Saltar al contenido

Matemáticas

Calculadora de regresión lineal

Ingresa valores de X e Y emparejados como listas separadas por comas y de igual longitud. La calculadora ajusta una recta de mínimos cuadrados e informa la pendiente, el intercepto, la ecuación, r² y el tamaño de la muestra. La recta minimiza las distancias verticales al cuadrado desde los puntos de datos. Úsala para describir una tendencia lineal, no para demostrar causa y efecto.

Actualizado 2026-11-15 Estimación editorial Equipo editorial de Calccc Gratis · Sin registro

Cargando calculadora…

Qué hace esta calculadora

La regresión lineal ajusta una recta a datos emparejados. Esta calculadora usa el método de mínimos cuadrados, que elige la recta que mantiene lo más pequeño posible el error vertical al cuadrado total. Devuelve la pendiente, el intercepto, la ecuación, r² y el tamaño de la muestra. La pendiente indica cuánto cambia Y, en promedio, cuando X aumenta una unidad. El intercepto es el valor previsto de Y cuando X es cero, lo que puede tener sentido o no según el contexto.

Cómo usarla

  1. Ingresa los valores de X separados por comas.
  2. Ingresa los valores de Y en el mismo orden y con la misma cantidad.
  3. Empareja cada X con su Y.
  4. Revisa la pendiente, el intercepto, la ecuación, r² y el tamaño de la muestra.

Cómo funciona

Con n pares, pendiente b = (nΣxy - ΣxΣy) / (nΣx² - (Σx)²). Intercepto a = (Σy - bΣx) / n. La ecuación ajustada es y = bx + a. R² = (nΣxy - ΣxΣy)² / [(nΣx² - (Σx)²)(nΣy² - (Σy)²)]. El denominador debe ser distinto de cero, así que los valores de X necesitan al menos dos números diferentes. R² va de 0 a 1.

Ejemplos de cálculo

Ejemplo 1: ajuste positivo moderado

Para x = 1, 2, 3, 4, 5 e y = 2, 4, 5, 4, 5, la recta es y = 0.6x + 2.2. La pendiente es 0.6, el intercepto es 2.2, r² = 0.60 y n = 5. Los puntos suben, pero no exactamente sobre la recta.

Ejemplo 2: ajuste negativo perfecto

Para x = 1, 2, 3, 4 e y = 10, 8, 6, 4, la recta es y = -2x + 12. La pendiente es -2, el intercepto es 12, r² = 1.00 y n = 4. Todos los puntos están sobre la recta.

Ejemplo 3: ajuste débil con tres puntos

Para x = 1, 2, 3 e y = 3, 1, 2, la recta es y = -0.5x + 3. La pendiente es -0.5, el intercepto es 3, r² = 0.25 y n = 3. El ajuste débil y la muestra diminuta hacen poco fiable la tendencia descendente.

Qué significa el resultado

La pendiente es el cambio medio de Y por cada aumento de una unidad en X. El intercepto es una predicción en X = 0 y a menudo queda fuera del rango observado, así que no supongas que tiene un significado real. R² va de 0 a 1 y describe la proporción de la variación de Y explicada por el ajuste lineal; 0.60 significa 60% bajo este modelo. Un R² alto no demuestra que la relación sea causal, y un R² bajo no demuestra que no exista relación, porque el patrón puede ser curvo o ruidoso. Los valores atípicos pueden arrastrar tanto la recta como el R². Traza siempre los pares y revisa el tamaño de la muestra antes de confiar en la ecuación.

Errores comunes

  • Invertir X e Y, lo que cambia la pendiente y responde a otra pregunta.
  • Usar listas de distinta longitud o emparejar valores fuera de orden.
  • Interpretar r² como el porcentaje del resultado causado por X.
  • Ignorar valores atípicos o un patrón curvo que una recta no puede capturar.

Supuestos y límites

  • Ambas listas contienen valores numéricos y tienen la misma cantidad de elementos.
  • Los pares se emparejan por posición, así que el orden de cada lista importa.
  • Una relación lineal es una descripción razonable de los datos.
  • Las observaciones son independientes entre sí.
  • No se imputan valores faltantes.

Preguntas frecuentes

¿Qué significa la pendiente?

Es el cambio estimado de Y por cada aumento de una unidad en X. Una pendiente de 0.6 predice un aumento de 0.6 unidades en Y por cada unidad de X.

¿Qué es el método de mínimos cuadrados?

Elige la recta que minimiza la suma de las distancias verticales al cuadrado, lo que da más peso a los errores grandes.

¿Qué es un buen r²?

No hay un umbral universal. Un r² más alto significa que la recta explica más de la variación de Y, pero su utilidad depende del campo y del propósito.

¿Puedo usar valores negativos de X?

Sí. Los valores negativos de X son válidos, y el intercepto resulta más significativo cuando el cero está dentro del rango observado.

¿Y si mis listas de X e Y tienen longitudes distintas?

La calculadora necesita un valor de Y por cada valor de X. Revisa si falta un elemento, sobra una coma o hay un carácter suelto.

¿Una regresión fuerte demuestra causalidad?

No. Un ajuste cerrado muestra que una recta describe bien la muestra, pero un tercer factor o una causalidad inversa podrían explicar el patrón.

Fuentes

Esta calculadora es una herramienta educativa de estadística. Las estimaciones de mínimos cuadrados dependen de los valores ingresados y de que un modelo lineal sea razonable. No establecen causalidad ni sustituyen un análisis estadístico completo. Revisa los datos originales y consulta a un analista calificado para decisiones de investigación o de negocio.

Actualización 2026

Cómo usar el resultado profesional

Esta página no es solo una caja de fórmula. El resultado está pensado para comprobarlo, compararlo y llevarlo contigo.

  • Hoja de trabajo profesional. El resultado incluye los datos usados, el método y el alcance, además de una comprobación de sensibilidad de una variable para calculadoras financieras.
  • Escenarios A/B. Guarda dos conjuntos de datos en el navegador y compara las cifras principal, secundaria y el desglose lado a lado.
  • Imprimir / PDF y CSV. Imprime una hoja con la marca o exporta la tabla anual cuando la calculadora la genera.

Las fórmulas y los supuestos anteriores siguen gobernando la cifra. La hoja de trabajo hace la estimación auditable; no la convierte en una cotización de un prestamista, una declaración de impuestos ni asesoría personalizada.

Go deeper

Guides that explain the math

Linear Regression: Slope, Intercept, and R-squared
Math

Linear Regression: Slope, Intercept, and R-squared

Fit a least-squares line by hand, read the slope and intercept in context, interpret R-squared honestly, and check the assumptions before trusting a prediction.

8 min read

Equipo editorial de Calccc · Actualizado 2026-11-15

Preparado por Equipo editorial de Calccc como estimación educativa. Esta página no es una revisión profesional licenciada ni constituye asesoría financiera, médica, legal o fiscal.

Estimación editorial preparada por el Equipo editorial de Calccc; no es una revisión profesional licenciada.