Banca

1. Regresión lineal múltiple
La regresión lineal múltiple estima los coeficientes de la ecuación lineal, con una o más variables independientes, que mejor prediga el valor de la variable dependiente. Por ejemplo, se puede intentar predecir el total de consumo en kilos de pollo cada mes (la variable dependiente) a partir de variables independientes tales como: precio de kilo de pollo, númerosde consumidores, carne sustituta, ingreso de los consumidores y productores de pollo
Y=B0+ B1X1+ B2X2 + B3X3+……+BJXK
2. Regresión lineal simple  
El modelo de regresión lineal simple, busca encontrar la recta de regresión que relacione dos variables (X e Y)   de forma que Y = β0 + β1• X + e
Un ejemplo de dicha regresión lineal, es la renta, ya que no podemos saber el nivel de renta enun futuro, pero si podemos saber si el promedio de la renta aumentará o disminuirá determinando con cierta exactitud la cantidad.
3. Análisis de regresión
El análisis de regresión lo que se pretende es predecir o estimar el valor promedio de la variable explicada en base a unos valores fijos de las variables explicativas. En el análisis de regresión, las variables explicativas son fijas y lavariable explicada es estocástica.
4. Coeficiente de correlación
El coeficiente de correlación lineales una medida de la relación lineal entre las variables X e Y.

5.1. Propiedades del coeficiente de correlación
1. El coeficiente de correlación no varía al hacerlo la escala de medición.
Es decir, si expresamos la altura en metros o en centímetros el coeficiente decorrelación no varía.
2. El signo del coeficiente de correlación es el mismo que el de la covarianza.
Si la covarianza es positiva, la correlación es directa.
Si la covarianza es negativa, la correlación es inversa.
Si la covarianza es nula, no existe correlación.
3. El coeficiente de correlación lineal es un número real comprendido entre −1 y 1.
−1 ≤ r ≤ 1
4. Si el coeficientede correlación lineal toma valores cercanos a −1 la correlación es fuerte e inversa, y será tanto más fuerte cuanto más se aproxime r a −1.
5. Si el coeficiente de correlación lineal toma valores cercanos a 1 la correlación es fuerte y directa, y será tanto más fuerte cuanto más se aproxime r a 1.
6. Si el coeficiente de correlación lineal toma valores cercanos a 0, la correlación esdébil.
7. Si r = 1 ó −1, los puntos de la nube están sobre la recta creciente o decreciente. Entre ambas variables hay dependencia funcional.
Coeficiente de determinación
El coeficiente de determinación mide la proporción de variabilidad total de la variable dependiente respecto a su media que es explicada por el modelo de regresión. Es usual expresar esta medida en tanto por ciento,multiplicándola por cien.
Este coeficiente es una buena medida de la bondad del ajuste de la recta de regresión. Evidentemente, existe una estrecha relación entre r y  1 aunque estos estimadores proporcionan diferentes interpretaciones del modelo:
* r es una medida de la relación lineal entre las variables X e Y.
* 1 mide el cambio producido en la variable Y al realizarse un cambio de una unidaden la variable X.

Concepto de Intervalo de Confianza.
Un intervalo de confianza es un rango de valores en el cual se encuentra el verdadero valor del parámetro, con una probabilidad determinada.
La probabilidad de que el verdadero valor del parámetro se encuentre en el intervalo construido se denomina nivel de confianza, y se denota 1-. La probabilidad de equivocarnos se llama nivel designificancia y se simboliza. Generalmente se construyen intervalos con confianza 1-=95% (o significancia =5%). Menos frecuentes son los intervalos con =10% o =1%
5. Contraste o test de hipótesis.
Un contraste o test de hipótesises una técnica de Inferencia Estadística que permite comprobar si la información que proporciona una muestra observada concuerda (o no) con la hipótesis...