 En regresión lineal simple se usa el método de mínimos cuadrados para

obtener estimadores del intercepto y de la pendiente.

 En regresión lineal múltiple el principio es el mismo, pero se necesita

estimar más parámetros.

b0 ,b1,..,bp
Se llamara B0,B1,..,Bp a los estimadores de los parámetros.
• El método de mínimos cuadrados elige los valores de los estimadores
óptimos, es decir, que hacen la suma de cuadrados de los residuos
menor posible.
• Es decir, los parámetros estimados minimizan la diferencia entre la
respuesta observada y la respuesta estimada, lo que equivale a
minimizar:

• La formula de los estimadores de mínimos cuadrados para regresión

múltiple se complica por que se necesita notación matrical, sin
embargo lo importante es que se entienda el concepto y se deja a los
software hacer los cálculos.
• El parámetro mide la variabilidad de la respuesta alrededor de la
ecuación de regresión en la población.

• Como en regresión lineal simple estimamos como el promedio de

los residuos al cuadrado:
• La cantidad (n-p-1) son los grados de libertad asociados con la
estimación de la variabilidad: S2 y/x .
• S2 y/x es entonces el estimador de la variabilidad de la respuesta y,
tomando en cuenta las variables explicatorias xj.
• Lo distinguimos de que es la variabilidad de y sin tomar en cuenta
las variables explicativas xj.
Ejemplo: plano para la tensión arterial diastólica ajustando por colesterol e índice de masa
Corporal.