Datos clave
- Categoría
- Matemáticas, fechas y finanzas
- Tipos de entrada
- textarea, text, number
- Tipo de salida
- json
- Cobertura de muestras
- 4
- API disponible
- Yes
Resumen
Esta calculadora de regresión lineal permite ajustar un modelo de mínimos cuadrados simple para analizar la relación entre dos variables. Proporciona automáticamente la pendiente, el intercepto y el coeficiente de determinación R cuadrado, facilitando la creación de modelos predictivos precisos a partir de conjuntos de datos bivariados.
Cuándo usarlo
- •Cuando necesitas encontrar la línea de mejor ajuste para un conjunto de datos experimentales o históricos.
- •Para determinar la fuerza de la relación lineal entre dos variables mediante el valor R cuadrado.
- •Al requerir una estimación rápida de valores futuros de Y basados en una entrada específica de X.
Cómo funciona
- •Ingresa los pares de datos (X, Y) línea por línea o proporciona las listas de valores X e Y en los campos correspondientes.
- •Define opcionalmente un valor de X para el cual deseas obtener una predicción automática de Y.
- •El sistema aplica el método de mínimos cuadrados para calcular los parámetros estadísticos y la precisión del ajuste.
- •Visualiza los resultados finales que incluyen la pendiente, el intercepto y el valor R cuadrado con la precisión decimal deseada.
Casos de uso
Ejemplos
1. Proyección de Ventas Publicitarias
Analista de Marketing- Contexto
- Una empresa tiene datos sobre el gasto en publicidad y las ventas generadas durante los últimos 5 meses.
- Problema
- Predecir las ventas esperadas si se decide invertir 6 unidades en publicidad.
- Cómo usarlo
- Introduce los pares de datos históricos (1,2; 2,4; 3,5; 4,4; 5,5) y establece el valor de predicción X en 6.
- Configuración de ejemplo
-
pairedData: 1, 2\n2, 4\n3, 5\n4, 4\n5, 5, predictionX: 6, decimalPlaces: 2 - Resultado
- El sistema calcula una pendiente de 0.6 y predice que para una inversión de 6, las ventas estimadas serán de 5.80.
2. Control de Calidad en Manufactura
Ingeniero de Procesos- Contexto
- Se estudia la relación entre la temperatura de una máquina y el número de defectos producidos.
- Problema
- Determinar qué tan fuerte es la relación entre el calor y los errores de producción.
- Cómo usarlo
- Ingresa las temperaturas en el campo de valores X y el número de defectos en el campo de valores Y.
- Configuración de ejemplo
-
xValues: 20, 25, 30, 35, yValues: 2, 3, 5, 8 - Resultado
- Se obtiene el valor R cuadrado que indica el porcentaje de defectos que son causados directamente por el incremento de temperatura.
Probar con muestras
math-&-numbersPreguntas frecuentes
¿Qué es el método de mínimos cuadrados?
Es un procedimiento matemático que minimiza la suma de los cuadrados de las diferencias entre los puntos observados y la línea de regresión calculada.
¿Qué indica el valor R cuadrado?
Representa la proporción de la varianza de la variable dependiente que es explicada por el modelo lineal; un valor cercano a 1 indica un ajuste excelente.
¿Puedo realizar predicciones con esta herramienta?
Sí, al ingresar un valor en el campo 'X para predicción', la calculadora utiliza la ecuación generada para estimar el valor de Y correspondiente.
¿Qué formato deben tener los pares de datos?
Deben ingresarse como un par de números separados por coma por cada línea, por ejemplo: '1, 2'.
¿Es posible ajustar el número de decimales?
Sí, la herramienta permite configurar entre 0 y 10 decimales para todos los resultados del cálculo.