Cargamos los paquetes necesarios para la manipulación de datos y la visualización gráfica.
Importamos el archivo en formato CSV (separado por punto y coma) para optimizar el uso de memoria, seleccionamos las variables de interés y eliminamos los valores faltantes.
A partir de los registros oficiales analizados, resulta de gran interés analizar la relación existente entre el desempeño en el área de matemáticas y el puntaje de lectura crítica de los estudiantes evaluados.
Para ello, se toma como referencia la base de datos disponible, planteando un modelo de regresión lineal simple que permita explicar y predecir el comportamiento de los resultados:
\[Y = \beta_0 + \beta_1 X\]
Tenemos como objetivos principales: 1. Estimar la ecuación de la recta de mínimos cuadrados ordinarios. 2. Evaluar la significancia estadística del modelo y su bondad de ajuste (\(R^2\)). 3. Analizar la relación y correlación entre ambas variables cuantitativas.
Calculamos el resumen general, los promedios y las desviaciones estándar de ambas variables para conocer el comportamiento inicial de la muestra.
## PUNT_MATEMATICAS PUNT_LECTURA_CRITICA
## Min. : 0.00 Min. : 0.00
## 1st Qu.: 42.00 1st Qu.: 45.00
## Median : 51.00 Median : 52.00
## Mean : 50.61 Mean : 52.16
## 3rd Qu.: 59.00 3rd Qu.: 60.00
## Max. :100.00 Max. :100.00
## Promedio de Matemáticas: 50.61
## Promedio de Lectura Crítica: 52.16
## Desviación estándar de Matemáticas: 12
## Desviación estándar de Lectura Crítica: 10.54
Visualizamos la relación entre el puntaje de Matemáticas (\(X\)) y el puntaje de Lectura Crítica (\(Y\)).
ggplot(datos, aes(x = PUNT_MATEMATICAS, y = PUNT_LECTURA_CRITICA)) +
geom_point(alpha = 0.2, color = "#b05b73") +
geom_smooth(method = "lm", color = "#7b1e3a", se = TRUE) +
labs(
title = "Relación entre Puntaje de Matemáticas y Lectura Crítica",
x = "Puntaje de Matemáticas",
y = "Puntaje de Lectura Crítica"
) +
theme_minimal()Ajustamos el modelo lineal simple para evaluar el impacto de los resultados en Matemáticas sobre Lectura Crítica.
##
## Call:
## lm(formula = PUNT_LECTURA_CRITICA ~ PUNT_MATEMATICAS, data = datos)
##
## Residuals:
## Min 1Q Median 3Q Max
## -62.750 -4.658 0.081 4.728 47.588
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 19.459464 0.041870 464.8 <2e-16 ***
## PUNT_MATEMATICAS 0.646121 0.000805 802.6 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 7.138 on 546210 degrees of freedom
## Multiple R-squared: 0.5411, Adjusted R-squared: 0.5411
## F-statistic: 6.441e+05 on 1 and 546210 DF, p-value: < 2.2e-16
## Analysis of Variance Table
##
## Response: PUNT_LECTURA_CRITICA
## Df Sum Sq Mean Sq F value Pr(>F)
## PUNT_MATEMATICAS 1 32823198 32823198 644145 < 2.2e-16 ***
## Residuals 546210 27832808 51
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 2.5 % 97.5 %
## (Intercept) 19.3774006 19.5415278
## PUNT_MATEMATICAS 0.6445435 0.6476992