Trabajo de Recuperacion - Castro Alarcon Maria Alejandra PDF

 

  TRABAJO DE RECUPERACIÓN 1

TRABAJO  Convocatoria de Recuperación 1   ALUMNO  MARIA ALEJANDRA CASTRO ALARCON   CÓDIGO DE USUARIO  ECDDMIAGE3100821  ASIGNATURA  ESTADISTICA BASICA  FECHA:  11/12/2019

Proceso de aprendizaje 1. ¿Qué dificultades ha encontrado durante el estudio de la asignatura? ¿Cuál ¿Cuál fue el impacto de su actuación como alumno en la aparición de estas dificultades y qué propuestas tiene para solventarlas?

Las dificultades encontradas durante el proceso de estudio de la materia

“Estadística básica”, en realidad son la cantidad de fórmulas, que varían con su simbología para cada elemento, lo que me resultó confuso. Además que los ejemplos no me fueron muy claros.

Por tal, considero que el impacto de mi actuación como alumna ante las dificultades fue el de leer el material, investigar y guiarme de archivos anteriores relacionados con el caso práctico. Para solventar estos inconvenientes he

buscado videos que me enseñen de

manera más detallada para poder aplicar según el problema o caso que se presente. También he podido consultar varios recursos, a fin de aclarar esta materia y poder cursarla, como las fórmulas que utilicé en Excel, mismas que fueron distintas a comparación con las que se detallaban en el libro. Debido que para desarrollar el caso práctico lo realicé en una hoja de Excel y para obtener los resultados, apliqué las fórmulas que ofrece el programa como tal.

1

 

  TRABAJO DE RECUPERACIÓN 1

Contenido de la asignatura

2. Seleccione uno de los temas temas tratados en los contenidos contenidos de la asignatura que haya tenido dificultades para entender y asimilar. Sobre él, elabore un texto explicativo con sus propias palabras e indique por qué es importante para su práctica profesional.

Regresión lineal simple Una vez que se realiza la matriz de nube de puntos o diagrama de dispersión, en conjunto se utiliza la regresión lineal siempre, misma que consiste en describir la relación entre dos variables, permitiendo hacer predicciones de Y basados en X. (Laguna, 2014) Este tema considero que es parte fundamental al momento de analizar la información, y las posibles soluciones en base a las variables, puesto que nos permitirá conocer en un grado alto de veracidad las respuestas obtenidas sobre el caso que se haya presentado.

Las variables de regresión lineal simple se componen de dos variables:   Y = Variable dependiente o de respuesta, la cual según los atributo atributos s se



desea medir los cambios o hacer predicciones.   X= Variable independiente, se las utiliza como predictores o también como



variables de confusión que interesa controlar. (Orellana, 2008)

Si existe relación entre las variables, esto nos permitirá definir la recta que mejor se ajuste a esta nube de puntos. Tal recta se define bajo la siguiente fórmula: y=a+bx Los valores obtenidos de “a” y “b” nos ayudan a tener un ajuste lo más real posible entre “x” e “y”. La regresión lineal ayudar a calcular los valores de estos parámetros, para elegir la recta que mejor se ajuste a la nube de puntos; por lo cual es necesario conocer que comprende cada uno: (Aula Fácil, s.f.)

2

 

  TRABAJO DE RECUPERACIÓN 1

  El parámetro “a”  corresponde al valor que adquiere “y”, cuando la



variable “x” vale 0, y por donde el punto pasa el eje vertical.

 Y -

Fórmula: a=

ℴ  X  

  El parámetro “b”  determina la pendiente de la recta, recta, y su grado de inclinación.



ℴ     

Fórmula: b=

Este tema resulta importante, debido que nos permite hacer predicciones con base a datos históricos o actuales (aplica para todo giro de negocio), pero nos ayuda a saber si el comportamiento de la variable dependiente o resultado será de beneficio o no, según la variable dependiente. (Torres, 2015)Lo que se debe tener presente es que al momento de utilizar este método se debe trabajar cuidando de no hacer predicciones por fuera de los rangos con los que se utiliza para analizar la predicción.

3. Seleccione dos preguntas preguntas o elementos de las las actividades ejecutadas ejecutadas en la convocatoria ordinaria que no haya contestado de manera satisfactoria. Indique el error cometido y argumente cuál debería ser la respuesta correcta.

1.

Desarrolle un modelo de Regresión Lineal Simple que permita predecir la carga térmica de calentamiento (Y1) en función del análisis individual de cada una de las 8 variables analizadas. ¿Cuál variable describe mejor la carga térmica de calentamiento? ¿Qué porcentaje de la variabilidad es capaz de explicar el modelo?

La variable que describe mejor la carga térmica de calentamiento es X5 puesto que es la que tiene mayor relación con las variables, con una correlación (R2) 0,8894 y coeficiente de determinación del 79,11%, por lo que se resume que la carga térmica es mejor mediante la variable X5. Estadísticas de la regresión Coeficiente de correlación múltiple

0,9571844 0,957184499 99

Coeficiente de determinación determinación R^2

0,916202165 0,916202165

R^2 ajustado Error típico

0,914114553 2,934318357 2,934318357

3

 

  TRABAJO DE RECUPERACIÓN 1

Observaciones

768

x1

Ecuación y=bx-a y1=y = 59,359x 23,053

x2

a

b

-23,053

59,359

y1 = -0,0754x + 72,945

72,945

-0,0754

x3

y1 = 0,1054x - 11,26

-11,26

0,1054

x4

y1 = -0,1925x + 56,31

56,31

-0,1925

x5

y1 = 5,125x - 4,5989

-4,5989

5,125

x6

y1 = -0,0233x + 22,389

22,389

-0,0233

x7

y1 = 20,438x + 17,517

17,517

20,438

x8

y1 = 0,5684x + 20,709

20,709

0,5684

Coeficiente de relación de Pearson R R

R2

Análisis

x1

0,3872

0,62225397

Existe poca relacion directa entre las variables

x2

0,4331

0,65810334

Existe poca relacion directa entre las variables

x3

0,2076

0,45563143

Existe poca relacion directa entre las variables

x4

0,7427

0,86180044

Existe una relacion directa entre las variables

x5

0,7911

0,88943802

Existe una relacion directa entre las variables

x6

0,000007

0,00264575

No hay relacion

x7

0,0728

0,26981475

Existe poca relacion directa entre las variables

No hay relacion x8 0,0076 0,08717798 Si -1 ≤ R < – 0,75% -> existe una relación inversa entre las variables. Si -0,75 ≤ R < -0,25 -> existe poca relación inversa entre las variables. Si -0,25 ≤ R < 0,25 -> No hay relación. Si 0,25 ≤ R < 0,75 -> existe poca relación directa entre las variables. Si 0,75 ≤ R ≤ 1 -> existe una relación directa entre las variables.

El error cometido fue no haber interpretado bien, además de que hubo confusión en las fórmulas utilizadas. 2.

Calcule los intervalos de confianza al 95% para la media de la carga térmica de calentamiento y la carga térmica de enfriamiento.

Fórmula:    ±  

   √

(Didactikós, 2016) Intervalos de confianza al 95% de la variable dependiente Y1 n Media Y1

768 22,30719531

Desviación Y1

10,08363269

4

 

  TRABAJO DE RECUPERACIÓN 1

α 

95%

Nivel de confianza (1-α)  Z Límite superior Y1 Límite inferior Y1

1-0,95= 1,96 23,0201 21,593833

0,05

Desarrollo = 22,307 +- 1,96 (10,0836/√768)  = 22,307 +- 1,96 (10,0836/27,7128) = 22,307 +- 1,96 (0,3638) = 22,307 +- 0,7131670 X + Z σ/√n  = 23,0201 X - Z σ/√n  =21,593833 La media de la carga térmica de Y1 es 22,30719531, y el límite superior es de 23,0201 y el límite inferior es de 21,593833. El error cometido en este ejercicio fue haber elegido mal los datos, además de haberme confundido con la fórmula f órmula a utilizar según correspondía. correspondía. Intervalos de confianza al 95% de la variable dependiente Y2 n Media Y2 Desviación Y2 α  Nivel de confianza (1-α)  Z Límite superior Y2 Límite inferior Y2

768 24,58776042 9,507109987 95% 1-0,95= 1,96 25,26015496 23,91536587

0,05

= 24,58776042 +- 1,96 (9,507109987/√768)  = 24,58776042 +- 1,96 (9,507109987/27,7128) = 24,58776042 +- 1,96 (0,34305844) = 24,58776042 +- 0,67239455 X + Z σ/√n  = 25,2601549626714 25,260154962671 4 X - Z σ/√n  =23,915365870662 La media de la carga térmica de Y2 es 24,58776042, y el límite superior es de 25,2601549626714 y el límite inferior es de 23,915365870662. De igual manera que en el caso anterior el error cometido en este ejercicio fue haber elegido mal los datos, además de haber confundido la fórmula y no utilizar la correctqa según correspondía. correspondía.

5

 

  TRABAJO DE RECUPERACIÓN 1

Bibliografía  Aula

Fácil.

(s.f.).

Obtenido

de

https://www.aulafacil.com/cursos https://www.aul afacil.com/cursos/estadisticas/gra /estadisticas/gratis/regresion-line tis/regresion-lineal-l11225 al-l11225  Didactikós. (2016). YouTube YouTube.. Obtenido de https://www.youtube.com/watch?v=aYslfxNsg0&t=319s Laguna, C. (2014). Instituto Aragónes de Ciencias de la Salud . Obtenido de http://www.icsaragon.com/cursos/salud-pub aragon.com/curs os/salud-publica/2014/pd lica/2014/pdf/M2T04.pdf f/M2T04.pdf Orellana,

L.

(2008).

Obtenido

de

http://www.dm.uba.ar/materias/estad http://www.dm.uba.a r/materias/estadistica_Q/201 istica_Q/2011/1/clase%20re 1/1/clase%20regresion%20 gresion%20simpl simpl e.pdf Torres,

F.

(16

de

12

de

2015).

Excel

Free

blog .

Obtenido

https://www.excelfreeblog.com/pron https://www.exc elfreeblog.com/pronostico-a-traves-d ostico-a-traves-de-una-regre e-una-regresion-lineal sion-lineal//

6

de