link="https://docs.google.com/spreadsheets/d/e/2PACX-1vTnH3qz86TjQ6j8NfVg0YH5mOn912DweP17O0qB37qT4MFIxajQb78to0qAKseX6Q/pub?output=csv"

A=read.csv("https://docs.google.com/spreadsheets/d/e/2PACX-1vTnH3qz86TjQ6j8NfVg0YH5mOn912DweP17O0qB37qT4MFIxajQb78to0qAKseX6Q/pub?output=csv",stringsAsFactors = F)

str(A)

## 'data.frame':    1834 obs. of  12 variables:
##  $ ubiReg    : int  10000 10000 10000 10000 10000 10000 10000 10000 10000 10000 ...
##  $ ubiProv   : int  10200 10200 10200 10200 10200 10200 10300 10300 10300 10300 ...
##  $ ubiDis    : int  10202 10201 10203 10204 10205 10206 10302 10303 10304 10305 ...
##  $ depa      : chr  "AMAZONAS" "AMAZONAS" "AMAZONAS" "AMAZONAS" ...
##  $ prov      : chr  "BAGUA" "BAGUA" "BAGUA" "BAGUA" ...
##  $ dist      : chr  "ARAMANGO" "BAGUA" "COPALLIN" "EL PARCO" ...
##  $ pobla     : int  11587 26067 6501 1443 23820 8020 349 282 922 883 ...
##  $ esperanza : num  76.8 74.7 78 77.4 77.4 ...
##  $ accesoedu : num  5.38 8.33 5.77 6.24 5.78 8.33 5.76 6.75 4.83 5.04 ...
##  $ percapitaf: num  405 662 452 551 209 ...
##  $ PPK       : int  1823 4949 1490 604 6282 2342 135 92 234 283 ...
##  $ FP        : int  3072 5809 1321 400 2059 2765 118 162 189 155 ...

A[,c(4,5,6)]=lapply(A[,c(4,5,6)],as.factor)

A[,c(8,9,10)]=lapply(A[,c(8,9,10)],as.numeric)

str(A)

## 'data.frame':    1834 obs. of  12 variables:
##  $ ubiReg    : int  10000 10000 10000 10000 10000 10000 10000 10000 10000 10000 ...
##  $ ubiProv   : int  10200 10200 10200 10200 10200 10200 10300 10300 10300 10300 ...
##  $ ubiDis    : int  10202 10201 10203 10204 10205 10206 10302 10303 10304 10305 ...
##  $ depa      : Factor w/ 25 levels "AMAZONAS","ANCASH",..: 1 1 1 1 1 1 1 1 1 1 ...
##  $ prov      : Factor w/ 195 levels "ABANCAY","ACOBAMBA",..: 19 19 19 19 19 19 24 24 24 24 ...
##  $ dist      : Factor w/ 1684 levels "ABANCAY","ABELARDO PARDO LEZAMETA",..: 83 117 411 476 645 730 324 358 421 437 ...
##  $ pobla     : int  11587 26067 6501 1443 23820 8020 349 282 922 883 ...
##  $ esperanza : num  76.8 74.7 78 77.4 77.4 ...
##  $ accesoedu : num  5.38 8.33 5.77 6.24 5.78 8.33 5.76 6.75 4.83 5.04 ...
##  $ percapitaf: num  405 662 452 551 209 ...
##  $ PPK       : int  1823 4949 1490 604 6282 2342 135 92 234 283 ...
##  $ FP        : int  3072 5809 1321 400 2059 2765 118 162 189 155 ...

summary(A)

##      ubiReg          ubiProv           ubiDis              depa     
##  Min.   : 10000   Min.   : 10100   Min.   : 10101   LIMA     : 171  
##  1st Qu.: 50000   1st Qu.: 50200   1st Qu.: 50205   ANCASH   : 166  
##  Median :100000   Median :100450   Median :100452   CAJAMARCA: 127  
##  Mean   :106390   Mean   :106929   Mean   :106937   JUNIN    : 123  
##  3rd Qu.:150000   3rd Qu.:150800   3rd Qu.:150808   AYACUCHO : 111  
##  Max.   :250000   Max.   :250400   Max.   :250401   AREQUIPA : 109  
##                                                     (Other)  :1027  
##          prov                 dist          pobla           esperanza    
##  LIMA      :  43   SANTA ROSA   :  10   Min.   :    181   Min.   :51.72  
##  JAUJA     :  34   SAN ANTONIO  :   5   1st Qu.:   1915   1st Qu.:70.02  
##  YAUYOS    :  33   SANTA CRUZ   :   5   Median :   4564   Median :73.39  
##  HUAROCHIRI:  32   BELLAVISTA   :   4   Mean   :  16432   Mean   :72.67  
##  AREQUIPA  :  29   INDEPENDENCIA:   4   3rd Qu.:  11485   3rd Qu.:76.45  
##  HUANCAYO  :  28   MIRAFLORES   :   4   Max.   :1025929   Max.   :83.52  
##  (Other)   :1635   (Other)      :1802                                    
##    accesoedu        percapitaf          PPK                 FP          
##  Min.   : 2.030   Min.   : 100.0   Min.   :     0.0   Min.   :     0.0  
##  1st Qu.: 5.240   1st Qu.: 201.7   1st Qu.:   378.2   1st Qu.:   413.2  
##  Median : 6.500   Median : 317.8   Median :   945.5   Median :   929.5  
##  Mean   : 6.825   Mean   : 392.4   Mean   :  4562.7   Mean   :  4529.7  
##  3rd Qu.: 8.178   3rd Qu.: 511.9   3rd Qu.:  2279.8   3rd Qu.:  2443.5  
##  Max.   :14.250   Max.   :1596.1   Max.   :264607.0   Max.   :318615.0  
## 

PPK tuvo más apoyo que FP mientras mejor acceso a la educación.

PPK ,EDUCACION numerico,numerico.

Ho:NO hay CORRELACIÓN entre variables

1.Graficar esta relación (escogemos que accesoedu sea la dependiente “y”)

library(ggpubr)

## Loading required package: ggplot2

## Loading required package: magrittr

p1=ggscatter(A, 
          x = "accesoedu", y = "PPK",
          cor.coef = TRUE, 
          cor.method = "pearson")
p1

Es MENOR que 0.05,significativo.Se rechaza la Ho

p2=ggscatter(A, 
          x = "esperanza", y = "PPK",
          cor.coef = TRUE, 
          cor.method = "pearson")
p2

eS MAYOR QUE 0.05.se acepta la hipotesis ho

p3=ggscatter(A, 
          x = "percapitaf", y = "PPK",
          cor.coef = TRUE, 
          cor.method = "pearson")

p3

Es menor que 0.05, NO SIGNIFICATIVO.Se rechaza la Ho

Hipótesis del caso:En los cuatro graficos de PEARSON ,3 de 4 son MENORES QUE 0.05,SIGNIFICATIVO.En consecuencia se rehazaría la Ho(NO hay correlación entre variables). ES DECIR SÍ HAY CORRELACIÓN ENTRE LAS VARIABLES.

CORRELACIÓN:DIRECTA O INVERSA AUMENTA LA CORRELACIÓN:SI SE ACERCA A 1,o -1. SE DESVANECE LA CORRELACIÓN:Se ace4rca a 0.

all_ps=ggarrange(p1,p2,p3,
          ncol = 2, nrow = 2) 


annotate_figure(all_ps,
               top = text_grob("Correlacion con PPK", 
                               color = "blue", 
                               face = "bold", 
                               size = 14))

library(ggpubr)
p1=ggscatter(A, 
          x = "accesoedu", y = "FP",
          cor.coef = TRUE, 
          cor.method = "pearson")
p1

p2=ggscatter(A, 
          x = "esperanza", y = "FP",
          cor.coef = TRUE, 
          cor.method = "pearson")
p2

p3=ggscatter(A, 
          x = "percapitaf", y = "FP",
          cor.coef = TRUE, 
          cor.method = "pearson")

p3

de vida. 3. PPK tuvo menos apoyo que FP mientras mayores ingresos.