Frecuentemente, existen muchas variables predictoras en el modelo de regresión lineal general, esto debido a que en la actualidad se almacena grandes cantidades de datos gracias a los avances tecnológicos, entonces surge el problema común de elegir las variables a incluir en el modelo de forma adecuada. Por eso el presente trabajo tiene como objetivo analizar los métodos de selección y regularización de variables en el modelo de regresión lineal general n y luego aplicarlos a dos casos particulares en la cantidad de observaciones en el número de variables p disponibles con la ayuda del software R Studio. Los métodos de selección tales como, selección del mejor subconjunto (BSS), selección hacia adelante (forward) y selección hacia atrás (backward) se basan en reducir el número de variables que interviene en el modelo de manera secuencial, incluyendo o excluyendo una variab...