El presente trabajo busca analizar los hábitos universitarios y su relación con las horas de sueño de los estudiantes, utilizando herramientas estadísticas y un modelo de regresión lineal múltiple.
Se pretende estudiar cómo diferentes factores relacionados con la vida universitaria, como los días de asistencia a la universidad, las horas de permanencia en la institución, el tiempo de desplazamiento y el uso diario del celular, pueden relacionarse con las horas de sueño.
Para realizar el análisis, se utilizarán los datos recolectados mediante una encuesta aplicada a estudiantes universitarios. A partir de estos datos, se realizará un análisis exploratorio, se calcularán estadísticas descriptivas, se construirá un modelo de regresión lineal múltiple y se evaluarán los supuestos del modelo.
library(readxl)
library(ggplot2)
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
datos <- read_excel("OFC Hábitos universitarios y su relación con las horas de sueño.xlsx")
dim(datos)
## [1] 50 8
La base de datos está conformada por 50 observaciones y 8 variables. Cada observación representa una respuesta de un estudiante a la encuesta, mientras que las variables contienen información sobre edad, asistencia, permanencia en la universidad, desplazamiento, uso del celular, horas de sueño y jornada académica. Esta dimensión permite identificar la cantidad de información disponible para desarrollar el análisis estadístico.
names(datos)
## [1] "Marca temporal"
## [2] "¿Qué edad tienes?"
## [3] "¿Cuantos días a la semana asistes a la universidad?"
## [4] "¿Cuántas horas permaneces en la universidad?"
## [5] "¿Cuánto tiempo tardas en llegar desde tu casa hasta la universidad?"
## [6] "¿Cuántas horas al día utilizas el celular?"
## [7] "¿Cuántas horas duermes cada noche?"
## [8] "¿En qué jornada estudias principalmente?"
La revisión de los nombres de las variables permite reconocer las preguntas incluidas en la encuesta y relacionarlas con los objetivos del estudio. Se identifican variables que describen características de los estudiantes y sus hábitos universitarios, así como la variable principal de interés: las horas de sueño por noche.
head(datos, 10)
## # A tibble: 10 × 8
## `Marca temporal` `¿Qué edad tienes?` ¿Cuantos días a la semana asistes a…¹
## <dttm> <dbl> <chr>
## 1 2026-11-11 20:41:41 18 5 días
## 2 2026-11-11 20:48:17 18 5 días
## 3 2026-11-11 20:49:13 17 4 días
## 4 2026-11-11 20:52:39 18 5 días
## 5 2026-11-11 20:53:31 18 2 días
## 6 2026-11-11 20:57:39 18 4 días
## 7 2026-11-11 21:05:00 19 4 días
## 8 2026-11-11 21:05:34 20 6 días
## 9 2026-11-11 21:09:58 18 5 días
## 10 2026-11-11 21:10:03 19 5 días
## # ℹ abbreviated name: ¹`¿Cuantos días a la semana asistes a la universidad?`
## # ℹ 5 more variables: `¿Cuántas horas permaneces en la universidad?` <dbl>,
## # `¿Cuánto tiempo tardas en llegar desde tu casa hasta la universidad?` <chr>,
## # `¿Cuántas horas al día utilizas el celular?` <dbl>,
## # `¿Cuántas horas duermes cada noche?` <dbl>,
## # `¿En qué jornada estudias principalmente?` <chr>
La visualización de las primeras diez respuestas permite comprobar cómo están organizados los registros y observar el formato de la información recolectada. Esta revisión inicial ayuda a detectar variables que están almacenadas como texto y que posteriormente requieren transformación para utilizarlas en cálculos estadísticos.
str(datos)
## tibble [50 × 8] (S3: tbl_df/tbl/data.frame)
## $ Marca temporal : POSIXct[1:50], format: "2026-11-11 20:41:41" "2026-11-11 20:48:17" ...
## $ ¿Qué edad tienes? : num [1:50] 18 18 17 18 18 18 19 20 18 19 ...
## $ ¿Cuantos días a la semana asistes a la universidad? : chr [1:50] "5 días" "5 días" "4 días" "5 días" ...
## $ ¿Cuántas horas permaneces en la universidad? : num [1:50] 6 8 4 3 6 5 6 6 7 5 ...
## $ ¿Cuánto tiempo tardas en llegar desde tu casa hasta la universidad?: chr [1:50] "1 hora y 30 minutos" "1 hora" "1 hora" "30 minutos" ...
## $ ¿Cuántas horas al día utilizas el celular? : num [1:50] 8 20 9 12 6 5 5 6 9 10 ...
## $ ¿Cuántas horas duermes cada noche? : num [1:50] 5 5 7 8 10 6 6 6 6 4 ...
## $ ¿En qué jornada estudias principalmente? : chr [1:50] "Jornada mixta" "Mañana" "Mañana" "Noche" ...
La revisión de la estructura permite distinguir variables numéricas y variables de texto. Las variables de edad, horas de permanencia, uso del celular y sueño son cuantitativas, mientras que las respuestas sobre asistencia semanal y desplazamiento se encuentran inicialmente expresadas en texto. Identificar estos tipos de datos es necesario para decidir qué transformaciones deben realizarse antes del análisis.
summary(datos)
## Marca temporal ¿Qué edad tienes?
## Min. :2026-11-11 20:41:41.91 Min. :17.00
## 1st Qu.:2026-11-11 21:20:20.92 1st Qu.:18.00
## Median :2026-11-11 21:40:07.66 Median :18.50
## Mean :2026-11-12 17:19:06.76 Mean :18.92
## 3rd Qu.:2026-11-11 22:33:03.65 3rd Qu.:19.00
## Max. :2026-12-11 19:45:23.00 Max. :27.00
## ¿Cuantos días a la semana asistes a la universidad?
## Length:50
## Class :character
## Mode :character
##
##
##
## ¿Cuántas horas permaneces en la universidad?
## Min. : 2.00
## 1st Qu.: 5.25
## Median : 6.00
## Mean : 6.52
## 3rd Qu.: 8.00
## Max. :10.00
## ¿Cuánto tiempo tardas en llegar desde tu casa hasta la universidad?
## Length:50
## Class :character
## Mode :character
##
##
##
## ¿Cuántas horas al día utilizas el celular? ¿Cuántas horas duermes cada noche?
## Min. : 3.00 Min. : 4.00
## 1st Qu.: 5.25 1st Qu.: 5.25
## Median : 9.00 Median : 6.00
## Mean : 9.20 Mean : 6.36
## 3rd Qu.:12.00 3rd Qu.: 7.00
## Max. :20.00 Max. :10.00
## ¿En qué jornada estudias principalmente?
## Length:50
## Class :character
## Mode :character
##
##
##
El resumen estadístico proporciona una primera descripción de las variables cuantitativas. En la muestra, la edad promedio es de 18,92 años; la permanencia en la universidad registra un promedio de 6,52 horas diarias; el uso del celular presenta un promedio de 9,20 horas al día; y el sueño, un promedio de 6,36 horas por noche. Estas cifras permiten contextualizar los hábitos de los participantes y orientar las siguientes etapas del análisis.
library(stringr)
# Convertir los días de asistencia a valores numéricos
datos_limpios <- datos %>%
mutate(
dias_asistencia = as.numeric(
str_extract(
`¿Cuantos días a la semana asistes a la universidad?`,
"\\d+"
)
)
)
# Función para convertir tiempos de desplazamiento a minutos
convertir_minutos <- function(x) {
x <- str_to_lower(x)
horas <- str_extract(x, "\\d+(?=\\s*hora)")
minutos <- str_extract(x, "\\d+(?=\\s*min)")
horas[is.na(horas)] <- "0"
minutos[is.na(minutos)] <- "0"
as.numeric(horas) * 60 + as.numeric(minutos)
}
# Crear variable de desplazamiento en minutos
datos_limpios <- datos_limpios %>%
mutate(
desplazamiento_min = convertir_minutos(
`¿Cuánto tiempo tardas en llegar desde tu casa hasta la universidad?`
)
)
# Mostrar las primeras observaciones de los datos limpios
head(datos_limpios)
## # A tibble: 6 × 10
## `Marca temporal` `¿Qué edad tienes?` ¿Cuantos días a la semana asistes a …¹
## <dttm> <dbl> <chr>
## 1 2026-11-11 20:41:41 18 5 días
## 2 2026-11-11 20:48:17 18 5 días
## 3 2026-11-11 20:49:13 17 4 días
## 4 2026-11-11 20:52:39 18 5 días
## 5 2026-11-11 20:53:31 18 2 días
## 6 2026-11-11 20:57:39 18 4 días
## # ℹ abbreviated name: ¹`¿Cuantos días a la semana asistes a la universidad?`
## # ℹ 7 more variables: `¿Cuántas horas permaneces en la universidad?` <dbl>,
## # `¿Cuánto tiempo tardas en llegar desde tu casa hasta la universidad?` <chr>,
## # `¿Cuántas horas al día utilizas el celular?` <dbl>,
## # `¿Cuántas horas duermes cada noche?` <dbl>,
## # `¿En qué jornada estudias principalmente?` <chr>, dias_asistencia <dbl>,
## # desplazamiento_min <dbl>
# Revisar la frecuencia de días de asistencia
table(datos_limpios$dias_asistencia)
##
## 1 2 3 4 5 6
## 2 1 1 19 21 6
# Resumen del tiempo de desplazamiento en minutos
summary(datos_limpios$desplazamiento_min)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 5.0 15.0 40.0 44.5 60.0 120.0
La limpieza se realizó para convertir respuestas registradas como texto en variables numéricas que puedan utilizarse en procedimientos estadísticos. Se extrajo el número de días de asistencia semanal y se convirtió el tiempo de desplazamiento a minutos. Estas nuevas variables facilitan la comparación entre estudiantes y su inclusión en la matriz de correlación y el modelo de regresión.
ggplot(datos_limpios, aes(x = `¿Cuántas horas duermes cada noche?`)) +
geom_histogram(
binwidth = 1,
fill = "steelblue",
color = "black"
) +
labs(
title = "Distribución de las horas de sueño de los estudiantes",
x = "Horas de sueño por noche",
y = "Número de estudiantes"
) +
theme_minimal()
El histograma permite examinar cómo se distribuyen las horas de sueño reportadas. En la muestra, el promedio es de 6,36 horas y la mediana de 6 horas; los registros se encuentran entre 4 y 10 horas. La visualización permite identificar la concentración y variabilidad de las respuestas, sin asumir que todos los estudiantes mantienen el mismo patrón de descanso.
ggplot(datos_limpios, aes(
x = `¿Cuántas horas permaneces en la universidad?`,
y = `¿Cuántas horas duermes cada noche?`
)) +
geom_point(color = "steelblue", size = 3) +
geom_smooth(method = "lm", color = "red", se = TRUE) +
labs(
title = "Relación entre permanencia en la universidad y horas de sueño",
x = "Horas de permanencia en la universidad",
y = "Horas de sueño por noche"
) +
theme_minimal()
## `geom_smooth()` using formula = 'y ~ x'
## Relación entre uso del celular y horas de sueño
El diagrama de dispersión explora la relación entre las horas de permanencia en la universidad y el sueño nocturno. La correlación entre ambas variables es aproximadamente 0,05, cercana a cero, por lo que en estos datos no se observa una relación lineal marcada. Esto no descarta otras posibles relaciones o factores que no fueron incluidos.
{r grafico_celular_sueno} ggplot(datos_limpios, aes( x =
¿Cuántas horas al día utilizas el celular?, y =
¿Cuántas horas duermes cada noche? )) + geom_point(color =
“steelblue”, size = 3) + geom_smooth(method = “lm”, color = “red”, se =
TRUE) + labs( title = “Relación entre uso del celular y horas de sueño”,
x = “Horas de uso del celular al día”, y = “Horas de sueño por noche” )
+ theme_minimal()
ggplot(datos_limpios, aes(
x = desplazamiento_min,
y = `¿Cuántas horas duermes cada noche?`
)) +
geom_point(color = "steelblue", size = 3) +
geom_smooth(method = "lm", color = "red", se = TRUE) +
labs(
title = "Relación entre tiempo de desplazamiento y horas de sueño",
x = "Tiempo de desplazamiento (minutos)",
y = "Horas de sueño por noche"
) +
theme_minimal()
## `geom_smooth()` using formula = 'y ~ x'
## Relación entre días de asistencia y horas de sueño
El gráfico muestra la relación entre los minutos de desplazamiento y las horas de sueño. La correlación observada es aproximadamente −0,12, lo que corresponde a una asociación negativa débil. La tendencia indica una relación lineal poco marcada y no permite concluir que el tiempo de traslado determine las horas de sueño.
El gráfico permite explorar la asociación entre las horas de uso del celular y el descanso. La correlación observada es aproximadamente 0,29, una relación positiva débil. Esto significa que, en esta muestra, ambas variables tienden a aumentar ligeramente juntas, pero la asociación es baja y no permite establecer causalidad.
{r grafico_asistencia_sueno} ggplot(datos_limpios, aes( x =
dias_asistencia, y = ¿Cuántas horas duermes cada noche? ))
+ geom_jitter(width = 0.15, height = 0.1, color = “steelblue”, size = 3)
+ geom_smooth(method = “lm”, color = “red”, se = TRUE) + labs( title =
“Relación entre días de asistencia a la universidad y horas de sueño”, x
= “Días de asistencia a la universidad por semana”, y = “Horas de sueño
por noche” ) + theme_minimal()
variables_correlacion <- datos_limpios %>%
select(
edad = `¿Qué edad tienes?`,
dias_asistencia,
horas_universidad = `¿Cuántas horas permaneces en la universidad?`,
desplazamiento_min,
horas_celular = `¿Cuántas horas al día utilizas el celular?`,
horas_sueno = `¿Cuántas horas duermes cada noche?`
)
matriz_cor <- cor(variables_correlacion, use = "complete.obs")
round(matriz_cor, 2)
## edad dias_asistencia horas_universidad desplazamiento_min
## edad 1.00 0.19 -0.01 0.28
## dias_asistencia 0.19 1.00 0.26 0.00
## horas_universidad -0.01 0.26 1.00 -0.09
## desplazamiento_min 0.28 0.00 -0.09 1.00
## horas_celular -0.01 0.09 0.25 0.14
## horas_sueno -0.03 -0.08 0.05 -0.12
## horas_celular horas_sueno
## edad -0.01 -0.03
## dias_asistencia 0.09 -0.08
## horas_universidad 0.25 0.05
## desplazamiento_min 0.14 -0.12
## horas_celular 1.00 0.29
## horas_sueno 0.29 1.00
## Mapa de calor de correlaciones
La matriz cuantifica la dirección y la intensidad de las relaciones lineales entre las variables seleccionadas. Las correlaciones con horas de sueño son bajas: uso del celular (0,29), desplazamiento (−0,12), días de asistencia (−0,08), permanencia en la universidad (0,05) y edad (−0,03). En conjunto, estos valores sugieren que ninguna de las relaciones lineales individuales es fuerte en esta muestra.
La visualización compara los días de asistencia semanal con las horas de sueño. La correlación es aproximadamente −0,08, una asociación negativa muy débil. Aunque los estudiantes se concentran principalmente en cuatro y cinco días de asistencia, hay variación en las horas de sueño dentro de los grupos.
{r mapa_correlacion} correlaciones_largas <- as.data.frame(as.table(matriz_cor))
ggplot(correlaciones_largas, aes(x = Var1, y = Var2, fill = Freq)) + geom_tile(color = “white”) + geom_text(aes(label = round(Freq, 2)), size = 3) + scale_fill_gradient2( low = “blue”, mid = “white”, high = “red”, midpoint = 0 ) + labs( title = “Mapa de calor de correlaciones”, x = ““, y =”“, fill =”Correlación” ) + theme_minimal() + theme( axis.text.x = element_text(angle = 45, hjust = 1), axis.text.y = element_text(size = 9) )
# Modelo de regresión lineal múltiple
## Planteamiento del modelo
La variable dependiente del modelo será las horas de sueño por noche.
Las variables independientes serán:
- Días de asistencia a la universidad.
- Horas de permanencia en la universidad.
- Tiempo de desplazamiento.
- Horas de uso del celular.
El modelo busca evaluar la relación conjunta entre estas variables y las horas de sueño.
## Ajuste del modelo
```r
modelo <- lm(
horas_sueno ~ dias_asistencia +
horas_universidad +
desplazamiento_min +
horas_celular,
data = variables_correlacion
)
summary(modelo)
##
## Call:
## lm(formula = horas_sueno ~ dias_asistencia + horas_universidad +
## desplazamiento_min + horas_celular, data = variables_correlacion)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.6455 -0.8536 0.0150 0.7526 3.4813
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 6.362665 1.002566 6.346 9.54e-08 ***
## dias_asistencia -0.130105 0.186469 -0.698 0.4889
## horas_universidad -0.013257 0.103607 -0.128 0.8988
## desplazamiento_min -0.006760 0.005789 -1.168 0.2490
## horas_celular 0.105161 0.047310 2.223 0.0313 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.352 on 45 degrees of freedom
## Multiple R-squared: 0.1202, Adjusted R-squared: 0.042
## F-statistic: 1.537 on 4 and 45 DF, p-value: 0.2077
El modelo se ajustó mediante regresión lineal múltiple utilizando las variables seleccionadas. El resumen que se muestra a continuación permite revisar los coeficientes estimados, sus errores estándar, pruebas t, valores p y medidas globales de ajuste. Estas cifras deben interpretarse como asociaciones estadísticas, no como efectos causales.
Se definieron las horas de sueño como variable dependiente y los días de asistencia, horas de permanencia en la universidad, minutos de desplazamiento y horas de uso del celular como variables independientes. El modelo busca estimar la asociación de cada predictor con el sueño, considerando simultáneamente los demás predictores.
El mapa de calor presenta de forma visual los coeficientes de la matriz, facilitando distinguir asociaciones positivas, negativas y cercanas a cero. La relación positiva más destacada con el sueño corresponde al uso del celular, aunque sigue siendo débil. La mayoría de los coeficientes se encuentran cerca de cero, por lo que se decidió explorar las variables conjuntamente mediante regresión múltiple.
coeficientes <- summary(modelo)$coefficients
coeficientes
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 6.362665055 1.00256556 6.3463831 9.541720e-08
## dias_asistencia -0.130105368 0.18646925 -0.6977309 4.889351e-01
## horas_universidad -0.013256507 0.10360652 -0.1279505 8.987582e-01
## desplazamiento_min -0.006760441 0.00578880 -1.1678484 2.490185e-01
## horas_celular 0.105160766 0.04731018 2.2227936 3.129734e-02
Los coeficientes representan el cambio estimado en las horas de sueño asociado con una unidad adicional de cada predictor, manteniendo constantes los demás. En el ajuste obtenido, el uso del celular presentó coeficiente positivo (aproximadamente 0,105) y valor p cercano a 0,031, lo que indica significancia individual al nivel de 0,05. Los coeficientes de los otros predictores no mostraron significancia estadística individual. La asociación del celular no debe interpretarse como causalidad.
confint(modelo, level = 0.95)
## 2.5 % 97.5 %
## (Intercept) 4.343394372 8.381935739
## dias_asistencia -0.505673724 0.245462988
## horas_universidad -0.221930749 0.195417735
## desplazamiento_min -0.018419684 0.004898802
## horas_celular 0.009873172 0.200448360
Los intervalos de confianza del 95 % muestran un rango de valores plausibles para cada coeficiente. Cuando un intervalo incluye cero, no hay evidencia suficiente de asociación lineal individual al nivel de significancia habitual del 5 %. El intervalo del coeficiente de uso del celular se reportó aproximadamente entre 0,010 y 0,200, sin incluir cero, en concordancia con su valor p.
anova(modelo)
## Analysis of Variance Table
##
## Response: horas_sueno
## Df Sum Sq Mean Sq F value Pr(>F)
## dias_asistencia 1 0.563 0.5632 0.3080 0.5816
## horas_universidad 1 0.481 0.4814 0.2633 0.6104
## desplazamiento_min 1 1.163 1.1630 0.6361 0.4293
## horas_celular 1 9.034 9.0338 4.9408 0.0313 *
## Residuals 45 82.279 1.8284
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
El análisis de varianza del modelo permite evaluar la contribución de los predictores dentro del ajuste. Se debe revisar el valor p de cada término: valores inferiores a 0,05 se consideran evidencia estadística de asociación individual bajo el modelo. En estos resultados, el uso del celular es el predictor que presenta evidencia significativa.
summary(modelo)$r.squared
## [1] 0.1202042
summary(modelo)$adj.r.squared
## [1] 0.04200014
El coeficiente de determinación R² es aproximadamente 0,1202, por lo que el modelo explica cerca del 12,02 % de la variabilidad observada en las horas de sueño. El R² ajustado es aproximadamente 0,0420 (4,20 %), lo que indica una capacidad explicativa limitada al considerar la cantidad de predictores incluidos.
summary(modelo)$sigma
## [1] 1.352188
El error estándar residual es aproximadamente 1,352 horas. Este valor representa el tamaño típico de los residuos en las unidades de la variable de respuesta, es decir, horas de sueño, y sugiere que las predicciones presentan una desviación que no es despreciable respecto a las horas reportadas.
summary(modelo)$fstatistic
## value numdf dendf
## 1.537058 4.000000 45.000000
La prueba global del modelo presenta un valor p aproximado de 0,2077, superior a 0,05. Por ello, no se rechaza la hipótesis nula de que todos los coeficientes de pendiente sean simultáneamente cero. Aunque el uso del celular mostró significancia individual, el modelo en conjunto no alcanza significancia estadística global.
f <- summary(modelo)$fstatistic
p_valor_modelo <- pf(
f[1],
f[2],
f[3],
lower.tail = FALSE
)
p_valor_modelo
## value
## 0.2076505
datos_prediccion <- data.frame(
Observado = variables_correlacion$horas_sueno,
Predicho = fitted(modelo),
Residuo = residuals(modelo)
)
head(datos_prediccion)
## Observado Predicho Residuo
## 1 5 5.865446 -0.8654456
## 2 5 7.303675 -2.3036750
## 3 7 6.330038 0.6699620
## 4 8 6.731485 1.2685153
## 5 10 6.518671 3.4813289
## 6 6 5.896138 0.1038616
Las predicciones son los valores de horas de sueño estimados por el modelo para cada registro. Los residuos se calculan como la diferencia entre las horas observadas y las estimadas. Comparar ambos permite examinar el grado de ajuste y reconocer observaciones en las que el modelo se equivoca más.
ggplot(datos_prediccion, aes(
x = Observado,
y = Predicho
)) +
geom_point(color = "steelblue", size = 3) +
geom_abline(
intercept = 0,
slope = 1,
color = "red",
linetype = "dashed"
) +
labs(
title = "Horas de sueño observadas vs. predichas",
x = "Horas de sueño observadas",
y = "Horas de sueño predichas"
) +
theme_minimal()
En el gráfico, la diagonal representa la coincidencia perfecta entre valores observados y predichos. Cuanto más cerca se encuentren los puntos de esa línea, mejor sería el ajuste para esas observaciones. La dispersión alrededor de la diagonal permite apreciar visualmente las limitaciones predictivas del modelo.
plot(
fitted(modelo),
residuals(modelo),
main = "Residuos vs. valores ajustados",
xlab = "Valores ajustados",
ylab = "Residuos",
pch = 19,
col = "steelblue"
)
abline(h = 0, col = "red", lty = 2)
Este gráfico se utiliza para evaluar si los residuos se distribuyen aleatoriamente alrededor de cero y si la relación lineal resulta razonable. Se buscan patrones sistemáticos, como curvas o formas de embudo, que puedan sugerir problemas de especificación o varianza no constante. La interpretación debe basarse en la forma que efectivamente presenta la gráfica.
qqnorm(
residuals(modelo),
main = "Gráfico Q-Q de los residuos",
pch = 19,
col = "steelblue"
)
qqline(
residuals(modelo),
col = "red",
lwd = 2
)
El gráfico Q-Q compara los residuos con cuantiles de una distribución normal. Si los puntos se aproximan a la línea de referencia, la normalidad resulta razonable; desviaciones, especialmente en los extremos, pueden señalar diferencias con la distribución normal. Este gráfico complementa la prueba de Shapiro-Wilk.
hist(
residuals(modelo),
main = "Distribución de los residuos del modelo",
xlab = "Residuos",
ylab = "Frecuencia",
col = "steelblue",
border = "white"
)
El histograma permite observar la forma de la distribución de los residuos y comprobar si se encuentran aproximadamente centrados en cero y presentan una forma simétrica. Se interpreta junto con el gráfico Q-Q y la prueba formal de normalidad, no de manera aislada.
shapiro.test(residuals(modelo))
##
## Shapiro-Wilk normality test
##
## data: residuals(modelo)
## W = 0.98488, p-value = 0.7664
La prueba de Shapiro-Wilk obtuvo un valor p aproximado de 0,7664. Como es mayor que 0,05, no se rechaza la hipótesis nula de normalidad de los residuos. Esto significa que la prueba no detecta evidencia estadística suficiente contra la normalidad; no demuestra que los residuos sean perfectamente normales.
plot(
fitted(modelo),
abs(residuals(modelo)),
main = "Residuos absolutos vs. valores ajustados",
xlab = "Valores ajustados",
ylab = "Residuos absolutos",
pch = 19,
col = "steelblue"
)
lines(
lowess(
fitted(modelo),
abs(residuals(modelo))
),
col = "red",
lwd = 2
)
Este gráfico permite evaluar si la dispersión de los residuos absolutos se mantiene aproximadamente constante a lo largo de los valores ajustados. Una tendencia creciente o una forma de embudo podría sugerir heterocedasticidad. La conclusión debe basarse en la inspección visual del gráfico producido.
calcular_vif <- function(datos, variables) {
resultado <- sapply(variables, function(variable) {
otras <- setdiff(variables, variable)
formula_aux <- as.formula(
paste(variable, "~", paste(otras, collapse = " + "))
)
modelo_aux <- lm(formula_aux, data = datos)
r2_aux <- summary(modelo_aux)$r.squared
1 / (1 - r2_aux)
})
resultado
}
vif_resultados <- calcular_vif(
variables_correlacion,
c(
"dias_asistencia",
"horas_universidad",
"desplazamiento_min",
"horas_celular"
)
)
vif_resultados
## dias_asistencia horas_universidad desplazamiento_min horas_celular
## 1.074077 1.153503 1.039142 1.096840
Los factores de inflación de la varianza (VIF) obtenidos son cercanos a 1 —aproximadamente 1,074; 1,154; 1,039 y 1,097—. Estos valores bajos no sugieren multicolinealidad importante entre los predictores del modelo.
cooks <- cooks.distance(modelo)
plot(
cooks,
type = "h",
main = "Distancia de Cook",
xlab = "Observación",
ylab = "Distancia de Cook",
col = "steelblue"
)
abline(
h = 4 / nrow(variables_correlacion),
col = "red",
lty = 2
)
La distancia de Cook permite identificar observaciones que podrían influir de manera importante en el ajuste. La línea de referencia 4/n sirve como guía para señalar registros que conviene examinar, pero superar este umbral no implica eliminar automáticamente la observación. Debe verificarse si el registro es válido y si representa una respuesta real.
par(mfrow = c(2, 2))
plot(modelo)
par(mfrow = c(1, 1))
Los cuatro gráficos de diagnóstico resumen distintos aspectos del ajuste: linealidad, normalidad, homogeneidad de varianza y observaciones influyentes. Se deben interpretar en conjunto con las pruebas y visualizaciones anteriores, ya que ningún gráfico por sí solo determina que el modelo sea adecuado o inadecuado.
resumen_final <- data.frame(
R2 = summary(modelo)$r.squared,
R2_ajustado = summary(modelo)$adj.r.squared,
Error_estandar_residual = summary(modelo)$sigma,
Estadistico_F = unname(summary(modelo)$fstatistic[1]),
Grados_libertad_1 = unname(summary(modelo)$fstatistic[2]),
Grados_libertad_2 = unname(summary(modelo)$fstatistic[3]),
Valor_p_modelo = p_valor_modelo
)
resumen_final
## R2 R2_ajustado Error_estandar_residual Estadistico_F
## value 0.1202042 0.04200014 1.352188 1.537058
## Grados_libertad_1 Grados_libertad_2 Valor_p_modelo
## value 4 45 0.2076505
El resumen del modelo integra sus principales indicadores. El R² de 0,1202 y el R² ajustado de 0,0420 indican una capacidad explicativa reducida. El valor p global aproximado de 0,2077 supera 0,05, por lo que el modelo completo no resulta estadísticamente significativo al nivel del 5 %, aunque el uso del celular sí presentó asociación individual significativa.
tabla_coeficientes <- as.data.frame(
summary(modelo)$coefficients
)
tabla_coeficientes
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 6.362665055 1.00256556 6.3463831 9.541720e-08
## dias_asistencia -0.130105368 0.18646925 -0.6977309 4.889351e-01
## horas_universidad -0.013256507 0.10360652 -0.1279505 8.987582e-01
## desplazamiento_min -0.006760441 0.00578880 -1.1678484 2.490185e-01
## horas_celular 0.105160766 0.04731018 2.2227936 3.129734e-02
La tabla permite consultar conjuntamente estimaciones, errores estándar, estadísticos t y valores p. Se observa que el uso del celular es el único predictor con valor p inferior a 0,05 en este ajuste; las demás variables no muestran evidencia suficiente de asociación individual con el sueño, manteniendo constantes los otros predictores.
data.frame(
Variable = names(vif_resultados),
VIF = as.numeric(vif_resultados)
)
## Variable VIF
## 1 dias_asistencia 1.074077
## 2 horas_universidad 1.153503
## 3 desplazamiento_min 1.039142
## 4 horas_celular 1.096840
Los VIF de los predictores son bajos y cercanos a 1, lo que indica que no se detecta una inflación importante de la varianza de los coeficientes debido a relaciones lineales entre las variables independientes.
El estudio permitió describir los hábitos de 50 estudiantes y explorar su relación con las horas de sueño mediante análisis descriptivo, correlación y regresión lineal múltiple. El promedio de sueño reportado fue de 6,36 horas por noche, mientras que el uso diario del celular fue de 9,20 horas en promedio. Las correlaciones con el sueño fueron débiles; la asociación positiva más destacada fue la del uso del celular (r ≈ 0,29).
En el modelo múltiple, el uso del celular presentó coeficiente positivo aproximado de 0,105 y significancia individual (p ≈ 0,031), pero el modelo global no fue estadísticamente significativo (p ≈ 0,208) y explicó cerca del 12,02 % de la variabilidad de las horas de sueño (R² ≈ 0,1202; R² ajustado ≈ 0,0420). Por tanto, los hábitos incluidos no explican suficientemente las diferencias en sueño dentro de esta muestra.
La prueba de Shapiro-Wilk no detectó evidencia contra la normalidad de los residuos (p ≈ 0,766), y los VIF bajos no sugieren multicolinealidad importante. Las limitaciones incluyen el tamaño de la muestra y el uso de datos autoinformados. No se pueden establecer relaciones causales. Se recomienda que futuras investigaciones incluyan variables como estrés académico, horario de acostarse, calidad del sueño, trabajo y responsabilidades personales, además de ampliar la muestra.