Tarea 1. Fecha de entrega: 21/septiembre/2016 I. La base de datos
Transcripción
Tarea 1. Fecha de entrega: 21/septiembre/2016 I. La base de datos
Tarea 1. Fecha de entrega: 21/septiembre/2016 I. La base de datos Mexico_bienestar.csv contiene 33 indicadores de bienestar de todas las entidades federativas y los valores registrados a nivel nacional. En el archivo Variables_bienestar_México.docx se encuentra explicado cómo se obtuvo cada uno de estos indicadores. (Fuente: http://www.beta.inegi.org.mx/app/bienestar/) 1. Indica las escalas en las que se han medido las siguientes variables: *Adicioné esta tabla con la descripción de cada una de las variables para que la revisen. Esto, ya que noté muchas diferencias entre las tareas. La información de la tabla la extraje del archivo .docx al que hice referencia en el primer párrafo. Las respuestas están en rojo. Variable Satisfacción con la vida Contaminación del aire Habitaciones por persona Esperanza de vida al nacer Habilidades de los estudiantes Satisfacción con tiempo para ocio Tasa de obesidad Salud autorreportada Descripción Mide la satisfacción que las personas tienen con su vida en general, en una escala del 0 al 10, considerando tanto el momento actual y el mismo sentir en referencia al año anterior. En la base de datos se muestra el promedio por Entidad Federativa. La exposición de la población a la contaminación del aire se calcula tomando el valor promedio ponderado de las partículas PM2.5 registradas por las celdas con respecto a la población ubicada en la cuadrícula geográfica donde se localizan las celdas. En la base de datos se muestran los microgramos PM2.5 por metro cúbico en cada entidad federativa. Número promedio de habitaciones por persona en el hogar. Promedio de años que espera vivir una persona al momento de su nacimiento sobre la base de las tasas de mortalidad por edad para un año determinado. Es un indicador de las habilidades y competencias matemáticas entre estudiantes de 15 años de edad. Este indicador parte de los resultados de la prueba PISA aplicada en 2003 y 2012 Considera el nivel de satisfacción, en una escala de 0 a 10 del tiempo disponible que tiene una persona para ocuparlo en hacer lo que le gusta. En la base de datos se muestra el promedio por Entidad Federativa. Porcentaje de personas de 20 años o más que tienen obesidad. Mide la satisfacción que las personas tienen con respecto a su salud, en una escala del 0 al 10. En la base de datos se muestra el promedio por Entidad Federativa. Escala de medición Ordinal Razón Absoluta Razón Intervalo Ordinal Razón Ordinal 2. Explora la base de datos e indica el número de valores faltantes, así como las variables y las entidades federativas a las que corresponden dichos valores. Para conocer los valores faltantes, ocupé el código en R que muestro a continuación (opcional realizar esto en R), y el resultado de la ejecución de los dos últimos renglones. La respuesta a esta pregunta se encuentra en color rojo. #Establecer directorio setwd("C:/Users/Karla/Desktop") #Dar nombre a la base de datos y adjuntarla datos<read.csv("C:/Users/Karla/Desktop/Mexico_bienestar.csv") attach(datos) #Para conocer los nombres de las variables variable.names(datos) #Para conocer los datos faltantes table(is.na(datos)) datos[!complete.cases(datos),] Los valores faltantes son 3, y todos ellos se encuentran dentro de la variable “Habilidades de los estudiantes”. Las entidades federativas a las que corresponden dichos valores faltantes son #17: Michoacán,#21: Oaxaca, y #27: Sonora. En las tabla, he resaltado en amarillo dichas entidades y NA’s. > table(is.na(datos)) FALSE TRUE 1119 3 > datos[!complete.cases(datos),] Entidad Satisfacción.con.la.vida Gini.del.ingreso.disponible.de.los.hogares.per.cáp Ingreso.equivalente.disponible.de.los.hogares Tasa.de.pobreza Tasa.de.pobreza.extrema Contaminación.del.aire 17 Michoacán de Ocampo 7.6 0.452 5,080 59.2 14.0 13.9 21 Oaxaca 7.5 0.513 4,089 66.8 28.3 8.8 27 Sonora 8.0 0.476 8,800 29.4 3.3 6.1 Habitaciones.por.persona Porcentaje.de.viviendas.con.techos.de.materiales.resistentes Empleados.trabajando.muchas.horas 17 0.9 66.7 21.36 21 0.8 43.2 29.21 27 1.0 67.2 24.89 Satisfacción.con.tiempo.para.ocio Hogares.con.acceso.a.banda.ancha Viviendas.con.acceso.a.servicios.básicos 17 7.5 23.68 84.34 21 7.4 14.00 64.12 27 7.8 45.94 93.87 Acceso.a.servicios.de.salud Esperanza.de.vida.al.nacer Tasa.de.mortalidad.infantil Tasa.de.mortalidad.materna 17 73.8 74.73 11.7 36.7 21 80.1 72.98 13.7 50.4 27 85.6 75.32 10.7 40.2 Tasa.de.obesidad Salud.autorreportada Niveles.de.educación Deserción.escolar Habilidades.de.los.estudiantes 17 31.1 7.8 29.8 11.2 NA 21 39.5 7.7 27.9 14.4 NA 27 36.1 8.2 45.4 15.1 NA Tasa.de.homicidios Confianza.en.la.policía Percepción.de.la.inseguridad Tasa.de.incidencia.delictiva Participación.cívica.y.política Participación.electoral Confianza.en.la.aplicación.de.la.ley 17 20.3 46.4 35.9 26,340 7.87 52.5 5.10 21 19.3 48.9 37.8 29,073 8.77 62.0 7.33 27 23.1 55.1 41.1 26,384 9.79 57.8 7.24 Percepción.de.ausencia.de.corrupción.en.el.sistema.judicial Tasa.de.ocupación Tasa.de.desempleo Tasa.de.informalidad.laboral Tasa.de.condiciones.críticas.de.ocupación 17 31.2 57.22 3.21 71.91 10.0 21 21.5 57.57 2.61 79.61 16.4 27 36.4 62.67 4.95 44.09 7.2 3. ¿Qué tipo de mecanismo de pérdida crees que le corresponde a los datos que describiste en la pregunta anterior? Argumenta tu respuesta La variable habilidades de los estudiantes fue extraída del informe de la prueba PISA (1). En dicho informe, se menciona que en Oaxaca, Sónora y Michoacán, que fueron las entidades federativas con datos faltantes, no hubo un número suficiente de escuelas que hubieran participado en la prueba PISA. Además, ya que la participación de alumnos de secundaria en estas entidades fue prácticamente nula, los resultados no eran comparables con los resultados de las demás entidades, por lo que los datos de esos estados fueron omitidos del informe que presentó PISA. En ese sentido, podría considerarse que la falta de esos datos se debe a los mismos datos faltantes, por lo que podrían clasificarse como Missing Not At Random. 4. Imputa los valores faltantes usando la función mice en R (Hay que instalar el paquete mice para poder usar esta función) Para imputar los valores faltantes, ocupé el código en R que muestro a continuación, y el resultado de la ejecución de los dos últimos renglones. Los datos faltantes en la base de datos original se encuentran como NA y los he resaltado en amarillo. Al imputarlos, adquieren los valores de 415 (Michoacán), 435 (Oaxaca) y 415 (Sónora). #Instalar mice library("mice", lib.loc="~/R/win-library/3.1") #Imputar datos. Aquí indique el tipo de método, pero si se omite, R elige este método por default ya que es una variable numérica datos_imputados1<-mice(datos, method="pmm", seed=500) #Generar base con datos completos datos_imputados_completos1<-complete(datos_imputados1) #Para desplegar variable con datos faltantes y con datos imputados datos$Habilidades.de.los.estudiantes datos_imputados_completos1$Habilidades.de.los.estudiantes > datos$Habilidades.de.los.estudiantes [1] 413 437 415 414 396 418 429 373 428 428 424 412 367 406 435 417 NA 421 414 436 NA 415 434 [24] 411 412 411 NA 378 411 411 402 410 408 > datos_imputados_completos1$Habilidades.de.los.estudiantes [1] 413 437 415 414 396 418 429 373 428 428 424 412 367 406 435 417 415 421 414 436 435 415 434 [24] 411 412 411 415 378 411 411 402 410 408 5. Realiza un boxplot para la variable en la que encontraste valores perdidos. Realiza el boxplot con los datos originales y con los datos imputados. Describe que cambios observas. Indica los valores que le corresponden a q25, q50, q75 y a los bigotes de la caja. ¿Hay observaciones discrepantes? ¿A qué entidades federativas corresponden? (Hint: puedes utilizar boxplot.stats en R) boxplot(datos$Habilidades.de.los.estudiantes, main="Boxplot con datos faltantes", xlab="Habilidades.de.los.estudiantes", horizontal= TRUE) boxplot(datos_imputados_completos1$Habilidades.de.los.estudiante s, main="Boxplot con datos imputados", ylab="Habilidades.de.los.estudiantes", horizontal= FALSE) > boxplot.stats(datos$Habilidades.de.los.estudiantes) $stats [1] 396.0 410.0 413.5 424.0 437.0 $n [1] 30 $conf [1] 409.4615 417.5385 $out [1] 373 367 378 > boxplot.stats(datos_imputados_completos1$Habilidades.de.los.estudiantes) $stats [1] 396 411 414 424 437 $n [1] 33 $conf [1] 410.4244 417.5756 $out [1] 373 367 378 En el caso del boxplot con los datos originales, sólo toma en cuenta a los datos que están presentes para hacer el diagrama, ó sea, 30 datos. La mediana (q50) con los datos originales es 413.5, y los valores correspondientes a q25 y q75 (los límites de la caja) son 410 y 424 respectivamente. Los bigotes inferior y superior tienen los valores de 396 y 437 respectivamente. En el caso del boxplot con los datos imputados, se toman en cuenta a las 33 entidades federativas para hacer el diagrama. En este caso, la mediana (q50) tiene un valor de 414, y los límites inferior (q25) y superior (q75) de la caja son 411 y 424 respectivamente. Los bigotes inferior y superior tienen los mismos valores que en el boxplot realizado con los datos originales, 396 y 437, respectivamente. En ambos diagramas se observan tres observaciones discrepantes (también conocidas como aberrantes, discordantes, sorprendentes u outliers), que presentan los valores de 373, 367 y 368. Estos valores corresponden a Chiapas, Guerrero y Tabasco, respectivamente. 6. Explora todas las variables con al menos dos gráficos que te permitan evaluar normalidad. Muestra los gráficos de 10 de estas variables, entre las que deberás incluir a Percepción.de.ausencia.de.corrupción.en.el.sistema.judicial, Tasa.de.mortalidad.materna, Tasa.de.pobreza.extrema y Viviendas.con.acceso.a.servicios.básicos. hist(datos$Habilidades.de.los.estudiantes,freq=TRUE, col="gray", main="Histograma de habilidades de los estudiantes con datos faltantes", ylab="frecuencia absoluta") qqnorm(datos_imputados_completos$Habilidades.de.los.estudia ntes, main="Normal QQ-plot de Habilidades de los estudiantes con datos completos", xlab="Cuantiles Teoricos", ylab="Cuantiles en muestra") hist(datos$Satisfacción.con.la.vida,freq=F, col="gray", main="Histograma de Satisfacción con la vida", ylab="frecuencia relativa") x=datos$Satisfacción.con.la.vida m=mean(datos$Satisfacción.con.la.vida) s=sd(datos$Satisfacción.con.la.vida) curve(dnorm(x, m,s), col="darkblue", add=TRUE) qqnorm(datos$Satisfacción.con.la.vida, main="Normal QQ-plot de Satisfacción.con.la.vida", xlab="Cuantiles Teoricos", ylab="Cuantiles en muestra") qqline(datos$Satisfacción.con.la.vida, col=4) hist(datos$Contaminación.del.aire,freq=FALSE, col="light green", main="Histograma de Contaminación del aire", ylab="frecuencia relativa") x=datos$Contaminación.del.aire m=mean(datos$Contaminación.del.aire) s=sd(datos$Contaminación.del.aire) curve(dnorm(x, m,s), col="black", add=TRUE) hist(datos$Acceso.a.servicios.de.salud,freq=F, col="white", main="Histograma de Acceso a servicios de salud", ylab="frecuencia relativa") x=datos$Acceso.a.servicios.de.salud m=mean(datos$Acceso.a.servicios.de.salud) s=sd(datos$Acceso.a.servicios.de.salud) curve(dnorm(x, m,s), col="purple", add=TRUE) qqnorm(datos$Contaminación.del.aire, main="Normal QQ-plot de Contaminación del aire", xlab="Cuantiles Teoricos", ylab="Cuantiles en muestra") qqnorm(datos$Acceso.a.servicios.de.salud, main="Normal QQ-plot de Acceso a servicios de salud") qqline(datos$Acceso.a.servicios.de.salud, col=3) hist(datos$Deserción.escolar,freq=TRUE, col="gray", main="Histograma de Deserción escolar", ylab="frecuencia absoluta") hist(datos$Empleados.trabajando.muchas.horas,freq=TRUE, col="gray", main="Histograma de Empleados trabajando muchas horas", ylab="frecuencia absoluta") hist(datos$Tasa.de.pobreza.extrema,freq=TRUE, col="gray", main="Histograma de Tasa.de.pobreza.extrema", ylab="frecuencia absoluta") hist(datos$Viviendas.con.acceso.a.servicios.básicos,freq=TRUE, col="gray", main="Histograma de Viviendas.con.acceso.a.servicios.básicos", ylab="frecuencia absoluta") qqnorm(datos$Deserción.escolar, main="Normal QQ-plot de Deserción escolar") qqline(datos$Deserción.escolar, col=6) qqnorm(datos$Empleados.trabajando.muchas.horas, main="Normal QQ-plot de Empleados trabajando muchas horas") qqline(datos$Empleados.trabajando.muchas.horas, col=4) qqnorm(datos$Tasa.de.pobreza.extrema, main="Normal QQ-plot de Tasa.de.pobreza.extrema") qqline(datos$Tasa.de.pobreza.extrema, col=2) qqnorm(datos$Viviendas.con.acceso.a.servicios.básicos, main="Normal QQ-plot de Viviendas.con.acceso.a.servicios.básicos") hist(datos$Tasa.de.mortalidad.materna,freq=TRUE, col="gray", main="Histograma de Tasa.de.mortalidad.materna", ylab="frecuencia absoluta") hist(datos$Percepción.de.ausencia.de.corrupción.en.el.sistema.ju dicial,freq=TRUE, col="gray", main="Histograma de Percepción.de.ausencia.de.corrupción.en.el.sistema.judicial", ylab="frecuencia absoluta") qqnorm(datos$Tasa.de.mortalidad.materna, main="Normal QQplot de Tasa.de.mortalidad.materna") qqline(datos$Tasa.de.mortalidad.materna, col=3) qqnorm(datos$Percepción.de.ausencia.de.corrupción.en.el.siste ma.judicial, main="Normal QQ-plot de Percepción.de.ausencia.de.corrupción.en.el.sistema.judicial") qqline(datos$Percepción.de.ausencia.de.corrupción.en.el.sistema 7. Describe tus gráficos para cada una de las variables que graficaste en el punto anterior. ¿Cuáles de estas variables presentan una distribución más simétrica? ¿Cuáles de estas variables tienen una distribución sesgada a la derecha? ¿Cuáles de estas variables tienen distribución sesgada a la izquierda? ¿Qué diferencias notas entre los gráficos qqNormales de las variables más simétricas, las que están sesgadas a la derecha y las que están sesgadas a la izquierda? Las variables que presentan distribuciones más aproximadas a una distribución Normal son Percepción de Ausencia de corrupción en el sistema judicial y Tasa de Mortalidad Materna, las cuales son simétricas, como puede observarse en el histrograma. En los gráficos Normal QQ-Plot, observamos que los puntos generados con la instrucción qq-norm yacen sobre la recta generada con qq-line. Al observar los histogramas, se observa que las variables más sesgadas a la izquierda (con mayor sesgo negativo) son Habilidades de los Estudiantes y Viviendas con acceso a servicios básicos. En el Normal QQ-plot, puede observarse que los puntos generados con la instrucción qq-norm forman una curva debajo de la línea recta generada con qq-line, difiriendo en mayor grado en los puntos graficados para los cuantiles teóricos más bajos. Por otra parte, al observar los histogramas, la variable más sesgada a la derecha (con mayor sesgo positivo) es Tasa de pobreza extrema. En el Normal QQ-plot, puede observarse que los puntos generados con la instrucción qq-norm forman una curva encima de la línea recta generada con qq-line, difiriendo en mayor grado en los puntos graficados para los cuantiles teóricos más altos. 9. Calcula el vector de medias, la matriz de varianzas y covarianzas, y la matriz de correlaciones. Para calcular el vector de medias, utilicé el siguiente código en R. M1<-mean(Satisfacción.con.la.vida) M2<-mean(Gini.del.ingreso.disponible.de.los.hogares.per.cápita) M3<-mean(Ingreso.equivalente.disponible.de.los.hogares) M4<-mean(Tasa.de.pobreza) M5<-mean(Tasa.de.pobreza.extrema) M6<-mean(Contaminación.del.aire) M7<-mean(Habitaciones.por.persona) M8<-mean(Porcentaje.de.viviendas.con.techos.de.materiales.resistentes) M9<-mean(Empleados.trabajando.muchas.horas) M10<-mean(Satisfacción.con.tiempo.para.ocio) M11<-mean(Hogares.con.acceso.a.banda.ancha) M12<-mean(Viviendas.con.acceso.a.servicios.básicos) M13<-mean(Acceso.a.servicios.de.salud) M14<-mean(Esperanza.de.vida.al.nacer) M15<-mean(Tasa.de.mortalidad.infantil) M16<-mean(Tasa.de.mortalidad.materna) M17<-mean(Tasa.de.obesidad) M18<-mean(Salud.autorreportada) M19<-mean(Niveles.de.educación) M20<-mean(Deserción.escolar) M21<-mean(Habilidades.de.los.estudiantes) M22<-mean(Tasa.de.homicidios) M23<-mean(Confianza.en.la.policía) M24<-mean(Percepción.de.la.inseguridad) M25<-mean(Tasa.de.incidencia.delictiva) M26<-mean(Participación.cívica.y.política) M27<-mean(Participación.electoral) M28<-mean(Confianza.en.la.aplicación.de.la.ley) M29<-mean(Percepción.de.ausencia.de.corrupción.en.el.sistema.judicial) M30<-mean(Tasa.de.ocupación) M31<-mean(Tasa.de.desempleo) M32<-mean(Tasa.de.informalidad.laboral) M33<-mean(Tasa.de.condiciones.críticas.de.ocupación) vector_de_medias<-c(M1,M2, M3, M4, M5, M6, M7, M8, M9, M10, M11, M12, M13, M14, M15, M16, M17, M18, M19, M20, M21, M22, M23, M24, M25, M26, M27, M28, M29, M30, M31, M32, M33) vector_de_medias is.vector(vector_de_medias) write.xlsx(vector_de_medias, "C:/Users/Karla/Desktop/vectorMedias.xlsx") > vector_de_medias [1] 7.954545e+00 4.805455e-01 6.666212e+03 4.472424e+01 8.918182e+00 1.002727e+01 9.575758e-01 [8] 7.097273e+01 2.717848e+01 7.748485e+00 3.352485e+01 8.753091e+01 8.313636e+01 7.501576e+01 [15] 1.248788e+01 3.845758e+01 3.401515e+01 8.154545e+00 3.928485e+01 1.309394e+01 4.118182e+02 [22] 1.963636e+01 5.149091e+01 4.037576e+01 3.513730e+04 7.040000e+00 6.263030e+01 6.009091e+00 [29] 3.120303e+01 5.776606e+01 4.653939e+00 5.738182e+01 1.116364e+01 > is.vector(vector_de_medias) [1] TRUE El vector de medias es: 7.954545𝑒 + 00 ⎡ 4.805455𝑒 − 01 ⎤ ⎢ ⎥ 6.666212𝑒 + 03 ⎢ ⎥ 4.472424𝑒 + 01 ⎢ ⎥ ⎢ 8.918182𝑒 + 00 ⎥ ⎢ 1.002727𝑒 + 01 ⎥ ⎢ 9.575758𝑒 − 01 ⎥ ⎢ 7.097273𝑒 + 01 ⎥ ⎢ 2.717848𝑒 + 01 ⎥ ⎢ 7.748485𝑒 + 00 ⎥ ⎢ 3.352485𝑒 + 01 ⎥ ⎢ 8.753091𝑒 + 01 ⎥ ⎢ 8.313636𝑒 + 01 ⎥ ⎢ 7.501576𝑒 + 01 ⎥ ⎢ 1.248788𝑒 + 01 ⎥ ⎢ 3.845758𝑒 + 01 ⎥ � 𝑋=⎢ 3.401515𝑒 + 01 ⎥ ⎢ 8.154545𝑒 + 00 ⎥ ⎢ 3.928485𝑒 + 01 ⎥ ⎢ 1.309394𝑒 + 01 ⎥ ⎢ ⎥ 4.118182𝑒 + 02 ⎢ ⎥ ⎢ 1.963636𝑒 + 01 ⎥ ⎢ 5.149091𝑒 + 01 ⎥ ⎢ 4.037576𝑒 + 01 ⎥ ⎢ 3.513730𝑒 + 04 ⎥ ⎢ 7.040000𝑒 + 00 ⎥ ⎢ 6.263030𝑒 + 01 ⎥ ⎢ 6.009091𝑒 + 00 ⎥ ⎢ 3.120303𝑒 + 01 ⎥ ⎢ 5.776606𝑒 + 01 ⎥ ⎢ 4.653939𝑒 + 00 ⎥ ⎢ 5.738182𝑒 + 01 ⎥ ⎣ 1.116364𝑒 + 01 ⎦ Para calcular la matriz de varianzas y covarianzas, este fue el código en R. matriz_de_varianzas_y_covarianzas<-cov(datos_sinentidad) write.xlsx(matriz_de_varianzas_y_covarianzas, "C:/Users/Karla/Desktop/matrizVarCov.xlsx") La matriz de varianzas y covarianzas es la siguiente: 0.0557 -0.0016 236.8818 -2.0164 -0.9807 -0.2612 0.0158 0.8478 -0.1725 0.0451 1.4695 0.9998 0.2564 0.0624 -0.0324 -0.0114 0.2060 0.0460 0.8265 0.2388 1.4384 0.0876 0.1936 -0.1389 391.5455 -0.2887 -0.1814 -0.0400 0.2886 0.0124 0.1334 -2.0561 -0.4792 -0.0016 236.8818 -2.0164 -0.9807 -0.2612 0.0009 -8.8072 0.1337 0.1013 -0.0092 -8.8072 2733802.6723 -20407.6709 -9333.7602 -1159.4091 0.1337 -20407.6709 175.3819 85.3699 13.7112 0.1013 -9333.7602 85.3699 55.3828 -0.5418 -0.0092 -1159.4091 13.7112 -0.5418 21.5183 -0.0010 128.3624 -1.1164 -0.6667 0.0696 -0.0778 13704.3810 -111.8328 -88.0279 17.9751 0.0169 -981.6950 12.8470 2.9682 4.5493 -0.0012 160.3581 -1.4765 -0.4465 -0.4407 -0.1157 16239.8139 -131.6298 -65.7106 -3.8767 -0.1027 10729.8189 -94.5927 -62.6224 1.0187 -0.0145 1919.8202 -21.7765 -11.8691 -4.5270 -0.0055 1001.7884 -8.0433 -5.5758 0.4602 0.0085 -1300.2505 11.6453 6.0905 1.1607 0.1044 -6025.3907 57.1195 45.2155 -11.1097 -0.0093 3598.6436 -29.0088 -8.1515 -13.3532 -0.0013 220.8693 -1.8567 -0.9541 -0.1659 -0.0320 9657.4502 -70.1746 -34.2300 -1.9152 -0.0179 -87.6049 0.3948 1.8801 2.9217 -0.1806 16711.8835 -154.2392 -107.4622 22.0239 -0.0753 -1682.0455 -5.9775 2.9656 0.8074 -0.0116 2631.6270 -39.3507 -21.8623 -13.1576 -0.0250 -273.9416 14.2150 -3.9674 22.1804 -76.2932 5442989.7775 -25547.9732 -24076.9088 20395.7259 0.0110 -1455.5138 13.2146 8.5817 -3.5448 0.0590 -766.8348 15.8764 7.6676 2.4495 0.0132 -574.1911 3.2945 6.0970 -7.2148 -0.0335 433.2181 -23.4495 -17.0051 -11.5301 -0.0109 2432.5796 -18.0793 -6.7314 -5.0048 -0.0123 1138.1295 -9.2225 -6.4559 0.7253 0.1160 -17790.9282 160.3409 77.1045 14.7928 0.0617 -5997.3952 57.7593 31.5013 -1.1859 0.0158 0.8478 -0.0010 -0.0778 128.3624 13704.3810 -1.1164 -111.8328 -0.6667 -88.0279 0.0696 17.9751 0.0125 0.9504 0.9504 279.3927 -0.1304 0.8097 0.0106 -0.3711 0.9019 89.7419 0.7626 113.1876 0.1032 16.7204 0.0549 12.5664 -0.0543 -16.4775 -0.5912 -110.2728 0.0585 -6.9014 0.0152 1.3281 0.4909 54.9564 0.0238 -18.3064 1.5045 225.6699 0.1578 -46.5312 0.1359 59.3860 -0.0001 5.4837 359.4758 62799.5741 -0.1829 -15.2883 -0.1165 2.6590 -0.0947 -10.3822 0.1808 18.5660 0.0161 15.2822 0.0897 9.8801 -1.0586 -89.4557 -0.4091 -42.5635 -0.1725 0.0451 1.4695 0.9998 0.2564 0.0169 -0.0012 -0.1157 -0.1027 -0.0145 -981.6950 160.3581 16239.8139 10729.8189 1919.8202 12.8470 -1.4765 -131.6298 -94.5927 -21.7765 2.9682 -0.4465 -65.7106 -62.6224 -11.8691 4.5493 -0.4407 -3.8767 1.0187 -4.5270 -0.1304 0.0106 0.9019 0.7626 0.1032 0.8097 -0.3711 89.7419 113.1876 16.7204 17.0241 -0.4379 -10.3788 -3.7060 -0.2043 -0.4379 0.0595 1.1147 0.3487 0.1379 -10.3788 1.1147 119.0033 74.8174 11.6098 -3.7060 0.3487 74.8174 85.1677 10.4477 -0.2043 0.1379 11.6098 10.4477 10.4780 0.2283 -0.0106 6.0722 6.7465 1.2483 1.2135 -0.0247 -7.9789 -7.8422 -2.1692 5.0075 0.6937 -44.9630 -57.0458 -6.2606 -1.7217 0.2236 20.1580 4.5547 4.6985 -0.1909 0.0348 1.4409 1.0973 0.1995 -2.9200 0.5636 59.8601 37.5499 7.0443 3.0468 0.1484 -0.9719 -4.1644 1.3352 -20.6231 0.2778 125.4131 143.4561 10.0193 -22.7738 1.5707 20.4967 -18.7177 0.6052 -4.8451 0.0061 12.1179 29.4669 14.8594 20.8814 -0.6019 1.2548 -1.5203 -6.9003 19727.4011 1.5755 45625.7213 22441.0528 -5494.4176 1.5083 -0.1796 -10.7262 -9.8592 1.3530 7.5818 -0.2918 -16.0949 -8.2190 1.6598 -3.6147 0.1460 -7.1387 -4.7900 2.1712 -9.2958 0.3373 -0.1416 18.8975 12.3886 -1.1641 -0.0022 18.1006 9.1646 2.5672 0.9545 0.0489 7.3371 8.0915 0.4428 14.6529 -1.5469 -117.1010 -85.6185 -19.9575 5.7091 -0.3279 -45.2196 -30.7074 -5.9564 0.0624 -0.0055 1001.7884 -8.0433 -5.5758 0.4602 0.0549 12.5664 0.2283 -0.0106 6.0722 6.7465 1.2483 0.9217 -1.0048 -6.7062 1.3665 0.0714 3.9940 -0.7525 11.4683 -4.6124 3.0340 1.1617 2209.4670 -0.5581 0.5890 -0.3918 2.0135 1.0701 0.7526 -6.3352 -2.6720 -0.0324 -0.0114 0.2060 0.0460 0.8265 0.0085 0.1044 -0.0093 -0.0013 -0.0320 -1300.2505 -6025.3907 3598.6436 220.8693 9657.4502 11.6453 57.1195 -29.0088 -1.8567 -70.1746 6.0905 45.2155 -8.1515 -0.9541 -34.2300 1.1607 -11.1097 -13.3532 -0.1659 -1.9152 -0.0543 -0.5912 0.0585 0.0152 0.4909 -16.4775 -110.2728 -6.9014 1.3281 54.9564 1.2135 5.0075 -1.7217 -0.1909 -2.9200 -0.0247 0.6937 0.2236 0.0348 0.5636 -7.9789 -44.9630 20.1580 1.4409 59.8601 -7.8422 -57.0458 4.5547 1.0973 37.5499 -2.1692 -6.2606 4.6985 0.1995 7.0443 -1.0048 -6.7062 1.3665 0.0714 3.9940 3.0748 10.4029 -1.5564 -0.0303 -3.5918 10.4029 139.0806 0.7085 -0.4111 -25.8497 -1.5564 0.7085 26.7570 0.0807 12.0962 -0.0303 -0.4111 0.0807 0.0451 0.8059 -3.5918 -25.8497 12.0962 0.8059 41.9832 2.5452 13.2988 0.7135 0.1460 -1.6263 -13.3866 -111.3017 -9.1972 1.8790 54.3534 3.2330 42.7400 -9.5812 0.0339 -0.4551 -11.4589 -37.9332 4.9805 0.3074 -5.5358 4.7256 -14.9998 -4.3087 -0.1718 6.6159 3791.8788 -7487.8774 -8204.6360 602.0142 26880.0329 -0.4265 8.4875 0.6309 -0.3224 -4.8583 0.3263 0.7501 2.0942 -0.2014 0.4836 -1.5391 5.0389 2.4072 -0.0418 -3.7778 -4.9490 -25.3992 3.2231 0.3126 -0.9581 -1.6315 -3.4445 9.6046 0.0699 8.0267 -0.6148 -9.3392 0.0283 0.1355 5.1816 8.6620 49.0751 -22.9863 -1.9601 -61.7101 4.2158 25.0559 -7.9788 -0.4408 -20.9321 0.2388 1.4384 0.0876 -0.0179 -0.1806 -0.0753 -87.6049 16711.8835 -1682.0455 0.3948 -154.2392 -5.9775 1.8801 -107.4622 2.9656 2.9217 22.0239 0.8074 0.0238 1.5045 0.1578 -18.3064 225.6699 -46.5312 3.0468 -20.6231 -22.7738 0.1484 0.2778 1.5707 -0.9719 125.4131 20.4967 -4.1644 143.4561 -18.7177 1.3352 10.0193 0.6052 -0.7525 11.4683 -4.6124 2.5452 -13.3866 3.2330 13.2988 -111.3017 42.7400 0.7135 -9.1972 -9.5812 0.1460 1.8790 0.0339 -1.6263 54.3534 -0.4551 16.9925 -10.8886 11.5412 -10.8886 346.8409 -23.1494 11.5412 -23.1494 207.9574 -5.8544 56.5452 -27.2547 6.0742 -17.2327 -25.6235 -113.3419 43194.1818 1034.2668 -0.1581 -26.0334 3.0781 -2.8707 -22.3568 -32.9405 -1.0189 -13.4011 0.2886 4.3778 28.8224 15.4802 -1.6959 7.4464 -0.4015 -0.4639 10.7598 -4.4123 -5.4286 -143.3447 -14.0118 2.1516 -64.0943 -16.6439 0.1936 -0.0116 2631.6270 -39.3507 -21.8623 -13.1576 0.1359 59.3860 -4.8451 0.0061 12.1179 29.4669 14.8594 3.0340 -11.4589 -37.9332 4.9805 0.3074 -5.5358 -5.8544 56.5452 -27.2547 91.3102 -41.1002 -44091.1190 1.0525 -2.3360 12.1154 43.9728 2.9227 0.1899 -34.0606 -11.3657 -0.1389 391.5455 -0.2887 -0.0250 -76.2932 0.0110 -273.9416 5442989.7775 -1455.5138 14.2150 -25547.9732 13.2146 -3.9674 -24076.9088 8.5817 22.1804 20395.7259 -3.5448 -0.0001 359.4758 -0.1829 5.4837 62799.5741 -15.2883 20.8814 19727.4011 1.5083 -0.6019 1.5755 -0.1796 1.2548 45625.7213 -10.7262 -1.5203 22441.0528 -9.8592 -6.9003 -5494.4176 1.3530 1.1617 2209.4670 -0.5581 4.7256 3791.8788 -0.4265 -14.9998 -7487.8774 8.4875 -4.3087 -8204.6360 0.6309 -0.1718 602.0142 -0.3224 6.6159 26880.0329 -4.8583 6.0742 -113.3419 -0.1581 -17.2327 43194.1818 -26.0334 -25.6235 1034.2668 3.0781 -41.1002 -44091.1190 1.0525 71.4950 63690.3826 -5.6466 63690.3826 162915848.4678 -13041.3547 -5.6466 -13041.3547 8.7889 11.5298 969.2280 3.7341 -15.4448 -18461.5557 4.1442 -28.8905 -46584.0822 -0.2264 -4.2847 6250.9962 1.5556 4.0169 5876.2660 -1.4625 14.6084 -18338.0134 16.9968 0.7328 -8557.9355 5.2783 -0.1814 0.0590 -766.8348 15.8764 7.6676 2.4495 -0.1165 2.6590 7.5818 -0.2918 -16.0949 -8.2190 1.6598 0.5890 0.3263 0.7501 2.0942 -0.2014 0.4836 -2.8707 -22.3568 -32.9405 -2.3360 11.5298 969.2280 3.7341 25.4084 2.6757 -8.6907 -2.7483 -0.0308 21.9233 9.8955 -0.0400 0.2886 0.0124 0.0132 -0.0335 -0.0109 -574.1911 433.2181 2432.5796 3.2945 -23.4495 -18.0793 6.0970 -17.0051 -6.7314 -7.2148 -11.5301 -5.0048 -0.0947 0.1808 0.0161 -10.3822 18.5660 15.2822 -3.6147 -9.2958 -1.1641 0.1460 0.3373 -0.0022 -7.1387 -0.1416 18.1006 -4.7900 18.8975 9.1646 2.1712 12.3886 2.5672 -0.3918 2.0135 1.0701 -1.5391 -4.9490 -1.6315 5.0389 -25.3992 -3.4445 2.4072 3.2231 9.6046 -0.0418 0.3126 0.0699 -3.7778 -0.9581 8.0267 -1.0189 4.3778 -1.6959 -13.4011 28.8224 7.4464 0.2886 15.4802 -0.4015 12.1154 43.9728 2.9227 -15.4448 -28.8905 -4.2847 -18461.5557 -46584.0822 6250.9962 4.1442 -0.2264 1.5556 2.6757 -8.6907 -2.7483 7.0063 8.3781 0.7000 8.3781 57.1841 -3.0253 0.7000 -3.0253 11.4770 -1.0570 0.9981 -0.4840 3.1840 -34.2106 -12.3429 4.3509 -6.2164 -5.1586 0.1334 -2.0561 -0.4792 -0.0123 0.1160 0.0617 1138.1295 -17790.9282 -5997.3952 -9.2225 160.3409 57.7593 -6.4559 77.1045 31.5013 0.7253 14.7928 -1.1859 0.0897 -1.0586 -0.4091 9.8801 -89.4557 -42.5635 0.9545 14.6529 5.7091 0.0489 -1.5469 -0.3279 7.3371 -117.1010 -45.2196 8.0915 -85.6185 -30.7074 0.4428 -19.9575 -5.9564 0.7526 -6.3352 -2.6720 -0.6148 8.6620 4.2158 -9.3392 49.0751 25.0559 0.0283 -22.9863 -7.9788 0.1355 -1.9601 -0.4408 5.1816 -61.7101 -20.9321 -0.4639 -5.4286 2.1516 10.7598 -143.3447 -64.0943 -4.4123 -14.0118 -16.6439 0.1899 -34.0606 -11.3657 4.0169 14.6084 0.7328 5876.2660 -18338.0134 -8557.9355 -1.4625 16.9968 5.2783 -0.0308 21.9233 9.8955 -1.0570 3.1840 4.3509 0.9981 -34.2106 -6.2164 -0.4840 -12.3429 -5.1586 1.7201 -8.4438 -2.7477 -8.4438 164.8484 52.5215 -2.7477 52.5215 27.3486 Para calcular la matriz de correlaciones, este fue el código en R. matriz_de_varianzas_y_covarianzas<-cov(datos_sinentidad) write.xlsx(matriz_de_varianzas_y_covarianzas, "C:/Users/Karla/Desktop/matrizVarCov.xlsx") La matriz de correlaciones es la siguiente: matriz_de_correlaciones<-cor(datos_sinentidad) write.xlsx(matriz_de_correlaciones, "C:/Users/Karla/Desktop/matrizCor.xlsx") 1.0000 -0.2256 0.6071 -0.6452 -0.5585 -0.2386 0.5993 0.2149 -0.1772 0.7836 0.5709 0.4591 0.3357 0.2756 -0.0784 -0.0041 0.1688 0.9183 0.5406 0.2455 0.3273 0.0258 0.0859 -0.0696 0.1300 -0.4126 -0.1525 -0.0641 0.1617 0.0155 0.4310 -0.6787 -0.3883 -0.2256 1.0000 -0.1773 0.3362 0.4533 -0.0659 -0.2858 -0.1550 0.1365 -0.1642 -0.3530 -0.3703 -0.1494 -0.1906 0.1620 0.2946 -0.0598 -0.2038 -0.1643 -0.1449 -0.3229 -0.1738 -0.0404 -0.0985 -0.1990 0.1240 0.3896 0.1663 -0.1475 -0.1070 -0.3120 0.3007 0.3928 0.6071 -0.1773 1.0000 -0.9320 -0.7586 -0.1512 0.6939 0.4959 -0.1439 0.3978 0.9004 0.7032 0.3587 0.6311 -0.4485 -0.3090 0.4208 0.6293 0.9014 -0.0129 0.5427 -0.0705 0.1666 -0.0196 0.2579 -0.2969 -0.0920 -0.1312 0.0346 0.4343 0.5248 -0.8381 -0.6936 -0.6452 -0.5585 0.3362 0.4533 -0.9320 -0.7586 1.0000 0.8662 0.8662 1.0000 0.2232 -0.0157 -0.7535 -0.8007 -0.5052 -0.7077 0.2351 0.0967 -0.4573 -0.2461 -0.9111 -0.8094 -0.7740 -0.9118 -0.5080 -0.4927 -0.6326 -0.7804 0.5015 0.4667 0.3657 0.5152 -0.4235 -0.2118 -0.6605 -0.6040 -0.8178 -0.7099 0.0072 0.0613 -0.6254 -0.7754 -0.0313 0.0276 -0.3110 -0.3074 0.1269 -0.0630 -0.1511 -0.2535 0.3366 0.3890 0.2378 0.2044 0.0940 0.3095 -0.2342 -0.3022 -0.4030 -0.2670 -0.5310 -0.6614 0.9430 0.8070 0.8340 0.8094 -0.2386 -0.0659 -0.1512 0.2232 -0.0157 1.0000 0.1342 0.2318 0.2377 -0.3897 -0.0766 0.0238 -0.3015 0.1033 0.1427 -0.2031 -0.5565 -0.1685 -0.0637 0.1528 0.2549 0.0121 -0.2968 0.5655 0.3445 -0.2578 0.1048 -0.5876 -0.3287 -0.3185 0.1192 0.2484 -0.0489 0.5993 -0.2858 0.6939 -0.7535 -0.8007 0.1342 1.0000 0.5082 -0.2826 0.3870 0.7389 0.7385 0.2848 0.5115 -0.2767 -0.4481 0.1010 0.6400 0.6771 0.0516 0.7220 0.0978 0.1271 -0.0001 0.2517 -0.5513 -0.2065 -0.3197 0.2136 0.0425 0.6113 -0.7369 -0.6991 0.2149 -0.1550 0.4959 -0.5052 -0.7077 0.2318 0.5082 1.0000 0.0117 -0.0911 0.4922 0.7338 0.3090 0.7831 -0.5622 -0.5594 -0.0798 0.3743 0.5074 -0.2657 0.7249 -0.1930 0.3718 0.0388 0.2944 -0.3085 0.0316 -0.2347 0.1469 0.2699 0.4507 -0.4168 -0.4869 -0.1772 0.1365 -0.1439 0.2351 0.0967 0.2377 -0.2826 0.0117 1.0000 -0.4352 -0.2306 -0.0973 -0.0153 0.0576 0.1677 0.1029 -0.0807 -0.2179 -0.1092 0.1791 -0.2684 -0.3828 -0.1229 0.5985 0.3746 0.1233 0.3645 -0.3310 -0.2979 -0.0833 0.1764 0.2766 0.2646 0.7836 -0.1642 0.3978 -0.4573 -0.2461 -0.3897 0.3870 -0.0911 -0.4352 1.0000 0.4191 0.1550 0.1747 -0.0452 -0.0578 0.2412 0.1773 0.6719 0.3567 0.1477 0.0612 0.4467 0.0026 -0.2920 0.0005 -0.2484 -0.2374 0.2262 0.1830 -0.0026 0.1529 -0.4941 -0.2571 0.5709 -0.3530 0.9004 -0.9111 -0.8094 -0.0766 0.7389 0.4922 -0.2306 0.4191 1.0000 0.7432 0.3288 0.5798 -0.4171 -0.3495 0.3572 0.6222 0.8469 -0.0216 0.6173 0.1303 0.1162 0.0136 0.3277 -0.3317 -0.2927 -0.2472 -0.0017 0.4898 0.5128 -0.8361 -0.7926 0.4591 -0.3703 0.7032 -0.7740 -0.9118 0.0238 0.7385 0.7338 -0.0973 0.1550 0.7432 1.0000 0.3497 0.7615 -0.4846 -0.5241 0.0954 0.5602 0.6280 -0.1095 0.8347 -0.1406 0.3341 -0.0195 0.1905 -0.3604 -0.1767 -0.1961 0.2708 0.2931 0.6685 -0.7226 -0.6363 0.3357 -0.1494 0.3587 -0.5080 -0.4927 -0.3015 0.2848 0.3090 -0.0153 0.1747 0.3288 0.3497 1.0000 0.4017 -0.3822 -0.1640 0.2806 0.2904 0.3359 0.1001 0.1662 0.0130 0.4804 -0.2521 -0.1330 0.1410 0.1017 0.2534 0.5061 0.2341 0.1043 -0.4802 -0.3519 0.2756 -0.1906 0.6311 -0.6326 -0.7804 0.1033 0.5115 0.7831 0.0576 -0.0452 0.5798 0.7615 0.4017 1.0000 -0.5969 -0.5923 0.2752 0.3502 0.6421 -0.1901 0.6414 -0.3332 0.3307 0.1431 0.1803 -0.1961 0.1217 -0.1542 0.2774 0.3290 0.5978 -0.5140 -0.5322 -0.0784 0.1620 -0.4485 0.5015 0.4667 0.1427 -0.2767 -0.5622 0.1677 -0.0578 -0.4171 -0.4846 -0.3822 -0.5969 1.0000 0.5030 -0.1716 -0.0813 -0.3161 0.3521 -0.4099 0.1278 -0.6839 0.3187 0.1694 -0.0820 0.0369 -0.3316 -0.3732 -0.2746 -0.2673 0.3847 0.4597 -0.0041 0.2946 -0.3090 0.3657 0.5152 -0.2031 -0.4481 -0.5594 0.1029 0.2412 -0.3495 -0.5241 -0.1640 -0.5923 0.5030 1.0000 0.0116 -0.1642 -0.3383 0.2736 -0.5068 0.2513 -0.3366 -0.1504 -0.0497 0.2428 0.0126 0.1614 -0.2848 -0.0862 -0.6038 0.3241 0.4063 0.1688 -0.0598 0.4208 -0.4235 -0.2118 -0.5565 0.1010 -0.0798 -0.0807 0.1773 0.3572 0.0954 0.2806 0.2752 -0.1716 0.0116 1.0000 0.0735 0.3609 0.0335 -0.0955 -0.1284 0.1008 -0.0985 -0.1243 0.0411 0.0803 0.1758 0.0824 0.5481 0.0042 -0.3461 -0.2950 0.9183 -0.2038 0.6293 -0.6605 -0.6040 -0.1685 0.6400 0.3743 -0.2179 0.6719 0.6222 0.5602 0.2904 0.3502 -0.0813 -0.1642 0.0735 1.0000 0.5859 0.1668 0.4753 0.0111 0.1515 -0.0957 0.2222 -0.5123 -0.1882 -0.0744 0.1948 0.0972 0.4868 -0.7192 -0.3971 0.5406 -0.1643 0.9014 -0.8178 -0.7099 -0.0637 0.6771 0.5074 -0.1092 0.3567 0.8469 0.6280 0.3359 0.6421 -0.3161 -0.3383 0.3609 0.5859 1.0000 -0.0609 0.4504 -0.0049 -0.0894 0.1208 0.3250 -0.2529 0.0148 -0.2203 -0.0196 0.3657 0.6097 -0.7418 -0.6177 0.2455 -0.1449 -0.0129 0.0072 0.0613 0.1528 0.0516 -0.2657 0.1791 0.1477 -0.0216 -0.1095 0.1001 -0.1901 0.3521 0.2736 0.0335 0.1668 -0.0609 1.0000 -0.1418 0.1941 -0.1486 0.1743 -0.0022 -0.0129 -0.1382 -0.0934 0.1404 -0.1214 -0.0858 -0.1026 0.0998 0.3273 -0.3229 0.5427 -0.6254 -0.7754 0.2549 0.7220 0.7249 -0.2684 0.0612 0.6173 0.8347 0.1662 0.6414 -0.4099 -0.5068 -0.0955 0.4753 0.4504 -0.1418 1.0000 -0.0862 0.3177 -0.1094 0.1817 -0.4715 -0.2382 -0.2719 0.2047 0.1180 0.4405 -0.5995 -0.6581 0.0258 -0.1738 -0.0705 -0.0313 0.0276 0.0121 0.0978 -0.1930 -0.3828 0.4467 0.1303 -0.1406 0.0130 -0.3332 0.1278 0.2513 -0.1284 0.0111 -0.0049 0.1941 -0.0862 1.0000 -0.1978 -0.2101 0.0056 0.0720 -0.4532 0.0076 0.1420 -0.0082 -0.2333 -0.0757 -0.2207 0.0859 -0.0404 0.1666 -0.3110 -0.3074 -0.2968 0.1271 0.3718 -0.1229 0.0026 0.1162 0.3341 0.4804 0.3307 -0.6839 -0.3366 0.1008 0.1515 -0.0894 -0.1486 0.3177 -0.1978 1.0000 -0.5087 -0.3615 0.0372 -0.0485 0.4790 0.6085 0.0903 0.0152 -0.2776 -0.2274 -0.0696 -0.0985 -0.0196 0.1269 -0.0630 0.5655 -0.0001 0.0388 0.5985 -0.2920 0.0136 -0.0195 -0.2521 0.1431 0.3187 -0.1504 -0.0985 -0.0957 0.1208 0.1743 -0.1094 -0.2101 -0.5087 1.0000 0.5901 -0.2253 0.2705 -0.6901 -0.4518 -0.1496 0.3622 0.1346 0.0166 0.1300 -0.1990 0.2579 -0.1511 -0.2535 0.3445 0.2517 0.2944 0.3746 0.0005 0.3277 0.1905 -0.1330 0.1803 0.1694 -0.0497 -0.1243 0.2222 0.3250 -0.0022 0.1817 0.0056 -0.3615 0.5901 1.0000 -0.3446 0.0151 -0.5464 -0.4826 0.1446 0.3510 -0.1119 -0.1282 -0.4126 0.1240 -0.2969 0.3366 0.3890 -0.2578 -0.5513 -0.3085 0.1233 -0.2484 -0.3317 -0.3604 0.1410 -0.1961 -0.0820 0.2428 0.0411 -0.5123 -0.2529 -0.0129 -0.4715 0.0720 0.0372 -0.2253 -0.3446 1.0000 0.2499 0.5281 -0.0101 0.1549 -0.3761 0.4465 0.3405 -0.1525 0.3896 -0.0920 0.2378 0.2044 0.1048 -0.2065 0.0316 0.3645 -0.2374 -0.2927 -0.1767 0.1017 0.1217 0.0369 0.0126 0.0803 -0.1882 0.0148 -0.1382 -0.2382 -0.4532 -0.0485 0.2705 0.0151 0.2499 1.0000 0.2005 -0.2280 -0.1609 -0.0047 0.3387 0.3754 -0.0641 0.1663 -0.1312 0.0940 0.3095 -0.5876 -0.3197 -0.2347 -0.3310 0.2262 -0.2472 -0.1961 0.2534 -0.1542 -0.3316 0.1614 0.1758 -0.0744 -0.2203 -0.0934 -0.2719 0.0076 0.4790 -0.6901 -0.5464 0.5281 0.2005 1.0000 0.4186 0.0781 -0.3045 0.0937 0.3143 0.1617 0.0155 -0.1475 -0.1070 0.0346 0.4343 -0.2342 -0.4030 -0.3022 -0.2670 -0.3287 -0.3185 0.2136 0.0425 0.1469 0.2699 -0.2979 -0.0833 0.1830 -0.0026 -0.0017 0.4898 0.2708 0.2931 0.5061 0.2341 0.2774 0.3290 -0.3732 -0.2746 -0.2848 -0.0862 0.0824 0.5481 0.1948 0.0972 -0.0196 0.3657 0.1404 -0.1214 0.2047 0.1180 0.1420 -0.0082 0.6085 0.0903 -0.4518 -0.1496 -0.4826 0.1446 -0.0101 0.1549 -0.2280 -0.1609 0.4186 0.0781 1.0000 -0.1181 -0.1181 1.0000 0.1006 -0.1089 -0.3524 -0.2838 -0.1572 -0.2912 0.4310 -0.3120 0.5248 -0.5310 -0.6614 0.1192 0.6113 0.4507 0.1764 0.1529 0.5128 0.6685 0.1043 0.5978 -0.2673 -0.6038 0.0042 0.4868 0.6097 -0.0858 0.4405 -0.2333 0.0152 0.3622 0.3510 -0.3761 -0.0047 -0.3045 0.1006 -0.1089 1.0000 -0.5014 -0.4006 -0.6787 0.3007 -0.8381 0.9430 0.8070 0.2484 -0.7369 -0.4168 0.2766 -0.4941 -0.8361 -0.7226 -0.4802 -0.5140 0.3847 0.3241 -0.3461 -0.7192 -0.7418 -0.1026 -0.5995 -0.0757 -0.2776 0.1346 -0.1119 0.4465 0.3387 0.0937 -0.3524 -0.2838 -0.5014 1.0000 0.7822 -0.3883 0.3928 -0.6936 0.8340 0.8094 -0.0489 -0.6991 -0.4869 0.2646 -0.2571 -0.7926 -0.6363 -0.3519 -0.5322 0.4597 0.4063 -0.2950 -0.3971 -0.6177 0.0998 -0.6581 -0.2207 -0.2274 0.0166 -0.1282 0.3405 0.3754 0.3143 -0.1572 -0.2912 -0.4006 0.7822 1.0000 • Indica entre que pares de variables hay mayor correlación y entre que pares de variables hay menos correlación. Las variables con mayor correlación son Ingreso equivalente disponible en los hogares y Tasa de pobreza, con una correlación fuertemente negativa (r= -0.9332). Las variables con menor correlación son Percepción de la inseguridad y habitaciones por persona, las cuales presentan una correlación débil y negativa (r=-0.0001) • Indica que variables tienen mayor variabilidad Al comparar las varianzas de las variables, las variables con mayor varianza son Tasa de Incidencia delictiva (varianza= 162915848.467803) e Ingreso Disponible equivalente en los hogares. (varianza =2733802.67234848). Sin embargo, ya que las unidades en que se han medido estas variables son distintas, para comparar su variabilidad se utiliza el coeficiente de variación (C.V.=(s/𝑥̅ ) *100). Así, las variables con mayor variabilidad son Tasa de pobreza extrema (C.V= 83.447%), Tasa de homicidios (C.V.=73.439%) y Tasa de condiciones críticas de ocupación( C.V.= 46.845%) 10. Genera gráficos multivariados para comparar las entidades federativas. ¿Cuáles se parecen menos? Si tuvieras que formar grupos de entidades federativas ¿Cuáles formarías y por qué? Es importante verificar que las variables con las que realicemos los gráficos estén siendo tomadas de manera adecuada por R para poder realizar los gráficos multivariados. En el caso de esta base de datos, las variables Ingreso equivalente disponible en los hogares y Tasa de incidencia delictiva tenían otro formato distinto al numérico en el archivo original, de manera que R no los detectaba como variables numéricas y resultaba imposible realizar el gráfico de caras de Chernov. Al corregir el formato en el archivo .csv y volverlo a importar a R, estas variables son detectadas como variables numéricas. > is.numeric(Ingreso.equivalente.disponible.de.los.hogares) [1] FALSE > is.numeric(Tasa.de.incidencia.delictiva) [1] FALSE > is.numeric(Tasa.de.incidencia.delictiva) [1] TRUE > is.numeric(Ingreso.equivalente.disponible.de.los.hogares) [1] TRUE Para generar los gráficos de Estrellas y Caritas de Chernov, utilicé el siguiente código: #Para generar una base de datos sin la columna de nombres( “Entidad”) datos_sinentidad<-datos_imputados_completos[,-grep("Entidad",colnames(datos_imputados_completos4))] #Para generar un vector de nombres con “Entidad” nombres<-as.vector(datos_imputados_completos$Entidad) #Gráfico de estrellas stars(datos_sinentidad, labels=nombres) #Gráfico de caritas de Chernov library("TeachingDemos", lib.loc="~/R/win-library/3.1") faces(datos_sinentidad, labels=nombres) Los estados que se parecen más son México y Morelos y los estados que menos se parecen son Distrito Federal con Tlaxcala. Si hubiera que formar grupos, yo formaría los siguientes: Grupo 1: Guerrero, Oaxaca, Chiapas Grupo2: Nayarit, Yucatán, Zacatecas, Tamaulipas, Baja California, Baja California Sur, Chihuahua, Coahuila, Durango Grupo 3: Nuevo León, Distrito Federal Grupo 4: México, Jalisco, Hidalgo, Querétaro, Guanajuato, Morelos. Literatura consultada 1. Flores Vázquez, G. & Díaz Gutierrez, M.A. 2013. México en PISA 2012. Instituto Nacional para la Evaluación de la Educación. 1ª ed. México.