nada

jnjrizejokftrmzopjroftjnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnzrtt-
tttttttxghbbbbbbbbbzfrcmjmkehbniunjjjjjjjjjjjjjjjjjjjjjjjjjj-
jjjjjjjjjjjjjjjjjjjjjjjjjrguittttttgjooooooooooootgnjjjjjjjj-jjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjj-
jjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjj-
jjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjj-
jjjjjjjjjjjjjjjjjjj linealmúltiple [editar]
La regresion lineal nos permite trabajar con una variable a nivel de intervalo o razón, así también se puede comprender la relación de dos o más variables y nos permitirá relacionarmediante ecuaciones, una variable en relación a otras variables llamándose Regresión múltiple. Constantemente en la práctica de la investigación estadística, se encuentran variables que de algunamanera están relacionados entre si, por lo que es posible que una de las variables puedan relacionarse matemáticamente en función de otra u otras variables.
Maneja varias variables independientes.Cuenta con varios parámetros. Se expresan de la forma:6
(13)
donde es el error asociado a la medición del valor y siguen los supuestos de modo que (media cero,varianza constante e igual a un ycon ).
Rectas de regresión [editar]
Las rectas de regresión son las rectas que mejor se ajustan a la nube de puntos (o también llamado diagrama de dispersión) generada por una distribuciónbinomial. Matemáticamente, son posibles dos rectas de máximo ajuste:7
• La recta de regresión de Y sobre X:
(14)
• La recta de regresión de X sobre Y:
(15)
La correlación ("r") de las rectasdeterminará la calidad del ajuste. Si r es cercano o igual a 1, el ajuste será bueno y las predicciones realizadas a partir del modelo obtenido serán muy fiables (el modelo obtenido resulta verdaderamenterepresentativo); si r es cercano o igual a 0, se tratará de un ajuste malo en el que las predicciones que se realicen a partir del modelo obtenido no serán fiables (el modelo obtenido no resulta...