Este documento describe la regresión lineal simple, que cuantifica la relación entre una variable dependiente y una o más variables independientes con el fin de predecir valores. Explica que el análisis de regresión usa modelos matemáticos para describir las relaciones entre variables y predecir e inferir valores. También cubre el método de mínimos cuadrados, que minimiza la suma de los cuadrados de las distancias entre valores observados y estimados para obtener estimadores de la relación entre las variables.

1. REGRESION LINEAL SIMPLE
En el desarrollo de los eventos, puede ser que una variable sea afectada
por el comportamiento de otra (s) variable (s)

2. REGRESION LINEAL SIMPLE
• Es de interés poder cuantificar este tipo de relación de manera que se
pueda predecir una variable en función de otra

3. COMUN
• Por análisis de regresión se entiende al conjunto de métodos
estadísticos que tratan con la formulación de modelos matemáticos
que describen la relación entre variables y el uso de estas relaciones
modeladas con el propósito de predecir e inferir.

4. ASEDFRGTHYJ
• Llamado también Ploteo de Datos, tiene como propósito mostrar la
posible tendencia (en caso de existir) entre las variables “X” y “Y”.
Consiste en llevar los pares de valores “x, y” a un sistema de
coordenadas (bidimensional)

5. Método de Mínimos Cuadrados
• El supuesto No 2 de RLS plantea que de existir una relación entre “X”
y “Y”, ésta es una línea recta, por lo tanto se puede pensar en una
ecuación de la siguiente forma:

6. SRGTHUK
• A partir de muestras (x1 , y1 ), (x2 , y2 ), …(xi, yi) de las variables “X” y
“Y”, se trata de obtener los estimadores . Para ello la Técnica de
Mínimos Cuadrados minimiza la suma de cuadrado de las distancias
entre los valores observados y los estimados de tal manera que :