Regresión Lineal Simple - Aplicaciones con R

• Autores: Carpio Vargas, Edgar Eloy, Villasante Saravia, Fredy Heric, Alvarez Rozas, Teresa Paola, Ramos Calcina, Alcides
• Formato: libro
• Fecha de Publicación: 2023
• Institución: Universidad Nacional Del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:https://repositorio.unap.edu.pe:20.500.14082/19667
• Enlace del recurso: https://repositorio.unap.edu.pe/handle/20.500.14082/19667
• Nivel de acceso: acceso abierto
• Materia: Estadísticas; Probabilidad; https://purl.org/pe-repo/ocde/ford#1.01.03

La Estadística ha jugado un papel primordial en el desarrollo de la investigación y la sociedad moderna, al proporcionar herramientas metodológicas generales para analizar la variabilidad, determinar relaciones entre variables, diseñar de forma óptima experimentos, realizar predicciones y la toma de decisiones en situaciones de incertidumbre. Una de las técnicas de este desarrollo es la regresión lineal que es una técnica de modelado estadístico que permite generar un modelo lineal en el que el valor de la variable dependiente o respuesta (Y continua) se determina a partir de un conjunto de variables independientes llamadas predictoras (X1, X2, X3...). Es una extensión de la regresión lineal simple, por lo que es fundamental comprender esta última. Los modelos de regresión múltiple pueden emplearse para predecir el valor de la variable dependiente o para evaluar la influencia que tienen los predictores sobre ella (esto último se debe analizar con cautela para no malinterpretar causa-efecto), entonces, puede ayudar a comprender y predecir el comportamiento de sistemas complejos o a analizar datos experimentales, financieros y biológicos y de otras áreas.