1.1.2.

Calidad del ajuste en regresión lineal simple

En la sección anterior estudiamos pruebas de hipótesis para verificar que hay unarelación significativa
entre y; sin embargo, no hemos visto si tal relación permitehacer estimaciones con una precisión
aceptable. Por ejemplo, es de interés saber quétanta de la variabilidad presente en fue explicada por el
modelo, además si secumplen los supuestos de los residuos

Coeficiente de determinación

Una vez ajustada la recta de regresión a la nube deobservaciones es importante disponer de una medida
que mida la bondad del ajusterealizado y que permita decidir si el ajuste lineal es suficiente o se deben
buscarmodelos alternativos. Como medida de bondad del ajuste se utiliza el coeficientede
determinaciónn, definido como sigueO bienComo

scE

<

scG,

se verifica que 0 <

<1

El coeficiente de determinación mide la proporción de variabilidad total de la variabledependiente

respecto a su media que es explicada por el modelo de regresión. Esusual expresar esta medida en tanto
por ciento, multiplicándola por cien.Por otra parte, teniendo en cuenta que

-=

, se obtieneDadas dos variables aleatorias cualesquiera

Y
, una medida de la relación lineal quehay entre ambas variables es el

coeficiente de correlación

definido porDonde representa la desviación típica de la variable

(análogamente para ).Un buen estimador de este parámetro es el

coeficiente de correlación lineal muestral(o coeficiente de

correlación de Pearson)

, definido por