Regresión lineal múltiple.

El modelo de regresión lineal múltiple es idéntico al modelo de regresión lineal simple, con la
única diferencia de que aparecen más variables explicativas

Para realizar un análisis de regresión lineal múltiple se hacen las siguientes consideraciones sobre
los datos. Linealidad, los valores de la variable dependiente están generados por el siguiente
modelo lineal: Y = X∗B+U .Homocedasticidad, todas las perturbaciones tienen las misma
2
varianza: V ( ui )=σ . Independencia, las perturbaciones aleatorias son independientes entre sí:
E ( ui∗u j ) =0 , ∀ i ≠ j. Normalidad, la distribución de la perturbación aleatoria tiene distribución
normal: U ≈ N (0 , σ 2 ). Las variables explicativas Xk se obtienen sin errores de medida. Si
admitimos que los datos presentan estas hipotesis entonces el teorema de Gauss - Márkov,
establece que el método de estimación de mínimos cuadrados va a producir estimadores óptimos,
en el sentido que los parámetros estimados van a estar centrados y van a ser de mínima varianza.

bibliografía: Libro probabilidad y estadística para ingeniería novena edición

Regresión polinomial.

En estadística, la regresión polinomial es una forma de regresión lineal en la que la relación entre
la variable independiente x y la variable dependiente y es modelada como un polinomio de grado
n en  x. La regresión polinomial se ajusta a una relación no lineal entre el valor de x y la
correspondiente media condicional de y, denotada E (y | x), y se ha utilizado para describir
fenómenos no lineales como la tasa de crecimiento de los tejidos, la distribución de carbono
Isótopos en sedimentos del lago,  y la progresión de epidemias de la enfermedad. 

y=b0 +b1 x+ b2 x 2 … … bk x ϒ

Δ b0 Δb1 Δ b2
b 0= b 1= b 2=
ΔD ΔD ΔD

Bibliografía: https://conzmr.wordpress.com/2017/04/04/regresion-polinomial/
 Coeficiente de determinación

El coeficiente de determinación tiene un valor comprendido entre 0 y 1 ; cuando su valor es 0

indica bondad del ajuste nulo y nula representativamente de la ecuación de regresión y cuando su
valor es 1 indica bondad del ajuste perfecto y perfecta respectivamente entre la ecuación
estimada y la nube de puntos; los valores intermedios indican mayor o menor representatividad o
ajuste de la función, recomendándose valores altos (superiores a 0,85) para dar por representativa
la ecuación estimada

R2=∑ ¿¿