Regresión por Mínimos Cuadrados

Comparar Cálculos

Descargas

Incluye tus datos y resultados de este cálculo, además de cualquier cálculo adicional que hayas comparado.

Ajustar una Línea a Puntos de Datos Dispersos

La regresión por mínimos cuadrados encuentra la única línea recta que mejor se ajusta a una dispersión de puntos de datos. Ingresa una lista de pares x, y — uno por línea — y esta calculadora encuentra la pendiente e intersección de la línea, además de qué tan estrechamente siguen los puntos realmente esa línea.

La fórmula

\vC{m} = \frac{n\sum{xy} - \sum{x}\sum{y}}{n\sum{x^2} - \left(\sum{x}\right)^2}

\vC{b} = \frac{\sum{y} - m\sum{x}}{n}

donde $m$ es la pendiente, $b$ es la intersección, y $n$ es el número de puntos de datos — juntos describen la línea $y = mx + b$ que minimiza la distancia total al cuadrado de cada punto a la línea.

Ejemplo resuelto

Ajustando una línea a través de (1, 1), (2, 2), y (3, 4):

$m = \frac{3(17) - 6(7)}{3(14) - 6^2} = \frac{51 - 42}{42 - 36} = \frac{9}{6} = \vC{1.5}$
$b = \frac{7 - 1.5(6)}{3} = \frac{7 - 9}{3} = \vC{-0.667}$ — así que la línea ajustada es $y = 1.5x - 0.667$ , con un coeficiente de correlación de aproximadamente $0.98$ .

Factores Clave a Considerar

Un coeficiente de correlación fuerte no significa necesariamente que x realmente cause y. Dos variables pueden estar fuertemente correlacionadas porque una realmente influye en la otra, porque ambas están impulsadas por un tercer factor, o simplemente por coincidencia en un conjunto de datos pequeño — la correlación describe la fuerza de una relación lineal, no la razón detrás de ella.
Este método asume que la relación real es lineal, lo cual no siempre es la suposición correcta. Si una dispersión de puntos en realidad sigue una curva, forzar una línea recta a través de ella puede producir una línea técnicamente de “mejor ajuste” que aún así describe mal los datos — graficar los puntos visualmente antes de confiar en el ajuste es una buena práctica.
Un solo punto inusual (un valor atípico) puede tirar desproporcionadamente de la línea ajustada hacia él. Debido a que los mínimos cuadrados minimizan distancias AL CUADRADO, un punto alejado de la tendencia general contribuye mucho más al ajuste que un punto cercano a ella — un conjunto de datos pequeño con un valor atípico extremo es especialmente sensible a esto.
Más puntos de datos generalmente producen un ajuste más confiable, con todo lo demás igual. Una línea ajustada a través de solo 3-4 puntos (como en el ejemplo resuelto) puede parecer convincente pero conlleva mucha más incertidumbre que la misma relación medida a través de decenas de puntos — la fuerza de la correlación por sí sola no captura cuántos datos realmente respaldan el ajuste.

Errores Comunes

Tratar un coeficiente de correlación alto como prueba de causalidad. Un valor r fuerte solo muestra que los puntos se agrupan estrechamente alrededor de una línea — no dice nada sobre si una variable realmente causa cambios en la otra.
Ajustar una línea recta a datos que en realidad son curvos. Los mínimos cuadrados siempre devuelven una pendiente e intersección, incluso cuando un ajuste lineal describe mal el patrón subyacente — grafica los puntos primero, o verifica si el coeficiente de correlación es sorprendentemente bajo, antes de confiar en el resultado.
Usar muy pocos puntos de datos y tratar el ajuste como confiable. Una línea a través de solo 3-4 puntos puede parecer convincente pero conlleva mucha más incertidumbre que la misma relación medida a través de decenas de puntos.
Dejar que un solo valor atípico domine el ajuste sin notarlo. Debido a que los mínimos cuadrados minimizan distancias al cuadrado, un punto muy alejado puede arrastrar toda la línea hacia él — vale la pena comprobar si eliminar un punto inusual cambia sustancialmente el resultado.

Útil Saber

¿Necesitas estimar un valor entre dos puntos conocidos en lugar de ajustar una línea de tendencia a través de muchos? La Calculadora de Interpolación Lineal cubre ese caso más directo.
¿Quieres ver cómo se compara un valor específico con la dispersión general de un conjunto de datos? La Calculadora de Puntuación Z mide exactamente eso.
¿Trabajas con la misma lista de números para estadísticas resumidas más amplias? La Calculadora de Estadística cubre la media, la mediana, y la desviación estándar.

Fuente: Regresión lineal simple.

Preguntas Frecuentes

¿Qué es la regresión por mínimos cuadrados?

La regresión por mínimos cuadrados encuentra la única línea recta que mejor se ajusta a una dispersión de puntos de datos, minimizando la suma de las distancias verticales al cuadrado entre cada punto y la línea. Es el método estándar para describir una relación lineal entre dos variables.

¿Qué significan la pendiente y la intersección?

La pendiente indica cuánto cambia y por cada aumento de 1 unidad en x -- una pendiente de 2 significa que y sube 2 cada vez que x sube 1. La intersección es el valor de y que predice la línea cuando x es 0, que es donde la línea cruza el eje vertical.

¿Qué me indica el coeficiente de correlación (r)?

El coeficiente de correlación va de -1 a 1 y mide qué tan agrupados están los puntos alrededor de la línea ajustada. Un valor cercano a 1 significa una fuerte relación positiva (cuando x sube, y también sube de manera confiable), cercano a -1 significa una fuerte relación negativa, y cercano a 0 significa poca o ninguna relación lineal. R cuadrado (r²) es simplemente r multiplicado por sí mismo, y suele interpretarse como "el porcentaje de la variación en y que se explica por x".

¿Una correlación fuerte significa que x causa y?

No — la correlación solo mide qué tan fuertemente se mueven juntas dos variables, no por qué. Una correlación fuerte puede reflejar una causalidad real, una causa subyacente compartida que afecta a ambas variables, o una simple coincidencia, especialmente en un conjunto de datos pequeño. No trates un coeficiente de correlación alto por sí solo como prueba de una relación causal.

¿Qué pasa si mis datos en realidad no siguen una línea recta?

La regresión por mínimos cuadrados siempre ajusta una línea recta, incluso a datos que genuinamente siguen una curva — aún así devolverá una pendiente, intersección y coeficiente de correlación, pero pueden describir mal la relación. Graficar tus puntos primero, o verificar si el coeficiente de correlación es inesperadamente bajo, puede señalar cuándo un ajuste lineal es la herramienta equivocada para tus datos.