Matemática

Regresión Lineal Simple (y = mx + b): pendiente, R² y predicciones

Calculá la recta de regresión lineal y=mx+b con datos X e Y. Obtené pendiente, ordenada, R² y predicciones. y = mx + b por mínimos cuadrados.

  • Datos verificados · julio de 2026
  • Editado por
  • Fórmula verificada con pruebas automatizadas
  • Cálculo privado en tu dispositivo
Proponer mejora
Calculadora Gratis · Privada
¿Tenés una web? Incrustá esta calculadora gratis Gratis — copiá el código y pegalo en tu web Embeber en tu sitio
<iframe src="https://hacecuentas.com/embed/calculadora-regresion-lineal-simple" width="100%" height="560" style="border:1px solid #e2e8f0;border-radius:12px;max-width:720px" loading="lazy" title="Regresión Lineal Simple (y = mx + b): pendiente, R² y predicciones"></iframe>
<p style="font-size:13px;text-align:center;margin:8px 0">Powered by <a href="https://hacecuentas.com" target="_blank" rel="noopener sponsored">Hacé Cuentas</a> — <a href="https://hacecuentas.com/calculadora-regresion-lineal-simple" target="_blank" rel="noopener sponsored">Regresión Lineal Simple (y = mx + b): pendiente, R² y predicciones</a></p>
Ver preview →

Pegalo en tu sitio. Dejá el link de crédito — gracias por compartir. Más widgets →

¿Querés cambiar algo?Editá cualquier dato y volvé a calcular.
Resultado al instanteSe recalcula en tu navegador, sin recargar la página.
Rápida y transparente

Cómo usar esta calculadora

Usá los pasos de esta herramienta y revisá debajo la fórmula, los supuestos y sus límites.

Paso a paso
01
Ingresá los datos XEscribí los valores de la variable independiente separados por coma.
02
Ingresá los datos YEscribí los valores de la variable dependiente (misma cantidad que X).
03
Hacé click en CalcularObtenés la ecuación y = mx + b, pendiente, ordenada y R².
La regresión lineal simple encuentra la mejor recta y = mx + b que ajusta un conjunto de datos (X, Y) usando el método de mínimos cuadrados. La pendiente m indica cuánto cambia Y por cada unidad de X. El R² mide qué tan bien la recta ajusta los datos.

Cuándo usar esta calculadora

  • Encontrar la ecuación de la recta que mejor ajusta datos.
  • Hacer predicciones basadas en una relación lineal.
  • Evaluar si una relación entre variables es lineal.
  • Resolver ejercicios de estadística inferencial.
  • Modelar tendencias en datos experimentales.

Ejemplos de referencia — regresión lineal simple (y = mx + b)

Casos canónicos con pendiente, ordenada y R² calculados por mínimos cuadrados. Útil para verificar resultados o entender el efecto del ruido en los datos.

CasoDatos XDatos YPendiente (m)Ordenada (b)Calidad del ajuste
Lineal perfecto1, 2, 3, 4, 53, 5, 7, 9, 112,00001,00001,0000Perfecto (y = 2x + 1 exacto)
Lineal con ruido leve1, 2, 3, 4, 5, 6, 7, 82,1 / 4,0 / 5,2 / 4,8 / 6,5 / 7,1 / 8,2 / 9,00,91311,75360,9610Muy fuerte (≥ 0,90)
Temperatura (°C) vs ventas15, 18, 20, 22, 25, 28, 30120, 135, 150, 160, 180, 200, 2106,146326,26830,9982Casi perfecto (≥ 0,95)
Pendiente negativa (y = −3x + 10)0, 1, 2, 3, 410, 7, 4, 1, −2−3,000010,00001,0000Perfecto (relación negativa exacta)
Ajuste moderado1, 2, 3, 4, 52, 1, 5, 3, 71,20000,00000,6207Moderado (0,50 – 0,70)
Ajuste débil (mucho ruido)1, 2, 3, 4, 510, 8, 11, 9, 120,50008,50000,2500Débil (< 0,30)

Valores calculados con la fórmula de mínimos cuadrados: m = (n·ΣXY − ΣX·ΣY) / (n·ΣX² − (ΣX)²); b = (ΣY − m·ΣX) / n; R² = 1 − SSres/SStot. Podés reproducir cada fila ingresando los datos en la calculadora.

Cómo funciona

Qué es la regresión lineal simple

La regresión lineal simple encuentra la recta y = mx + b que mejor ajusta un conjunto de datos (X, Y), usando el método de mínimos cuadrados (minimiza la suma de los errores al cuadrado entre datos y predicción).

Fórmulas

Pendiente (m): m = Σ((xᵢ - x̄)(yᵢ - ȳ)) / Σ(xᵢ - x̄)²

Ordenada al origen (b): b = ȳ - m · x̄

Coeficiente de determinación (R²): mide qué tan bien la recta explica los datos.

Interpretación de R²

Interpretación
0.00 – 0.30Ajuste débil
0.30 – 0.60Ajuste moderado
0.60 – 0.80Ajuste bueno
0.80 – 0.95Ajuste muy bueno
0.95 – 1.00Ajuste casi perfecto

Supuestos de la regresión lineal

  • Linealidad: relación entre X e Y debe ser lineal.

  • Independencia: observaciones independientes entre sí.

  • Homocedasticidad: varianza del error constante en todo el rango.

  • Normalidad de residuos: para inferencia estadística.
  • Cuándo usar y errores comunes

  • R² alto ≠ causalidad: puede haber variable oculta.

  • Extrapolar fuera del rango observado: peligroso (la relación puede cambiar).

  • Outliers alteran pendiente y ordenada: revisá residuos.

  • Para medidas de posición relativa mirá percentil de un dato.
  • Ejemplo real: 8 pares de datos lineales con ruido

    Datos X: 1, 2, 3, 4, 5, 6, 7, 8 (n=8).
    Datos Y: 2.1, 4.0, 5.2, 4.8, 6.5, 7.1, 8.2, 9.0.
    Medias: x̄ = 4.5, ȳ = 5.86.
    Pendiente m: ~0.96.
    Ordenada b: 5.86 - 0.96 × 4.5 = 1.55.
    Ecuación: y = 0.96x + 1.55.
    ≈ 0.97 (ajuste casi perfecto).
    Recta y = 0.96x + 1.55 con R² = 0.97: modelo excelente para estos datos.

    Preguntas frecuentes

    ¿Qué es la regresión lineal?
    Un método para encontrar la mejor recta que pasa por un conjunto de puntos, minimizando la suma de los errores al cuadrado.
    ¿Qué significa la pendiente?
    Cuánto cambia Y por cada unidad de X. m = 2 significa que Y aumenta 2 por cada aumento de 1 en X.
    ¿Qué es la ordenada al origen?
    El valor de Y cuando X = 0 (b). No siempre tiene interpretación práctica.
    ¿R² alto = buen modelo?
    R² alto indica buen ajuste lineal. Pero verificá también que la relación sea realmente lineal (graficá los residuos).
    ¿Puedo hacer predicciones?
    Sí, reemplazá X en la ecuación. Pero no extrapoles mucho más allá del rango de los datos.
    ¿Cuántos datos necesito?
    Mínimo 3, pero se recomienda al menos 10-20 para resultados confiables.
    ¿Qué son los mínimos cuadrados?
    El método que minimiza Σ(yᵢ - ŷᵢ)², la suma de los cuadrados de las diferencias entre valores observados y predichos.
    ¿Cuándo usar y errores comunes?
  • R² alto ≠ causalidad: puede haber variable oculta. - Extrapolar fuera del rango observado: peligroso (la relación puede cambiar). - Outliers alteran pendiente y ordenada: revisá residuos. - Para medidas de posición relativa mirá percentil de un dato.
  • Metodología y confianza

    Editorial

    Calculadora de matemática con fórmula verificada automáticamente contra Wolfram MathWorld, según nuestra política editorial y metodología.

    Actualización

    Actualizado: julio de 2026. Los parámetros se verifican periódicamente con las fuentes citadas.

    Privacidad

    Los cálculos corren 100% en tu navegador. No guardamos ni transmitimos tus datos.

    Limitaciones

    Resultados orientativos. Para decisiones críticas, consultá con un profesional.

    📌 Cómo citar esta calculadora
    Formato APA

    Rodríguez, M. (2026). Regresión Lineal Simple (y = mx + b): pendiente, R² y predicciones. Hacé Cuentas. https://hacecuentas.com/calculadora-regresion-lineal-simple

    BibTeX
    @misc{hacecuentas_calculadora_regresion_lineal_simple_2026,
      author       = {Rodríguez, Martín},
      title        = {{Regresión Lineal Simple (y = mx + b): pendiente, R² y predicciones}},
      year         = {2026},
      howpublished = {\url{https://hacecuentas.com/calculadora-regresion-lineal-simple}},
      note         = {Hacé Cuentas}
    }

    Contenido bajo licencia CC-BY 4.0 — reutilizable citando la fuente con enlace a Hacé Cuentas.

    ✉️ Reportar un error en esta calculadora