Exploración de las variables
Age Gender Grade AMAS RCMAS Arith
1 137.8 Boy Secondary 9 20 6
2 140.7 Boy Secondary 18 8 6
3 137.9 Girl Secondary 23 26 5
4 142.8 Girl Secondary 19 18 7
5 135.6 Boy Secondary 23 20 1
6 135.0 Girl Secondary 27 33 1
Age Gender Grade AMAS RCMAS Arith
1 137.8 Boy Secondary 9 20 6
2 140.7 Boy Secondary 18 8 6
3 137.9 Girl Secondary 23 26 5
4 142.8 Girl Secondary 19 18 7
5 135.6 Boy Secondary 23 20 1
6 135.0 Girl Secondary 27 33 1
'data.frame': 198 obs. of 4 variables:
$ Gender: Factor w/ 2 levels "Boy","Girl": 1 1 2 2 1 2 1 1 2 1 ...
$ AMAS : int 9 18 23 19 23 27 22 17 28 20 ...
$ RCMAS : int 20 8 26 18 20 33 23 11 32 30 ...
$ Arith : int 6 6 5 7 1 1 4 7 2 6 ...
Tabla 1. Distribución de estudiantes por género
| Boy |
124 |
| Girl |
74 |
Tabla 2. Estadísticas descriptivas de las variables
| AMAS |
22.25 |
22 |
9 |
45 |
| RCMAS |
18.48 |
18 |
1 |
41 |
| Arith |
4.28 |
4 |
0 |
8 |
Tabla 3. Revisión de valores faltantes
| Gender |
Gender |
0 |
| AMAS |
AMAS |
0 |
| RCMAS |
RCMAS |
0 |
| Arith |
Arith |
0 |
Dividir los datos en entrenamiento y prueba.
Datos de entrenamiento: son los datos que el modelo utilizará para aprender patrones y construir el árbol de decisión.
Datos de prueba: son los datos que reservaremos para comprobar qué tan bien predice el modelo con información que no utilizó durante el entrenamiento.
Tenemos 198 estudiantes de secundaria. Utilizaremos una división de:
Tabla 4. División de los datos en entrenamiento y prueba
| Entrenamiento |
158 |
79.8 |
| Prueba |
40 |
20.2 |
| Total |
198 |
100.0 |
[1] "Gender" "AMAS" "RCMAS" "Arith"
[1] "Gender" "AMAS" "RCMAS" "Arith"
Esto significa que utilizaremos 158 estudiantes para que el modelo aprenda patrones entre la ansiedad matemática y el desempeño aritmético. Los otros 40 estudiantes se reservarán para evaluar las predicciones.
Construir el árbol de decisión
Esto indica que, en los datos de entrenamiento, los estudiantes con puntuaciones AMAS mayores que 25 tuvieron un promedio de desempeño aritmético menor que aquellos con puntuaciones inferiores.
Importante: esto muestra una asociación dentro de nuestra muestra, no demuestra que la ansiedad sea la causa de un menor desempeño.
Interpretar los resultados estadísticos.
Predicción para los datos de entrenamiento
Real Prediccion
159 3 3.37
179 5 5.16
14 6 3.37
195 3 4.11
170 3 4.11
50 5 3.37
118 5 3.37
43 4 3.37
196 8 4.91
192 3 4.38
Ahora calcularemos el porcentaje de predicciones exactas:
[1] "Porcentaje de predicciones exactas con los datos de entrenamiento: 15.19%"
Predicción para los datos de prueba
Ahora, para analizar la calidad del modelo, veamos qué tan buenas son las predicciones para el conjunto de prueba.
Real Prediccion
2 6 4.91
10 6 4.38
15 2 4.91
18 4 6.00
19 7 3.37
28 4 3.37
33 2 5.16
45 2 5.16
47 4 4.11
49 4 2.75
Calculamos el porcentaje de predicciones exactas:
[1] "Porcentaje de predicciones exactas con los datos de prueba: 15%"