¿Alguna vez has mirado una nube de puntos en un gráfico y pensado “si pudiera dibujar una línea que resumiera todo esto…”? Esa línea existe y se llama recta de regresión. Es la forma más simple —y sorprendentemente poderosa— de capturar una relación entre dos variables: por ejemplo, cuántas horas estudias y la nota que sacas, o la temperatura y las ventas de helado.
Imagina que eres el dueño de una cafetería y apuntas durante una semana la temperatura exterior y la cantidad de cafés fríos vendidos. Llega un día caluroso y te preguntas: ¿cuántos cafés fríos más venderé si la temperatura sube 2 °C? No necesitas una bola de cristal: con suficientes datos puedes ajustar una recta que te diga, en promedio, cuánto cambia la venta cuando cambia la temperatura. Esa recta —la de regresión— es como una regla que resume la tendencia general en medio del ruido de los datos.
Explicación del concepto: ¿qué es exactamente la recta de regresión?
La recta de regresión (o recta de regresión lineal simple) es una línea que intenta describir la relación entre dos variables numéricas: una variable independiente (x) (la que creemos que influye) y una variable dependiente (y) (la que queremos explicar o predecir). Su forma general es:
[y = a + b x]
donde:
- (b) es la pendiente (o coeficiente) y nos dice cuánto cambia (y) cuando (x) aumenta en una unidad, en promedio.
- (a) es la ordenada al origen (o intercepto) y es el valor predicho de (y) cuando (x = 0).
La idea es simple: ajustamos la línea para que, en conjunto, esté lo más cerca posible de todos los puntos ({eq}(x_i, y_i){/eq}) que tenemos. “Lo más cerca posible” se define habitualmente minimizando la suma de los cuadrados de las distancias verticales (residuos) de cada punto a la línea; a eso se le llama mínimos cuadrados.
Por qué “lineal” y por qué “promedio”
Lineal porque la relación modelada es una línea recta; promedio porque la recta captura la tendencia media—no describe casos individuales con perfección, sino el comportamiento central. Si los puntos están muy dispersos, la recta sigue existiendo pero será poco útil para predecir casos concretos; si los puntos están cerca de una línea, la recta será un excelente resumen.
Fórmulas clave (explicadas sin tecnicismos)
Si tienes datos ({eq}(x_1,y_1){/eq}, {eq}(x_2,y_2){/eq}, {eq}\dots, (x_n,y_n){/eq}), la pendiente (b) y el intercepto (a) se calculan así:
[{eq}b = \dfrac{\sum_{i=1}^n (x_i – \overline{x})(y_i – \overline{y})}{\sum_{i=1}^n (x_i – \overline{x})^2}
\qquad\text{y}\qquad
a = \overline{y} – b,\overline{x}{/eq}]
Aquí ({eq}\overline{x}{/eq}) y ({eq}\overline{y}{/eq}) son las medias (promedios) de las (x) y de las (y) respectivamente.
Una forma intuitiva de entenderlo: el numerador de (b) mide cómo varían juntas (x) y (y) (si ambas aumentan juntas, es positivo). El denominador mide cuánto varía (x) por sí sola. Dividirlos da la pendiente —es decir, cuánto cambia (y) cuando (x) cambia una unidad.
Ejemplo práctico y paso a paso (cálculo manual, claro y didáctico)
Tomemos un ejemplo común: horas de estudio (x) y puntaje en un examen (y). Supón estos cinco pares de datos:
[{eq}(1,50),\ (2,55),\ (4,65),\ (3,60),\ (5,75){/eq}]
Paso 1 — Calcular las medias
[{eq}\overline{x} = \dfrac{1+2+4+3+5}{5} = \dfrac{15}{5} = 3{/eq}]
[{eq}\overline{y} = \dfrac{50+55+65+60+75}{5} = \dfrac{305}{5} = 61{/eq}]
Paso 2 — Calcular la suma del producto de las desviaciones (numerador de (b))
Para cada pareja calculamos ({eq}(x_i-\overline{x})(y_i-\overline{y}){/eq}):
- Para ((1,50)): ({eq}(1-3)\cdot(50-61) = (-2)\cdot(-11) = 22{/eq})
- Para ((2,55)): ({eq}(-1)\cdot(-6) = 6{/eq})
- Para ((4,65)): ({eq}1\cdot 4 = 4{/eq})
- Para ((3,60)): ({eq}0\cdot(-1) = 0{/eq})
- Para ((5,75)): ({eq}2\cdot 14 = 28{/eq})
Sumamos: (22 + 6 + 4 + 0 + 28 = 60).
Paso 3 — Calcular la suma de las desviaciones cuadradas de (x) (denominador de (b))
({eq}(x_i-\overline{x})^2{/eq}):
- ({eq}(-2)^2 = 4{/eq})
- ({eq}(-1)^2 = 1{/eq})
- ({eq}1^2 = 1{/eq})
- ({eq}0^2 = 0{/eq})
- ({eq}2^2 = 4{/eq})
Sumamos: (4 + 1 + 1 + 0 + 4 = 10).
Paso 4 — Calcular la pendiente y el intercepto
[{eq}b = \dfrac{60}{10} = 6{/eq}]
[{eq}a = \overline{y} – b,\overline{x} = 61 – 6\cdot 3 = 61 – 18 = 43{/eq}]
Resultado: la recta de regresión es
[{eq}\boxed{,y = 43 + 6x,}{/eq}]
Interpretación:, en promedio, cada hora de estudio extra aumenta la nota en 6 puntos, y si un estudiante no estudiase ( (x=0) ), la línea predice 43 puntos (esto no siempre tiene sentido práctico, pero es la extrapolación del modelo).
Residuales y “qué tan buena” es la recta
Cada punto tiene una distancia vertical a la recta: ese es el residuo. La regresión por mínimos cuadrados busca la recta que hace la suma de los cuadrados de esos residuos lo más pequeña posible.
Para medir la calidad del ajuste usamos, entre otras, la ({eq}R^2{/eq}) (coeficiente de determinación) que indica la proporción de la variabilidad total de (y) que la recta explica. Un ({eq}R^2{/eq}) cercano a 1 indica que la recta explica mucho; cercano a 0 indica poco. Importante: un ({eq}R^2{/eq}) alto no garantiza causalidad ni que el modelo sea correcto fuera de los datos observados.
Analogías que ayudan a recordar
- La recta como una “cuerda tensa”: imagina una red de puntos sobre una mesa y estiras una cuerda para que, en promedio, quede lo más cerca posible de todos ellos. La cuerda será la línea que resume la dirección general.
- Promedio condicional: para cada valor de (x), si promediáramos los valores de (y) que ocurren con ese (x), veríamos un punto promedio; la recta intenta aproximar esos promedios por una línea continua.
- Mapa de tendencia: como cuando miras la marea en varios días y trazas una línea para ver si sube o baja en general.
Detalles y matices importantes (sin tecnicismos innecesarios)
- Correlación no es causalidad. Que la recta muestre que (x) y (y) se mueven juntos no significa que (x) cause (y). Podría haber una tercera variable (confusor) o coincidencia.
- Linealidad local. La relación puede ser aproximadamente lineal en la zona de los datos pero no en extremos. Por ejemplo, la relación entre dosis de medicamento y efecto puede saturarse: aumentar la dosis ya no produce el mismo incremento.
- Variables atípicas (outliers) y su influencia. Un punto muy alejado puede “halar” la recta y distorsionar los resultados. Es importante visualizar y, si es necesario, justificar excluir outliers.
- Heterocedasticidad. Si la dispersión de los puntos aumenta al crecer (x), la recta aún puede estimarse, pero la interpretación de incertidumbres cambia. Eso es más técnico, pero la idea práctica: verifica que los residuos no muestren patrones.
- Escala y unidades. La pendiente depende de las unidades: si mides horas en minutos, el valor numérico cambia. Siempre piensa en unidades al interpretar (a) y (b).
Ejemplos del día a día para visualizar la idea
1. Horas de estudio vs nota (ya visto)
Fácil de imaginar: más estudio, en promedio, mejores notas. La recta resume cuánto sube la nota por cada hora extra.
2. Temperatura vs ventas de helado
En verano, a más grados, más helados. Una recta puede estimar el aumento promedio de ventas por grado. Pero atención: a partir de cierta temperatura puede haber saturación o efectos no lineales (por ejemplo, días extremadamente calurosos la gente sale menos).
3. Edad vs estatura (para niños)
En un rango de edades, la estatura aumenta aproximadamente de forma lineal, por lo que una recta puede predecir la estatura media para una edad dada. Fuera del rango (por ejemplo en la adolescencia tardía) la relación puede cambiar.
4. Precio vs demanda (en intervalos pequeños)
En economía, pequeñas variaciones en precio pueden seguir una relación lineal local con la demanda. Para grandes cambios, la relación suele tornarse no lineal.
Aplicaciones prácticas: dónde se usa la recta de regresión
- Negocios y marketing: predecir ventas en función de la inversión publicitaria, estimar demanda según la estacionalidad, ajustar inventarios.
- Ciencia y tecnología: calibrar instrumentos (por ejemplo, convertir una señal eléctrica a una medida física), analizar experimentos controlados.
- Salud pública: modelar la relación entre dosis y respuesta o entre hábitos y riesgo (siempre con cuidado en interpretaciones causales).
- Economía y finanzas: estimar sensibilidad de un activo a cambios en un índice (beta en modelos financieros básicos).
- Ingeniería: relaciones entre esfuerzo y deformación en rangos elásticos, donde la relación es lineal.
- Educación: relacionar tiempo de estudio con desempeño promedio, diseñar intervenciones.
- Meteorología y ecología: relación entre variables ambientales y conducta animal o crecimiento de plantas (en rangos donde la relación es aproximable por una línea).
Buenas prácticas al usar la regresión lineal
- Visualiza siempre los datos. Un gráfico de dispersión te dice más que un número mágico.
- Comprueba residuos. Si muestran patrón (curva, pendiente cambiante), tal vez necesites un modelo no lineal.
- No extrapoles a lo loco. La recta predice bien dentro del rango de los datos; fuera de ese rango sus predicciones pueden ser absurdas.
- Considera variables importantes que falten. A veces agregar una variable explicativa mejora muchísimo la predicción.
- Evalúa la incertidumbre. Toda predicción tiene error: usa intervalos de confianza si necesitas rigor.
Una nota sobre regresión múltiple (breve y sin tecnicismos)
Aquí tratamos la regresión simple (una variable (x)). En la vida real muchas veces usamos varias variables independientes (por ejemplo, horas de estudio, calidad del sueño, asistencia a clases) para explicar la nota. Eso se llama regresión múltiple; la idea general es la misma, pero ahora ajustamos un hiperplano en varias dimensiones en lugar de una recta en dos dimensiones.
Errores comunes y cómo evitarlos
- Usar la recta aunque la relación sea claramente curva. Solución: graficar y probar modelos no lineales.
- Ignorar valores atípicos sin investigarlos. A veces son errores de medición; otras veces son casos interesantes que merecen estudio.
- Confundir correlación con causalidad. Si quieres afirmar causalidad necesitas diseño experimental o técnicas más avanzadas.
- Olvidar las unidades. Interpreta la pendiente siempre con sus unidades (puntos por hora, ventas por grado, etc.).
Resumen / Conclusión
La recta de regresión es una herramienta sencilla y poderosa para resumir la relación entre dos variables mediante una línea que representa la tendencia promedio. Con unas pocas cuentas puedes estimar cuánto cambia una variable cuando cambia la otra, detectar patrones y hacer predicciones aproximadas. Sin embargo, como cualquier herramienta, tiene límites: funciona mejor cuando la relación es aproximadamente lineal, cuando no hay outliers extremos que distorsionen el ajuste y cuando se la usa con sentido crítico (no para afirmar causalidad sin más pruebas).
Si recuerdas sólo tres ideas:
- La recta es una tendencia promedio, no una verdad absoluta para cada caso.
- La pendiente (b) dice cuánto cambia (y) por unidad de (x).
- Siempre visualiza tus datos antes de fiarte de la recta.
Resultados del aprendizaje
- Explicar con tus propias palabras qué es la recta de regresión y para qué sirve.
- Calcular, con un ejemplo pequeño, la pendiente (b) y el intercepto (a) y escribir la ecuación de la recta.
- Interpretar la pendiente en unidades reales (por ejemplo, “6 puntos por hora de estudio”).
- Reconocer cuándo una recta puede ser un mal modelo (relaciones claramente curvas, outliers dominantes, extrapolaciones riesgosas).
- Comprender la diferencia entre correlación y causalidad, y por qué es importante no confundirlas.
Continua con:
- ¿Qué es la Política redistributiva? Definición y ejemplos
- ¿Qué es Inspección de Hacienda? Definición y ejemplos
- ¿Qué es el Salario neto? Definición y ejemplos
- ¿Qué es el Salario bruto? Definición y ejemplos
- ¿Qué es el Test de Durbin-Watson? Definición y ejemplos
- ¿Qué es el Consenso de Washington? Definición y características
