Regresión lineal
Aprende a encontrar la recta de mejor ajuste para datos y a usarla para hacer predicciones.
Definición
- es la pendiente (cuánto cambia por cada aumento de una unidad en )
- es la ordenada en el origen (el valor de cuando )
Pruébalo ahora
Ejemplos resueltos
Una cafetería registra la temperatura diaria (°C) y las ventas de café helado: | Temperatura | Ventas | |-------------|--------| | 15 | 20 | | 20 | 35 | | 25 | 45 | | 30 | 60 | | 35 | 70 | Encuentra la ecuación de la recta de regresión.
Calcula las medias
→ ,
Calcula la pendiente usando la fórmula
Numerador: Denominador: →
Calcula la ordenada en el origen
→
Escribe la ecuación de regresión
→ Recta de regresión:
Respuesta: La recta de regresión es . Esto significa que por cada aumento de 1°C en la temperatura, las ventas de café helado aumentan aproximadamente 2,5 unidades.
Errores comunes
Asumir que la recta de regresión pasa por todos los puntos de datos
Por qué está mal: La recta de mejor ajuste minimiza el error total pero rara vez pasa por cada punto. Los puntos por encima y por debajo de la recta son normales.
Correcto: Entiende que la recta de regresión representa la tendencia general, no los puntos de datos individuales.
Usar la ecuación de regresión para extrapolar muy lejos del rango de datos
Por qué está mal: La relación puede no mantenerse fuera del rango de datos observados. Predecir muy lejos de tus datos puede dar resultados poco realistas.
Correcto: Ten cuidado al predecir para valores de x muy fuera de tu rango de datos. Nota cuándo estás extrapolando.
Confundir correlación con causalidad
Por qué está mal: Una relación lineal fuerte no significa que una variable cause cambios en la otra. Pueden estar involucrados otros factores.
Correcto: Usa la regresión para describir relaciones y hacer predicciones, pero ten cuidado al afirmar causalidad.
Olvidar comprobar si un modelo lineal es apropiado
Por qué está mal: No todos los datos siguen un patrón lineal. Usar regresión lineal en datos no lineales da resultados engañosos.
Correcto: Siempre grafica tus datos primero. Si el diagrama de dispersión muestra una curva, la regresión lineal puede no ser la mejor opción.
Visual interactivo
Explorador de funciones lineales
| x | y |
|---|---|
| -2 | -2 |
| -1 | -1 |
| 0 | 0 |
| 1 | 1 |
| 2 | 2 |
Sandbox interactivo
Graficador interactivo
Prueba estos ejemplos:
y = 2x + 1
m=2, b=1
Calculadora de expresiones
Prueba estos:
Historial
Aún no hay cálculos
Problemas de práctica
16 problemas¿Qué representa la pendiente en una recta de regresión ?
Por qué es importante
- Negocios: Predecir ventas según gastos en publicidad o cambios de precio
- Ciencia: Modelar relaciones entre variables en experimentos
- Medicina: Predecir resultados de pacientes basándose en datos de tratamiento
- Economía: Pronosticar indicadores económicos basados en tendencias históricas
- Deportes: Analizar el rendimiento de jugadores y predecir estadísticas futuras
Aplicaciones del mundo real
Predecir precios de viviendas
Los analistas inmobiliarios usan la regresión lineal para estimar precios de casas basándose en características como metros cuadrados, número de habitaciones o distancia al centro.
Ejemplo:
Si donde son metros cuadrados e el precio en euros, un apartamento de 100 m² costaría aproximadamente 150(100) + 50000 = 65000 euros.
Un modelo inmobiliario muestra: Precio = 200x + 30000 (donde x = metros cuadrados).
¿Qué precio predecirías para un apartamento de 120 m²?
Paso 1: Escribe la expresión matemática
Sustituye en la ecuación:
Análisis de eficiencia de combustible
Los ingenieros automotrices usan la regresión para entender cómo el peso del coche afecta el consumo de combustible.
Ejemplo:
Si consumo (L/100km) = 0,004 × peso (kg) + 2, un coche de 1500 kg consumiría 0,004(1500) + 2 = 8 L/100km.
Los datos de un fabricante de coches muestran: Combustible = 0,005p + 1,5 (donde p = peso en kg).
Predice el consumo de combustible para un vehículo de 1200 kg.
Paso 1: Escribe la expresión matemática
Calcula:
Pronóstico de ventas comerciales
Las empresas usan la regresión para predecir ventas futuras basándose en gastos de publicidad, ayudándoles a asignar presupuestos de marketing eficazmente.
Ejemplo:
Si ventas mensuales = 3 × gasto pub + 10000, gastar 5000 euros en publicidad predice ventas de 3(5000) + 10000 = 25000 euros.
El modelo de una empresa: Ventas = 4 × PresupuestoPub + 8000.
Si gastan 3000 euros en publicidad, ¿qué ventas pueden esperar?
Paso 1: Escribe la expresión matemática
Calcula las ventas predichas:
Puntos clave
- 1La regresión lineal encuentra la recta que mejor se ajusta a un conjunto de puntos de datos
- 2La ecuación de la recta de regresión es donde es la pendiente y la ordenada en el origen
- 3La pendiente indica cuánto cambia por cada aumento de una unidad en
- 4La ordenada en el origen es el valor predicho de cuando
- 5Usa la regresión para hacer predicciones, pero ten cuidado al extrapolar lejos de tus datos
Preguntas frecuentes
Glosario
- Regresión lineal
- Un método estadístico para encontrar la recta que mejor se ajusta a un conjunto de puntos de datos
- Recta de mejor ajuste
- La recta de regresión que minimiza la suma de los cuadrados de los residuos
- Pendiente
- La tasa de cambio; cuánto aumenta por cada aumento de una unidad en
- Ordenada en el origen
- El valor de cuando ; donde la recta cruza el eje y
- Residuo
- La diferencia entre un punto de datos real y su valor predicho en la recta de regresión
- Mínimos cuadrados
- El método que encuentra la recta que minimiza la suma de los cuadrados de los residuos
- Extrapolación
- Usar una ecuación de regresión para predecir valores fuera del rango de los datos originales
Tarjeta de fórmulas
Recta de regresión
La ecuación de la recta de mejor ajuste con pendiente m y ordenada b
Fórmula de la pendiente
Calcula la pendiente usando los puntos de datos y las medias
Ordenada en el origen
Calcula la ordenada en el origen con la pendiente y las medias
Residuo
La diferencia entre el valor real y el valor predicho