Saltar al contenido
Omnikalc

Calculadora de intervalo de predicción: ¿a qué distancia de la recta puede caer una nueva observación?

Introduce el resumen de la regresión y un nuevo x para obtener el intervalo de confianza de la respuesta media y el intervalo de predicción de una nueva observación.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

Intervalo de predicción de una nueva observación: límite inferior

25,58

Intervalo de predicción de una nueva observación: límite superior

37,62

Valor crítico de t
3,012
Error típico de la respuesta media
0,624
Intervalo de confianza de la respuesta media: límite inferior
29,72
Intervalo de confianza de la respuesta media: límite superior
33,48
Error típico de una nueva observación
2,000

Una recta de regresión da un valor predicho, pero una predicción debería ir acompañada de un rango. La calculadora de intervalo de predicción de regresión toma el número de observaciones, la media de x, Sxx, la desviación típica residual, un nuevo x, su y predicho y un nivel de confianza, y da el intervalo de confianza de la respuesta media y el intervalo de predicción de una nueva observación.

Cómo se hace el cálculo

  • A partir de tu regresión lineal simple, toma el número de observaciones n, la media de x, la suma de los cuadrados de las desviaciones Sxx = Σ(x − x̄)² y la desviación típica residual s.
  • Calcula el término de apalancamiento en el nuevo punto: 1 ÷ n + (x₀ − x̄)² ÷ Sxx. Aumenta cuando x₀ se aleja de la media de x.
  • El error típico de la respuesta media es s × √(término de apalancamiento), y el error típico de una nueva observación es s × √(1 + término de apalancamiento).
  • Cada intervalo es el valor predicho ± t(1 − α ÷ 2; n − 2) veces su error típico. El intervalo de predicción es siempre más ancho que el intervalo de confianza.

Ejemplo

Una regresión con 15 puntos tiene x̄ = 9,8, Sxx = 128 y una desviación típica residual de 1,9. Para x₀ = 7,5, el modelo predice 31,6. El término de apalancamiento es 1 ÷ 15 + 2,3² ÷ 128 = 0,1080. El t crítico al 99 % con 13 grados de libertad es 3,012. El error típico de la respuesta media es de 0,624, lo que da un intervalo de confianza de 29,72 a 33,48. El error típico de una nueva observación es de 2,000, lo que da un intervalo de predicción de 25,58 a 37,62.

Por qué es útil

Las predicciones en ventas, en ingeniería y en ciencias son más útiles con un rango honesto. El intervalo de predicción dice dónde es probable que caiga un valor futuro aislado, que es lo que suelen necesitar quienes planifican y los ingenieros de calidad. Se estudia también en las asignaturas de estadística de los grados universitarios.

Conviene saber

Las fórmulas suponen el modelo lineal habitual: una relación en línea recta, errores independientes de varianza constante y residuos aproximadamente normales. Valen para una regresión simple con un solo predictor. Si los residuos muestran una estructura o se abren en abanico, los intervalos serán demasiado estrechos en algunos puntos y demasiado anchos en otros.

Herramientas relacionadas

La calculadora de regresión lineal ajusta la recta, y la de intervalo de confianza trata los intervalos de medias.

Preguntas frecuentes

¿Qué diferencia hay entre intervalo de confianza e intervalo de predicción?

El intervalo de confianza cubre el valor medio de y en el nuevo x y se estrecha cuando la muestra crece. El intervalo de predicción cubre una sola observación nueva, que tiene además su propia dispersión aleatoria en torno a la recta, por lo que sigue siendo ancho incluso con muchos datos.

¿Por qué se ensancha el intervalo lejos de la media de x?

La recta se conoce mejor cerca del centro de los datos. Lejos de la media, un pequeño error en la pendiente tiene un gran efecto sobre el valor predicho, por lo que la incertidumbre aumenta. Esa es la función del término de distancia al cuadrado.

¿Dónde encontrar Sxx y s?

Ambos salen del resultado de la regresión. s es la desviación típica residual, la raíz del error cuadrático medio. Sxx se calcula como (n − 1) veces la varianza de x, o a partir del error típico de la pendiente: Sxx vale s al cuadrado dividido entre el cuadrado del error típico de la pendiente.

¿Puedo predecir lejos fuera de mis datos?

Es arriesgado. Las fórmulas solo miden el error de muestreo, no el riesgo de que la relación cambie fuera del rango observado. Una predicción muy alejada de los datos puede ser muy errónea aunque su intervalo parezca razonable.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.