Se tiene como objetivo desarrollar, aplicar e interpretar tres técnicas fundamentales de modelado estadístico en R:
Para cada enfoque se presenta su fundamento teórico, la descripción de la base de datos utilizada, el planteamiento de un problema práctico, la estimación del modelo y su visualización gráfica.
La regresión lineal simple modela la relación entre una variable dependiente o respuesta (\(Y\)) y una única variable independiente o predictora (\(X\)) mediante una línea recta:
\[ Y = \beta_0 + \beta_1 X + \varepsilon \]
Donde:
Se utiliza el conjunto de datos “Hours and Scores.csv” obtenido de Kaggle, compuesto por 25 registros de estudiantes con 2 variables cuantitativas principales:
datosrls <- read.csv("Hours and Scores.csv")
datosrls <- datosrls[, c("Hours", "Scores")]
summary(datosrls)## Hours Scores
## Min. :1.100 Min. :17.00
## 1st Qu.:2.700 1st Qu.:30.00
## Median :4.800 Median :47.00
## Mean :5.012 Mean :51.48
## 3rd Qu.:7.400 3rd Qu.:75.00
## Max. :9.200 Max. :95.00
La coordinación académica de una institución educativa busca determinar en cuántos puntos incrementa el puntaje promedio de un estudiante por cada hora adicional diaria dedicada al estudio, con el fin de proyectar el rendimiento esperado y diseñar estrategias de acompañamiento académico.
x <- datosrls$Hours
y <- datosrls$Scores
xbar <- mean(x)
ybar <- mean(y)
sxy <- sum((x - xbar) * (y - ybar))
sxx <- sum((x - xbar)^2)
b1 <- sxy / sxx
b0 <- ybar - b1 * xbar
yest <- b0 + b1 * x
res <- y - yest
sct <- sum((y - ybar)^2)
scr <- sum((yest - ybar)^2)
sce <- sum(res^2)
r2 <- scr / sct
r <- sxy / sqrt(sxx * sct)
round(c(b0 = b0, b1 = b1, r = r, r2 = r2), 2)## b0 b1 r r2
## 2.48 9.78 0.98 0.95