Valores Por Predecir Y Errores

 Dia 5 Semana 1 Fecha de entrada: 10/08/2023

Como ultimo paso de nuestra breve investigación tenemos los valores por predecir y los Errores que se presentan a continuación. 

Valores por predecir

Un "valor predictivo" es el resultado de estimar o calcular la variable dependiente utilizando un modelo de regresión lineal utilizando valores de las variables independientes que no se utilizaron originalmente para ajustar el modelo. Estos valores nos permiten extender las conclusiones del análisis y hacer predicciones en base a las relaciones que establece el modelo.

Para obtener dichos valores, se los debe calcular en base a la siguiente fórmula.

Errores de la estimación

El error de estimación, o residual, es la diferencia entre el valor observado de la variable dependiente (Y) y el valor predicho del modelo de regresión. En otras palabras, son las distancias verticales entre cada punto de datos en el diagrama de dispersión y la línea de regresión ajustada. El error de estimación representa la diferencia entre los valores reales y las predicciones del modelo.

Algunos puntos importantes sobre el error de estimación son:

Minimización residual: el objetivo de los mínimos cuadrados es encontrar la línea de regresión que minimiza la suma residual de cuadrados. Esto significa que el modelo intenta ajustar los datos lo mejor posible minimizando la diferencia entre los valores observados y predichos.

Residuos positivos y negativos: los residuos pueden ser positivos (si una observación está por encima de la línea de regresión) o negativos (si está por debajo de la línea de regresión). Para que un ajuste de regresión sea bueno, los residuos deben distribuirse aproximadamente simétricamente alrededor de cero.