AZ Tools

Calculadora de Regresión Lineal

Día a día

La regresión lineal responde a la pregunta cotidiana: «cuando x sube en uno, ¿cuánto se mueve y?». Pega un par (x, y) por línea — separado por coma, tabulador, espacio o punto y coma — y la herramienta ajusta la recta de mínimos cuadrados y = mx + b, devolviendo la pendiente, el intercepto, el coeficiente de correlación de Pearson r, el coeficiente de determinación R², el error estándar de la pendiente y un diagrama de dispersión con la recta superpuesta para que veas a simple vista qué tan bien sigue los datos. Escribe cualquier x en el predictor para obtener ŷ al instante. Los cálculos usan sumas de desviaciones al cuadrado numéricamente estables en lugar de la forma ingenua Σxy − (Σx)(Σy)/n, así que los resultados siguen siendo precisos incluso cuando los ejes tienen medias grandes respecto a su varianza. Todo se ejecuta localmente en tu navegador; no se sube ningún dato.

Recta de mejor ajuste

y = 1.9988 x + 0.0179

Recta de ajuste

Pendiente (m)

1.9988

Intercepto (b)

0.0179

Error estándar de m

0.0274

Fuerza del ajuste

r de Pearson

0.9994

R² (coef. de determ.)

0.9989

r de Pearson

+ muy fuerte

Resumen

Pares (n)

8

Media de x

4.5

Media de y

9.0125

Predecir

ŷ predicho

20.006

Mantente cerca del rango de tus datos — la extrapolación pierde fiabilidad rápido.

Diagrama de dispersión con recta de ajuste

x: 1 → 8y: 2.02 → 16.2

La r de Pearson solo mide asociación lineal. Una relación curva puede dar r casi 0 aunque x y y estén claramente relacionados — mira siempre el gráfico, no solo el número.

Cómo usar

  1. Pega pares de números, uno por línea — el primero es x, el segundo es y. Sirven coma, tabulador, espacio y punto y coma como separadores.
  2. Lee la ecuación principal y = mx + b de la recta de mejor ajuste y revisa R² para ver cuánta variación de y explica.
  3. Observa el signo de r de Pearson — positivo significa que y sube con x, negativo que baja. La magnitud (0 a 1) describe lo cerca que están los puntos de la recta.
  4. Escribe cualquier x en el predictor para obtener una previsión ŷ — útil para extrapolar un paso más allá de tus datos (no extrapoles demasiado).

Preguntas frecuentes

¿Cuál es la diferencia entre r y R²?
La r de Pearson va de −1 a +1 e indica la dirección y la fuerza de la relación lineal. R² es r² y siempre está entre 0 y 1: es la fracción de la variación de y que explica la recta. r = −0,9 y r = +0,9 dan ambos R² = 0,81 (explica el 81 % de la varianza), pero las relaciones van en sentidos opuestos.
¿Correlación implica causalidad?
No. Un buen ajuste significa que y se mueve con x en tu muestra, no que x cause y. Ejemplo clásico: las ventas de helados y los ataques de tiburón se correlacionan (ambos suben en verano), pero el helado no causa los ataques. La regresión describe relaciones, no las demuestra.
¿Cuándo NO funciona la regresión lineal?
Cuando la relación es curva (usa ajuste polinómico), cuando unos pocos valores extremos arrastran la recta (mira el gráfico: los atípicos cambian m y b bruscamente), cuando la varianza crece con x (heterocedasticidad), o cuando los valores de y no son independientes entre sí. Un R² alto con una nube claramente curva indica que necesitas otro modelo.
¿Qué dice el error estándar de la pendiente?
Es la incertidumbre típica de m dada la dispersión alrededor de la recta. Un intervalo de confianza al 95 % aproximado para la pendiente es m ± 2 × EE(m). Si ese intervalo cruza el cero, no puedes afirmar con confianza que x y y estén relacionadas — los datos son compatibles con la ausencia de relación.
¿Qué tamaño muestral necesito?
Dos puntos dan una recta exacta con R² = 1 pero sin info de fiabilidad. Tres es el mínimo para R² y error estándar útiles. Para estimaciones fiables de la pendiente apunta a al menos 10, y para inferencia (p-valores, intervalos de confianza) lo razonable es 20–30 o más.

Herramientas relacionadas