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

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.