Do Those Points Align? · ¿Alinean esos puntos?
| English | Español |
|---|---|
| least-squares regression/liːst skweəz rɪˈɡreʃn/ | Regresión de mínimos cuadrados |
The slope wobbles too
- In Unit 2 we fit a least-squares line and read its slope $b$.
- But $b$ comes from a sample — a different sample gives a slightly different slope.
- So the slope varies from sample to sample, just like $\bar{x}$ or $\hat{p}$.
- Unit 9 does inference about the true slope $\beta$ behind the data.
La pendiente oscila también
- En la Unidad 2 ajustamos una recta de mínimos cuadrados y leímos su pendiente $b$.
- Pero $b$ proviene de una muestra — una muestra diferente da una pendiente ligeramente distinta.
- Por lo tanto, la pendiente varía de muestra a muestra, al igual que $\bar{x}$ o $\hat{p}$.
- La Unidad 9 realiza inferencia sobre la verdadera pendiente $\beta$ detrás de los datos.
The sampling distribution of b
- Collect the slope $b$ from every possible sample → its sampling distribution.
- It's centered at the true population slope $\beta$ (so $b$ is unbiased for $\beta$).
- Its spread is the standard error of the slope, $SE_b$.
- Under the right conditions, this distribution is modeled by a $t$-distribution.
La distribución muestral de b
- Recopilar la pendiente $b$ de cada muestra posible → su distribución muestral.
- Está centrada en la verdadera pendiente poblacional $\beta$ (por lo que $b$ es insesgada para $\beta$).
- Su dispersión es el error estándar de la pendiente, $SE_b$.
- Bajo las condiciones adecuadas, esta distribución se modela con una distribución $t$.
Inference about the relationship
- Inference for slopes asks: is there really a linear relationship, and how strong?
- The true slope $\beta$ is unknown; $b$ estimates it with uncertainty.
- A confidence interval gives a range for $\beta$; a test judges whether $\beta = 0$.
- Both quantify how sure we are about the line behind the scatter.
Inferencia sobre la relación
- La inferencia para pendientes pregunta: ¿existe realmente una relación lineal y qué tan fuerte es?
- La verdadera pendiente $\beta$ es desconocida; $b$ la estima con incertidumbre.
- Un intervalo de confianza proporciona un rango para $\beta$; una prueba juzga si $\beta = 0$.
- Ambas cuantifican cuánto estamos seguros de la línea detrás del diagrama de dispersión.
Built on Unit 2
- Everything rests on the least-squares regression 最小二乘回归 model $\hat{y} = a + bx$.
- $b$ is still the predicted change in $y$ per unit $x$ — now with error bars.
- We add a $t$-based interval and test around that slope.
- Regression inference is "Unit 2's slope, plus Unit 7's $t$-machinery."
Basado en la Unidad 2
- Todo se basa en el modelo de regresión por mínimos cuadrados $\hat{y} = a + bx$.
- $b$ sigue siendo el cambio previsto en $y$ por unidad de $x$ — ahora con barras de error.
- Añadimos un intervalo y una prueba basados en $t$ alrededor de esa pendiente.
- La inferencia de regresión es "la pendiente de la Unidad 2, más la maquinaria $t$ de la Unidad 7".
The slope $b$ from one sample is an estimate, not the truth $\beta$. A different random sample would give a different $b$. Inference for slopes is exactly the same logic as for means — a $t$-based interval and test around a sample statistic — applied to the regression slope, with its own standard error $SE_b$.
La pendiente $b$ de una muestra es una estimación, no la verdad $\beta$. Una muestra aleatoria diferente daría una $b$ distinta. La inferencia para pendientes tiene exactamente la misma lógica que para las medias —un intervalo y una prueba basados en $t$ alrededor de una estadística muestral— aplicada a la pendiente de regresión, con su propio error estándar $SE_b$.
Fitting hours-studied vs. score for one class gives slope $b = 4.2$.
- A different class would give a different $b$ (maybe $3.8$ or $4.6$) — sampling variability.
- The true slope $\beta$ for all students is unknown; $b = 4.2$ estimates it.
- Unit 9 builds an interval and a test for that unknown $\beta$.
Ajustar horas-estudiadas vs. nota para una clase da una pendiente $b = 4.2$.
- Una clase diferente daría una $b$ distinta (tal vez $3.8$ o $4.6$) — variabilidad muestral.
- La verdadera pendiente $\beta$ para todos los estudiantes es desconocida; $b = 4.2$ la estima.
- La Unidad 9 construye un intervalo y una prueba para ese $\beta$ desconocido.
The slope $b$ of a fitted line varies from sample to sample; its sampling distribution is centered at the true slope $\beta$ with spread $SE_b$, modeled by a $t$-distribution. Inference for slopes quantifies the uncertainty about the true linear relationship, building directly on the least-squares regression model.
La pendiente $b$ de una recta ajustada varía de muestra a muestra; su distribución muestral está centrada en la verdadera pendiente $\beta$ con una dispersión $SE_b$, modelada por una distribución $t$. La inferencia para pendientes cuantifica la incertidumbre sobre la verdadera relación lineal, basándose directamente en el modelo de regresión por mínimos cuadrados.
A fitted slope varies by sample · Una pendiente ajustada varía según la muestra
Each sample's least-squares line has a slightly different slope b. · La recta de mínimos cuadrados de cada muestra tiene una pendiente b ligeramente diferente.
The slope b from a sample is... · La pendiente b de una muestra es...
b estimates the unknown population slope β, with uncertainty. · b estima la pendiente poblacional desconocida β, con incertidumbre.
The sampling distribution of the sample slope b is centered at the true slope β. · La distribución muestral de la pendiente muestral b se centra en la verdadera pendiente β.
b is unbiased for β. · b es insesgado para β.
Inference for slopes is modeled using which distribution? · ¿Qué distribución se utiliza para modelar la inferencia sobre pendientes?
Like means, slope inference uses a t-distribution. · Al igual que con las medias, la inferencia sobre pendientes usa una distribución t.
Regression inference builds on the least-squares model ŷ = a + bx from Unit 2. · La inferencia de regresión se basa en el modelo de mínimos cuadrados ŷ = a + bx de la Unidad 2.
It adds a t-interval and test around the Unit 2 slope. · Añade un intervalo y prueba t alrededor de la pendiente de la Unidad 2.
The spread of the sampling distribution of b is the standard error of the ___ (one word). · La dispersión de la distribución muestral de b es el error estándar de la ___ (una palabra).
SE_b is the standard error of the slope. · SE_b es el error estándar de la pendiente.