## Modelamiento predictivo

*** Caso: ” ¿El tiempo en verdad Afecta? “***

Deseo comprender como el tiempo de estudio afecta directamente el rendimiento en los exámenes, con el objetivo de construir un modelo de regresión para prever el puntaje de un examen en función del tiempo de estudio he recopilado datos que incluyen el tiempo en horas que cada estudiante ha dedicado al estudio para un examen en particular y los puntajes obtenidos por cada estudiante en dicho examen. Con los datos, se quiere evaluar si existe relación entre la cantidad de horas estudiadas y la nota obtenida en dicho examen.La descripción de las variables tenemos:

Nota obtenida en en el examen (Nota)

-Variable Independiente (X):

Tiempo invertido estudiando (Tiempo)

examen1 <- data.frame(
  Nota=c(15, 11, 18, 16, 19, 12, 11, 13, 20, 18, 17, 15, 13, 17, 14, 19, 16, 20, 05, 09),
  Tiempo=c(10, 8, 15, 12, 15, 10, 7, 8, 18, 16, 14, 13, 10, 15, 10, 17, 14, 17, 1, 2 ))
  
examen1

Pasos para construir un modelo de regresión

Diagrama de dispersión o puntos

plot(x=examen1$Tiempo,y=examen1$Nota)

Coeficiente de correlación

# Mediante la función cor
cor(examen1) # Matriz de correlaciones
##            Nota   Tiempo
## Nota   1.000000 0.969269
## Tiempo 0.969269 1.000000

r = 0.969269

(Recordar: Si el r en menor que 0.35 para algunos autores, no es viable la regresión, para otros autores se debe probar hipótesis)

Como en este caso el coeficiente de correlación es superior a 0.35, es viable la regresión.

Regresión lineal simple

Modelo general $ = b_o + b_1X $

Modelo para el caso: \(\hat{Nota} = b_0 + b_1 Tiempo\)

Para obtener el modelo, se va a utilizar una función de R > lm

# lm, notación: Y ~ X, data=
examen1 <- lm(Nota ~ Tiempo, data=examen1)

# Resumen de resultados
summary(examen1)
## 
## Call:
## lm(formula = Nota ~ Tiempo, data = examen1)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -1.6119 -0.6859 -0.1245  0.7591  1.8284 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  5.56157    0.60150   9.246 2.94e-08 ***
## Tiempo       0.80504    0.04816  16.716 2.08e-12 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.9972 on 18 degrees of freedom
## Multiple R-squared:  0.9395, Adjusted R-squared:  0.9361 
## F-statistic: 279.4 on 1 and 18 DF,  p-value: 2.077e-12
##Coefficients:
##            Estimate Std. Error t value Pr(>|t|)    
##(Intercept)  5.56157    0.60150   9.246 2.94e-08 ***
##Tiempo       0.80504    0.04816  16.716 2.08e-12 ***
##---
##Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
##
##Residual standard error: 0.9972 on 18 degrees of freedom
##Multiple R-squared:  0.9395,  Adjusted R-squared:  0.9361 
##F-statistic: 279.4 on 1 and 18 DF,  p-value: 2.077e-12

Modelo final con los resultados:

  • Modelo general

$ = 5.56157 +0.80504 X $

  • Modelo para el caso:

\(\hat{cantidad} = 5.56157 + 080504 Ingresos\)

Resumen: Regresión lineal simple

Paso 3: Modelo Regresión lineal simple