Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
3
respuestas

Duda - Contrastar lo obtenido por mínimos cuadrados y la respuesta correcta

Excusen, no se cuan equivocado esté… por lo que he podido dilucidar, el problema propuesto nos conduce a ejecutar los procedimientos necesarios para determinar el coeficiente angular, la ordenada, así como gestionar la información indispensable para procurar la aproximación lineal que describa la interdependencia entre las variables usando mínimos cuadrados... específicamente en el contexto de las Toronjas, el resultado, con respecto a la línea de regresión obtenida, no pareciera hacer sentido con la tendencia ya que por ejemplo, aunque el coeficiente angular pareciera similar a la pendiente de tendencia, la regresión no comparte origen con la curva de ajuste, es decir que “b”, así como ninguno de los puntos de concordancia entre la variable dependiente que se prevé y los diámetros, confluyen con alguno en la curva de ajuste, por lo que no pareciera tener finalidad situar y analizar un punto aleatorio de la regresión como en el ejemplo de los meses contra los valores de los kilos de manzana, o en lo referente al cálculo de la norma euclidiana, el resultado es significativamente mayor en relación con la misma norma pero aplicada a las Naranjas aun cuando los datos provienen del mismo banco . En un esfuerzo por subsanar estas inquietudes, he revisado el contenido de la sección titulada "Ver opinión del Instructor" y el repositorio correspondiente en GitHub ubicado en la sección "Proyecto final", sin embargo, la representación buscada no ha sido hallada. Quisiera por favor ser orientado respecto a estos resultados, la representación, o las interrogantes para poder contrastar e identificar en qué medida erré… o si estoy totalmente perdido en los conceptos y sus finalidades.

3 respuestas

Hola, cómo va? Entiendo que el proceso de aplicar mínimos cuadrados y comparar los resultados puede ser un poco confuso al principio, especialmente cuando se trata de encontrar sentido en la relación entre variables.

Primero, es importante recordar que la regresión lineal por mínimos cuadrados busca ajustar una recta a los datos, minimizando la suma de los cuadrados de las diferencias entre los valores observados y los valores predichos por la recta. Esto nos permite encontrar dos coeficientes clave: el coeficiente angular (pendiente) y la ordenada al origen (intersección con el eje Y).

En tu caso, mencionas que estás trabajando con los datos de las toronjas y te preocupa que la regresión no parezca tener sentido, ya que la pendiente obtenida no se alinea con la tendencia esperada. Esto puede ocurrir por varias razones:

1.	Distribución de los datos: Si los datos de las toronjas no presentan una relación lineal clara (por ejemplo, si están muy dispersos o tienen una tendencia curvilínea), la recta de regresión resultante podría no reflejar adecuadamente la relación entre las variables. En estos casos, puede ser útil revisar los datos mediante una gráfica de dispersión para verificar la forma de la tendencia.
2.	Valores atípicos: Si hay valores atípicos en los datos, estos pueden influir significativamente en el cálculo de los coeficientes de la regresión, llevando a una recta que no representa bien la mayoría de los datos.
3.	Comparación con otro conjunto de datos: Si comparas los resultados obtenidos con los de otro conjunto de datos (por ejemplo, las naranjas) y observas diferencias significativas, esto podría deberse a diferencias en la distribución o naturaleza de los datos entre los dos conjuntos. Cada conjunto de datos puede tener su propia relación lineal, o en algunos casos, puede que no haya una relación lineal evidente.

Para abordar esto, te sugiero que revises:

•	Visualización: Genera una gráfica de dispersión para visualizar tus datos y la recta de regresión. Esto te permitirá ver cómo se alinean los datos con la línea ajustada.
•	Evaluación de errores: Considera calcular el error estándar de la estimación o el coeficiente de determinación (R^2) para evaluar qué tan bien se ajusta la recta a los datos.
•	Revisión de código: Asegúrate de que estás aplicando correctamente las fórmulas de mínimos cuadrados, tal como se indica en la lección, y verifica que no haya errores en la codificación de las variables.

Si este post te ayudó, por favor, marca como solucionado ✓.

De antemano agradezco mucho la respuesta... si, es muy similar a lo que la IA me recomendaba, pero me falta bagaje para abordar los caminos propuestos, procuraré hacerlo posteriormente, pero… entonces podría concluir que la gráfica de ese contexto no se encuentra en algún repositorio?, es que teniendo la gráfica correcta, la puedo comparar con la que generé y si son iguales corroboraría fácilmente que hice el proceso adecuadamente, y si no, la gráfica correcta tal vez me daría pistas de en donde estoy fallando. Me es más productivo analizar una gráfica que sé que está bien hecha a sacar conclusiones de una que no tengo certeza de si lo está. Conociendo que la gráfica quedo mal hecha puedo enfocarme primero en resolver ese problema para luego encarar procesos corroborativos tal vez más complejos.

Entendí tu punto! de necesitar un gráfico de referencia para comparar tu resultado, verdad? Veré con el equipo si existe este gráfico para colocar en el curso ;))

Abrazos!