library(rio)
data=import("data2.xlsx")
## New names:
## • `` -> `...1`
## • `Población de niños menores de un año
 (CENSO 2017)
 1a/` -> `Población de
##   niños menores de un año
 (CENSO 2017)
 1a/...7`
## • `Población de niños menores de un año
 (CENSO 2017)
 1a/` -> `Población de
##   niños menores de un año
 (CENSO 2017)
 1a/...22`

Pregunta 1:

Damos formato:

data = data[,c(1,2,3,19,29,34,46)]

Renombrando:

colnames(data) = c("PROVINCIA","UBIGEO","DISTRITO", "NUM_DISTRITOS","IVIA","IDE","DEVENGADO")

En base a la variables dependiente corremos una regresion gaussiana:

modelo1=formula(DEVENGADO~IVIA+IDE+NUM_DISTRITOS)
reg1=lm(modelo1,data=data)
summary(reg1)
## 
## Call:
## lm(formula = modelo1, data = data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -2709.2 -1142.4  -425.2   542.3 10819.1 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)  
## (Intercept)    -752.08    1949.01  -0.386    0.700  
## IVIA           -539.33    1041.83  -0.518    0.605  
## IDE            5445.57    2375.35   2.293    0.023 *
## NUM_DISTRITOS    35.78      24.18   1.480    0.141  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1888 on 192 degrees of freedom
## Multiple R-squared:  0.09031,    Adjusted R-squared:  0.07609 
## F-statistic: 6.353 on 3 and 192 DF,  p-value: 0.0003964

Análisis:

-Se puede concluir que las variables “IVIA” e “NUM_DISTRITOS” no tienen un efectos significativo.

-La variable IDE es significativa al 0.05, el valor de dicha magnitud es de 5445.57 y es de carácter positivo. Es decir que cuando IDE aumenta en una unidad, el valor de DEVENGADO aumenta en 5446 aproximadamente.

-En base el R-squared se pude concluir que las variables incluidas en el modelo explican solo alrededor del 8% de la variabilidad de la variable dependiente.

PREGUNTA 2:

data2=import("dataCarcel.xlsx")

Comprobado hipótesis:

library(survival)

data2$survival=with(data2,Surv(time = semanasLibre, event = fueArrestado))

library(magrittr) 
data2%>%
    rmarkdown::paged_table()
COX_H1= formula(survival~edad+casado)
rcox1 <- coxph(COX_H1,data=data2)
summary(rcox1)
## Call:
## coxph(formula = COX_H1, data = data2)
## 
##   n= 432, number of events= 114 
## 
##            coef exp(coef) se(coef)      z Pr(>|z|)   
## edad   -0.06672   0.93545  0.02082 -3.205  0.00135 **
## casado -0.49314   0.61070  0.37269 -1.323  0.18576   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
##        exp(coef) exp(-coef) lower .95 upper .95
## edad      0.9355      1.069    0.8981    0.9744
## casado    0.6107      1.637    0.2942    1.2678
## 
## Concordance= 0.616  (se = 0.027 )
## Likelihood ratio test= 17.27  on 2 df,   p=2e-04
## Wald test            = 13.99  on 2 df,   p=9e-04
## Score (logrank) test = 14.51  on 2 df,   p=7e-04

Al exponenciar notamos que la variable edad no tiene un efecto significativo por lo tanto ambos están en lo incorrecto.

PREGUNTA 3:

data3=import("data3.xlsx")
modelo2=formula(MaterMort100m~Tuberculosis100m+EmployPerPop)
reg2=lm(modelo2,data=data3)
summary(reg2)
## 
## Call:
## lm(formula = modelo2, data = data3)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -520.80  -99.71  -52.99   35.21 1028.94 
## 
## Coefficients:
##                   Estimate Std. Error t value Pr(>|t|)    
## (Intercept)      -28.05760   43.65145  -0.643  0.52113    
## Tuberculosis100m   0.75078    0.09557   7.856 2.56e-13 ***
## EmployPerPop       2.33807    0.88920   2.629  0.00923 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 194.2 on 196 degrees of freedom
##   (64 observations deleted due to missingness)
## Multiple R-squared:  0.2864, Adjusted R-squared:  0.2791 
## F-statistic: 39.33 on 2 and 196 DF,  p-value: 4.351e-15
modelo3=formula(MaterMort100m~TasaFertil1mMuje+EmployPerPop)
reg2=lm(modelo3,data=data3)
summary(reg2)
## 
## Call:
## lm(formula = modelo3, data = data3)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -320.64  -71.02   -7.28   52.01  876.75 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)      -89.8159    31.1505  -2.883  0.00432 ** 
## TasaFertil1mMuje   4.3535     0.2488  17.497  < 2e-16 ***
## EmployPerPop       1.0524     0.6383   1.649  0.10057    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 142.5 on 223 degrees of freedom
##   (37 observations deleted due to missingness)
## Multiple R-squared:  0.6037, Adjusted R-squared:  0.6001 
## F-statistic: 169.9 on 2 and 223 DF,  p-value: < 2.2e-16

El modelo 3 explica cerca del 60% en base al R-Squared, que es superior al del modelo 2 con 28%, por lo tanto la razón la tiene el colega B, además la variable Fertilidad es significativa al 0.001 y tiene un efecto positivo.

PREGUNTA 4:

data4=import("data4.xlsx")
modelo5=formula(admitido~letras+ciencias+prestigio)
rlog1=glm(modelo5, data=data4,family = binomial)

summary(rlog1)
## 
## Call:
## glm(formula = modelo5, family = binomial, data = data4)
## 
## Coefficients:
##              Estimate Std. Error z value Pr(>|z|)    
## (Intercept) -6.249705   1.155732  -5.408 6.39e-08 ***
## letras       0.002294   0.001092   2.101   0.0356 *  
## ciencias     0.007770   0.003275   2.373   0.0177 *  
## prestigio    0.560031   0.127137   4.405 1.06e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 499.98  on 399  degrees of freedom
## Residual deviance: 459.44  on 396  degrees of freedom
## AIC: 467.44
## 
## Number of Fisher Scoring iterations: 4