por lo que sólo cuenta con dos
parámetros. Son de la forma:

o Regresión múltiple
La regresión lineal permite trabajar con una variable a nivel de intervalo o
razón. De la misma manera, es posible analizar la relación entre dos o más
6

variables a través de ecuaciones, lo que se denomina regresión múltiple o


regresión lineal múltiple.

1.1.4. ¿Cuándo utilizar regresión lineal?


La regresión lineal simple es un modelo óptimo para patrones de demanda con
tendencia (creciente o decreciente), es decir, patrones que presenten una relación
de linealidad entre la demanda y el tiempo.

Imagen 1
Modelo de regresión lineal

Fuente: www.ingenieriaindustrialonline.com

Existen medidas de la intensidad de la relación que presentan las variables que


son fundamentales para determinar en qué momento es conveniente utilizar
regresión lineal.

1.1.5. Análisis de regresión


El objetivo de un análisis de regresión es determinar la relación que existe entre
una variable dependiente y una o más variables independientes. Para poder
realizar esta relación, se debe postular una relación funcional entre las variables.

Cuando se trata de una variable independiente, la forma funcional que más se


utiliza en la práctica es la relación lineal. El análisis de regresión entonces
7

determina la intensidad entre las variables a través de coeficientes de correlación


y determinación.

1.1.6. Modelo de regresión lineal con matrices


Al ajustar un modelo de regresión lineal múltiple en particular cuando el número
de variables pasa de dos, el conocimiento de la teoría matricial puede facilitar las
manipulaciones matemáticas de forma considerable.

Suponga que el experimentado tiene k variables independientes x1, x2, … , xk y


n observaciones y1, y2, … , yn cada una de las cuales se pueden expresar por la
ecuación:

Yi=b0+b1x1i+b2x2i+…+ bkxki+ei

Este modelo en esencia representa n ecuaciones que describen cómo se generan


los valores de respuesta en el proceso científico. Con el uso de la notación
matricial, podemos escribir la ecuación Y=Xb+e

Donde:

1.1.7. Ventajas de la regresión lineal


La regresión lineal es un procedimiento estadístico que busca establecer una
relación directa o inversa entre dos o más variables. Presenta la ventaja de que
puedes hacer una predicción del comportamiento de alguna variable en un
determinado punto o momento.

Dentro de las ventajas tenemos:


8

o Este método estadístico revela información acerca de las estructuras de costos


y distingue entre los roles de las diferentes variables en la afectación del
producto. Los coeficientes pueden interpretarse en términos de los factores
determinantes de los costos o la forma en que los insumos contribuyen al
producto.

o Se trata de una herramienta útil para estudiar e identificar las posibles


relaciones entre los cambios observados en dos conjuntos diferentes de
variables.

o Suministra datos para confirmar hipótesis acerca de si dos variables están


relacionadas.

o Proporciona un medio visual para probar la fuerza de una posible relación y


agilizar la toma de decisiones. Los gráficos nos proporcionan la forma más
sencilla e intuitiva de estudiar la relación entre dos variables. Nos ofrece una
cierta idea de la naturaleza de la relación; si es lineal o no, su intensidad, así
como el sentido (negativa o positiva).

o Desarrollo de proyectos para la búsqueda de mejoras de la calidad.

1.1.8. Requisitos para un modelo de regresión lineal


Para poder crear un modelo de regresión lineal, es necesario que se cumpla con
los siguientes parámetros:

o La relación entre las variables es lineal.

o Los errores en la medición de las variables explicativas son independientes


entre sí.

o Los errores tienen varianza constante.


9

o Los errores tienen una esperanza matemática igual a cero (los errores de una
misma magnitud y distinto signo son equiprobables).

o El error total es la suma de todos los errores.

1.1.9. Forma gráfica de la regresión lineal

Gráfica 2
Regresión lineal simple

Fuente: www.ecured.cu/Regresión_lineal

4. Construcción del modelo matemático


En el curso de Contabilidad General los estudiantes de la Carrera de Contaduría Pública y
Auditoría deben cumplir con entregar alrededor de 15 laboratorios cada uno, actualmente hay
20 estudiantes en el presente ciclo, el catedrático quiere demostrar que a través de la práctica y
la entrega de los laboratorios ellos mejorarán notoriamente en el curso, ya que si ellos entregan
en su mayoría los laboratorios lógicamente obtendrán una nota satisfactoria en la evaluación
final que tiene un valor de 30 puntos.

En el presente estudio se recabó el número de laboratorios que cada estudiante entrego y a la


vez la nota que obtuvieron en la evaluación final sobre los 30 puntos, en consecuencia se podrá
analizar que a mayor número de laboratorios entregados, se obtiene una nota satisfactoria.
10

A continuación se presente la información recabada de los laboratorios entregados y de la nota


obtenida de la evaluación final de los estudiantes objeto del presente estudio.

Número de
Punteo Obtenido
No. laboratorios
en Evaluación (y)
entregados (x)
1 13 26
2 12 24
3 14 27
4 11 23
5 8 20
6 7 21
7 14 28
8 15 29
9 15 28
10 14 27
11 10 20
12 9 18
13 7 19
14 11 21
15 12 22
16 14 26
17 15 27
18 13 27
19 13 29
20 15 29

1 13 26
1 12 24
1 14 27
1 11 23
1 8 20
1 7 21
1 14 28
1 15 29
X= 1 15 Y= 28
(20*2) 1 14 (20*1) 27
1 10 20
1 9 18
1 7 19
1 11 21
1 12 22
1 14 26
1 15 27
1 13 27
1 13 29
1 15 29
11

Xt= 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
(2*20) 13 12 14 11 8 7 14 15 15 14 10 9 7 11 12 14 15 13 13 15

Xt * Y = 491
(2*1) 6111

Xt * X = 20 242 (Xt * X) -1 = 1.13 -0.09


(2*2) 242 3064 (2*2) -0.09 0.01

b = (Xt*X)-1 * (Xt*Y) = 9.412


(2*1) 1.251

Ecuación de la Recta de Regresión


Ῡ = 9.41 + 1.25x

Gráfica No. 1
Regresión Lineal

Modelo de Regresión Lineal


35

30
y = 1.2511x + 9.4116
R² = 0.8146
25

20

15

10

0
0 2 4 6 8 10 12 14 16

Fuente: Elaboración propia.


12

5. Análisis y discusión de resultados


1. ¿Cuál sería la nota en la evaluación final si los estudiantes no entregarán ningún
laboratorio?
Ῡ = 9.41 + 1.25x
Ῡ = 9.41 + 1.25(0)
Ῡ = 9.41 puntos

En el caso de la pregunta se observa que si los estudiantes no entregan ninguno de los


laboratorios en el curso de contabilidad ellos obtendrán una nota de 9.41 puntos sobre los 30
que en realidad son, por lo que se puede notar que no es una nota satisfactoria o que no está
dentro de lo aceptable, ya que si se analiza por porcentajes es menor al 50% de la nota total.

2. ¿Cuál sería la nota en la evaluación final si los estudiantes entregan todos los
laboratorios?
Ῡ = 9.41 + 1.25(15)
Ῡ = 9.41 + 18.75
Ῡ = 28.16 puntos

De acuerdo a la pregunta anterior se observa que al entregar el total de los laboratorios resueltos
de manera adecuada los estudiantes obtendrán una nota satisfactoria, ya que a través del modelo
se determina que la nota a obtener oscila entre los 28.16 puntos sobre los 30 que tiene la
evaluación por lo que se considera una nota bastante satisfactoria.

3. ¿Cuál es la variación de la nota de evaluación final en relación a los laboratorios que cada
uno de los estudiantes entrega?
En cuanto a la relación que existe entre la nota de evaluación final y los laboratorios asignados
y entregados por los estudiantes se pudo determinar que a medida que los estudiantes entregan
un laboratorio, existe la posibilidad que los estudiantes aumenten la nota de evaluación final en
1.25, por lo que sí es recomendable que los estudiantes realicen sus laboratorios, ya que estos
serán de trascendencia al momento de la resolución de la evaluación final.
13

4. ¿Cuál será la nota en la evaluación final si los estudiantes únicamente entregan 8 y 10


laboratorios respectivamente?
Ῡ = 9.41 + 1.25(8)
Ῡ = 9.41 + 10
Ῡ = 19.41 puntos

Ῡ = 9.41 + 1.25(10)
Ῡ = 9.41 + 12.5
Ῡ = 21.91 puntos

En ambos casos la nota es aceptable ya que sobrepasan el 50% de la nota final, por lo que se
considera que los estudiantes a pesar de no entregar la totalidad de laboratorios asignados, aun
así pueden obtener una nota satisfactoria o aceptable.

5. ¿Cuál sería la proyección de laboratorios a entregar si se quiere obtener una nota de 16


puntos?
Ῡ = 9.41 + 1.25x
X = (16 – 9.41) / 1.25
X = 5.27 = 6 laboratorios

En la pregunta anterior se observa que para sacar una nota quizá no satisfactoria pero si llegando
a un 50% basta con entregar alrededor de 6 laboratorios, por lo que los estudiantes a través de
este modelo pueden analizar que laboratorios entregar y cuáles no, ya que de acuerdo a las
proyecciones se observa que tanto es el trabajo a realizar.

6. Recomendaría a los estudiantes este modelo para proyectar el trabajo a realizar y así
también la posible nota a obtener.
Considero que si lo recomendaría, pero también se deben analizar otras variables que inciden
en una nota de evaluación, como el nivel de estrés de los estudiantes, nerviosismo, en
determinado el ambiente donde desarrollarán la evaluación, entre otros aspectos que en
determinado momento inciden en el buen desarrollo académico de todo estudiante.
14

6. Conclusiones

 A través de modelos matemáticos se pueden determinar proyecciones o supuestos en nuestro


diario vivir y de esta manera hacer más interesante la aplicación de las matemáticas en cualquier
momento.

 Por medio del sistema de regresión lineal a través de matrices se pudo determinar o proyectar
las notas de los estudiantes de la Universidad Rafael Landívar si estos cumplían o no con la
entrega de los laboratorios asignados.

 Es importante resaltar que en el presente modelo solamente se hizo una proyección de los
posibles escenarios que los estudiantes pueden pasar al no cumplir con la entrega de las tareas
asignadas en clase.

 Las matemáticas pueden ser aplicadas en cualquier momento de nuestra vida, desde lo laboral,
lo académico lo familiar, en toda actividad en donde nos desempeñemos se puede hacer uso de
modelos matemáticos.

 A través de las matemáticas se pude dar explicación o respuesta a distintas interrogantes que se
tengan sobre determinado proceso o actividad.

 La aplicación de modelos matemáticos en la parte académica es de bastante interés, ya que a


través de los mismos vamos descubriendo nuevas formas o maneras de hacer proyección o de
pronosticar algún tipo de resultado.
15

7. Recomendaciones

 Es importante la aplicación adecuada de modelos matemáticos ya que a través de ellos se


pueden determinar proyecciones o supuestos en nuestro diario vivir y de esta manera hacer más
interesante la aplicación de las matemáticas en cualquier momento.

 Los modelos matemáticos son únicamente proyecciones, como por ejemplo el sistema de
regresión lineal que a través de matrices se determina o proyecta las notas de los estudiantes de
la Universidad Rafael Landívar si estos cumplían o no con la entrega de los laboratorios
asignados, pero cabe resaltar que únicamente son proyecciones, pueden cumplirse o no.

 Se debe tomar en cuenta que en el presente modelo solamente se hizo una proyección de los
posibles escenarios que los estudiantes pueden pasar al no cumplir con la entrega de las tareas
asignadas en clase, pero no es un resultado definitivo.

 Se deben aplicar las matemáticas en cualquier momento de nuestra vida, desde lo laboral, lo
académico lo familiar, en toda actividad en donde nos desempeñemos se puede hacer uso de
modelos matemáticos, por lo que es conveniente desde ya ponerlos en práctica.

 A través de las matemáticas se pude dar explicación o respuesta a distintas interrogantes que se
tengan sobre determinado proceso o actividad, por lo que es importante que con actividades
como estás se le de otro enfoque al estudio de las matemáticas.

 Se recomienda la aplicación de modelos matemáticos en la parte académica, ya que a través de


los mismos vamos descubriendo nuevas formas o maneras de hacer proyección o de pronosticar
algún tipo de resultado.
16

8. Bibliografía

 Devore, Jay L.; Probabilidad y Estadística para Ingeniería y Ciencias. International Thomson
Editores. México.

 Walpole, Ronald E.; Raymond H.; Myers, Sharon L.; Probabilidad y Estadística para
Ingenieros. Pretice-Hall Hispanoamericana, S.A. México.

 Canavos, George C.; Probabilidad y Estadística. Aplicaciones y Métodos. McGraw-Hill.


México.

 www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/pron%stico-de-
ventas/regresi%C3%B3n-lineal/

 www.sc.ehu.es/sbweb/fisica/cursoJava/numerico/regresion/regresion.htm