ScholarGate
Asistente
Regression model

Mínimos Cuadrados Ordinarios (MCO)

Mínimos Cuadrados Ordinarios (MCO) es el método canónico para estimar los parámetros de un modelo de regresión lineal minimizando la suma de las diferencias al cuadrado entre los valores observados y los predichos. Publicado por primera vez por Adrien-Marie Legendre en 1805 y desarrollado independientemente por Carl Friedrich Gauss (quien reclamó la prioridad desde 1795), MCO es demostrablemente óptimo bajo el teorema de Gauss-Markov: dadas sus suposiciones, produce el Mejor Estimador Lineal Insesgado (BLUE, por sus siglas en inglés) de los coeficientes de regresión.

Aplicar con StatMindPróximamenteVídeoPróximamenteDescargar diapositivas

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Mapa de métodos

El vecindario de métodos relacionados: selecciona un nodo para explorarlo.

Fuentes

  1. Legendre, A.-M. (1805). Nouvelles méthodes pour la détermination des orbites des comètes. Firmin Didot, Paris. [Appendix: Sur la Méthode des moindres quarrés, pp. 72–80.] link
  2. Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Perthes & Besser, Hamburg. link
  3. Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
  4. Greene, W. H. (2018). Econometric Analysis (8th ed.). Pearson. ISBN: 978-0134461366

Cómo citar esta página

ScholarGate. (2026, June 3). Ordinary Least Squares Regression. ScholarGate. https://scholargate.app/es/statistics/ordinary-least-squares

¿Qué método?

Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.

Comparar lado a lado

Citado por

ScholarGateOrdinary Least Squares (Ordinary Least Squares Regression). Recuperado el 2026-06-15 de https://scholargate.app/es/statistics/ordinary-least-squares · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026