Respuesta: Imagina que eres el dueño de un negocio de venta de helados y has recopilado datos sobre las ventas diarias de helados y las temperaturas correspondientes durante un año. El objetivo es predecir cómo las ventas futuras de helados podrían ser influenciadas por la temperatura.

Los datos podrían parecerse a esto:

Temperatura (°C): 22, 26, 24, 28, 30, 23, 25, 29, 27, 31
Ventas (1000s): 3, 3.5, 3.2, 3.6, 4, 3.3, 3.4, 3.8, 3.7, 4.1

En este caso, podríamos emplear un análisis de regresión lineal para entender la relación entre la temperatura (variable independiente) y las ventas de helados (variable dependiente).

Generalmente se usaría un software de análisis estadístico, que podría mostrar que a medida que la temperatura aumenta en 1°C, las ventas de helados aumentan en 0.1 unidades (o 100 helados, dado que las ventas están en los miles). También proporcionaría un valor p para evaluar la significancia de la relación y un R cuadrado para la cantidad de variación en las ventas que se puede explicar por la temperatura.

Aunque este es un ejemplo simple y teórico, en la práctica, los análisis de regresión pueden incluir múltiples variables independientes y se deben tener en cuenta muchos supuestos y posibles complicaciones.