1. MODELOS DE LA REGRESIÓN
1.1. REGRESIÓN SIMPLE
1.1.1. permite describir como influye una variable X sobre otra variable Y. El objetivo es obtener estimaciones razonables de Y para distintos valores de X a partir de una muestra de n pares de valores (x1, y1), . . . ,(xn, yn).
1.2. REGRESIÓN MÚLTIPLE
1.2.1. tiene aplicaciones en la vida del hombre como lo es el predecir, la detección de una casualidad
1.2.2. supone que la función de regresión que relaciona la variable dependiente con las variables independientes es lineal, es decir: Y = β0 + β1X1 + · · · + βpXp + ε
2. Medidas estadísticas bivariantes.
2.1. Correlacion.
2.2. Diagrama de dispersión.
2.3. Regresión lineal simple.
2.4. Regresión lineal múltiple.
3. DE LA REGRESIÓN.
3.1. Sus Problemas
3.1.1. No posee una relación no lineal; tiene una varianza que no es homogénea y tiene probabilidad de errores correlacionados.
3.2. Su Análisis.
3.2.1. Se da por el estudio entre dos variables cuantitativas y estudia la fuerza de la asociación a través de una medida de asociación denominada coeficiente de correlación; su técnica estadística se usa para derivar una ecuación que relaciona una variable de criterio con una o más variables de predicción.