A Confidence Interval for the Slope · Un Intervalo de Confianza para la Pendiente
The LINER conditions
- Inference about a slope needs five conditions — remember LINER:
- Linear (the true relationship is linear) · Independent observations.
- Normal (responses vary normally around the line) · Equal SD (constant scatter across $x$).
- Random (data from a random sample or experiment). Residual plots help check L, N, E.
Las condiciones LINER
- Para inferir sobre una pendiente se necesitan cinco condiciones — recuerda LINER:
- Lineal (la relación verdadera es lineal) · Independiente (observaciones independientes).
- Normal (las respuestas varían normalmente alrededor de la línea) · Equal SD (dispersión constante a lo largo de $x$).
- Random (los datos provienen de una muestra aleatoria o un experimento). Los gráficos de residuos ayudan a verificar L, N y E.
Read the computer output
- Slope inference almost always starts from computer output.
- Find the row for the explanatory variable: its estimate is the slope $b$.
- The next column is the standard error $SE_b$.
- Output also reports a $t$ statistic and p-value — but first we build an interval.
Leer la salida del ordenador
- La inferencia sobre la pendiente casi siempre comienza con la salida del ordenador.
- Busca la fila correspondiente a la variable explicativa: su estimación es la pendiente $b$.
- La siguiente columna es el error estándar $SE_b$.
- La salida también reporta una estadística $t$ y un valor p — pero primero construimos un intervalo.
Build the t-interval
- The slope interval is estimate $\pm$ margin of error:
-
$$b \pm t^{*}\, SE_b$$
- Use the $t$-distribution with $df = n - 2$ (two estimated: slope and intercept).
- $t^{*}$ comes from that $df$ at your confidence level.
Construir el intervalo t
- El intervalo de pendiente es estimación $\pm$ margen de error:
-
$$b \pm t^{*}\, SE_b$$
- Utiliza la distribución $t$ con $df = n - 2$ (dos estimados: pendiente e intercepto).
- $t^{*}$ proviene de esa $df$ en tu nivel de confianza.
Interpret in context
- "We're $95\%$ confident the true slope $\beta$ is between the endpoints."
- Say what the slope means: the predicted change in $y$ per one-unit increase in $x$.
- Name the real variables and units.
- The interval is a range of plausible values for $\beta$.
Interpretar en contexto
- "Estamos $95\%$ seguros de que la pendiente verdadera $\beta$ se encuentra entre los extremos."
- Explica lo que significa la pendiente: el cambio previsto en $y$ por cada aumento de una unidad en $x$.
- Nombra las variables reales y sus unidades.
- El intervalo es un rango de valores plausibles para $\beta$.
Slope inference uses $df = n - 2$, not $n - 1$. Two parameters are estimated (slope and intercept), so you lose two degrees of freedom. Read $b$ and $SE_b$ straight from the output — don't recompute them — and remember the interval is $b \pm t^{*}SE_b$, the same estimate-$\pm$-margin form as every other $t$-interval.
{callout:warn}
La inferencia de la pendiente utiliza $df = n - 2$, no $n - 1$. Se estiman dos parámetros (pendiente e intersección), por lo que se pierden dos grados de libertad. Lea $b$ y $SE_b$ directamente del resultado —no los recalcule— y recuerde que el intervalo es $b \pm t^{*}SE_b$, la misma forma de estimación $\pm$ margen que en cualquier otro intervalo $t$.{/callout}
Output: slope $b = 4.2$, $SE_b = 1.0$, $n = 20$. Build a $95\%$ interval. ($df = 18$, $t^{*} \approx 2.10$.)
- Margin of error: $2.10 \times 1.0 = 2.10$.
- Interval: $4.2 \pm 2.10 = (2.1,\ 6.3)$.
- Interpret: we're $95\%$ confident each extra hour predicts between $2.1$ and $6.3$ more points.
pendiente $b = 4.2$, $SE_b = 1.0$, $n = 20$. Construya un intervalo de confianza $95\%$. ($df = 18$, $t^{*} \approx 2.10$.)
- Margen de error: $2.10 \times 1.0 = 2.10$.
- Intervalo: $4.2 \pm 2.10 = (2.1,\ 6.3)$.
- Interpretación: estamos $95\%$ seguros de que cada hora adicional predice entre $2.1$ y $6.3$ puntos más.
After the LINER conditions, read $b$ and $SE_b$ from the output and build a slope $t$-interval $b \pm t^{*}\,SE_b$ using $df = n - 2$. Interpret it in context — a range of plausible values for the true slope $\beta$ (the predicted change in $y$ per unit $x$).
Tras las condiciones de LINER, lea $b$ y $SE_b$ del resultado y construya un intervalo de pendiente $t$ $b \pm t^{*}\,SE_b$ utilizando $df = n - 2$. Interprete este intervalo en el contexto — un rango de valores plausibles para la pendiente verdadera $\beta$ (el cambio previsto en $y$ por cada unidad de $x$).
The fitted slope and its uncertainty · La pendiente ajustada y su incertidumbre
The interval b ± t*·SE_b gives plausible values for the true slope. · El intervalo b ± t*·SE_b proporciona valores plausibles para la verdadera pendiente.
For slope inference with n = 20, what are the degrees of freedom (n − 2)? · Para la inferencia de pendientes con n = 20, ¿cuáles son los grados de libertad (n − 2)?
df = n − 2 = 18 (slope and intercept estimated). · gl = n − 2 = 18 (se estiman la pendiente y la intersección).
b = 4.2, SE_b = 1.0, t* = 2.10. Find the margin of error t*·SE_b. · b = 4.2, SE_b = 1.0, t* = 2.10. Encuentre el margen de error t*·SE_b.
2.10 × 1.0 = 2.10.
In computer regression output, the slope b is found in the column labeled... · En la salida de regresión por computadora, la pendiente b se encuentra en la columna etiquetada como...
The explanatory variable's estimate is the slope. · La estimación de la variable explicativa es la pendiente.
Slope inference uses n − 1 degrees of freedom. · La inferencia de pendientes utiliza n − 1 grados de libertad.
It's n − 2 — two parameters (slope and intercept) are estimated. · Son n − 2 — se estiman dos parámetros (pendiente e intersección).
The mnemonic for the five slope-inference conditions is ___ (five letters). · La mnemotecnia para las cinco condiciones de la inferencia de pendientes es ___ (cinco letras).
Linear, Independent, Normal, Equal SD, Random. · Lineal, Independiente, Normal, Desviación Estándar Igual, Aleatorio.