Pensamos que los modelos matemáticos, como la regresión lineal, son conceptos que solo atañen a quienes se dedican a investigar, noción que dista de la realidad. La primera descripción de un modelo matemático fue realizada por Legendré, en 1805, y la introducción formal del término fue hecha por Galton, en 1886. La regresión lineal es útil para predecir la relación entre dos o más variables, siempre y cuando la variable dependiente sea cuantitativa y cuente con una distribución normal. Su desarrollo tiene como primer objetivo determinar la pendiente o inclinación de la línea de regresión: Y = a + bx, donde “a” es la “constante de regresión” que equivale al valor de “Y” cuando “x” es igual a 0 y “b”, también llamada pendiente de la recta, indica el incremento o decremento que se produce en “Y” cuando la variable “x” aumenta o disminuye una unidad. En la línea de regresión, “b” recibe también el nombre de coeficiente de regresión. El coeficiente de determinación (R2) define la magnitud de la capacidad para predecir el efecto de las variables independientes sobre el resultado.
Talavera-Piña JO, Antonio-Ocampo A, Castellanos-Olivares A, Wacher-Rodarte NH. Regresión lineal simple. Rev Med IMSS. 1995;33(3):347-51.
Weisberg S. Linear hypothesis: regression (basics). En: Neil JS, Paul BB, editores. International encyclopedia of the social & behavioral sciences. Oxford: Pergamon; 2001. p. 8884-8.
Wikipedia. La Enclopedia Libre. Regresión lineal. [Consultado el 2 de septiembre de 2013]. Disponible en http://es.wikipedia.org/w/index.php?oldid= 67582255.
Lam GK. On the unit of dose equivalent and the linear hypothesis. Health Phys. 1989;57(3):495-6.
Galton F. Regression towards mediocrity in hereditary stature. J Anthropol Inst. 1886;15:246-63.
Galton F. Natural inheritance. London-New York: MacMillan; 1889.
Pearce J. Regression, linear and nonlinear. En: Rob K, Nigel T, editores. International encyclopedia of human geography. Oxford: Elsevier; 2009. p. 302-8.
Canavos GC. Probabilidad y estadística. Aplicaciones y métodos. México: McGraw-Hill; 1988.
Devore JL. Probabilidad y estadística para ingeniería y ciencias. México: International Thomson Editores; 2005.
Dawson P, Trapp R. Bioestadística médica. México: Manual Moderno; 1990. p. 239-365.
Seber GAF. The linear hypothesis: a general theory. London: Griffin; 1966.
Raftery AE, Madigan D, Hoeting JA. Bayesian model averaging for linear regression models. J Am Stat Assoc. 1997;92(437):179-91.
Hill AB. The environment and disease: association or causation? Proc R Soc Med. 1965;58(5):295-300.
Talavera JO, Rivas-Ruiz R. Investigación clínica IV. Pertinencia de la prueba estadística. Rev Med Inst Mex Seguro Soc. 2011;49(4):401-5.
Talavera JO, Rivas-Ruiz R. Investigación clínica XIV. Del juicio clínico al modelo estadístico. Rev Med Inst Mex Seguro Soc. 2013;51(5):170-5.