Regresión lineal
El modelo de regresión lineal
El modelo lineal relaciona la variable dependiente Y con K variables explícitas Kx (k = 1,...K), o cualquier transformación de éstas que generen un hiperplano de parámetros Bk desconocidos.
Hipótesis del modelo de regresión lineal clásico
1) Esperanza matemática nula
2) Homocedasticidad
3) Incorrección o independencia
4) Regresores estocásticos
5) Dependencia lineal
Supuestos del modelo de regresión lineal
1)Que la relación entre las variables sea lineal
2) Que los errores en la medición de las variables explicativas sean independientes entre sí.
3) Que los errores tengan varianza constante. (Homocedasticidad)
4) Que el error total sea la suma de todos los errores.
Tipos de modelos de regresión lineal
Existen diferentes tipos de regresión lineal que se clasifican de acuerdo a sus parámetros: Regresión lineal simple Sólo se maneja una variable independiente, por lo que sólo cuenta con dos parámetros
Regresión lineal múltiple
La regresión lineal permite trabajar con una variable a nivel de intervalo o razón
Rectas de regresión
Las rectas de regresión son las rectas que mejor se ajustan a la nube de puntos (o también llamado diagrama de dispersión)
Aplicaciones de la regresión lineal
Líneas de tendencia:
Una línea de tendencia representa una tendencia en una serie de datos obtenidos a través de un largo período.
Medicina
En medicina, las primeras evidencias relacionando la mortalidad con el fumar tabaco vinieron de estudios que utilizaban la regresión lineal.
