INTRODUCCIÓN

El término regresión se utilizó por primera vez en el estudio

de variables antropométricas: al comparar la estatura de padres e hijos, donde resultó
que los hijos cuyos padres tenían una estatura muy superior al valor medio, tendían a
igualarse a éste, mientras que aquellos cuyos padres eran muy bajos tendían a reducir
su diferencia respecto a la estatura media; es decir, "regresaban" al promedio. El
término lineal se emplea para distinguirlo del resto de técnicas de regresión, que
emplean modelos basados en cualquier clase de función matemática.

En forma más especifica el análisis de regresión comprende el análisis de los datos

muéstrales para saber qué es y cómo se relacionan entre si dos o más variables en
una población. El análisis de correlación produce un número que resume el grado de
la fuerza de relación entre dos variables; y el análisis de regresión da lugar a una
ecuación matemática que describe dicha relación.

En esta investigación del tema regresión lineal simple tocaremos temas de interés
como lo son: Prueba de hipótesis en la regresión lineal simple, calidad del ajuste en
regresión lineal simple y estimación y predicción por intervalo en regresión lineal
simple.
CONCLUSIÓN

PROFESIONAL
A nosotros como futuros ingenieros conocer estos términos es de mucha ayuda
ya que en la industria con mucha frecuencia es necesario resolver problemas
que implican conjuntos de variables, cuando se sabe que existe alguna relación
inherente entre ellas. A partir de lo anterior, es necesario establecer modelos
que expliquen dicha relación.

PERSONAL
El análisis de regresión lineal constituye métodos que se emplean para conocer
las relaciones y significación entre series de datos, es de suma importancia
para la industria ya que es aquí en donde se presentan variables de respuesta
e independientes las cuales interactúan para originar las características de un
proceso en particular y por ende; analizar, predecir valores de la variable
dependiente y examinar el grado de fuerza con que se relacionan dichas
variables.