Lección 7

Modelos confiables

  • Exploremos nuestra confianza en los modelos lineales.

7.1: Conversación matemática: Ordenemos decimales

En cada caso, ordena mentalmente los números de menor a mayor.

20.2, 18.2, 19.2

-14.6, -16.7, -15.1

-0.43, -0.87, -0.66

0.50, -0.52, 0.05

7.2: Clasifiquemos modelos

  1. Estos diagramas de dispersión representan varias situaciones. Ordena los diagramas de dispersión según qué tan bueno es el ajuste: de “Un modelo lineal no se ajusta bien a los datos” a “Un modelo lineal se ajusta de forma excelente a los datos”.

    A

    of the 6 scatter plot options, 3rd closest to a linear model

    B

    Scatter plot on grid.

    C

    Scatter plot on grid.

    D

    Scatter plot on grid.

    E

    Scatter plot on grid.

     

  2. Estos dos diagramas de dispersión incluyen un modelo lineal. Para cada modelo, encuentra el valor de \(y\) cuando \(x\) es 15. ¿Cuál modelo crees que predice valores más cercanos a los datos reales? Explica tu razonamiento.

Gráfica F. \(y = 150-5x\)

Scatter plot and line on grid.

Gráfica G. \(y = 100-1.3x\)

Scatter plot and line on grid.

 

7.3: Predigamos valores

Estas situaciones están representadas con gráficos y rectas de ajuste. En cada situación, usa la información dada para completar la información que hace falta o responder a la pregunta. 

  1. El modelo predice cuándo dinero, en dólares, ganará el entrenador de acuerdo a cuántos atletas se inscriben al entrenamiento personalizado. El modelo se representa con la ecuación \(y=200 + 25x\).
    Scatter plot and line on grid.
    • La pendiente del modelo es \(\underline{\hspace{.5in}}\) (positiva o negativa).
    • Según la predicción del modelo, ¿cuánto dinero gana el entrenador cuando hay 10 atletas inscritos?
    • Usando como referencia los puntos de datos y el modelo, ¿cuál es un rango razonable para el dinero que gana el entrenador cuando hay 10 atletas inscritos?
    • Este modelo se ajusta de manera \(\underline{\hspace{.5in}}\) (excelente, buena, aceptable o mala) a los datos.
    • Usando números entre 0 y 1, califica tu confianza en el modelo, donde 0 significa que no confías en él y 1 significa que confías plenamente en él.
  2. El modelo predice el salario anual de un trabajador que está en cierta posición en el gobierno, de acuerdo a sus años de experiencia. El modelo se representa con la ecuación \(y=1.5x + 35\).
    Scatter plot and line on grid.
    • La pendiente del modelo es \(\underline{\hspace{.5in}}\) (positiva o negativa).
    • Según la predicción del modelo, ¿cuál es el salario de un empleado que tiene 10 años de experiencia?
    • Usando como referencia los puntos de los datos y el modelo, ¿cuál es un rango razonable para el salario de un empleado que tiene 10 años de experiencia?
    • Este modelo se ajusta de manera \(\underline{\hspace{.5in}}\) (excelente, buena, aceptable o mala) a los datos.
    • Usando números entre 0 y 1, califica tu confianza en el modelo, donde 0 significa que no confías en él y 1 significa que confías totalmente en él.
  3. El modelo predice el número de ausencias mensuales que se registrarán en una escuela con base en el número de incentivos que se otorgan ese mes en la escuela. El modelo se representa con la ecuación \(y= \text-2.18x + 54.78\).
    Scatter plot and line on grid.
    • La pendiente del modelo es \(\underline{\hspace{.5in}}\) (positiva o negativa).
    • Según la predicción del modelo, ¿cuál es el número de ausencias que hay cuando se otorgan 10 incentivos en ese mes?
    • Usando como referencia los puntos de los datos y el modelo, ¿cuál es un rango razonable para el número de ausencias cuando se otorgan 10 incentivos?
    • Este modelo se ajusta de manera \(\underline{\hspace{.5in}}\) (excelente, buena, aceptable o mala) a los datos.
    • Usando números entre 0 y 1, califica tu confianza en el modelo, donde 0 significa que no confías en él y 1 significa que confías totalmente en él.

Resumen