Modelos de Regresión para Predicción

Este tema exige que los estudiantes pasen de lo teórico a lo práctico, porque la regresión no se entiende sin tocar datos reales. La mejor forma de que comprendan sus limitaciones y alcances es mediante actividades donde manipulen modelos, interpreten gráficos y discutan errores, no solo con fórmulas.

• 3o de Preparatoria
• Matemáticas
• 3 actividades
• 25 min–50 min

Objetivos de Aprendizaje

1. 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.
2. Analizar series de tiempo económicas reales (ventas, PIB) para identificar tendencias y patrones estacionales aplicables a modelos de regresión.
3. Interpretar los coeficientes de una ecuación de regresión lineal simple en el contexto de la proyección de variables financieras y económicas.
4. Evaluar la confiabilidad de un modelo de regresión lineal simple para predecir resultados económicos, considerando las limitaciones inherentes.
5. Diseñar un modelo de regresión simple para proyectar una variable económica específica, utilizando datos históricos y software estadístico.

Círculo de Investigación

⏱ 50 min·Grupos pequeños

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.

Preparación y detalles

¿Qué tan confiable es una predicción lineal en un mercado con ciclos estacionales?

Consejo de Facilitación: Durante 'Investigación: Prediciendo el Éxito', pida a los estudiantes que comparen sus predicciones con datos reales posteriores para discutir por qué los modelos pueden equivocarse.

Setup: Grupos en mesas con acceso a fuentes de investigación

Materials: Colección de materiales fuente, Hoja de trabajo del ciclo de indagación, Protocolo de generación de preguntas, Plantilla de presentación de hallazgos

• Analizar
• Evaluar
• Crear
• Autogestión
• Autoconciencia

Aprendizaje Basado en Proyectos

⏱ 35 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.

Preparación y detalles

¿Cómo influyen las variables externas en la precisión de un modelo econométrico?

Consejo de Facilitación: En 'Taller: Interpretando el R²', muestre ejemplos donde un R² alto oculta patrones no lineales para evitar que los estudiantes asuman que el valor lo explica todo.

Setup: Espacio de trabajo flexible con acceso a materiales y tecnología

Materials: Resumen del proyecto con pregunta guía, Plantilla de planificación y cronograma, Rúbrica con hitos, Materiales de presentación

• Aplicar
• Analizar
• Evaluar
• Crear
• Autogestión
• Habilidades de Relación
• Toma de Decisiones

Pensar-Emparejar-Compartir

⏱ 25 min·Parejas

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.

Preparación y detalles

¿Cómo se interpreta el coeficiente R cuadrado en un contexto de negocios?

Consejo de Facilitación: En 'Think-Pair-Share: ¿Lineal o Curvo?', use gráficos con datos económicos de México para que identifiquen visualmente cuándo la linealidad no es suficiente.

Setup: Disposición estándar del salón: los estudiantes se giran hacia un compañero

Materials: Consigna de discusión (proyectada o impresa), Opcional: hoja de registro para parejas

• Comprender
• Aplicar
• Analizar
• Autoconciencia
• Habilidades de Relación

Enseñando Este Tema

Los modelos de regresión se enseñan mejor cuando los estudiantes entienden que son herramientas para reducir incertidumbre, no para eliminarla. Evite presentar la regresión como un método exacto; en cambio, enfóquese en cómo evalúan su confiabilidad. La investigación sugiere que los estudiantes retienen mejor los conceptos cuando discuten errores de predicción en contextos reales, como ventas o PIB.

Qué Esperar

Al finalizar, los estudiantes deben poder explicar por qué un R² alto no garantiza predicciones infalibles y decidir qué modelo usar según el contexto. Además, deben justificar sus predicciones con datos, reconociendo cuándo el modelo falla por variables externas.

Cuidado con estas ideas erróneas

Idea errónea común

Durante 'Investigación: Prediciendo el Éxito', algunos estudiantes pueden creer que una correlación alta en los datos históricos asegura predicciones precisas.

Qué enseñar en su lugar

Use los datos históricos que investigaron los estudiantes y compárelos con cifras reales posteriores. Señale cómo incluso con correlación alta, eventos como la pandemia cambiaron las tendencias, demostrando que el modelo no anticipó factores externos.

Idea errónea común

Durante 'Think-Pair-Share: ¿Lineal o Curvo?', los estudiantes pueden asumir que la línea recta siempre es el mejor modelo para cualquier conjunto de datos.

Qué enseñar en su lugar

En la actividad, muestre dos gráficos: uno con datos que claramente siguen una curva y otro con datos lineales. Pida a los estudiantes que calculen el R² para ambos casos y discutan por qué uno requiere un modelo no lineal.

Ideas de Evaluación

Boleto de Salida

Después de 'Investigación: Prediciendo el Éxito', 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

Durante 'Taller: Interpretando el R²', 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

Después de 'Think-Pair-Share: ¿Lineal o Curvo?', 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.

Extensiones y Apoyo

• Challenge: Pida a los estudiantes que propongan un modelo alternativo (como polinomial o logarítmico) para los datos de ventas de la actividad 1 y comparen su R² con el modelo lineal.
• Scaffolding: Para quienes luchan con el R², entregue una tabla con valores de R² y gráficos asociados, pidiendo que emparejen cada valor con su gráfica correspondiente.
• Deeper exploration: Invite a los estudiantes a investigar cómo se usa la regresión en un contexto real de México (ej.: predicción de inflación) y presenten un informe con fuentes oficiales.

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.