title: “Solucion_P1” author: “KENNEDY_ULISES_VASQUEZ_PEREZ” date: “2026-03-22” output: html_document —

## 
## Call:
## lm(formula = wage ~ educ + exper + race + smsa + ne + mw + we + 
##     pt, data = uswages)
## 
## Coefficients:
## (Intercept)         educ        exper         race         smsa           ne  
##    -254.352       48.803        9.135     -119.158      115.678       -3.493  
##          mw           we           pt  
##      -9.766       50.433     -336.216

## 
## salarios semanales de los trabajadores estaunidenses
## ===================================================
##                           Dependent variable:      
##                     -------------------------------
##                                  wage              
## ---------------------------------------------------
## educ                       48.8033600000***        
##                             (3.2488750000)         
##                                                    
## exper                       9.1353320000***        
##                             (0.7262171000)         
##                                                    
## race                      -119.1585000000***       
##                             (35.1922300000)        
##                                                    
## smsa                       115.6783000000***       
##                             (21.7385600000)        
##                                                    
## ne                           -3.4932830000         
##                             (25.8053600000)        
##                                                    
## mw                           -9.7657770000         
##                             (25.0510300000)        
##                                                    
## we                          50.4332600000*         
##                             (26.3702700000)        
##                                                    
## pt                        -336.2156000000***       
##                             (31.9381500000)        
##                                                    
## Constant                  -254.3517000000***       
##                             (52.3188500000)        
##                                                    
## ---------------------------------------------------
## Observations                     2,000             
## R2                           0.2000706000          
## Adjusted R2                  0.1968565000          
## Residual Std. Error   412.0941000000 (df = 1991)   
## F Statistic         62.2462200000*** (df = 8; 1991)
## ===================================================
## Note:                   *p<0.1; **p<0.05; ***p<0.01

b) calcule el intervalo de confianza del 93.6% para las variables “educ” y “exper”

confint(object = Modelo_uswages, parm  = c("educ", "exper"), level = 0.936)

##           3.2 %   96.8 %
## educ  42.782508 54.82421
## exper  7.789498 10.48117

?Hay evidencia de que estas variables tienen una relacion con los salarios? * Con un nivel de confianza del 93.6% podemos concluir que en el 93.6% de las ocasiones que estimásemos la ecuación, si los trabajadores tienen educacion, sus salarios semanales reales se espera que aumenten como minimo 42.78 dolares y como maximo 54.82 dolares, con una estimacion puntual de 48.80 dolares. Por lo tanto si tiene relacion la variable educ con los salarios de los trabajadores estaunidenses. *

• Con un nivel de confianza del 93.6% podemos concluir que en el 93.6% de las ocasiones que estimásemos la experiencia, si los trabajadores tienen experiencia sus salarios semanales reales aumenten como minimo 7.78 dolares y como maximo 10.48 dolares, con una estimacion puntual de 9.14 dolares. Por lo tanto se puede arfirmar que si tiene relacion aunque menor que la educacion. *