Mientras que la lectura de un libro de texto sobre la regresión me encontré con el siguiente párrafo:
El de mínimos cuadrados en la estimación de un vector de regresión lineal de los coeficientes de ($\beta$) es
$$ \hat{\beta} = (X^{t}X)^{-1}{X^t}y $$
que, cuando se ve como una función de los datos de $y$ (considerando los predictores $X$ como constantes), es una combinación lineal de los datos. Usando el Teorema del Límite Central, se puede demostrar que la distribución de $\beta$ será de aproximadamente multivariante normal si el tamaño de la muestra es grande.
Definitivamente estoy perdiendo algo en el texto, pero no entiendo cómo puede una sola $\beta$ valor tienen una distribución? ¿Cómo son las múltiples $\beta$ valores generados para obtener la distribución mencionada en el texto?
