Matemáticas · 3o de Preparatoria · Matemáticas Financieras y Modelado Económico · Matemática Aplicada

Modelos de Regresión para Predicción

Uso de la estadística para proyectar ventas, demanda o crecimiento del PIB.

• Aprendizajes Esperados SEP
• SEP.EMS.MF7
• SEP.EMS.MF8

Acerca de este tema

Los modelos de regresión permiten a los estudiantes encontrar patrones en datos históricos para predecir el futuro. En este tema, los alumnos utilizan la estadística para proyectar variables económicas como las ventas de una empresa, la demanda de un servicio o el crecimiento del PIB en México. Es el punto donde los datos se convierten en estrategia.

Los estudiantes aprenden a ajustar una línea de tendencia a una nube de puntos y a interpretar el coeficiente de determinación (R²), que indica qué tan confiable es su modelo. El currículo de la SEP fomenta el uso de herramientas digitales para realizar estos cálculos complejos. El aprendizaje activo mediante el análisis de series de tiempo reales permite que los alumnos comprendan las limitaciones de las predicciones lineales en un mundo volátil.

Preguntas Clave

1. ¿Qué tan confiable es una predicción lineal en un mercado con ciclos estacionales?
2. ¿Cómo influyen las variables externas en la precisión de un modelo econométrico?
3. ¿Cómo se interpreta el coeficiente R cuadrado en un contexto de negocios?

Objetivos de Aprendizaje

• Calcular el coeficiente de correlación y el coeficiente de determinación (R²) para evaluar la fuerza y dirección de la relación lineal entre dos variables económicas.
• Analizar series de tiempo económicas reales (ventas, PIB) para identificar tendencias y patrones estacionales aplicables a modelos de regresión.
• Interpretar los coeficientes de una ecuación de regresión lineal simple en el contexto de la proyección de variables financieras y económicas.
• Evaluar la confiabilidad de un modelo de regresión lineal simple para predecir resultados económicos, considerando las limitaciones inherentes.
• Diseñar un modelo de regresión simple para proyectar una variable económica específica, utilizando datos históricos y software estadístico.

Antes de Empezar

Estadística Descriptiva: Medidas de Tendencia Central y Dispersión

Por qué: Los estudiantes necesitan comprender conceptos como media, mediana, desviación estándar para interpretar los datos que se usarán en los modelos.

Representación Gráfica de Datos: Gráficas de Dispersión

Por qué: Es fundamental que los alumnos sepan visualizar la relación entre dos variables antes de intentar modelarla con una línea.

Álgebra: Ecuaciones Lineales

Por qué: La base de la regresión lineal es la ecuación de una recta (y = mx + b), por lo que se requiere un manejo sólido de estas expresiones.

Vocabulario Clave

Regresión Lineal Simple	Técnica estadística que modela la relación entre una variable dependiente y una variable independiente mediante una línea recta.
Coeficiente de Determinación (R²)	Medida estadística que representa la proporción de la varianza de la variable dependiente que es predecible a partir de la variable independiente. Indica la bondad del ajuste del modelo.
Serie de Tiempo	Una secuencia de puntos de datos medidos en intervalos de tiempo sucesivos, utilizada para analizar tendencias, estacionalidad y otros patrones temporales.
Variable Dependiente	La variable que se intenta predecir o explicar en un modelo de regresión. Su valor depende de la variable independiente.
Variable Independiente	La variable que se utiliza para predecir o explicar la variable dependiente en un modelo de regresión. Se asume que influye en la dependiente.

Cuidado con estas ideas erróneas

Idea errónea común

Creer que una correlación alta garantiza una predicción perfecta.

Qué enseñar en su lugar

Incluso con un R² alto, factores externos imprevistos (choques económicos, desastres) pueden cambiar la tendencia. Es fundamental enseñar que los modelos de regresión asumen que 'el futuro se parecerá al pasado', lo cual no siempre es cierto.

Idea errónea común

Extrapolar demasiado lejos de los datos conocidos.

Qué enseñar en su lugar

Los estudiantes suelen usar el modelo para predecir qué pasará en 20 años basándose en datos de 2 meses. Las actividades de análisis de errores de predicción ayudan a entender que la regresión es más confiable cerca del rango de datos observados.

Ideas de aprendizaje activo

Círculo de Investigación: Prediciendo el Éxito

Los equipos recolectan datos históricos de una variable (ej. precio del dólar, suscriptores de un canal, temperatura). Deben crear un modelo de regresión lineal, predecir el valor del próximo mes y debatir qué factores externos podrían arruinar su predicción.

50 min·Grupos pequeños

Taller: Interpretando el R²

Se presentan tres modelos de regresión con diferentes valores de R² (0.95, 0.60, 0.20). Los estudiantes deben explicar qué tan 'ajustada' está la realidad a la línea en cada caso y decidir en cuál modelo confiarían para invertir dinero.

35 min·Grupos pequeños

Pensar-Emparejar-Compartir: ¿Lineal o Curvo?

Los estudiantes observan un diagrama de dispersión que claramente sigue una curva. Discuten en parejas por qué forzar una línea recta sería un error y qué tipo de función (exponencial, cuadrática) se ajustaría mejor a esos datos.

25 min·Parejas

Conexiones con el Mundo Real

• Analistas financieros en bancos como Banamex utilizan modelos de regresión para pronosticar el precio de las acciones basándose en indicadores económicos históricos y variables macroeconómicas.
• Empresas de retail como Liverpool emplean la regresión para predecir la demanda de productos específicos en diferentes sucursales, optimizando así el inventario y la logística.
• Economistas del Banco de México (Banxico) desarrollan modelos econométricos, incluyendo regresiones, para proyectar el crecimiento del Producto Interno Bruto (PIB) y evaluar políticas monetarias.

Ideas de Evaluación

Boleto de Salida

Entregue a cada estudiante una tabla con datos históricos de ventas de un producto ficticio y pídales que calculen la ecuación de la recta de regresión. En la parte posterior, deben escribir una predicción de ventas para el próximo mes y justificar su confiabilidad basándose en el R².

Verificación Rápida

Presente dos gráficos de dispersión con líneas de regresión superpuestas. Pregunte a los estudiantes: '¿Cuál modelo parece más confiable para predecir y por qué? ¿Qué valor de R² esperarían para cada uno?' Recoja sus respuestas para una discusión grupal.

Pregunta para Discusión

Plantee la siguiente pregunta para debate: 'Si un modelo de regresión muestra un R² alto para predecir las ventas de helados en la Ciudad de México, ¿qué otros factores externos (variables no incluidas en el modelo) podrían afectar la precisión de esa predicción?' Guíe la discusión hacia variables como el clima, eventos especiales o promociones.

Preguntas frecuentes

¿Qué es una regresión lineal?

Es un método estadístico que busca encontrar la línea recta que mejor se ajusta a un conjunto de datos bivariados. Se usa para modelar la relación entre una variable independiente (x) y una dependiente (y) para realizar predicciones.

¿Qué significa el coeficiente R²?

Es el coeficiente de determinación. Indica qué porcentaje de la variación de la variable 'y' es explicado por el modelo de regresión. Un R² cercano a 1 significa que el modelo se ajusta muy bien a los datos reales.

¿Cómo ayuda el aprendizaje activo en los modelos de regresión?

Al trabajar con datos reales y ver cómo sus predicciones se comparan con la realidad, los estudiantes desarrollan un sentido crítico sobre los modelos matemáticos. El debate sobre las limitaciones del modelo fomenta un pensamiento analítico necesario en economía.

¿Para qué sirve la regresión en los negocios?

Se usa para pronosticar ventas, estimar el impacto de la publicidad en los ingresos, predecir la demanda de inventario o analizar tendencias de mercado, permitiendo a las empresas tomar decisiones basadas en datos y no solo en intuición.