Taller Casos
Carlos Mora
2022-05-7
{r setup, include=FALSE} eval = FALSE knitr::opts_chunk$set(echo = TRUE)
Analisis y Modelo Casos de Homicidios
Cargar Librerias
## Registered S3 method overwritten by 'quantmod':
## method from
## as.zoo.data.frame zoo##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union## Warning: package 'plotly' was built under R version 4.1.3##
## Attaching package: 'plotly'## The following object is masked from 'package:ggplot2':
##
## last_plot## The following object is masked from 'package:stats':
##
## filter## The following object is masked from 'package:graphics':
##
## layout##
## Attaching package: 'ggpubr'## The following object is masked from 'package:forecast':
##
## gghistogram## Warning: package 'readxl' was built under R version 4.1.3Carga de datos de homicios
## # A tibble: 6 x 3
## mes desempleo homicidios
## <dbl> <dbl> <dbl>
## 1 1 10.1 52.4
## 2 2 10.3 52.8
## 3 3 10.3 51.6
## 4 4 10.7 66.6
## 5 5 10.9 69.4
## 6 6 10.9 72.7Graficar Datos de los homicidios
En la grfica anterior se puede evidenciar aqe existe una relación relación directa entre el aumento del porcentaje de desempleo y a los homicidios
Coeficiente Correlación
## [1] 0.9608183El coeficiente de correlación entre porcentaje de desempleo y homicidios es de 0.96. lo cual al ver un incremento en la tasa de desempleo representaría un incremento en los homicidios.
Regresión lineal simple
##
## Call:
## lm(formula = (caso$homicidios) ~ (caso$desempleo))
##
## Coefficients:
## (Intercept) caso$desempleo
## -628.94 63.75##
## Call:
## lm(formula = (caso$homicidios) ~ (caso$desempleo))
##
## Residuals:
## Min 1Q Median 3Q Max
## -19.335 -11.928 -4.618 6.006 62.193
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -628.936 35.846 -17.55 <2e-16 ***
## caso$desempleo 63.751 2.983 21.37 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 18.06 on 38 degrees of freedom
## Multiple R-squared: 0.9232, Adjusted R-squared: 0.9212
## F-statistic: 456.6 on 1 and 38 DF, p-value: < 2.2e-16La ecuación nos muestra que por cada punto porcentual que aumente en la tasa de desempleados se verá reflejado en un incremento al rededor de 64 casos de homicidios
En el modelo se observa un R2 con una significancia alta lo cual confirma que el aumento el desempleo explica las variaciones de los casos de homicidio
Supuestos y validacion.
Se Evicencia que el grafico Residuals vs Fitted, no existe aleatoriedad de los errores, para ello se podria mejorar realisando un ajuste en el modelo , por lo tanto se aplicara una tranformación logarítmica al modelo.
##
## Call:
## lm(formula = log(caso$homicidios) ~ log(caso$desempleo))
##
## Coefficients:
## (Intercept) log(caso$desempleo)
## -9.509 5.768##
## Call:
## lm(formula = log(caso$homicidios) ~ log(caso$desempleo))
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.089960 -0.024627 -0.002675 0.029733 0.151048
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -9.50851 0.23276 -40.85 <2e-16 ***
## log(caso$desempleo) 5.76799 0.09381 61.48 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.04778 on 38 degrees of freedom
## Multiple R-squared: 0.99, Adjusted R-squared: 0.9898
## F-statistic: 3780 on 1 and 38 DF, p-value: < 2.2e-16##
## Call:
## lm(formula = log(caso$homicidios) ~ caso$desempleo)
##
## Coefficients:
## (Intercept) caso$desempleo
## -1.0276 0.4861##
## Call:
## lm(formula = log(caso$homicidios) ~ caso$desempleo)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.08538 -0.02273 0.00001 0.02223 0.09549
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.027556 0.075235 -13.66 3.08e-16 ***
## caso$desempleo 0.486124 0.006262 77.64 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.03791 on 38 degrees of freedom
## Multiple R-squared: 0.9937, Adjusted R-squared: 0.9936
## F-statistic: 6027 on 1 and 38 DF, p-value: < 2.2e-16Mejora considerablemente el error cuadratico del modelo del 92% al 99% y la gráfica de normalidad se evidencia un mejor ajuste a la linea trazada
Predicción
## 1 2 3 4 5 6 7 8
## 45.02805 52.16779 52.46003 62.89287 70.01066 70.01066 70.75762 71.89040
## 9 10 11 12 13 14 15 16
## 77.37690 81.08331 83.63484 90.30541 93.56549 104.45142 111.90863 111.90863
## 17 18 19 20 21 22 23 24
## 114.67626 117.50024 123.32082 123.32082 124.51306 129.99671 130.61813 135.67849
## 25 26 27 28 29 30 31 32
## 138.92271 157.57029 158.29877 159.76408 168.02521 168.02521 172.67807 180.66932
## 33 34 35 36 37 38 39 40
## 180.66932 198.44890 199.33034 202.88853 212.01432 251.98287 258.48222 305.44961## 1 2 3 4 5 6 7 8
## 47.60071 54.01382 54.27703 63.72149 70.22797 70.22797 70.91409 71.95586
## 9 10 11 12 13 14 15 16
## 77.02347 80.46813 82.84974 89.11674 92.20145 102.60873 109.83512 109.83512
## 17 18 19 20 21 22 23 24
## 112.53750 115.30637 121.05017 121.05017 122.23281 127.69935 128.32164 133.41036
## 25 26 27 28 29 30 31 32
## 136.69278 155.86486 156.62440 158.15460 166.84190 166.84190 171.77991 180.33683
## 33 34 35 36 37 38 39 40
## 180.33683 199.71920 200.69244 204.63308 214.82654 260.93735 268.66030 326.32610#Si se logra disminuir el desempleo al 11%, esto estaria impactado direntamente que los homicidios lograrán disminuir en 75 casos