Tus Datos de la Temporada 1
Ingresa tus valores de Error y luego responde tres preguntas sobre el patrón.
8–10 min
Agrega los partidos de hoy a la auditoría del Ronda 1 anterior. Ahora tienes el campo de Error completo de la Temporada 1.
Error = Goles Predichos − Goles Reales. Positivo = sobrepredicción. Negativo = subpredicción.
Error = Goles Predichos − Goles Reales. Positivo = sobrepredicción. Negativo = subpredicción.
¿Qué es el Error?
Valores de Error — Temporada 1 — Todos los Partidos
Partido
Error
Error = Predicho − Real. Mantén los negativos negativos. Predicho 5, anotó 7 → Error = −2. Deja en blanco las filas que no uses.
Paso 1 — Error Promedio de la Temporada
Suma de Errores
—
N.º de Partidos
—
Error Promedio — Sesgo
—
indica si tu modelo suele predecir de más o de menos. No lo llames "precisión."
Mantén los negativos negativos. No conviertas todos los errores a positivos al calcular el promedio. El error promedio mide el sesgo — eliminar el signo destruye el significado.
Advertencia de cancelación: +4 y −4 promedian 0, pero ambos fueron errores grandes. Usa también la tendencia y los errores más grandes — el error promedio solo puede ocultar un modelo deficiente.
Paso 2 — Signo del Error Promedio
Basándote en el promedio anterior — elige uno.
Positivo
Sobrepredicción consistente
Negativo
Subpredicción consistente
Cerca de Cero
La predicción estuvo balanceada
Paso 3 — Tendencia del Error en la Temporada
Compara el tamaño de tu primer Error del Día 7 con el tamaño de tu último Error de hoy. Ignora los signos + o − — solo importa la magnitud.
Tamaño del primer Error (Día 7 · R1) — sin signo negativo
Tamaño del último Error (Hoy · R3) — sin signo negativo
Ingresa solo el tamaño — siempre positivo. Si tu error fue −3.5, escribe 3.5.
Paso 1
0 / 3
Encuentra el Patrón
Nombra la variable de entrada que tu modelo se equivoca sistemáticamente.
6–8 min
Mira tus tres Errores más grandes — los partidos donde la predicción estuvo más lejos del resultado. Para cada uno, revisa tus notas de "Qué pasó". ¿Cuál era la estadística dominante del oponente?
Tus Datos de Error — Temporada 1
Ocultar ▲
| Partido | Error |
|---|
Top 3 Errores Más Grandes — por Magnitud
Mira la tabla de datos de error de arriba. Encuentra los 3 partidos donde tu número de error fue más grande — ignora los signos + o −, elige los números más grandes. Copia cada valor de error abajo, luego revisa tus notas del partido para responder: ¿en qué estadística del robot era especialmente fuerte ese oponente?
Estadísticas del robot a buscar en tus notas: SPEED, TURNING, POWER, ENDURANCE, patada
1
¿En qué estadística era fuerte ese oponente?
Tu error en ese partido
¿Qué pasó? (de tus notas del partido)
2
¿En qué estadística era fuerte ese oponente?
Tu error en ese partido
¿Qué pasó? (de tus notas del partido)
3
¿En qué estadística era fuerte ese oponente?
Tu error en ese partido
¿Qué pasó? (de tus notas del partido)
Escribe Tu Oración
Debe nombrar una variable de ENTRADA — no un resultado. "Perdimos contra equipos rápidos" = resultado. "TURNING no está en nuestra ecuación" = entrada.
Mi modelo consistentemente
porque
.
Eso parece un resultado, no una variable de entrada. Ejemplos de variables de entrada: SPEED, TURNING, POWER, ENDURANCE, distancia, ángulo de lanzamiento. No escribas: perdió, ganó, goles, puntuación, oponente, partido.
Error Más Común
Lo que podrías escribir: "Perdimos contra equipos rápidos." — Eso es un resultado.
Lo que necesitas: "Nuestra ecuación usa solo SPEED, pero los oponentes con alto TURNING anotaron desde ángulos que nuestro bot no cubría — TURNING no está en el modelo."
Pregunta: ¿Qué variable que realmente afectó el partido NO está en y = mx + b?
Paso 2
0 / 2
Construye Tu Hipótesis
Un cálculo, no una preferencia. Debe aparecer tu ecuación de diagrama de dispersión.
6–7 min
Abre tu ecuación de diagrama de dispersión del Día 8 — y = mx + b, donde x = asignación de SPEED e y = goles predichos. Sustituye tu nuevo valor propuesto. Las matemáticas deben aparecer en tu hipótesis.
Qué significa cada parte de y = mx + b
¿Tu Cambio de Estadística Resuelve el Problema?
Tu análisis del Paso 2 nombró una variable que le falta a tu modelo. Tu hipótesis debe cambiar una estadística que realmente aborde esa brecha — no cualquier estadística.
La variable que le falta a tu modelo (del Paso 2):
—
La estadística del robot que quieres cambiar para la Temporada 2:
Explica la conexión — ¿cómo cambiar esta estadística aborda el problema que encontraste?
Ingresa Tu Ecuación del Diagrama de Dispersión del Día 8
Ecuación:
y =
x +
Valor Actual de SPEED (x)
Nuevo Valor Propuesto de SPEED (x)
Promedio Real de Goles / Partido — Temporada 1
Estadística que Estás Cambiando
¿No encuentras tu ecuación del Día 8? Usa la ecuación promedio de la clase en la pizarra. Ten en cuenta que es una aproximación.
Constructor de Hipótesis — Temporada 2
1
Cambio de Estadística
Completa los campos de la ecuación arriba para autocompletar.
2
Resultado de la Ecuación
Completa los campos de la ecuación arriba para autocompletar.
3
Diferencia Predicha por el Modelo
Completa los campos de la ecuación arriba para autocompletar.
4
¿Por qué este cambio de estadística resuelve el problema?
Tu cambio de estadística debe conectarse con la variable que falta que identificaste en el Paso 2.
Espectro de Calidad de la Hipótesis
No aceptable: "Cambiaré SPEED de 10 a 14 y anotaré más goles." — no hay cálculo.
Aceptable: "Si cambio SPEED de 10 a 14, mi ecuación y = 0.4x + 1.2 da y = 6.8. Promedio real Temporada 1: 4.2 goles. Diferencia predicha por el modelo: +2.6 goles/partido."
Sólida: Cálculo presente Y aborda directamente la debilidad que identificaste en el Paso 2.
¿Qué Demostraría que Estás Equivocado/a?
¿Qué resultado de la Temporada 2 mostraría que tu hipótesis estaba equivocada?
Ejemplo: "Si nuestro error contra equipos con alto TURNING sigue por encima de 3 goles/partido, el cambio de estadística no resolvió el problema."
Tu Hipótesis para la Temporada 2
Hipótesis
Incompleta