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 (dos
variables) 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 INTRODUCCIN ..................................................................................... 11
1. METODOLOGA .......................................................................................... 14
2. MARCO REFERENCIAL ............................................................................... 17
2.1. FUNDAMENTACIN TERICA .............................................................. 17
2.1.1. Sobre la teora de aprendizaje: El constructivismo .................................. 17
2.1.2. Sobre regresin lineal ........................................................................ 19
3. CONCEPTUALIZACIN ............................................................................... 22
3.1. Situacin problemtica .......................................................................... 22
3.1.1. Planificar la obtencin de los datos. ..................................................... 23
4. CONCLUSIONES ........................................................................................ 47
5. 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
 0 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

1
1
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 estudiante a ser
partcipe de la construccin de su propio aprendizaje.

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.
 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.
 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

1
4
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

1
5
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.

IT TEXTO
E
1 BERENSON y Levine. Estadstica Bsica en 5
Administracin
2 WALPOLE, Myers. Probabilidad y Estadstica 5
3 CANAVOS, George. Probabilidad y estadstica 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.
 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 de la interaccin de
facilitadores.

En (Mira, 1999)se describen tres elementos bsicos que determinan el estado

inicial de los alumnos en el momento de iniciar un proceso cualquiera de
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
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

1
8
 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

1
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

2
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.
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).

2
1
 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?
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 de acorde a la situacin
problemtica planteada se tiene:

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.
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
1
medidas de referencia y evitar alterar la medida al mover el metro ver figura 1.
La medida del brazo se realiz como muestra la figura 2. Parte b.

Figura 1. Medida de la estatura.

1 Estas son slo marcas de referencia, si una persona mide ms de 180 cm

se toma su estatura a partir de dicha marca.
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
2
representativa , 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.
2
5
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 Estatur Extensin Estatur

Observacin de brazo a Observacin de brazo a
(centmetr (centmetr (centmetr (centmetr
os) os) os) os)

1 7 1 1 7 1
2 7 6 0 7
2 6 1 1 6 1
9 6 7 3 5
3 7 1 1 7 1
0 8 8 0 6
4 7 1 1 6 1
1 7 9 3 6
5 7 1 2 6 1
0 6 0 9 6
6 7 1 2 6 1
5 7 1 9 6
7 7 1 2 7 1
0 6 2 6 7
8 6 1 2 7 1
8 6 3 0 6
9 6 1 2 7 1
5 5 4 9 8
1 6 1 2 6 1
0 8 6 5 7 5
1 6 1 2 6 1
1 5 6 6 6 6
1 7 1 2 7 1
2 4 8 7 2 8
1 7 1 2 6 1
3 2 7 8 9 6
1 7 1 2 7 1
4 9 8 9 3 7
1 7 1 3 7 1
5 3 7 0 1 7

Tabla 2. Tabulacin de los datos.

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
3
mejor los datos .

La Tabla 3 muestra un resumen de los estadsticos descriptivos para las

medidas de la extensin del brazo y la estatura.

Extensin
Estadsticos Estatura
del brazo
Media 70,3 169,3

Mediana 70 168,5

Moda 70 176

Desviacin 3,96 9,34

estndar
Rango 16 36

Mnimo 63 150

Mximo 79 186

Suma 2108 5080

Cuenta 30 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.
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
4
continua por lo tanto la grfica a utilizar debe ser el histograma de frecuencias ,
ver las figuras 3 y 4.

4 Existe otro tipo de grfico como es la grfica de ojiva, pero la ms

utilizada es el histograma de frecuencia.
 Extensin del
brazo
(cm)

6 6 6 2 2 6,67% 6,7%
3 5 4
6 6 6 3 5 10,00% 16,7%
5 7 6
6 6 6 3 8 10,00% 26,7%
7 9 8
6 7 7 1 1 33,33% 60,0%
9 1 0 0 8
7 7 7 5 2 16,67% 76,7%
1 3 2 3
7 7 7 3 2 10,00% 86,7%
3 5 4 6
7 7 7 2 2 6,67% 93,3%
5 7 6 8
7 7 7 2 3 6,67% 100,0%
7 9 8 0
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, correspondiente al 33.33% de las 30 observaciones
registradas.

Histograma de frecuencia
Frecuencia absoluta

Extensin del brazo

12 10
10
8
6 5
3
4 3 2 2
2
3
2
0
65 67 69 71 73 75 77 79

63 65 67 69 71 73 75 77
Intervalos
Figura 3 .Histograma de frecuencias. Extensin del brazo.
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.

Estat
ura
(cm)

1 1 1 2 2 6,67% 6,7%
5 5 5
1 1 1 4 6 13,33% 20,0%
5 6 5
1 1 1 7 1 23,33% 43,3%
6 6 6 3
1 1 1 6 1 20,00% 63,3%
6 7 7 9
1 1 1 6 2 20,00% 83,3%
7 8 7 5
1 1 1 5 3 16,67% 100,0%
8 8 8 0
30 100%
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.

3
0
 Histograma de frecuencia

Frecuencia absoluto
Estatura
8
7
6
5
4 7
3 6 6
5
2 4
1 2
0
156 162 168 174 180 186

150 156 162 168 174 180

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 en un sistema de coordenadas
cartesianas en donde la variable se representa en el eje horizontal y la

3
1
 5
variable es representada en el eje vertical .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.

Relacin entre la extensin del brazo

y la estatura de una persona
190
180
Estatura

170
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

5 En el anexo 2 se presenta un breve instructivo de como se usa la

herramienta de excel para realizar el grfico de dispersin.
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.
 Extensin Estatura
Observaci del brazo (centmetr
n (centmetr os)
os)

1 7 1 12384 5 29584
2 2
6 7
1 1
11109 4 25921
3 9
7 6
1 7
12600 4 32400
4 0
7 8
1 9
12425 5 30625
5 1
7 7
1 0
11830 4 28561
6 0
7 6
1 9
12900 5 29584
7 5
7 7
1 6
11340 4 26244
8 0
6 6
1 9
11084 4 26569
8 6 6
9 6 1 9 4 22500
1 5
6 5
166 7 2
11288 4 27556
0
1 8
6 1 6
10595 4 26569
1
1 5
7 6
1 2
13320 5 32400
2
1 4
7 8
1 4
12456 5 29929
3
1 2
7 7
1 1
14694 6 34596
4
1 9
7 8
1 2
13067 5 32041
5
1 3
7 7
1 12320 3
4 30976
6
1 0
6 7
1 9
9 3 24336
7
1 3
7 5
1 8 9
11340 4 26244
8
1 0
6 6
1 9
10332 3 26896
9
2 3
6 6
1 9
11592 4 28224
0
2 9
6 6
1 7
11592 4 28224
1
2 9
7 6
1 7
13376 5 30976
2
2 6
7 7
1 7
11200 4 25600
3
2 0
7 6
1 9
14694 6 34596
4
2 9
6 8
1 2
10385 4 24025
5
2 7
6 5
1 4
10560 25600
6
2 6
7 6
1 3
13176 5 33489
7
2 2
6 8
1 1
11385 4 27225
8 9 6 7
2 7 1 12848 5 30976
9 3 7 3
3 71 174 12354 5 30276
0 0
2108 508 3578 1485 8627
0 24 76 42

Tabla 6. Sumatoria de valores.

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
6
decir, la relacin existe y es fuerte .

6
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.
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?
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 y una variable
dependiente o de respuesta representada por . La relacin entre dichas
variables se representa por un modelo matemtico, dado por la siguiente
ecuacin de regresin.

Ecuacin de regresin ajustada

Variable
independie
Variable nte
dependie
nte

Intercep
to

Pendiente

Donde es el intercepto, es denominada pendiente, y son constantes

desconocidas se les suele llamar coeficientes de regresin. El valor numrico
de estos coeficientes se calcula por medio del procedimiento matemtico
7
conocido como el mtodo de los mnimos cuadrados . 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.
7 Esta tcnica slo es adecuada para ajustar modelos lineales.
 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.

 8
A partir de lafrmula 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?
8 La demostracin matemtica de esta frmula no est al alcance de este
documento. Esta puede ser consultada en los libros de estadstica antes
mencionados.
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 Recta de regresin

190
180
Estatura

170
160
150
140
130
120
50 55 60 65 70 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.

9
Para calcular los coeficientes de regresin se utilizan los datos calculados en
la tabla 6.

4
0
9En 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.

4
1
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 .
Por lo tanto, el modelo de regresin para dicha situacin est dada por:

Valor de
Valor
la
del
pendien (6)
intercep
te
to

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

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:

Reemplaza
mos 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.
 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 para hallar el valor de . Es posible

predecir el valor de ?

A tener en cuenta

Las icciones slo se pueden hacer para es de en el

rango
pred de valor acin.
observ
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 Procedimiento.
1 Identificar las variables en estudio.
2 Identificar las unidades de medida.
3 Establecer la variable regresora y de respuesta .
4 Recoleccin de datos.
5 Tabular la informacin.
6 Realizar el grfico de dispersin.
Hallar el coeficiente de correlacin lineal e interpretar el
7 valor
calculado.
8 Formar el modelo de regresin (si hay relacin).
9 Interpretar los coeficientes de regresin.
10 Realizar predicciones.

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

 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 presente los conceptos previos de la estadstica
descriptiva.

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.
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.
.
 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 estadstica para ingeniera y ciencias.

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.
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.

5
0
 ANEXOS

Anexo 1 Resumen planes de estudio.

5
1
IT UNIVERSID PROGRAMA MATERI CONCEPTOS CONTENIDO EN REGRESIN
E AD A PREVIOS LINEAL
Anlisis de regresin
simple.
Distribuciones El mtodo de los mnimos
Pontifi cuadrados. El modelo lineal.
1 Administracin Estadsti de Frecuencia
cia ca I Modelos polinmicos
Medidas
Bolivar generales. Modelos
iana exponenciales y logartmicos.
descriptivas
Numricas. El modelo potencial.
Regresin Lineal:
Concepto de Variable
independiente y
dependiente.

Instituto Mtodos grficos Tabla de pares ordenados

Tecnolgic Estads para describir para las variables

2 Comn para todos los Diagrama de dispersin.
o programas tica informacin
Metropolit Bsica cualitativa. Ecuacin de regresin por el

ano- IU Mtodos mtodo de los mnimos

numricos para cuadrados. Interpretacin de

describir la pendiente y del intercepto.

informacin. Valores
ajustados.
5
2
IT UNIVERSID PROGRAMA MATERI CONCEPTOS CONTENIDO EN REGRESIN
E AD A PREVIOS LINEAL
Interpolaciones y
extrapolaciones.
Correlacin y determinacin
Manejo de funciones de
regresin con software
Regresin lineal Variable
independiente.
Representacin tabular
Variable
de la informacin.
dependiente.
Tabulacin para
Diagrama de dispersin.
datos continuos:
Tecnolgic Es comn para todos los Nocio
Ecuacin de regresin por el
tabulacin por
3 o pascual programas donde se nes
mtodo de los mnimos
intervalos
Bravo- IU dicta ( es electiva) de
cuadrados. Interpretacin de
representacin
estad
la pendiente y del intercepto.
grfica de la
stica
Valores ajustados.
informacin
medidas de Grfica de la recta de

tendencia central regresin. Predicciones.

medidas de Correlacin y
IT UNIVERSID PROGRAMA MATERI CONCEPTOS CONTENIDO EN REGRESIN
E AD A PREVIOS LINEAL
Regresin lineal simple
(mnimos
Tecnolg cuadrados).
4 Comn para todos los Estadsti Estadstica
ico de programas ca descriptiva Regresin
Antioqui cuadrtica.
a Correlacin simple y
Tipos de modelos de
regresin.
Nociones preliminares
de estadstica Error estndar de medicin.
Descripcin de Determinacin de la
conjunto de ecuacin. Correlacin.
Medicinde la auto
datos
correlacin.
Jaime Medidas de
5 Comn para todos los Estadsti Diagnstico de regresin.
resumen
Isaza programas ca
descriptivas Anlisis residual y de
Cadavid influencia.
Probabilidades
Variables aleatorias Desarrollo del modelo de
discretas y distribucin regresin mltiple.
de probabilidades Medicin de la asociacin del
discretas Estimacin modelo
de parmetros de regresin mltiple.
Pruebas de Anlisis residual de la
IT UNIVERSID PROGRAMA MATERI CONCEPTOS CONTENIDO EN REGRESIN
E AD A PREVIOS LINEAL
Excel.
Coeficiente de determinacin
parcial.

Estadstica Correlacin y
regresin lineal
I.
Mtodo de los mnimos
Estadstica
cuadrados El anlisis de
Estads regresin lineal normal
6 Antioquia Administrativas y descriptiva,
econmicas tica II Pronsticos
probabilidad,
Formas funcionales
alternativas
Esperanza
matemtica,
Distribuciones
de
IT UNIVERSID PROGRAMA MATERI CONCEPTOS CONTENIDO EN REGRESIN
E AD A PREVIOS LINEAL
Estadstica Modelo de regresin con dos
Matemtica I variables
Estadstica Estimacin
descriptiva y Propiedades de la recta de
Anlisis regresin Inferencia sobre
Estadst
Exploratorio de parmetros
7 Antioquia INGENIERAS ica
Datos
Matem
Distribuciones
tica II
mustrales

Estimacin
Puntual
Estimacin por Regresin Lineal
Estadstica simple:
Conceptos bsicos acerca de
Ingenie descriptiva.
Nacional ras. un modelo de regresin
Probabilidad
8 Administrativa, Estadsti lineal. Estimacin e inferencia
de
ca I
Colombia Industrial, Civil, Minas y y acerca de los parmetros del

- Sede metalrgica,Mecnica, distribuciones modelo de regresin lineal

Medelln Qumica, de geologa, Distribuciones simple. Anlisis de varianza

Petrleos Mustrales e intervalos de confianza
para respuesta media y
IT UNIVERSID PROGRAMA MATERI CONCEPTOS CONTENIDO EN REGRESIN
E AD A PREVIOS LINEAL
Distribucin Regresin lineal simple y
Correlacin.
muestral.Mtodos
RegresinMltiple. Mtodo de
de muestreo para
los mnimos cuadrados.
encuestas.
(Regresin y correlacin )
(Muestreo)

Economa,
Estimacin:
Administracin de
Estimacin
Empresas,
puntual.
Administracin de Estads Estimaci
9 Medelln
Empresas Tursticas, tica n por
Mercadeo, Negocios Aplicad intervalos
Internacionales, a . Error
Ingeniera Civil,
muestral.
Ingeniera de Sistemas,
Error no muestral. (
Ingeniera Financiera,
Inferencia )
Ingeniera
Hiptesis de
de
investigacin.
Telecomunicaci
ones. Hiptesis
estadstica.
Errores en la
IT UNIVERSID PROGRAMA MATERI CONCEPTOS CONTENIDO EN REGRESIN
E AD A PREVIOS LINEAL
Muestreo simple
aleatorio. Muestreo
estratificado
aleatorio. Muestreo
por
conglomerados. (
Muestreo)
Anlisis El Modelo lineal
exploratorio de general
datos El mtodo de los mnimos
Distribuciones cuadrados para la estimacin
muestrales y de parmetros. Propiedades
teorema del lmite de los estimadores de
10 Eafit Ingeniera Matemtica Estadsti
ca I central mnimos
Estimacin puntual cuadrados.
y por intervalos Deduccin del coeficiente de
Propiedades de determinacin.
los estimadores Error y el vector de
estimadores.
puntuales y
Estadsti Descripcin
mtodos de Descripcin estadstica de
11 Eafit Ingenieras ca varias
estadstica
General variables
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.

5
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.

 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.

11
Figura 4. Formato de la escala numrica .

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.

6
1
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.

 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

 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
12
PENDIENTE ver las figuras 9 y 10.

12
Para calcular el intercepto se realiza el mismo procedimiento del clculo de la
pendiente.
Figura 9. Clculo de los coeficientes de regresin

Figura 10. Calcular la pendiente.

 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 la ltima
semana.

Para cada apartamento se requiere tomar el rea y el valor del

arrendamiento.

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
2
cuando el rea es igual a 172m
h) Encuentre un valor para cuando = 750000
 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 realizar al azar una
encuesta a 60 personas de diferentes barrios.
Propuesta:

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
 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 Grfico 2

Y
Y

X
X

Grfico 3 Grfico 4

Y Y

X X
Grfico 5 Grfico 6.

Y Y

X
X
 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.

SEMANA REDUCCI
OBSERVA S DE N XY 2 2
ENTRENA DEL
X Y
CIN
MIENTO
X TIEMP
Y
1 1 1 1 1 2.
2 2 .2 .4 4 54
3 1 1 1 1 1
4 3 2 6 9 4.
5 2 .
1 .3 4 4
2.
6 3 .
2 7 9 2
6.
7 4 .4 1. 1 21
8 5 5 6
2 6
2 6
2
9 4 2 5
1 5
1 6.5
. 0 6 2
TOTAL 25 2 74.4 8 67.7
2 5 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. Las observaciones
correspondientes a 10 pacientes son las siguientes:

7
0
 AOS QUE DAOS
PACIEN HA EN X
FUMADO PULMO X2 Y
TE X Y Y 2
1 2 5 1375 6 3025
2 5
3 5
6 2160 2
1296 3600
3 6
2 0
5 1100 4 2500
4 2
1 0
3 4 8
2 9
5 5
4 0
7 5
3600 2
2304 0
5625
6 8
3 5
7 2730 1521 4900
7 9
4 0
7 2940 1764 4900
8 2
3 0
5 1705 9 3025
9 1
2 5
3 8 6
7 9
10 8
3 0
3 4
1155 8
1089 0
1225
TOTA 3
319 5
530 1805 1105 3060
L 5 3 0

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?

7
1