📈 Regressió lineal, prediccions i causalitat
Quan un núvol de punts té un patró aproximadament lineal, podem resumir la tendència amb una recta d’ajust. El model és una simplificació: és útil per descriure i predir, però no converteix les dades en una llei exacta.
Què has de saber fer
Recta d’ajust, pendent, interpolació, extrapolació i límits.
1. La recta y = ax + b
a és la pendent: el canvi estimat de y quan x augmenta una unitat. b és l’ordenada a l’origen: el valor estimat de y quan x=0.
L’ordenada a l’origen només s’ha d’interpretar en context si x=0 té sentit i és raonablement proper a les dades observades.
2. Fer una predicció
Per predir y a partir d’un valor de x, substituïm x a l’equació i calculem. La resposta és una estimació, no necessàriament el valor real que observaríem.
3. Interpolació i extrapolació
Interpolar és predir dins del rang de dades observades. Extrapolar és predir fora d’aquest rang.
L’extrapolació és més arriscada perquè la relació pot canviar fora de la zona on hem recollit dades. Com més lluny extrapolem, menys confiança hem de tenir.
4. Quan és adequat un model lineal?
Cal mirar el núvol. Si segueix una forma aproximadament recta i els punts no estan exageradament dispersos, una recta pot ser útil. Si el patró és corbat, hi ha grups molt diferents o no hi ha tendència, forçar una recta pot ser enganyós.
5. Regressió i causalitat
Una recta d’ajust descriu una associació. Una pendent positiva no demostra que x sigui la causa de y. Hi pot haver altres variables, causalitat inversa o una causa comuna.
✏️ Exemple resolt pas a pas
❌ Errors freqüents
- Interpretar la recta com si tots els punts haguessin de caure exactament sobre ella.
- Confondre pendent amb ordenada a l’origen.
- Extrapolar molt lluny sense advertir la incertesa.
- Dir que la recta de regressió demostra causalitat.
✅ Resum essencial
- La recta d’ajust resumeix una tendència lineal.
- Pendent = canvi estimat de y per unitat de x.
- Interpolació és dins del rang; extrapolació, fora.
- El model ha de ser coherent amb la forma del núvol.
- Regressió no implica causalitat.