Razones por las que las variables X y Y aparecen relacionadas de manera significativa.
Estructura de los datos para la regresión lineal múltiple.
Modelo de regresión lineal multiple
Formulación para la suma total de cuadrados.
Procedimiento para estimar los parámetros de un modelo de regresión que minimiza los errores de ajuste del modelo.
Significa que ningún término o variable en el modelo tiene una contribución significativa al explicar la variable de respuesta.
Es la suma de los residuos al cuadrado, y se utiliza para estimar la varianza del error de ajuste de un modelo.
Implica que por lo menos un término en el modelo contribuye de manera significativa a explicar Y.
Explica en forma matemática el comportamiento de una variable de respuesta en función de una o más variables independientes.
Es la diferencia entre lo observado y lo estimado o predicho. Sirven para analizar el error de ajuste de un modelo.
Formulación para la prueba de significancia del modelo de regresión lineal múltiple.
Modelo de regresión lineal simple
Razones por las que las variables X y Y aparecen relacionadas de manera significativa.
Análisis de Regresión
Rechazar H0.
Suma de cuadrados del error
Aceptar H0
Resíduos
Método de mínimos cuadrados.
