Regresión lineal (predicción y relación entre variables)

Este curso lleva al alumno al terreno clásico del modelado predictivo. A partir de una base bayesiana y de datos ya preparados, se trabaja la regresión lineal como herramienta para entender relaciones entre variables y hacer estimaciones sencillas.

El objetivo es que el participante no solo entrene un modelo, sino que sepa interpretar qué significa, cuándo es fiable y qué limitaciones tiene. La parte matemática se mantiene en un nivel operativo, centrado en uso práctico y lectura de resultados.

Al finalizar el curso, el participante será capaz de:

• Distinguir correlación, asociación y regresión lineal
• Ajustar un modelo de regresión lineal simple y múltiple
• Interpretar coeficientes, intercepto y capacidad predictiva
• Evaluar el modelo con métricas y análisis de residuos
• Usar regresión para explicar relaciones entre variables y predecir valores

1. Conceptos base de regresión - relación entre variables, objetivo predictivo y lectura estadística
2. Ajuste de modelos - regresión simple, múltiple y uso práctico de scikit-learn
3. Evaluación e interpretación - métricas, residuos y limitaciones del modelo

• Python 3 instalado
• Entorno de notebooks o editor con ejecución de scripts
• Bibliotecas pandas, numpy y scikit-learn disponibles

→ DM01 - Modelado bayesiano para estimación de propabilidades