When we think about mathematical models, such as linear regression model, we think that these terms are only used by those engaged in research, a notion that is far from the truth. Legendre described the first mathematical model in 1805, and Galton introduced the formal term in 1886. Linear regression is one of the most commonly used regression models in clinical practice. It is useful to predict or show the relationship between two or more variables as long as the dependent variable is quantitative and has normal distribution. Stated in another way, the regression is used to predict a measure based on the knowledge of at least one other variable. Linear regression has as it's first objective to determine the slope or inclination of the regression line: Y = a + bx, where "a" is the intercept or regression constant and it is equivalent to "Y" value when "X" equals 0 and "b" (also called slope) indicates the increase or decrease that occurs when the variable "x" increases or decreases in one unit. In the regression line, "b" is called regression coefficient. The coefficient of determination (R2) indicates the importance of independent variables in the outcome.
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.
Keywords: estadística; linear models; modelos estadísticos; modelos lineales; statistical models; statistics.