Documentos de Académico
Documentos de Profesional
Documentos de Cultura
lineal
La regresión lineal es un método estadístico utilizado para modelar la relación
entre una variable dependiente y una o más variables independientes. Se busca
encontrar la ecuación de una línea recta que mejor se ajuste a los datos
observados, lo que permite predecir el valor de la variable dependiente en
función de los valores de las variables independientes.
Ejemplo de regresión lineal
Contexto Proceso Resultado
Concepto Interpretación
El coeficiente de correlación mide la fuerza y la Un coeficiente de correlación cercano a 1 indica
dirección de la relación entre dos variables. En una correlación positiva, lo que significa que a
el contexto de la regresión lineal, este medida que una variable aumenta, la otra
coeficiente nos indica si las variables también lo hace. Por el contrario, un coeficiente
independientes están asociadas con la variable cercano a -1 indica una correlación negativa,
dependiente y en qué medida. donde mientras una variable aumenta, la otra
disminuye.
Coeficientes de la regresión
Intercepción Coeficientes de Variables
Independientes
El término de intercepción representa el valor
de la variable dependiente cuando todas las Estos coeficientes indican cuánto cambia la
variables independientes son cero. En algunos variable dependiente por cada cambio unitario
contextos, puede tener una interpretación real; en las variables independientes. Son
en otros, puede no tener un significado fundamentales para entender la influencia de
práctico. cada variable independiente en el resultado
deseado.
Interpretación de los coeficientes
1 2 3
Importancia Significado Impacto
Error estándar de la estimación
El error estándar de la estimación mide la
precisión de las predicciones hechas con la
2 Recomendaciones
Para aquellos que utilizan la regresión lineal, se recomienda una comprensión
profunda de sus supuestos, limitaciones y técnicas asociadas, ya que su uso
inadecuado puede conducir a interpretaciones erróneas y análisis deficientes.