Línea de Regresión Lineal Simple Calculator
Esta ecuación define la línea de mejor ajuste que minimiza la suma de los cuadrados de los residuos entre los valores observados y predichos para una relación lineal entre dos variables.
Formula first
Overview
La línea de regresión se calcula utilizando el método de Mínimos Cuadrados Ordinarios (MCO), que busca minimizar la varianza de los errores. La pendiente, b1, representa el cambio esperado en y por cada unidad de cambio en x, mientras que la intersección, b0, indica el valor predicho de y cuando x es cero. Juntos, estos parámetros caracterizan la tendencia lineal dentro de un conjunto de datos.
Symbols
Variables
y^ = Predicted Value, = Slope, = Y-Intercept, x = Independent Variable, n = Sample Size
Apply it well
When To Use
When to use: Utilice esto cuando necesite modelar la relación entre dos variables continuas y predecir resultados futuros basándose en tendencias lineales.
Why it matters: Es la herramienta fundamental para el análisis predictivo, permitiendo a investigadores y empresas pronosticar tendencias y cuantificar la fuerza de las relaciones entre variables.
Avoid these traps
Common Mistakes
- Asumir que una correlación fuerte implica causalidad.
- Extrapolar la línea de regresión mucho más allá del rango de los datos de x observados.
One free problem
Practice Problem
Dados los puntos de datos (1, 2), (2, 3) y (3, 5), calcule la pendiente b1 de la línea de regresión.
Hint: Calcule el numerador n*sum(xy) - sum(x)*sum(y) y el denominador n*sum() - (sum(x))^2 por separado.
The full worked solution stays in the interactive walkthrough.
References
Sources
- Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to Linear Regression Analysis.
- Freedman, D., Pisani, R., & Purves, R. (2007). Statistics.