A continuación, se presenta la práctica Regresión de mínimos cuadrados, con el objetivo de que el estudiante sea capaz de interpretar: 1) r (coeficiente de correlación) a medida que se agregan, se mueven o eliminan los puntos de datos; 2) la suma de los residuos al cuadrado, mientras se monta manualmente una línea; y 3) la suma de los residuos al cuadrado de una línea de tendencia a medida que se añade, se mueve o se elimina un punto de datos. Además, compara la suma de los residuos al cuadrado entre una línea ajustada manualmente y una línea de tendencia. Finalmente, determina si un ajuste lineal es apropiado.
Explorar datos sobre dos variables cuantitativas
El estudiante será capaz a través de la exploración de datos con distintas variables de interpretar el coeficiente de correlación, además ajustar una función lineal a varios conjuntos de datos y finalmente comprender cómo lograr un mejor ajuste de línea y determinar si un ajuste lineal es apropiado.
Matemáticas
Fisicoquímica, Química Física
Ingeniería Diseño, Control, Automatización y afines
Interpretar y comparar las variables cuantitativas
Interpreta r (coeficiente de correlación) a medida que se agregan, se mueven o eliminan los puntos de datos. Interpreta la suma de los residuos al cuadrado, mientras se monta manualmente una línea. Interpreta la suma de los residuos al cuadrado de una línea de tendencia a medida que se añade, se mueve o se elimina un punto de datos. Compara la suma de los residuos al cuadrado entre una línea ajustada manualmente y una línea de tendencia. Determina si un ajuste lineal es apropiado.
Comprender y aplicar las variables cuantitativas
Explorar datos sobre dos variables cuantitativas en diferentes contextos e interpretar el coeficiente de correlación en una simulación virtual.
PhET Interactive Simulations
Descripción
A continuación, se presenta la práctica Regresión de mínimos cuadrados, con el objetivo de que el estudiante sea capaz de interpretar: 1) r (coeficiente de correlación) a medida que se agregan, se mueven o eliminan los puntos de datos; 2) la suma de los residuos al cuadrado, mientras se monta manualmente una línea; y 3) la suma de los residuos al cuadrado de una línea de tendencia a medida que se añade, se mueve o se elimina un punto de datos. Además, compara la suma de los residuos al cuadrado entre una línea ajustada manualmente y una línea de tendencia. Finalmente, determina si un ajuste lineal es apropiado.
Competencias
Áreas
Objetivos
Autores
Laboratorio
2022-11-28
Regresión de mínimos cuadrados
Editor
Lugnia S.A.S
Categoría
Matemáticas
Subcategoría
Estadística y probabilidad
Palabras clave
Causalidad
Correlación
Línea de mejor ajuste
Regresión de mínimos cuadrados
Residual
Residual cuadrado
Pendiente
Diagramas de dispersión
Relaciones lineales
Licencia
CC BY – Atribución
Consultas: 726
Citaciones: Sin citaciones