Curiosidad: ¿Por qué se llama “regresión” lineal?

Un nombre que suena a retroceso… pero que usamos para predecir el futuro: la regresión lineal.

Es una de las herramientas más conocidas en estadística y ciencia de datos. Sirve para modelar relaciones entre variables, anticipar resultados y entender tendencias. Pero si te detienes un momento… su nombre parece contradictorio.

¿Por qué se llama “regresión”? ¿No se supone que estamos intentando avanzar, predecir, explicar? ¿Por qué suena a ir hacia atrás?

La respuesta está en su origen: una historia de guisantes, estaturas y un estadístico victoriano con alma de genetista.

Todo empezó con guisantes y genética

El término “regresión” fue acuñado por Francis Galton, científico británico del siglo XIX y primo de Charles Darwin. Galton estudiaba la heredabilidad de los rasgos humanos, y en particular, la altura.

Para ello, recopiló datos de miles de padres e hijos y descubrió algo curioso:

• Los hijos de padres muy altos también eran altos, pero no tanto como ellos.
• Los hijos de padres muy bajos también eran bajos, pero algo más altos que sus padres.

En otras palabras: las estaturas extremas tendían a moverse hacia valores más cercanos al promedio. A este fenómeno lo llamó:

“regresión hacia la media” (regression towards mediocrity, en sus propias palabras).

De ahí a la “regresión lineal”

Con el tiempo, el análisis de Galton se formalizó como una línea recta que mejor se ajusta a los datos: lo que hoy conocemos como la recta de regresión.

El objetivo era predecir una variable (como la altura del hijo) en función de otra (la altura del padre), basándose en ese patrón de retorno parcial a la media.

Y aunque hoy usamos regresión lineal para todo tipo de datos —ventas, temperaturas, clics en anuncios—, el nombre permaneció como un eco de su origen.

¿Qué significa “regresión hacia la media”?

Es un fenómeno estadístico que ocurre cuando hay una correlación imperfecta entre dos variables. Si seleccionamos casos extremos en una, la otra tenderá —en promedio— a estar más cerca de su media.

Un ejemplo clásico:

Si un estudiante saca una nota inusualmente alta en un examen (quizá por suerte o por un esfuerzo extraordinario), lo más probable es que su siguiente nota sea más baja, acercándose a su promedio habitual.

Y al revés: si alguien tiene un mal día, lo más normal es que lo siguiente que haga salga mejor.

Esto no es magia ni motivación, es estadística.

¿Por qué es importante entender esto?

Porque muchos errores de interpretación —en ciencia, medicina, deportes o política— ocurren por confundir la regresión hacia la media con un efecto real.

Ejemplo típico:

Un equipo atraviesa una mala racha. Despiden al entrenador. Poco después, empiezan a ganar. ¿Fue gracias al cambio? ¿O simplemente era cuestión de tiempo para que volvieran a su nivel habitual?

Sin entender este fenómeno, corremos el riesgo de atribuir causalidad donde solo hay variación aleatoria.

Reflexión final: un nombre que guarda una lección

El nombre “regresión” no es un error ni un anacronismo. Es un recordatorio:

Los datos extremos suelen moderarse, y nuestras predicciones deben reflejar esa realidad.

Hoy usamos la regresión lineal para mirar hacia el futuro, pero su nombre nos recuerda algo esencial: A veces, para entender hacia dónde vamos, necesitamos recordar de dónde venimos.

Nota: La imagen de este artículo fue generada utilizando un modelo de inteligencia artificial.