Procedimiento para estimar los parámetros de un modelo de regresión que minimiza los errores de ajuste del modelo.
Razones por las que las variables X y Y aparecen relacionadas de manera significativa.
Es la suma de los residuos al cuadrado, y se utiliza para estimar la varianza del error de ajuste de un modelo.
Es la diferencia entre lo observado y lo estimado o predicho. Sirven para analizar el error de ajuste de un modelo.
Formulación para la suma total de cuadrados.
Modelo de regresión lineal simple
Significa que ningún término o variable en el modelo tiene una contribución significativa al explicar la variable de respuesta.
Implica que por lo menos un término en el modelo contribuye de manera significativa a explicar Y.
Explica en forma matemática el comportamiento de una variable de respuesta en función de una o más variables independientes.
Razones por las que las variables X y Y aparecen relacionadas de manera significativa.
Modelo de regresión lineal multiple
Formulación para la prueba de significancia del modelo de regresión lineal múltiple.
Estructura de los datos para la regresión lineal múltiple.
Aceptar H0
Análisis de Regresión
Método de mínimos cuadrados.
Suma de cuadrados del error
Resíduos
Rechazar H0.
