-cuando el coeficiente de regresion lineal es cercano a +1 o -1, se considera la ecuacion de la recta que mejor se ajuste a la nube de puntos.
-usos de la recta= predecir o estimar los valores de Y que se obtendria para distintos valores de X.
-variable respuesta=dependiente=Y.
-variable predictora=independiente=X.
Y=MX+B
y= a estimar.
m=pendiente.
b= intercepto.
-para cada valor de X, Y es una variable aleatoria con distribucion normal.
-todas las distribuciones de Y tiene la misma varianza.
-supuestos del modelo de regresion lineal:
1)residuos se distribuyen segun una media de 0.
2)residuos son independientes entre ellos mismos.
3)residuos tienen varianza constante.
-errores residuales= indica la cantidad con la que Y se desvia de la media de la poblacion.
-criterio de minimos cuadrados para mejor ajuste a la recta.
-variable utilizada para la estima= X
-variable a estimar= Y
1)normalidad= shapiro.test(regresion$residuals).