Conviene haber comprendido Pruebas de hipótesis y comparación de grupos.
CONTENIDO ORIGINAL
Avanza en orden. Cada lección está redactada para Palta es Cool, utiliza ejemplos propios y termina con una actividad cuya respuesta puedes desplegar.
ANTES DE EMPEZAR
Ubícate antes de avanzar
Al terminar deberías poder relacionar Modelo lineal con Interpretación y predicción y resolver un caso nuevo.
Reserva entre 35 y 55 minutos para lectura, ejemplos, tres comprobaciones y cierre.
04 / PREPARA EL LABORATORIO
Instala R y luego RStudio. Conserva cada ejercicio en un proyecto separado.
Abrir la guía de herramientas →Diagnóstico rápido: ¿cómo se relacionan Modelo lineal y Interpretación y predicción? ＋
No necesitas acertar todavía. Escribe una hipótesis de dos líneas y compárala con tu respuesta al finalizar; si puedes corregirla y justificar el cambio, hubo aprendizaje.
Aprende el tema paso a paso
Construirás e interpretarás modelos lineales con atención a la pregunta, los coeficientes, la incertidumbre, la predicción y los diagnósticos que sostienen o limitan su uso.
Al terminar podrás
- La regresión modela una media condicionada, no una causa automática
- Intervalo de confianza e intervalo de predicción responden preguntas distintas
- Los residuos revelan qué parte del patrón quedó sin explicar
01
Expresar una relación
La regresión modela una media condicionada, no una causa automática
Antes de ajustar, un diagrama de dispersión y la correlación ayudan a explorar dirección, forma y casos inusuales. El modelo lineal representa el valor esperado de una respuesta según predictores; una asociación ajustada sigue dependiendo del diseño del estudio.
Exploración: forma visual y correlación no equivalen a causalidad.
Respuesta y predictores: define sus unidades y papeles.
Fórmula: especifica variables y estructura, no demuestra causalidad.
¿Qué representa la pendiente de superficie si barrio también está en el modelo?
Mostrar respuesta ＋
El cambio esperado en precio por una unidad adicional de superficie al comparar viviendas del mismo barrio, según la codificación y los supuestos del modelo.
02
Explicar y predecir
Intervalo de confianza e intervalo de predicción responden preguntas distintas
El intervalo de confianza estima la respuesta media para un perfil; el de predicción considera además la variabilidad de una observación nueva y suele ser más ancho. Extrapolar fuera del rango estudiado puede producir resultados poco fiables.
R² resume variación explicada, no calidad causal ni ausencia de sesgo.
Una interacción permite que una pendiente cambie según otra variable.
La predicción debe incluir incertidumbre y dominio de validez.
¿Un R² de 0,90 garantiza predicciones precisas para casos nuevos?
Mostrar respuesta ＋
No. Puede existir sobreajuste, fuga de datos, extrapolación, observaciones influyentes o supuestos incumplidos. La evaluación debe usar diagnósticos y datos no usados para ajustar cuando sea posible.
03
Comprobar supuestos
Los residuos revelan qué parte del patrón quedó sin explicar
Los diagnósticos revisan linealidad, dispersión aproximadamente constante, comportamiento de residuos e influencia de casos. No son rituales: cada patrón sugiere un problema y una posible revisión del modelo o de la pregunta.
Residuos contra ajustados: curvatura y heterocedasticidad.
Q-Q: desviaciones importantes de normalidad de residuos.
Influencia: casos capaces de cambiar sustancialmente el ajuste.
¿Por qué no basta con que la pendiente tenga un valor p pequeño?
Mostrar respuesta ＋
Porque el cálculo depende de supuestos y puede estar dominado por pocos casos. Además, significancia no garantiza magnitud útil, capacidad predictiva ni interpretación causal.
Tu recorrido en tres ideas
- La regresión modela una media condicionada, no una causa automática
- Intervalo de confianza e intervalo de predicción responden preguntas distintas
- Los residuos revelan qué parte del patrón quedó sin explicar
CIERRE DE LA SECCIÓN
Comprueba que puedes usarlo
Antes de continuar, revisa estos tropiezos frecuentes y resuelve un caso sin copiar los ejemplos.
Interpretar asociación como causalidad sin apoyo del diseño.
Aceptar el modelo solo por un R² alto o una pendiente significativa.
Ahora hazlo sin guía
Modela precio de vivienda con superficie y barrio, interpreta coeficientes, predice un caso nuevo y revisa residuos e influencia.
Mostrar pauta de corrección ＋
Una respuesta sólida:
- Explica unidades, categoría de referencia y dominio observado.
- Distingue intervalo medio de intervalo predictivo.
- Relaciona cada diagnóstico con una decisión sobre el modelo.