competencia 3 intervalos de confianza y prediccion, analisis de varianza para la regresion
XX/XX/20XX
ELABORADO POR:ARIAS GARCIA JOSE GILBERTO CATHERIN XIMENA DEL HOYO PAREDES DELGADO SANCHEZ DIEGO ALONSO GUERRERO BUSTAMANTE URIEL REYES HERNANDEZ SEBASTIAN ADRIAN ROSALES VEGA BRENDA PAMELA
INTERVALOS DE CONFIANZA Y PREDICCION
01
¿Qué es un intervalo?
Un intervalo es un rango de valores donde esperamos que se encuentre un dato desconocido, con cierto nivel de seguridad.
Intervalo de Confianza
El intervalo de confianza (IC) sirve para estimar un parámetro poblacional (como la media o proporción verdadera de una población) a partir de una muestra.
I¿PARA QUE SIRVE?
Saber qué tan confiable es nuestra estimación Tomar decisiones con probabilidad Evaluar estudios, encuestas o experimentos
Factores que afectan el intervalo
Tamaño de muestra (n) → entre más grande la muestra, más estrecho el intervalo Variabilidad de los datos → más variación = intervalo más grande Nivel de confianza → entre más confianza, más ancho el intervalo (90%, 95%, 99%)
EJEMPLO
Promedio de estatura de una muestra es 170 cm. IC 95% = [168 cm, 172 cm] ➝ Tenemos 95% de confianza de que la media real de la población está entre 168 y 172 cm..
Intervalo de Predicción (IP)
Ejemplo
Con la misma muestra: IP 95% = [160 cm, 180 cm] Hay 95% de probabilidad de que la estatura de una nueva persona esté entre 160 y 180 cm.
- El intervalo de predicción estima el valor de un nuevo dato individual basándose en el comportamiento de una muestra.
¿Para qué sirve?
DIFERENCIAS
- Hacer predicciones futuras
Modelos estadísticos Proyecciones económicas, científicas y de ingeniería
El intervalo de confianza sirve para estimar el valor real promedio de una población, mientras que el intervalo de predicción sirve para estimar el valor de una nueva observación individual. El primero describe una población, el segundo predice un caso futuro.
Análisis de Varianza para la Regresión (ANOVA)
02
¿Por qué se usa?
¿QUE ES?
Para comprobar si el modelo de regresión es válido Para evaluar si las variables independientes explican una parte significativa de la variabilidad Para evitar conclusiones basadas solo en gráficos o intuición
El ANOVA aplicado a la regresión es un método estadístico que nos permite evaluar si el modelo de regresión es útil para explicar y predecir el comportamiento de una variable.
HComponentes del ANOVA en regresión
Objetivo
Determinar si la variable independiente (o varias) tiene un efecto real sobre la variable dependiente, o si los cambios que vemos son solo producto del azar.
Variación explicada por la regresión (SSR) Variación que sí puede ser explicada por el modelo Variación del error o residuales (SSE) Variación que no puede ser explicada por el modelo Variación total (SST) Variación total existente en los datos
Prueba F en ANOVA
El ANOVA usa la estadística F para verificar si el modelo tiene significancia. ➤ Interpretación Si F es grande, el modelo tiene buen poder explicativo Si el valor P es menor que 0.05, la regresión es significativa Esto significa que sí existe relación estadística entre las variables.
TRABAJO DE CAMPO
El ANOVA para regresión evalúa si nuestro modelo realmente explica la variabilidad de la variable dependiente. Si el valor-p es menor a 0.05, concluimos que la regresión es significativa y existe relación estadística entre las variables.”
EJEMPLO
Queremos saber si el gasto en publicidad influye en las ventas de una tienda. Recolectamos datos durante 5 meses: Mes 1: Publicidad = 5 mil pesos → Ventas = 50 mil pesos Mes 2: Publicidad = 8 mil pesos → Ventas = 63 mil pesos Mes 3: Publicidad = 12 mil pesos → Ventas = 80 mil pesos Mes 4: Publicidad = 15 mil pesos → Ventas = 90 mil pesos Mes 5: Publicidad = 18 mil pesos → Ventas = 100 mil pesos Aplicamos una regresión lineal y obtenemos los resultados del ANOVA. Resultados Estadístico F = 42.5 Valor p = 0.004 Nivel de significancia = 0.05 Conclusión Como el valor p es 0.004, que es menor a 0.05: La inversión en publicidad sí tiene un efecto significativo en las ventas Es decir, a mayor publicidad, mayores ventas según los datos del estudio.
03
CONCLUSIONES
Contextualiza tu tema
09. CONCLusionES
CONCLUSION
Los intervalos de confianza y de predicción permiten trabajar con incertidumbre de forma controlada: el primero estima el valor real promedio de una población y el segundo anticipa un valor individual futuro. Por su parte, el ANOVA en regresión ayuda a determinar si existe una relación significativa entre las variables y si el modelo realmente explica la variación en los datos.En conjunto, estas herramientas permiten analizar, interpretar y predecir información de manera confiable para tomar decisiones basadas en datos.
+ Info
04
BIBLIOGRAFÍA
Contextualiza tu tema
REFERENCIAS BIBLIOGRÁFICAS
Chiavenato, I. (2017). Gestión del talento humano (11.ª ed.). McGraw-Hill. Devore, J. L. (2015). Probabilidad y estadística para ingeniería y ciencias (9.ª ed.). Cengage Learning. Gujarati, D. N., & Porter, D. C. (2010). Econometría (5.ª ed.). McGraw-Hill. Hogg, R. V., Tanis, E. A., & Zimmerman, D. L. (2015). Probabilidad e inferencia estadística (9.ª ed.). Pearson. Wackerly, D., Mendenhall, W., & Scheaffer, R. L. (2010). Estadística matemática con aplicaciones (7.ª ed.). Cengage Learning.
Truquito:
La interactividad es la pieza clave para captar el interés y la atención de tus estudiantes. Un genially es interactivo porque tu grupo explora y se relaciona con él.
¿Sabías que...
El 90% de la información que asimilamos nos llega a través de la vista? Los recursos visuales son de gran ayuda para reforzar tus clases: imágenes, ilustraciones, gifs, vídeos… No solo porque permanecen en la memoria, sino también porque son más atractivos y más fáciles de comprender.
competencia 3 intervalos de confianza y prediccion, analisis de varianza para la regresion
Diego Alonso Delgado Sanchez
Created on October 30, 2025
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Audio tutorial
View
Pechakucha Presentation
View
Desktop Workspace
View
Decades Presentation
View
Psychology Presentation
View
Medical Dna Presentation
View
Geometric Project Presentation
Explore all templates
Transcript
competencia 3 intervalos de confianza y prediccion, analisis de varianza para la regresion
XX/XX/20XX
ELABORADO POR:ARIAS GARCIA JOSE GILBERTO CATHERIN XIMENA DEL HOYO PAREDES DELGADO SANCHEZ DIEGO ALONSO GUERRERO BUSTAMANTE URIEL REYES HERNANDEZ SEBASTIAN ADRIAN ROSALES VEGA BRENDA PAMELA
INTERVALOS DE CONFIANZA Y PREDICCION
01
¿Qué es un intervalo?
Un intervalo es un rango de valores donde esperamos que se encuentre un dato desconocido, con cierto nivel de seguridad.
Intervalo de Confianza
El intervalo de confianza (IC) sirve para estimar un parámetro poblacional (como la media o proporción verdadera de una población) a partir de una muestra.
I¿PARA QUE SIRVE?
Saber qué tan confiable es nuestra estimación Tomar decisiones con probabilidad Evaluar estudios, encuestas o experimentos
Factores que afectan el intervalo
Tamaño de muestra (n) → entre más grande la muestra, más estrecho el intervalo Variabilidad de los datos → más variación = intervalo más grande Nivel de confianza → entre más confianza, más ancho el intervalo (90%, 95%, 99%)
EJEMPLO
Promedio de estatura de una muestra es 170 cm. IC 95% = [168 cm, 172 cm] ➝ Tenemos 95% de confianza de que la media real de la población está entre 168 y 172 cm..
Intervalo de Predicción (IP)
Ejemplo
Con la misma muestra: IP 95% = [160 cm, 180 cm] Hay 95% de probabilidad de que la estatura de una nueva persona esté entre 160 y 180 cm.
¿Para qué sirve?
DIFERENCIAS
- Hacer predicciones futuras
Modelos estadísticos Proyecciones económicas, científicas y de ingenieríaEl intervalo de confianza sirve para estimar el valor real promedio de una población, mientras que el intervalo de predicción sirve para estimar el valor de una nueva observación individual. El primero describe una población, el segundo predice un caso futuro.
Análisis de Varianza para la Regresión (ANOVA)
02
¿Por qué se usa?
¿QUE ES?
Para comprobar si el modelo de regresión es válido Para evaluar si las variables independientes explican una parte significativa de la variabilidad Para evitar conclusiones basadas solo en gráficos o intuición
El ANOVA aplicado a la regresión es un método estadístico que nos permite evaluar si el modelo de regresión es útil para explicar y predecir el comportamiento de una variable.
HComponentes del ANOVA en regresión
Objetivo
Determinar si la variable independiente (o varias) tiene un efecto real sobre la variable dependiente, o si los cambios que vemos son solo producto del azar.
Variación explicada por la regresión (SSR) Variación que sí puede ser explicada por el modelo Variación del error o residuales (SSE) Variación que no puede ser explicada por el modelo Variación total (SST) Variación total existente en los datos
Prueba F en ANOVA
El ANOVA usa la estadística F para verificar si el modelo tiene significancia. ➤ Interpretación Si F es grande, el modelo tiene buen poder explicativo Si el valor P es menor que 0.05, la regresión es significativa Esto significa que sí existe relación estadística entre las variables.
TRABAJO DE CAMPO
El ANOVA para regresión evalúa si nuestro modelo realmente explica la variabilidad de la variable dependiente. Si el valor-p es menor a 0.05, concluimos que la regresión es significativa y existe relación estadística entre las variables.”
EJEMPLO
Queremos saber si el gasto en publicidad influye en las ventas de una tienda. Recolectamos datos durante 5 meses: Mes 1: Publicidad = 5 mil pesos → Ventas = 50 mil pesos Mes 2: Publicidad = 8 mil pesos → Ventas = 63 mil pesos Mes 3: Publicidad = 12 mil pesos → Ventas = 80 mil pesos Mes 4: Publicidad = 15 mil pesos → Ventas = 90 mil pesos Mes 5: Publicidad = 18 mil pesos → Ventas = 100 mil pesos Aplicamos una regresión lineal y obtenemos los resultados del ANOVA. Resultados Estadístico F = 42.5 Valor p = 0.004 Nivel de significancia = 0.05 Conclusión Como el valor p es 0.004, que es menor a 0.05: La inversión en publicidad sí tiene un efecto significativo en las ventas Es decir, a mayor publicidad, mayores ventas según los datos del estudio.
03
CONCLUSIONES
Contextualiza tu tema
09. CONCLusionES
CONCLUSION
Los intervalos de confianza y de predicción permiten trabajar con incertidumbre de forma controlada: el primero estima el valor real promedio de una población y el segundo anticipa un valor individual futuro. Por su parte, el ANOVA en regresión ayuda a determinar si existe una relación significativa entre las variables y si el modelo realmente explica la variación en los datos.En conjunto, estas herramientas permiten analizar, interpretar y predecir información de manera confiable para tomar decisiones basadas en datos.
+ Info
04
BIBLIOGRAFÍA
Contextualiza tu tema
REFERENCIAS BIBLIOGRÁFICAS
Chiavenato, I. (2017). Gestión del talento humano (11.ª ed.). McGraw-Hill. Devore, J. L. (2015). Probabilidad y estadística para ingeniería y ciencias (9.ª ed.). Cengage Learning. Gujarati, D. N., & Porter, D. C. (2010). Econometría (5.ª ed.). McGraw-Hill. Hogg, R. V., Tanis, E. A., & Zimmerman, D. L. (2015). Probabilidad e inferencia estadística (9.ª ed.). Pearson. Wackerly, D., Mendenhall, W., & Scheaffer, R. L. (2010). Estadística matemática con aplicaciones (7.ª ed.). Cengage Learning.
Truquito:
La interactividad es la pieza clave para captar el interés y la atención de tus estudiantes. Un genially es interactivo porque tu grupo explora y se relaciona con él.
¿Sabías que...
El 90% de la información que asimilamos nos llega a través de la vista? Los recursos visuales son de gran ayuda para reforzar tus clases: imágenes, ilustraciones, gifs, vídeos… No solo porque permanecen en la memoria, sino también porque son más atractivos y más fáciles de comprender.