Las medidas estadísticas Bivariantes de regresión

1. Regresión múltiple.

1.1. Regresión Múltiple: Este tipo se presenta cuando dos o más variables independientes influyen sobre una variable dependiente. Ejemplo: Y = f(x, w, z).

1.2. Dispone de una ecuación con dos variables independientes adicionales

1.3. Se puede ampliar para cualquier número "m" de variables independientes

2. Regresión lineal simple

2.1. Regresión Lineal Simple: Este tipo se presenta cuando una variable independiente ejerce influencia sobre otra variable dependiente. Ejemplo: Y = f(x)

2.2. Tipos de modelos de regresión lineal

2.2.1. Regresión lineal simple

2.2.1.1. Sólo se maneja una variable independiente, por lo que sólo cuenta con dos parámetros.

2.2.2. Regresión lineal múltiple

2.2.2.1. La regresión lineal permite trabajar con una variable a nivel de intervalo o razón

2.2.3. Rectas de regresión

2.2.3.1. 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 distribución binomia

2.3. Hipótesis del modelo de regresión lineal clásico

2.3.1. Esperanza matemática nula.

2.3.2. Homocedasticidad.

2.3.3. Incorrelación o independencia.

2.3.4. Regresores estocásticos.

2.3.5. Independencia lineal.

2.3.6. Normalidad de las perturbaciones.