mean(datos$Ingreso_per_capita)
## [1] 14580.54
median(datos$Ingreso_per_capita)
## [1] 14065
sd(datos$Ingreso_per_capita)
## [1] 3560.664
mean(datos$Bachillerato_o_mas)
## [1] 24.57179
median(datos$Bachillerato_o_mas)
## [1] 22.75
sd(datos$Bachillerato_o_mas)
## [1] 12.18042
plot(datos$Bachillerato_o_mas, datos$Ingreso_per_capita)
modelo <- lm(Ingreso_per_capita ~ Bachillerato_o_mas, data = datos)
abline(modelo)
### Correlación
cor(datos$Ingreso_per_capita, datos$Bachillerato_o_mas)
## [1] 0.07062226
modelo <- lm(datos$Ingreso_per_capita ~ datos$Bachillerato_o_mas)
summary(modelo)
##
## Call:
## lm(formula = datos$Ingreso_per_capita ~ datos$Bachillerato_o_mas)
##
## Residuals:
## Min 1Q Median 3Q Max
## -6460.6 -2744.2 -656.2 1693.4 9618.8
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 14073.26 916.17 15.361 <2e-16 ***
## datos$Bachillerato_o_mas 20.64 33.45 0.617 0.539
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3575 on 76 degrees of freedom
## Multiple R-squared: 0.004988, Adjusted R-squared: -0.008105
## F-statistic: 0.381 on 1 and 76 DF, p-value: 0.5389
Correlación = 0.071, muestra una relación lineal muy probe, es decir no existe una relación lineal entre Bachillerato__mas y Ingreso_per_capita
Pendiente = 2.416e-04, por cada una unidad adicional de ingreso por capita el % Bachillerato_o_mas aumenta 2.416e-04.
Intercepto = 2.105e+01, cuando el ingreso per capita es 0, el % estimado de bachillerato o más es 21.05%.
P-Value8 = 0.538940, el p-value es > que 0.05 así que decimos que no hay suficiente evidencia para decir que el ingreso per capita explica el % bachilerato.
Residual standard Error = 12.23 Cuanto se desvían los valores observados sabemos que 12.23 es un numero grande así que el modelo lo se ajusta bien.