Scribd
Cargar
57 vistas1 página

Guía de Regresión Lineal Simple

La regresión lineal simple es un método estadístico que modela la relación entre una variable independiente X y una variable dependiente Y. El objetivo es encontrar los valores de β0 y β1 que minimicen la suma de los cuadrados de los errores mediante el método de mínimos cuadrados. El proceso implica recopilar datos, explorar la relación entre X e Y, crear un gráfico de dispersión, ajustar el modelo, evaluar la calidad del ajuste y hacer predicciones.

Cargado por

Josue Aguirre
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
57 vistas1 página

Guía de Regresión Lineal Simple

La regresión lineal simple es un método estadístico que modela la relación entre una variable independiente X y una variable dependiente Y. El objetivo es encontrar los valores de β0 y β1 que minimicen la suma de los cuadrados de los errores mediante el método de mínimos cuadrados. El proceso implica recopilar datos, explorar la relación entre X e Y, crear un gráfico de dispersión, ajustar el modelo, evaluar la calidad del ajuste y hacer predicciones.

Cargado por

Josue Aguirre
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

REGRESION

LINEAL
SIMPLE
¿QUE ES?
La regresión lineal simple es un
método estadístico que se utiliza
para modelar la relación lineal
entre una variable independiente
(X) y una variable dependiente
(Y).

OBJECTIVO
El objetivo de la regresión lineal
es encontrar los valores de β0 y
β1 que minimizan la suma de los
cuadrados de los errores (e). Esto
se conoce como el método de
mínimos cuadrados.

PASOS
1. Recopilación de datos:
Obtener un conjunto de datos
que contenga mediciones de
las variables X e Y.
2. Exploración de datos:
Analizar y explorar los datos
para comprender la relación
entre X e Y.
3. Gráficos de dispersión: Crear
un gráfico de dispersión para
visualizar la relación entre las
variables.
FORMULA 4. Ajuste del modelo: Utilizar el
método de mínimos
cuadrados para encontrar los
valores de β0 y β1.
E(y/x) = β0 + β1 x. 5. Evaluar el modelo: Examinar
la calidad del ajuste
mediante estadísticas como
el coeficiente de
determinación (R2).
6. Predicciones: Utilizar el
modelo ajustado para hacer
predicciones sobre la
variable dependiente (Y)
para nuevos valores de X.
7. Validación: Evaluar la validez
y la eficacia del modelo
utilizando métodos como la
validación cruzada.

También podría gustarte