Solucion Examen - Modulo 02

ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESCUELA NACIONAL DE ESTADÍSTICA E INFORMÁTICA
ANALISIS EXPLORATORIO DE DATOS PARA CADA UNA DE LAS VARIABLES
𝑌1 : api00, rendimiento académico de la escuela.
𝑋1 : acs_k3, tamaño promedio de la clase en kindergarten hasta el 3er grado.
𝑋2 : meals, porcentaje de estudiantes que reciben comidas gratis.
𝑋3 : full, porcentaje de maestros que tienen credenciales completas de enseñanza.
TABLA COMPACTA CON SUMARIO ESTADISTICO
ALUMNO: JONATAN ARAINGA DOCENTE: WILLER CHANDUVI

VARIABLE: api00
De la tabla compacta podemos ver que 𝑌̅1 > 𝑀𝑒𝑌1 , y una asimetría positiva, lo cual es
consistente.
La asimetría positiva nos indica una mayor concentración de valores a la derecha de la media.
No rechazamos H0, por lo que no hay evidencia para sostener que la distribución no es
simétrica.
Con un Pvalor menor a 0.05, concluimos que los datos se distribuyen de manera anormal.
El gráfico también nos confirma que los datos no se

distribuyen de manera normal.
Asimetría positiva con cola a la derecha.
Ligeramente podemos ver que el bigote de arriba

es más grande que el de abajo, asimetría positiva.

VARIABLE: acs_k3
De la tabla compacta podemos ver que ̅̅̅

𝑋1 > 𝑀𝑒𝑋1 , y una asimetría negativa, lo cual es
inconsistente.
No rechazamos H0, por lo que no hay evidencia para sostener que la distribución no es
simétrica.
Con un Pvalor menor a 0.05, concluimos que los datos se distribuyen de manera anormal.

Asimetría negativa con cola a la izquierda.
Notamos presencia de 4 datos atípicos.

VARIABLE: meals

𝑋2 < 𝑀𝑒𝑋2 , y una asimetría negativa, lo cual es
consistente.
Rechazamos H0, por lo que los datos no son simétricos.
Y con un Pvalor menor a 0.05 concluimos que los datos no siguen una distribución normal.

Aquí podemos observar claramente una asimetría

negativa ya que el bigote de arriba es más pequeño
que el de abajo.

VARIABLE: full

𝑋3 < 𝑀𝑒𝑋3 , y una asimetría negativa, lo cual es
consistente.
Rechazamos H0, por lo que los datos no son simétricos.
Y con un Pvalor menor a 0.05 concluimos que los datos no siguen una distribución normal.

Aquí podemos observar claramente una asimetría

negativa ya que el bigote de arriba es más pequeño
que el de abajo, y también la presencia de datos
atípicos.

REDACTE EL MODELO PLANTEADO
CONSIDERACIONES:
 Todas las variables son cuantitativas.

 Si realizamos un mapa de dispersión de api00 con cada una de las demás variables,
vemos que el modelo de regresión lineal es candidato.
 Con un análisis lógico de las variables podemos decir que el rendimiento académico de
la clase depende del tamaño de la misma, del porcentaje de estudiantes que reciben
comida gratis y del porcentaje de maestros con credenciales completas de enseñanza.
Definimos nuestras variables de trabajo:
𝑋1 : acs_k3, tamaño promedio de la clase en kindergarten hasta el 3er grado.
𝑋2 : meals, porcentaje de estudiantes que reciben comidas gratis.
𝑋3 : full, porcentaje de maestros que tienen credenciales completas de enseñanza.
En donde, 𝑌1 es la variable a estimar o explicar, y las 𝑋𝑖 nuestras variables explicativas. Por lo

que, la ecuación que describe la relación de 𝑌1 con las 𝑋𝑖 , es la siguiente,
MODELO DE REGRESIÓN: 𝑌1 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + u
En donde, a las variables ya definidas sumamos a u, que es un término de perturbación que

representa a todos los factores que afectan al rendimiento académico de la escuela que no se
están considerando en nuestro modelo de forma explícita.

ESTIME EL MODELO DE REGRESIÓN
MODELO DE REGRESIÓN LINEAL MULTIPLE ESTIMADO : 𝑦 ̂0 + 𝛽

̂1 = 𝛽 ̂1 𝑥1 + 𝛽
̂2 𝑥2 + 𝛽
̂3 𝑥3
Ya que, 𝐸(u) = 0
Antes de realizar la estimación del modelo, nos aseguramos que todas las variables tengan la
misma cantidad de observaciones.
Y realizamos la estimación:
EVALÚE LA BONDAD DE AJUSTE DEL MODELO. INTERPRETE CADA UNO DE LOS ESTADÍSTICOS
Coeficientes de correlación de Pearson:
Notamos una baja asociación directa de Y con X1, alta asociación inversa de Y con X2, y una
asociación directa de y con X3, en donde todos los resultados son estadísticamente
significativos.

Prueba F del modelo:
Prob > F = 0.0000, como es menor a 0.05 podemos concluir que al menos una de las
variables explicativas guarda relación lineal con Y.
Prueba t para cada una de las variables explicativas:
Notamos que acs_k3 no guarda relación lineal con Y, y el intervalo de confianza nos lo
confirma ya que contiene al cero.
Coeficiente de determinación:
R-squared = 0.8242
Las variables X1, X2 y X3 explican en un 82% el comportamiento de Y.
EVALÚE LA ADECUACIÓN DEL MODELO. INTERPRETE CADA UNO DE LOS ESTADÍSTICOS.
Evaluando Normalidad de los residuos,
Como Pvalue es mayor a 0.05, no rechazamos H0, es decir que no hay suficiente evidencia para
afirmar que los residuos se distribuyen de manera anormal.
Y aquí vemos que los residuos se distribuyen de

manera normal.

Evaluando Homocedasticidad de los residuos
Pvalue es menor a 0.05 por lo que existe heterocedasticidad.
No se observa una banda, clara, de puntos.
Evaluando colinealidad:
Valores bajos del VIF nos indican que no existe colinealidad entras las variables explicativas.

REALICE UN ANÁLISIS DE INFLUENCIA
Generamos las siguientes variables, y listamos las observaciones que cumplen con la condición
value.
K: número de variables explicativas.
N: tamaño de la muestra.

Consideramos suprimir las variables que más se repiten:
N°
observación Frecuencia
28 3
36 4
56 4
92 5
102 3
134 3
199 3
225 4
233 4
238 5
258 3
270 4
271 3
273 3
302 4
320 3
325 3
340 4
359 3
Al evaluar el modelo sin esas dos observaciones, vemos que el beta1 varia en casi un 100%, el
R2 ajustado aumenta, y acs_k3 sigue siendo una variable no significativa. Y aún existen
problemas de heterocedasticidad.
coeficientes N= 398 N=396 variación
acs_k3 -0.717 -1.3892 94%
meals -3.686265 -3.66 1%

full 1.327138 1.4663 10%
Sin considerar acs_k3

Sin considerar
ACS_K3, el R2
ajustado aumenta
Tanto manteniendo acs_k3, como excluyéndola del modelo aún existe problemas de
heterocedasticidad. Por lo que es recomendable realizar una transformación a las variables.
CONCLUSIONES FINALES
Si bien es recomendable realizar transformación de variables es claro el impacto (positivo o

negativo) de la variación de las variables explicativas sobre nuestra variable explicada (Y).
𝑋1 : Un aumento del tamaño promedio de la clase en kindergarten hasta el 3er grado reduce el
rendimiento académico de la escuela.
𝑋2 : Si el porcentaje de estudiantes que reciben comidas gratis aumenta, el rendimiento de la

clase disminuirá.
𝑋3 : Si el porcentaje de maestros que tienen credenciales completas de enseñanza aumenta, el

rendimiento de la clase aumentará.

Solucion Examen - Modulo 02

Cargado por

Copyright:

Formatos disponibles

Solucion Examen - Modulo 02

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Solucion Examen - Modulo 02

Cargado por

Copyright:

Formatos disponibles

ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESCUELA NACIONAL DE ESTADÍSTICA E INFORMÁTICA

ANALISIS EXPLORATORIO DE DATOS PARA CADA UNA DE LAS VARIABLES

𝑌1 : api00, rendimiento académico de la escuela.

𝑋1 : acs_k3, tamaño promedio de la clase en kindergarten hasta el 3er grado.

𝑋2 : meals, porcentaje de estudiantes que reciben comidas gratis.

𝑋3 : full, porcentaje de maestros que tienen credenciales completas de enseñanza.

TABLA COMPACTA CON SUMARIO ESTADISTICO

ALUMNO: JONATAN ARAINGA DOCENTE: WILLER CHANDUVI

El gráfico también nos confirma que los datos no se

Asimetría positiva con cola a la derecha.

Ligeramente podemos ver que el bigote de arriba

ALUMNO: JONATAN ARAINGA DOCENTE: WILLER CHANDUVI

De la tabla compacta podemos ver que ̅̅̅

El gráfico también nos confirma que los datos no se

Asimetría negativa con cola a la izquierda.

Notamos presencia de 4 datos atípicos.

ALUMNO: JONATAN ARAINGA DOCENTE: WILLER CHANDUVI

De la tabla compacta podemos ver que ̅̅̅

Rechazamos H0, por lo que los datos no son simétricos.

El gráfico también nos confirma que los datos no se

Asimetría negativa con cola a la izquierda.

Aquí podemos observar claramente una asimetría

ALUMNO: JONATAN ARAINGA DOCENTE: WILLER CHANDUVI

De la tabla compacta podemos ver que ̅̅̅

Rechazamos H0, por lo que los datos no son simétricos.

El gráfico también nos confirma que los datos no se

Asimetría negativa con cola a la izquierda.

Aquí podemos observar claramente una asimetría

ALUMNO: JONATAN ARAINGA DOCENTE: WILLER CHANDUVI

REDACTE EL MODELO PLANTEADO

 Todas las variables son cuantitativas.

Definimos nuestras variables de trabajo:

𝑌1 : api00, rendimiento académico de la escuela.

𝑋1 : acs_k3, tamaño promedio de la clase en kindergarten hasta el 3er grado.

𝑋2 : meals, porcentaje de estudiantes que reciben comidas gratis.

𝑋3 : full, porcentaje de maestros que tienen credenciales completas de enseñanza.

En donde, 𝑌1 es la variable a estimar o explicar, y las 𝑋𝑖 nuestras variables explicativas. Por lo

En donde, a las variables ya definidas sumamos a u, que es un término de perturbación que

ALUMNO: JONATAN ARAINGA DOCENTE: WILLER CHANDUVI

ESTIME EL MODELO DE REGRESIÓN

MODELO DE REGRESIÓN LINEAL MULTIPLE ESTIMADO : 𝑦 ̂0 + 𝛽

Coeficientes de correlación de Pearson:

ALUMNO: JONATAN ARAINGA DOCENTE: WILLER CHANDUVI

Prueba F del modelo:

Prueba t para cada una de las variables explicativas:

Las variables X1, X2 y X3 explican en un 82% el comportamiento de Y.

EVALÚE LA ADECUACIÓN DEL MODELO. INTERPRETE CADA UNO DE LOS ESTADÍSTICOS.

Evaluando Normalidad de los residuos,

Y aquí vemos que los residuos se distribuyen de

ALUMNO: JONATAN ARAINGA DOCENTE: WILLER CHANDUVI

Evaluando Homocedasticidad de los residuos

Pvalue es menor a 0.05 por lo que existe heterocedasticidad.

No se observa una banda, clara, de puntos.

ALUMNO: JONATAN ARAINGA DOCENTE: WILLER CHANDUVI

REALICE UN ANÁLISIS DE INFLUENCIA

K: número de variables explicativas.

ALUMNO: JONATAN ARAINGA DOCENTE: WILLER CHANDUVI

Consideramos suprimir las variables que más se repiten:

ALUMNO: JONATAN ARAINGA DOCENTE: WILLER CHANDUVI