la regresión lineal simple son métodos estadísticos que estudian la relación lineal

existente entre dos variables continuas es necesario disponer de parámetros que

permitan cuantificar dicha relación. Uno de estos parámetros es la covarianza, que
indica el grado de variación conjunta de dos variables aleatorias.

La regresión lineal permite predecir el comportamiento de una variable (dependiente o

predicha) a partir de otra (independiente o predictora).

Tiene presunciones como la linealidad de la relación, la normalidad, la aleatoriedad de

la muestra y homogeneidad de las varianzas.

La regresión no prueba causalidad.

Un artículo que usa regresión debe mencionar o mostrar que se analizó la “nube de
puntos” y que se hizo un análisis de los residuales.

La línea de regresión no debe extenderse más allá de los datos obtenidos.

El modelo de regresión lineal es

Yi %b0!b1Xi!ui,

donde

el subíndice i recorre las observaciones, i%1, ..., n;

Yi es la variable dependiente, el regresando, o simplemente la variable de la parte

FIGURA 4.1 izquierda;

Xi es la variable independiente, el regresor, o simplemente la variable de la parte

derecha;

b0!b1X es la recta de regresión poblacional o función de regresión poblacional;

b0 es el intercepto de la recta de regresión poblacional;

b1 es la pendiente de la recta;

ui es el término de error.

b0!b1,Xi es la recta de regresión poblacional o función de regresión poblacional

y – es la variable dependiente o la variable a predecir.

x – es la variable independiente o regresor

a – es la pendiente o el valor que debe ser determinado, se le conoce como coeficiente y
es una especie de magnitud de cambio que pasa por y cuando x cambia.

b – es la constante que debe ser determinada, se le conoce como intercepto porque

cuando x es igual a 0, entonces y = b.

La primera parte de la Ecuación (4.5), b0!b1,Xi es la recta de regresión poblacional o

función de regresión poblacional. Esta es la relación entre Y y X que se cumple en
promedio para la población. Por tanto, si se conociera el valor de X, de acuerdo con esta
recta de regresión poblacional se podría predecir que el valor de la variable dependiente,
Y,esb0!b1X.

El objetivo con Regresión Lineal Simple es minimizar la distancia vertical entre todos
los datos y nuestra línea, por lo tanto, para determinar la mejor línea, debemos
minimizar la distancia entre todos los puntos y la distancia de nuestra línea.  Existen
muchos métodos para cumplir con este objetivo, pero todos estos métodos tienen un
solo objetivo que es el de minimizar la distancia.