Modalidad didáctica histórico-comparativa para la regresión
Historical-Evolutionary teaching mode for regression
Resumen (es)
El proceso de enseñanza y aprendizaje está sufriendo un cambio en su paradigma regulador, haciendo real y operativa la innovación pedagógica que supone la transición desde un modelo centrado en la enseñanza hacia un modelo centrado en el aprendizaje del alumno. Esta modificación invita a cuestionarse qué pretendemos que aprendan los alumnos, cuáles son las modalidades y metodologías más adecuadas para que el alumno pueda adquirir estos aprendizajes y con qué criterios y procedimientos vamos a comprobar si el alumno los ha adquirido finalmente. Este artículo trae a presentar una modalidad didáctica histórica-comparativa para la regresión basado en métodos alternativos.Resumen (en)
The teaching and learning process is undergoing a change in its regulatory paradigm, making real and operational pedagogical innovation that marks the transition from a model focused on teaching to a model focused on student learning. This modification invites into question what we intend that students learn, what are the modalities and most appropriate for the student to acquire these learnings and what criteria and methodologies are procedures will check if the student has finally acquired. This article brings to present a historical-evolutive teaching method for alternative methods based on regression.
Referencias
Bates, D. M. &Watts, D. G. (1988). Nonlinear regression: iteractive estimation and linear approximations. Wiley Online Library.
Birkes, D. & Dodge, Y. (2011). Alternative methods of regression, volume 190. John Wiley & Sons.
Bloomeld, P. & Steiger, W. (1980). Least absolute deviations
curve-tting. SIAM Journal on sientic and statistical computing, 1(2), 290301.
Charnes, A., Cooper, W. W. & Ferguson, R. O. (1955). Optimal estimation of executive compensation by linear programming. Management science, 1(2), 138151.
De Miguel-Díaz, M. (2005). Modalidades de enseñanza centradas en el desarrollo de competencias. Orientaciones para promover el cambio metodológico en el Espacio Europeo de Educación Superior. Oviedo: Universidad de Oviedo, pages 10914.
Karst, O. J. (1958). Linear curve tting using least deviations. Journal of the American Statistical Asso ciation, 53(281), 118132.
Lehmann, E. L. & Casella, G. (1998). Theory of point estimation, volume 31. Springer Science & Business Media.
Madariaga, D. F. C., Rodríguez, J. L. G., Lozano, M. R., Vallejo, E. C. & de Administración, E. (2013). Inferencia estadística módulo de regresión lineal simple.
Neter, J., Kutner, M. H., Nachtsheim, C. J. & Wasserman, W. (1996). Applied linear statistical models, volume 4. Irwin Chicago.
Stiefel, E. (1960). Note on jordan elimination, linear programming and tchebyche ap-proximation. Numeris che Mathematik, 2(1), 117.
Stigler, S. M. (1984). Studies in the history of probability and statistis xl boscovich, simpson and a 1760 manuscript note on tting a linear relation. Biometrika, 71(3), 615620.
Wagner, H. M. (1959). Linear programming techniques for regression analysis. Journal of the American Statistical Asso ciation, 54(285), 206212.
Weisberg, S. (2005). Applied linear regression, volume 528. John Wiley & Sons. 12
Cómo citar
Licencia
Los autores mantienen los derechos sobre los artículos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
Comunicaciones en Estadística está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
