Correlacion
Natalia Narvaez, Felipe Tovar, Camilo Perez.
2024-04-09
INTRODUCCION
La elección de carrera es un proceso multifacético influenciado por una variedad de factores, siendo el estrato socioeconómico uno de los más destacados. En el contexto urbano de Neiva, la interacción entre el estrato socioeconómico y la elección de carrera, específicamente en el campo de la Economía, plantea un área de estudio de gran interés y relevancia. La ciudad de Neiva, al igual que muchas otras áreas urbanas, exhibe disparidades económicas y sociales que pueden impactar las decisiones de los estudiantes en cuanto a su futuro académico y profesional. En este sentido, es plausible que el valor de la matrícula universitaria, en particular para la carrera de Economía, esté vinculado estrechamente con el estrato socioeconómico de los estudiantes. El análisis de la relación entre el estrato socioeconómico y el valor de la matrícula de los estudiantes de Economía en Neiva puede proporcionar una comprensión más profunda de los factores que influyen en las decisiones educativas y financieras de la comunidad estudiantil. Este estudio no solo puede revelar patrones y tendencias significativas, sino también ofrecer información valiosa para orientar políticas educativas y de financiamiento dirigidas a promover la equidad y la accesibilidad en la educación superior. En este estudio, examinaremos cómo el estrato socioeconómico influye en el valor de la matrícula de los estudiantes de Economía en Neiva. Al hacerlo, buscamos contribuir al entendimiento de la compleja interacción entre factores socioeconómicos y financieros en la toma de decisiones educativas y profesionales de los jóvenes en entornos urbanos como el de Neiva.
PLANTEAMIENTO DEL PROBLEMA
En la ciudad de Neiva, la elección de carrera de los estudiantes de Economía puede estar influenciada por su estrato socioeconómico, el cual puede afectar el valor de la matrícula universitaria. Sin embargo, existe una falta de estudios que examinen esta relación específica en el contexto local. Por lo tanto, surge la necesidad de investigar cómo el estrato socioeconómico de los estudiantes de Economía en Neiva se relaciona con el costo de la matrícula universitaria, con el fin de comprender mejor los factores que influyen en las decisiones educativas y financieras de la comunidad estudiantil en la ciudad.
¿Cómo se relaciona el estrato socioeconómico de los estudiantes de Economía en la ciudad de Neiva con el valor de derechos de matrícula universitaria?
Hipótesis nula (H0): No hay diferencia en el costo de derechos matrícula entre los estudiantes de Economía de diferentes estratos socioeconómicos en Neiva. Hipótesis alternativa (H1): Existe una diferencia significativa en el costo de derechos matrícula entre los estudiantes de Economía de diferentes estratos socioeconómicos en Neiva.
METODOLOGIA
Para llevar a cabo esta inferencia, primero se tomó el programa de economía de la base de datos de la Universidad Surcolombiana. Seguidamente se procede a determinar el tamaño de la muestra para la población. Teniendo el tamaño de la muestra, se realizará una selección aleatoria en las bases de datos. Ya con la muestra seleccionada, se procede a realizar los test de normalidad. Teniendo en cuenta el resultado del test, se les aplicara la prueba de hipótesis y dependiendo si los datos tienen una distribución normal o no, se realizará una prueba paramétrica o no paramétrica. Teniendo en cuenta lo anterior, se hace Prueba de Kolmogorov-Smirnov y prueba de wilcoxon Mann Whitney para comparar las dos variables. Seguidamente, se hace inferencia y la correlación de estas. En base a los resultados arrojados por la prueba de hipótesis aplicada se procede a analizar los resultados y determinar si se rechaza o no la hipótesis nula (H_0). Por último se harán las conclusiones pertinentes respecto al informe realizado.
Base de tados carrera Economia
# Cargar el archivo CSV
datos_csv <- read.csv("Base de datos.csv")
# Separar la columna en tres partes utilizando punto y coma como separador
separado <- strsplit(datos_csv[, 1], ";") # Usamos el índice de la columna en lugar del nombre
# Crear un dataframe con las partes separadas
nuevos_datos <- data.frame(
PROGRAMAS = sapply(separado, function(x) x[1]),
ESTRATO_SOCIAL = as.numeric(sapply(separado, function(x) x[2])),
Der_Matricula = as.numeric(sapply(separado, function(x) x[3]))
)
# Mostrar todas las filas del nuevo dataframe
nuevos_datos## PROGRAMAS ESTRATO_SOCIAL Der_Matricula
## 1 NEIVA - ECONOMIA 3 1899080
## 2 NEIVA - ECONOMIA 1 287764
## 3 NEIVA - ECONOMIA 2 505867
## 4 NEIVA - ECONOMIA 2 697717
## 5 NEIVA - ECONOMIA 2 678953
## 6 NEIVA - ECONOMIA 2 738137
## 7 NEIVA - ECONOMIA 1 1627812
## 8 NEIVA - ECONOMIA 1 427656
## 9 NEIVA - ECONOMIA 1 303520
## 10 NEIVA - ECONOMIA 1 303520
## 11 NEIVA - ECONOMIA 2 1380226
## 12 NEIVA - ECONOMIA 2 1380226
## 13 NEIVA - ECONOMIA 2 479608
## 14 NEIVA - ECONOMIA 2 536219
## 15 NEIVA - ECONOMIA 2 964091
## 16 NEIVA - ECONOMIA 2 964091
## 17 NEIVA - ECONOMIA 1 448655
## 18 NEIVA - ECONOMIA 1 674314
## 19 NEIVA - ECONOMIA 2 536219
## 20 NEIVA - ECONOMIA 2 1515868
## 21 NEIVA - ECONOMIA 2 1888034
## 22 NEIVA - ECONOMIA 1 403830
## 23 NEIVA - ECONOMIA 2 930310
## 24 NEIVA - ECONOMIA 1 269834
## 25 NEIVA - ECONOMIA 2 743181
## 26 NEIVA - ECONOMIA 2 407631
## 27 NEIVA - ECONOMIA 1 313233
## 28 NEIVA - ECONOMIA 2 513182
## 29 NEIVA - ECONOMIA 2 750901
## 30 NEIVA - ECONOMIA 2 418691
## 31 NEIVA - ECONOMIA 1 313233
## 32 NEIVA - ECONOMIA 3 1474637
## 33 NEIVA - ECONOMIA 1 1425626
## 34 NEIVA - ECONOMIA 1 303044
## 35 NEIVA - ECONOMIA 2 368574
## 36 NEIVA - ECONOMIA 2 1335335
## 37 NEIVA - ECONOMIA 2 2156417
## 38 NEIVA - ECONOMIA 1 303044
## 39 NEIVA - ECONOMIA 2 400703
## 40 NEIVA - ECONOMIA 1 313233
## 41 NEIVA - ECONOMIA 2 427648
## 42 NEIVA - ECONOMIA 1 313233
## 43 NEIVA - ECONOMIA 2 384922
## 44 NEIVA - ECONOMIA 3 892499
## 45 NEIVA - ECONOMIA 3 892499
## 46 NEIVA - ECONOMIA 2 522055
## 47 NEIVA - ECONOMIA 2 2171150
## 48 NEIVA - ECONOMIA 2 1303330
## 49 NEIVA - ECONOMIA 2 513182
## 50 NEIVA - ECONOMIA 2 513182
## 51 NEIVA - ECONOMIA 1 386679
## 52 NEIVA - ECONOMIA 4 2491568
## 53 NEIVA - ECONOMIA 2 394374
## 54 NEIVA - ECONOMIA 1 313233
## 55 NEIVA - ECONOMIA 4 2362234
## 56 NEIVA - ECONOMIA 2 709066
## 57 NEIVA - ECONOMIA 2 400703
## 58 NEIVA - ECONOMIA 2 726478
## 59 NEIVA - ECONOMIA 2 729037
## 60 NEIVA - ECONOMIA 3 677930
## 61 NEIVA - ECONOMIA 1 423259
## 62 NEIVA - ECONOMIA 2 394992
## 63 NEIVA - ECONOMIA 1 636144
## 64 NEIVA - ECONOMIA 2 1548294
## 65 NEIVA - ECONOMIA 2 611509
## 66 NEIVA - ECONOMIA 2 479608
## 67 NEIVA - ECONOMIA 1 310013
## 68 NEIVA - ECONOMIA 1 635149
## 69 NEIVA - ECONOMIA 1 420386
## 70 NEIVA - ECONOMIA 1 1005534
## 71 NEIVA - ECONOMIA 2 709779
## 72 NEIVA - ECONOMIA 1 414395
## 73 NEIVA - ECONOMIA 1 414395
## 74 NEIVA - ECONOMIA 2 394374
## 75 NEIVA - ECONOMIA 1 1214191
## 76 NEIVA - ECONOMIA 2 352506
## 77 NEIVA - ECONOMIA 2 1718562
## 78 NEIVA - ECONOMIA 1 283220
## 79 NEIVA - ECONOMIA 2 505075
## 80 NEIVA - ECONOMIA 1 295781
## 81 NEIVA - ECONOMIA 1 287764
## 82 NEIVA - ECONOMIA 1 287764
## 83 NEIVA - ECONOMIA 2 1506152
## 84 NEIVA - ECONOMIA 2 750901
## 85 NEIVA - ECONOMIA 2 418691
## 86 NEIVA - ECONOMIA 2 1007223
## 87 NEIVA - ECONOMIA 1 427656
## 88 NEIVA - ECONOMIA 1 313233
## 89 NEIVA - ECONOMIA 2 1716953
## 90 NEIVA - ECONOMIA 2 1208554
## 91 NEIVA - ECONOMIA 2 1208554
## 92 NEIVA - ECONOMIA 2 709779
## 93 NEIVA - ECONOMIA 1 303520
## 94 NEIVA - ECONOMIA 2 771273
## 95 NEIVA - ECONOMIA 2 407631
## 96 NEIVA - ECONOMIA 2 407631
## 97 NEIVA - ECONOMIA 2 479608
## 98 NEIVA - ECONOMIA 2 505075
## 99 NEIVA - ECONOMIA 2 505075
## 100 NEIVA - ECONOMIA 3 2848569
## 101 NEIVA - ECONOMIA 1 1302074
## 102 NEIVA - ECONOMIA 2 697716
## 103 NEIVA - ECONOMIA 1 403830
## 104 NEIVA - ECONOMIA 2 2171150
## 105 NEIVA - ECONOMIA 1 303520
## 106 NEIVA - ECONOMIA 3 643075
## 107 NEIVA - ECONOMIA 3 1394833
## 108 NEIVA - ECONOMIA 2 1321801
## 109 NEIVA - ECONOMIA 1 1140218
## 110 NEIVA - ECONOMIA 2 332531
## 111 NEIVA - ECONOMIA 2 332531
## 112 NEIVA - ECONOMIA 2 726478
## 113 NEIVA - ECONOMIA 1 274166
## 114 NEIVA - ECONOMIA 2 403441
## 115 NEIVA - ECONOMIA 3 1330524
## 116 NEIVA - ECONOMIA 2 758772
## 117 NEIVA - ECONOMIA 1 867132
## 118 NEIVA - ECONOMIA 1 867132
## 119 NEIVA - ECONOMIA 2 394992
## 120 NEIVA - ECONOMIA 3 824978
## 121 NEIVA - ECONOMIA 1 1320714
## 122 NEIVA - ECONOMIA 1 1244008
## 123 NEIVA - ECONOMIA 2 1801366
## 124 NEIVA - ECONOMIA 2 1150256
## 125 NEIVA - ECONOMIA 2 1150256
## 126 NEIVA - ECONOMIA 2 743181
## 127 NEIVA - ECONOMIA 1 313233
## 128 NEIVA - ECONOMIA 2 1242146
## 129 NEIVA - ECONOMIA 1 423259
## 130 NEIVA - ECONOMIA 1 674314
## 131 NEIVA - ECONOMIA 2 505074
## 132 NEIVA - ECONOMIA 1 321731
## 133 NEIVA - ECONOMIA 1 674314
## 134 NEIVA - ECONOMIA 2 400703
## 135 NEIVA - ECONOMIA 2 1207564
## 136 NEIVA - ECONOMIA 1 286473
## 137 NEIVA - ECONOMIA 1 310013
## 138 NEIVA - ECONOMIA 2 522055
## 139 NEIVA - ECONOMIA 2 384922
## 140 NEIVA - ECONOMIA 2 472033
## 141 NEIVA - ECONOMIA 1 310013
## 142 NEIVA - ECONOMIA 2 472033
## 143 NEIVA - ECONOMIA 1 989492
## 144 NEIVA - ECONOMIA 2 403441
## 145 NEIVA - ECONOMIA 1 420386
## 146 NEIVA - ECONOMIA 1 989652
## 147 NEIVA - ECONOMIA 2 505075
## 148 NEIVA - ECONOMIA 2 1168717
## 149 NEIVA - ECONOMIA 2 472033
## 150 NEIVA - ECONOMIA 2 575993
## 151 NEIVA - ECONOMIA 2 575993
## 152 NEIVA - ECONOMIA 1 403830
## 153 NEIVA - ECONOMIA 2 709779
## 154 NEIVA - ECONOMIA 2 1176703
## 155 NEIVA - ECONOMIA 2 505075
## 156 NEIVA - ECONOMIA 2 505075
## 157 NEIVA - ECONOMIA 2 516688
## 158 NEIVA - ECONOMIA 2 1506153
## 159 NEIVA - ECONOMIA 2 1366038
## 160 NEIVA - ECONOMIA 2 1356768
## 161 NEIVA - ECONOMIA 1 636144
## 162 NEIVA - ECONOMIA 1 636144
## 163 NEIVA - ECONOMIA 1 462918
## 164 NEIVA - ECONOMIA 1 295781
## 165 NEIVA - ECONOMIA 1 328613
## 166 NEIVA - ECONOMIA 2 492970
## 167 NEIVA - ECONOMIA 2 1281895
## 168 NEIVA - ECONOMIA 1 420386
## 169 NEIVA - ECONOMIA 4 2571298
## 170 NEIVA - ECONOMIA 2 600492
## 171 NEIVA - ECONOMIA 2 2125680
## 172 NEIVA - ECONOMIA 2 1247978
## 173 NEIVA - ECONOMIA 2 374488
## 174 NEIVA - ECONOMIA 2 418691
## 175 NEIVA - ECONOMIA 2 1226942
## 176 NEIVA - ECONOMIA 1 403830
## 177 NEIVA - ECONOMIA 2 1335529
## 178 NEIVA - ECONOMIA 2 1716954
## 179 NEIVA - ECONOMIA 2 819435
## 180 NEIVA - ECONOMIA 1 1026895
## 181 NEIVA - ECONOMIA 1 1026895
## 182 NEIVA - ECONOMIA 1 427656
## 183 NEIVA - ECONOMIA 3 1935075
## 184 NEIVA - ECONOMIA 3 1437040
## 185 NEIVA - ECONOMIA 2 750962
## 186 NEIVA - ECONOMIA 2 697716
## 187 NEIVA - ECONOMIA 4 1657408
## 188 NEIVA - ECONOMIA 2 1366038
## 189 NEIVA - ECONOMIA 1 427656
## 190 NEIVA - ECONOMIA 1 303044
## 191 NEIVA - ECONOMIA 1 1263972
## 192 NEIVA - ECONOMIA 2 989332
## 193 NEIVA - ECONOMIA 2 653993
## 194 NEIVA - ECONOMIA 2 418691
## 195 NEIVA - ECONOMIA 3 1563114
## 196 NEIVA - ECONOMIA 2 1398064
## 197 NEIVA - ECONOMIA 1 303520
## 198 NEIVA - ECONOMIA 3 2262888
## 199 NEIVA - ECONOMIA 2 407631
## 200 NEIVA - ECONOMIA 2 368574
## 201 NEIVA - ECONOMIA 2 400702
## 202 NEIVA - ECONOMIA 2 1335335
## 203 NEIVA - ECONOMIA 1 392885
## 204 NEIVA - ECONOMIA 2 787019
## 205 NEIVA - ECONOMIA 2 1094169
## 206 NEIVA - ECONOMIA 1 420386
## 207 NEIVA - ECONOMIA 3 652372
## 208 NEIVA - ECONOMIA 2 384922
## 209 NEIVA - ECONOMIA 1 413747
## 210 NEIVA - ECONOMIA 1 413747
## 211 NEIVA - ECONOMIA 2 505075
## 212 NEIVA - ECONOMIA 1 944070
## 213 NEIVA - ECONOMIA 2 400703
## 214 NEIVA - ECONOMIA 2 689846
## 215 NEIVA - ECONOMIA 2 689846
## 216 NEIVA - ECONOMIA 2 479608
## 217 NEIVA - ECONOMIA 2 787772
## 218 NEIVA - ECONOMIA 2 1268004
## 219 NEIVA - ECONOMIA 1 313233
## 220 NEIVA - ECONOMIA 1 427656
## 221 NEIVA - ECONOMIA 1 313233
## 222 NEIVA - ECONOMIA 2 407631
## 223 NEIVA - ECONOMIA 2 516688
## 224 NEIVA - ECONOMIA 2 1366038
## 225 NEIVA - ECONOMIA 1 256230
## 226 NEIVA - ECONOMIA 2 407631
## 227 NEIVA - ECONOMIA 2 513182
## 228 NEIVA - ECONOMIA 2 1058583
## 229 NEIVA - ECONOMIA 1 303044
## 230 NEIVA - ECONOMIA 2 479608
## 231 NEIVA - ECONOMIA 1 1982345
## 232 NEIVA - ECONOMIA 1 495808
## 233 NEIVA - ECONOMIA 2 771273
## 234 NEIVA - ECONOMIA 2 400703
## 235 NEIVA - ECONOMIA 2 1226942
## 236 NEIVA - ECONOMIA 2 400703
## 237 NEIVA - ECONOMIA 2 522056
## 238 NEIVA - ECONOMIA 1 684093
## 239 NEIVA - ECONOMIA 1 307909
## 240 NEIVA - ECONOMIA 1 645343
## 241 NEIVA - ECONOMIA 4 1700651
## 242 NEIVA - ECONOMIA 4 1700651
## 243 NEIVA - ECONOMIA 2 686694
## 244 NEIVA - ECONOMIA 1 307909
## 245 NEIVA - ECONOMIA 2 342953
## 246 NEIVA - ECONOMIA 2 374488
## 247 NEIVA - ECONOMIA 2 383433
## 248 NEIVA - ECONOMIA 2 678953
## 249 NEIVA - ECONOMIA 2 472033
## 250 NEIVA - ECONOMIA 2 565616
## 251 NEIVA - ECONOMIA 1 328613
## 252 NEIVA - ECONOMIA 1 328613
## 253 NEIVA - ECONOMIA 1 328613
## 254 NEIVA - ECONOMIA 2 1247978
## 255 NEIVA - ECONOMIA 1 321731
## 256 NEIVA - ECONOMIA 2 418691
## 257 NEIVA - ECONOMIA 2 798542
## 258 NEIVA - ECONOMIA 2 394374
## 259 NEIVA - ECONOMIA 1 454132
## 260 NEIVA - ECONOMIA 1 454132
## 261 NEIVA - ECONOMIA 3 1506180
## 262 NEIVA - ECONOMIA 2 1176703
## 263 NEIVA - ECONOMIA 2 384922
## 264 NEIVA - ECONOMIA 2 492970
## 265 NEIVA - ECONOMIA 2 407631
## 266 NEIVA - ECONOMIA 2 407631
## 267 NEIVA - ECONOMIA 1 369420
## 268 NEIVA - ECONOMIA 1 369420
## 269 NEIVA - ECONOMIA 1 303044
## 270 NEIVA - ECONOMIA 3 652374
## 271 NEIVA - ECONOMIA 2 492970
## 272 NEIVA - ECONOMIA 2 384922
## 273 NEIVA - ECONOMIA 2 505867
## 274 NEIVA - ECONOMIA 2 513182
## 275 NEIVA - ECONOMIA 3 2311293
## 276 NEIVA - ECONOMIA 2 403441
## 277 NEIVA - ECONOMIA 2 512887
## 278 NEIVA - ECONOMIA 1 287764
## 279 NEIVA - ECONOMIA 2 400703
## 280 NEIVA - ECONOMIA 2 678953
## 281 NEIVA - ECONOMIA 1 287764
## 282 NEIVA - ECONOMIA 1 287764
## 283 NEIVA - ECONOMIA 2 368574
## 284 NEIVA - ECONOMIA 2 368574
## 285 NEIVA - ECONOMIA 2 1298504
## 286 NEIVA - ECONOMIA 2 505075
## 287 NEIVA - ECONOMIA 1 307909
## 288 NEIVA - ECONOMIA 2 836963
## 289 NEIVA - ECONOMIA 2 479608
## 290 NEIVA - ECONOMIA 1 274166
## 291 NEIVA - ECONOMIA 1 967253
## 292 NEIVA - ECONOMIA 2 1176703
## 293 NEIVA - ECONOMIA 2 513182
## 294 NEIVA - ECONOMIA 1 310013
## 295 NEIVA - ECONOMIA 2 1480597
## 296 NEIVA - ECONOMIA 2 479608
## 297 NEIVA - ECONOMIA 2 908097
## 298 NEIVA - ECONOMIA 2 908097
## 299 NEIVA - ECONOMIA 2 470206
## 300 NEIVA - ECONOMIA 2 505075
## 301 NEIVA - ECONOMIA 2 522055
## 302 NEIVA - ECONOMIA 2 418691
## 303 NEIVA - ECONOMIA 2 882018
## 304 NEIVA - ECONOMIA 2 505075
## 305 NEIVA - ECONOMIA 2 887181
## 306 NEIVA - ECONOMIA 2 887181
## 307 NEIVA - ECONOMIA 1 310013
## 308 NEIVA - ECONOMIA 1 386679
## 309 NEIVA - ECONOMIA 2 1303330
## 310 NEIVA - ECONOMIA 2 1303330
## 311 NEIVA - ECONOMIA 3 2311293
## 312 NEIVA - ECONOMIA 3 1461943
## 313 NEIVA - ECONOMIA 2 492970
## 314 NEIVA - ECONOMIA 3 2013023
## 315 NEIVA - ECONOMIA 1 287764
## 316 NEIVA - ECONOMIA 2 536219
## 317 NEIVA - ECONOMIA 1 674314
## 318 NEIVA - ECONOMIA 2 516688
## 319 NEIVA - ECONOMIA 2 516688
## 320 NEIVA - ECONOMIA 2 1810539
## 321 NEIVA - ECONOMIA 2 1337428
## 322 NEIVA - ECONOMIA 2 1337428
## 323 NEIVA - ECONOMIA 2 407631
## 324 NEIVA - ECONOMIA 1 307909
## 325 NEIVA - ECONOMIA 2 368574
## 326 NEIVA - ECONOMIA 1 287764
## 327 NEIVA - ECONOMIA 1 2034208
## 328 NEIVA - ECONOMIA 1 386679RESULTADOS
Teniendo una problacion de 328 de Economia se procede a calcular cuanto es el tamaño de muestra representativa aplicando, la siguiente formula:
\[n=\frac{ N * Z^2 * p * (1-p)}{e^2 * (N-1)) + Z^2 * p * (1-p)}\] – Determinacion del tamaño de la muestra para economia.
# Muestra poblacional de economia
N_m<-328 # Tamaño de la poblacion
Z<-1.96 # Nivel de confianza (95%)
p<-0.5 # Probabilidad de que el evento ocurra
e<-0.05 # Error de estimacion aceptado
n_m<-(N_m * Z^2 * p * (1-p))/((e^2 * (N_m-1)) + (Z^2 * p * (1-p)))
n_m<-ceiling(n_m)
print(n_m)## [1] 178Para una población de 328 estudiantes de economia se necesita una muestra de 178 estudiantes, con un nivel de confianza del 95%, y un error de estimación del 0.05
– Seleccion de la muestra
Teniendo las muestras de economia se procede a realizar la seleccion aleatoria de los datos:
- Muestra Aleatoria Economia
# Obtener los índices de los 178 estudiantes seleccionados aleatoriamente
set.seed(n_m) # Fijar semilla para reproducibilidad
indices_muestra <- sample(1:nrow(nuevos_datos), n_m)
# Almacenar los índices de la muestra seleccionada para usarlos posteriormente
write.csv(indices_muestra, "indices_muestra.csv", row.names = FALSE)
# Mostrar los datos de los 178 estudiantes seleccionados
muestra_aleatoria <- nuevos_datos[indices_muestra, ]
print(muestra_aleatoria)## PROGRAMAS ESTRATO_SOCIAL Der_Matricula
## 298 NEIVA - ECONOMIA 2 908097
## 270 NEIVA - ECONOMIA 3 652374
## 67 NEIVA - ECONOMIA 1 310013
## 294 NEIVA - ECONOMIA 1 310013
## 19 NEIVA - ECONOMIA 2 536219
## 120 NEIVA - ECONOMIA 3 824978
## 186 NEIVA - ECONOMIA 2 697716
## 38 NEIVA - ECONOMIA 1 303044
## 13 NEIVA - ECONOMIA 2 479608
## 225 NEIVA - ECONOMIA 1 256230
## 276 NEIVA - ECONOMIA 2 403441
## 203 NEIVA - ECONOMIA 1 392885
## 8 NEIVA - ECONOMIA 1 427656
## 11 NEIVA - ECONOMIA 2 1380226
## 202 NEIVA - ECONOMIA 2 1335335
## 280 NEIVA - ECONOMIA 2 678953
## 73 NEIVA - ECONOMIA 1 414395
## 138 NEIVA - ECONOMIA 2 522055
## 160 NEIVA - ECONOMIA 2 1356768
## 312 NEIVA - ECONOMIA 3 1461943
## 304 NEIVA - ECONOMIA 2 505075
## 128 NEIVA - ECONOMIA 2 1242146
## 71 NEIVA - ECONOMIA 2 709779
## 155 NEIVA - ECONOMIA 2 505075
## 219 NEIVA - ECONOMIA 1 313233
## 136 NEIVA - ECONOMIA 1 286473
## 29 NEIVA - ECONOMIA 2 750901
## 249 NEIVA - ECONOMIA 2 472033
## 35 NEIVA - ECONOMIA 2 368574
## 3 NEIVA - ECONOMIA 2 505867
## 64 NEIVA - ECONOMIA 2 1548294
## 102 NEIVA - ECONOMIA 2 697716
## 181 NEIVA - ECONOMIA 1 1026895
## 309 NEIVA - ECONOMIA 2 1303330
## 95 NEIVA - ECONOMIA 2 407631
## 25 NEIVA - ECONOMIA 2 743181
## 274 NEIVA - ECONOMIA 2 513182
## 56 NEIVA - ECONOMIA 2 709066
## 250 NEIVA - ECONOMIA 2 565616
## 164 NEIVA - ECONOMIA 1 295781
## 106 NEIVA - ECONOMIA 3 643075
## 234 NEIVA - ECONOMIA 2 400703
## 135 NEIVA - ECONOMIA 2 1207564
## 299 NEIVA - ECONOMIA 2 470206
## 144 NEIVA - ECONOMIA 2 403441
## 224 NEIVA - ECONOMIA 2 1366038
## 187 NEIVA - ECONOMIA 4 1657408
## 97 NEIVA - ECONOMIA 2 479608
## 296 NEIVA - ECONOMIA 2 479608
## 243 NEIVA - ECONOMIA 2 686694
## 328 NEIVA - ECONOMIA 1 386679
## 28 NEIVA - ECONOMIA 2 513182
## 295 NEIVA - ECONOMIA 2 1480597
## 195 NEIVA - ECONOMIA 3 1563114
## 74 NEIVA - ECONOMIA 2 394374
## 137 NEIVA - ECONOMIA 1 310013
## 153 NEIVA - ECONOMIA 2 709779
## 17 NEIVA - ECONOMIA 1 448655
## 281 NEIVA - ECONOMIA 1 287764
## 313 NEIVA - ECONOMIA 2 492970
## 303 NEIVA - ECONOMIA 2 882018
## 165 NEIVA - ECONOMIA 1 328613
## 206 NEIVA - ECONOMIA 1 420386
## 83 NEIVA - ECONOMIA 2 1506152
## 172 NEIVA - ECONOMIA 2 1247978
## 268 NEIVA - ECONOMIA 1 369420
## 53 NEIVA - ECONOMIA 2 394374
## 179 NEIVA - ECONOMIA 2 819435
## 223 NEIVA - ECONOMIA 2 516688
## 180 NEIVA - ECONOMIA 1 1026895
## 210 NEIVA - ECONOMIA 1 413747
## 66 NEIVA - ECONOMIA 2 479608
## 300 NEIVA - ECONOMIA 2 505075
## 117 NEIVA - ECONOMIA 1 867132
## 229 NEIVA - ECONOMIA 1 303044
## 34 NEIVA - ECONOMIA 1 303044
## 33 NEIVA - ECONOMIA 1 1425626
## 110 NEIVA - ECONOMIA 2 332531
## 190 NEIVA - ECONOMIA 1 303044
## 230 NEIVA - ECONOMIA 2 479608
## 132 NEIVA - ECONOMIA 1 321731
## 271 NEIVA - ECONOMIA 2 492970
## 317 NEIVA - ECONOMIA 1 674314
## 236 NEIVA - ECONOMIA 2 400703
## 96 NEIVA - ECONOMIA 2 407631
## 61 NEIVA - ECONOMIA 1 423259
## 149 NEIVA - ECONOMIA 2 472033
## 252 NEIVA - ECONOMIA 1 328613
## 266 NEIVA - ECONOMIA 2 407631
## 288 NEIVA - ECONOMIA 2 836963
## 31 NEIVA - ECONOMIA 1 313233
## 88 NEIVA - ECONOMIA 1 313233
## 185 NEIVA - ECONOMIA 2 750962
## 57 NEIVA - ECONOMIA 2 400703
## 9 NEIVA - ECONOMIA 1 303520
## 75 NEIVA - ECONOMIA 1 1214191
## 262 NEIVA - ECONOMIA 2 1176703
## 169 NEIVA - ECONOMIA 4 2571298
## 260 NEIVA - ECONOMIA 1 454132
## 275 NEIVA - ECONOMIA 3 2311293
## 273 NEIVA - ECONOMIA 2 505867
## 163 NEIVA - ECONOMIA 1 462918
## 319 NEIVA - ECONOMIA 2 516688
## 221 NEIVA - ECONOMIA 1 313233
## 58 NEIVA - ECONOMIA 2 726478
## 109 NEIVA - ECONOMIA 1 1140218
## 10 NEIVA - ECONOMIA 1 303520
## 301 NEIVA - ECONOMIA 2 522055
## 261 NEIVA - ECONOMIA 3 1506180
## 150 NEIVA - ECONOMIA 2 575993
## 77 NEIVA - ECONOMIA 2 1718562
## 94 NEIVA - ECONOMIA 2 771273
## 184 NEIVA - ECONOMIA 3 1437040
## 32 NEIVA - ECONOMIA 3 1474637
## 27 NEIVA - ECONOMIA 1 313233
## 307 NEIVA - ECONOMIA 1 310013
## 134 NEIVA - ECONOMIA 2 400703
## 264 NEIVA - ECONOMIA 2 492970
## 158 NEIVA - ECONOMIA 2 1506153
## 256 NEIVA - ECONOMIA 2 418691
## 146 NEIVA - ECONOMIA 1 989652
## 130 NEIVA - ECONOMIA 1 674314
## 162 NEIVA - ECONOMIA 1 636144
## 200 NEIVA - ECONOMIA 2 368574
## 54 NEIVA - ECONOMIA 1 313233
## 156 NEIVA - ECONOMIA 2 505075
## 142 NEIVA - ECONOMIA 2 472033
## 269 NEIVA - ECONOMIA 1 303044
## 14 NEIVA - ECONOMIA 2 536219
## 139 NEIVA - ECONOMIA 2 384922
## 228 NEIVA - ECONOMIA 2 1058583
## 251 NEIVA - ECONOMIA 1 328613
## 90 NEIVA - ECONOMIA 2 1208554
## 320 NEIVA - ECONOMIA 2 1810539
## 18 NEIVA - ECONOMIA 1 674314
## 292 NEIVA - ECONOMIA 2 1176703
## 199 NEIVA - ECONOMIA 2 407631
## 175 NEIVA - ECONOMIA 2 1226942
## 100 NEIVA - ECONOMIA 3 2848569
## 76 NEIVA - ECONOMIA 2 352506
## 248 NEIVA - ECONOMIA 2 678953
## 283 NEIVA - ECONOMIA 2 368574
## 48 NEIVA - ECONOMIA 2 1303330
## 51 NEIVA - ECONOMIA 1 386679
## 119 NEIVA - ECONOMIA 2 394992
## 104 NEIVA - ECONOMIA 2 2171150
## 112 NEIVA - ECONOMIA 2 726478
## 253 NEIVA - ECONOMIA 1 328613
## 1 NEIVA - ECONOMIA 3 1899080
## 211 NEIVA - ECONOMIA 2 505075
## 125 NEIVA - ECONOMIA 2 1150256
## 42 NEIVA - ECONOMIA 1 313233
## 204 NEIVA - ECONOMIA 2 787019
## 70 NEIVA - ECONOMIA 1 1005534
## 81 NEIVA - ECONOMIA 1 287764
## 52 NEIVA - ECONOMIA 4 2491568
## 114 NEIVA - ECONOMIA 2 403441
## 310 NEIVA - ECONOMIA 2 1303330
## 62 NEIVA - ECONOMIA 2 394992
## 308 NEIVA - ECONOMIA 1 386679
## 167 NEIVA - ECONOMIA 2 1281895
## 197 NEIVA - ECONOMIA 1 303520
## 174 NEIVA - ECONOMIA 2 418691
## 222 NEIVA - ECONOMIA 2 407631
## 93 NEIVA - ECONOMIA 1 303520
## 293 NEIVA - ECONOMIA 2 513182
## 16 NEIVA - ECONOMIA 2 964091
## 239 NEIVA - ECONOMIA 1 307909
## 79 NEIVA - ECONOMIA 2 505075
## 12 NEIVA - ECONOMIA 2 1380226
## 59 NEIVA - ECONOMIA 2 729037
## 148 NEIVA - ECONOMIA 2 1168717
## 289 NEIVA - ECONOMIA 2 479608
## 324 NEIVA - ECONOMIA 1 307909
## 80 NEIVA - ECONOMIA 1 295781
## 6 NEIVA - ECONOMIA 2 738137
## 166 NEIVA - ECONOMIA 2 492970
## 318 NEIVA - ECONOMIA 2 516688– Test de distribucion normal
Obteniendo las muestras aleatorias de las dos poblaciones se procede hacer un test de normalidad:
- Q-Q Plot Para Los Estratos
# Generar el Q-Q plot solo para estratos con qqnorm
qqnorm(muestra_aleatoria$ESTRATO_SOCIAL,
ylab = "Estratos",
xlab = "Cuantiles teóricos",
main = "Q-Q Plot: Estratos")
# Añadir la línea de referencia con pendiente 1
qqline(muestra_aleatoria$ESTRATO_SOCIAL, col = "red")
- Q-Q Plot Para Los Derechos de Matricula
# Generar el Q-Q plot solo para derechos de matrícula con qqnorm
qqnorm(muestra_aleatoria$Der_Matricula,
ylab = "Derechos de Matrícula",
xlab = "Cuantiles teóricos",
main = "Q-Q Plot: Derechos de Matrícula")
# Añadir la línea de referencia con pendiente 1
qqline(muestra_aleatoria$Der_Matricula, col = "red")
– Distribucion de frecuencias de los Estratos
# Calcular la tabla de frecuencia de los estratos
tabla_frecuencia <- table(muestra_aleatoria$ESTRATO_SOCIAL)# Crear un gráfico de barras
barplot(tabla_frecuencia,
main = "Distribución de Frecuencia de Estratos",
xlab = "Estratos",
ylab = "Frecuencia",
col = "skyblue",
border = "black")
# Calcular la tabla de frecuencia de los estratos
tabla_frecuencia <- table(muestra_aleatoria$ESTRATO_SOCIAL)
# Convertir la tabla de frecuencia en un dataframe y asignar nombres a las columnas
df_tabla_frecuencia <- data.frame(Estrato = names(tabla_frecuencia), Frecuencia = as.vector(tabla_frecuencia))
# Mostrar el dataframe
print(df_tabla_frecuencia)## Estrato Frecuencia
## 1 1 58
## 2 2 106
## 3 3 11
## 4 4 3El 33% de la muestra correspon al estrato 1, el 60% corresponden al estrato 2, el 6% corresponde al estrato 3 y por ultimo un 2% para el estrato 4.
# Calcular los límites del histograma
min_valor <- 0
max_valor <- max(muestra_aleatoria$Der_Matricula)
incremento <- 250000
# Calcular los intervalos de ruptura para el histograma
intervalos <- seq(from = min_valor, to = max_valor + incremento, by = incremento)
# Crear el histograma con intervalos específicos
hist(muestra_aleatoria$Der_Matricula,
breaks = intervalos,
main = "Histograma de Derechos de Matrícula",
xlab = "Derechos de Matrícula",
ylab = "Frecuencia",
col = "skyblue",
border = "black")
# Calcular los límites del histograma
min_valor <- 0
max_valor <- max(muestra_aleatoria$Der_Matricula)
incremento <- 250000
# Calcular los intervalos de ruptura para el histograma
intervalos <- seq(from = min_valor, to = max_valor + incremento, by = incremento)
# Calcular la tabla de frecuencias del histograma
tabla_frecuencia_hist <- table(cut(muestra_aleatoria$Der_Matricula, breaks = intervalos, include.lowest = TRUE))
# Convertir la tabla de frecuencia en un dataframe y asignar nombres a las columnas
df_tabla_frecuencia_hist <- data.frame(Intervalo = names(tabla_frecuencia_hist), Frecuencia = as.vector(tabla_frecuencia_hist))
# Mostrar el dataframe
print(df_tabla_frecuencia_hist)## Intervalo Frecuencia
## 1 [0,2.5e+05] 0
## 2 (2.5e+05,5e+05] 84
## 3 (5e+05,7.5e+05] 39
## 4 (7.5e+05,1e+06] 12
## 5 (1e+06,1.25e+06] 15
## 6 (1.25e+06,1.5e+06] 14
## 7 (1.5e+06,1.75e+06] 7
## 8 (1.75e+06,2e+06] 2
## 9 (2e+06,2.25e+06] 1
## 10 (2.25e+06,2.5e+06] 2
## 11 (2.5e+06,2.75e+06] 1
## 12 (2.75e+06,3e+06] 1en el intervalo de la tabal de frecuencia nos damos cuenta que 84 estudiantes que corresponden al 47.2% pagan un derecho de matricula de entre $250.000 y $500.000, un 22% pagan entre los $500.000 y $750.000, el 6.75% pagan de entre $750.000 y $1’000.000, un 8.42% entre un $1.000.000 y $1.250.000, el porcentaje restante paga mas de $1.250.000.
Prueba de Kolmogorov-Smirnov
# Realizar la prueba de Kolmogorov-Smirnov para Estrato Social
ks_test_estrato <- ks.test(muestra_aleatoria$ESTRATO_SOCIAL, "pnorm", mean = mean(muestra_aleatoria$ESTRATO_SOCIAL), sd = sd(muestra_aleatoria$ESTRATO_SOCIAL))## Warning in ks.test.default(muestra_aleatoria$ESTRATO_SOCIAL, "pnorm", mean =
## mean(muestra_aleatoria$ESTRATO_SOCIAL), : ties should not be present for the
## Kolmogorov-Smirnov test# Mostrar los resultados de la prueba para Estrato Social
print(ks_test_estrato)##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: muestra_aleatoria$ESTRATO_SOCIAL
## D = 0.31558, p-value = 7.772e-16
## alternative hypothesis: two-sided# Realizar la prueba de Kolmogorov-Smirnov para Derechos de Matrícula
ks_test_matricula <- ks.test(muestra_aleatoria$Der_Matricula, "pnorm", mean = mean(muestra_aleatoria$Der_Matricula), sd = sd(muestra_aleatoria$Der_Matricula))## Warning in ks.test.default(muestra_aleatoria$Der_Matricula, "pnorm", mean =
## mean(muestra_aleatoria$Der_Matricula), : ties should not be present for the
## Kolmogorov-Smirnov test# Mostrar los resultados de la prueba para Derechos de Matrícula
print(ks_test_matricula)##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: muestra_aleatoria$Der_Matricula
## D = 0.22109, p-value = 5.539e-08
## alternative hypothesis: two-sidedDado que el p-value es extremadamente bajo sugiere que los datos no se distribuyen normalmente o no presentan una normalidad, por lo siguiente realizaremos una prueba no parametrica.
como prueba no parametrica hemos tomado Wilcoxon_mann_whitney donde evaluaremos si existe una diferencia significativa entre las medianas de los estratos y los derechos de matricula
# Realizar la prueba de Wilcoxon-Mann-Whitney para comparar los dos grupos
wilcox_test <- wilcox.test(muestra_aleatoria$ESTRATO_SOCIAL, muestra_aleatoria$Der_Matricula)
# Mostrar los resultados de la prueba
print(wilcox_test)##
## Wilcoxon rank sum test with continuity correction
##
## data: muestra_aleatoria$ESTRATO_SOCIAL and muestra_aleatoria$Der_Matricula
## W = 0, p-value < 2.2e-16
## alternative hypothesis: true location shift is not equal to 0un p-value tan pequeño nos indica que hay una diferencia altamente significativa entre las medianas de los dos grupos
# Calcular la correlación de Spearman entre las dos variables
spearman_corr <- cor.test(muestra_aleatoria$ESTRATO_SOCIAL, muestra_aleatoria$Der_Matricula, method = "spearman")## Warning in cor.test.default(muestra_aleatoria$ESTRATO_SOCIAL,
## muestra_aleatoria$Der_Matricula, : Cannot compute exact p-value with ties# Mostrar los resultados de la prueba
print(spearman_corr)##
## Spearman's rank correlation rho
##
## data: muestra_aleatoria$ESTRATO_SOCIAL and muestra_aleatoria$Der_Matricula
## S = 365011, p-value < 2.2e-16
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## 0.6116611CORRELACION
El análisis de los datos muestra una correlación significativa y positiva, rho = 0.61, p < 2.2e-16, entre el estrato social, el cual es la variable independiste, y el derecho la matrícula, la variable dependiente. Este resultado sugiere que existe una asociación entre el estatus socioeconómico y el valor de la matricula, representado por el derecho de la matrícula. Es importante destacar que, aunque la correlación es moderada, otros factores pueden influir en la relación entre estas variables y se necesitaría una investigación adicional para comprender completamente la naturaleza y las implicaciones de esta asociación.