Cap. 13Términos clave - Introducción a la estadística empresarial

a es el símbolo de la intersección en y: a veces se escribe como $b_{0}$ , porque al escribir el modelo lineal teórico $β_{0}$ se utiliza para representar un coeficiente para una población.

b es el símbolo de la pendiente: la palabra coeficiente se utilizará regularmente para la pendiente, porque es un número que siempre estará junto a la letra "x" Se escribirá como $b_{1}$ cuando se utiliza una muestra, y $β_{1}$ se utilizará con una población o al escribir el modelo lineal teórico.

Bivariante: dos variables están presentes en el modelo, donde una es la "causa" o variable independiente y la otra es el "efecto" de la variable dependiente.

Lineal: modelo que toma los datos y los convierte en una ecuación de línea recta.

Multivariante: sistema o modelo en el que se utiliza más de una variable independiente para predecir un resultado. Solo puede haber una variable dependiente, aunque no hay límite en el número de variables independientes.

$R^{2}$ – Coeficiente de determinación: es un número entre 0 y 1 que representa el porcentaje de variación de la variable dependiente, que se explica por la variación de la variable independiente. A veces se calcula mediante la ecuación $R^{2} = \frac{S S R}{S S T}$ donde SSR es la "suma de cuadrados de la regresión" (Sum of Squares Regression) y SST es la "suma total de cuadrados" (Sum of Squares Total). El coeficiente de determinación apropiado que se notifica siempre debería ajustarse primero a los grados de libertad.

Residual o "error": el valor calculado al restar $y_{0} - {\hat{y}}_{0} = e_{0}$ . El valor absoluto del residual mide la distancia vertical entre el valor real de y y el valor estimado de y que aparece en la línea de mejor ajuste.

$R$ – Coeficiente de correlación: un número entre −1 y 1 que representa la fuerza y la dirección de la relación entre la "X" y la "Y". El valor de "r" será igual a 1 o −1 solo si todos los puntos trazados forman una línea perfectamente recta.

Suma de errores al cuadrado (Sum of Squared Errors, SSE): el valor calculado de la suma de todos los términos residuales al cuadrado. Se espera que este valor sea muy pequeño al momento de crear un modelo.

X - la variable independiente: a veces se denominará variable "predictora", porque estos valores se midieron para determinar los posibles resultados que se podían predecir.

Y - la variable dependiente: además, el uso de la letra "y" representa valores reales, mientras que $\hat{y}$ representa los valores previstos o estimados. Los valores predichos se obtienen al introducir los valores "x" observados en un modelo lineal.