1. La historia de regresión lineal inicia con la primera forma documentada fue el método de los mínimos cuadrados que fue publicada por Legendre en 1805, Gauss publicó un trabajo en donde desarrollaba de manera más profunda el método de los mínimos cuadrados, y en dónde se incluía una versión del teorema de Gauss-Márkov.
2. Es importante destacar que en estadística la regresión lineal o ajuste lineal es un modelo matemático usado para aproximar la relación de dependencia entre una variable dependiente Y, las variables independientes Xi y un término aleatorio ε.
3. Técnicas De Regresión Lineal: Permiten proveer posibles condiciones futuras, basados en la historia tres de ellas son:
3.1. Regresión Lineal: Utilizada en investigación para relacionar 2 o mas variables. Suavizacion Exponencial: método de promedio móvil ponderado, asigna a las demandas mas resientes mayor ponderación que las anteriores.
3.2. Promedio móvil: se toman periodos de tiempo cortos este método no indica una tendencia si no resultados resistentes.
4. Es importante argumentar que la regresión lineal estudia la naturaleza de la relación entre dos variables dependientes las cuales son:
4.1. Regresión Lineal Múltiple: es una extensión del modelo simple al que se incorporan dos o mas variables independientes.
4.2. Regresión Lineal Simple: trata de realizar inferencia estadística, partiendo de los valores naturales obtenidos.
5. Es importante resaltar que el coeficiente de correlación lineal nos permite determinar si, efectivamente, existe relación entre las dos variables. Una vez que se concluye que sí existe relación, la regresión nos permite definir la recta que mejor se ajusta a esta nube de puntos en sus respectivas gráficas.
6. El objetivo de un análisis de regresión es determinar la relación que existe entre una variable dependiente y una o más variables independientes. Para poder realizar esta relación, se debe postular una relación funcional entre las variables.
