RESOLUCIÓN DE EXAMEN

Carga de base de datos:

1. datos <- read.csv("datos.csv")

datos_2012 <- subset(datos, Año == 2012)

Resumen estadístico para cada país en el año 2012

library(dplyr)

resumen_paises_2012 <- datos_2012 %>%

group_by(País) %>%

summarise(Promedio_PIB = mean(PIB),

Promedio_Inflación = mean(Inflación),

Promedio_Desempleo = mean(Desempleo),

Promedio_EsperanzaVida = mean(EsperanzaVida),

Promedio_ÍndiceGini = mean(ÍndiceGini))

Generación de un gráfico que muestre la relación entre el PIB y la esperanza de vida para los tres
países en el año 2012:

library(ggplot2)

grafico <- ggplot(datos_2012, aes(x = PIB, y = EsperanzaVida, color = País)) +

geom_point() +

labs(title = "Relación entre PIB y Esperanza de Vida en 2012",

x = "PIB",

y = "Esperanza de Vida") +

theme_minimal()

# Mostrar el gráfico

print(grafico)
1. Modelo de Regresión Multivariado:

# Cargar la base de datos

data <- read.csv("tu_archivo.csv") # Reemplaza "tu_archivo.csv" con el nombre de tu archivo CSV

# Ajustar el modelo de regresión multivariado

modelo <- lm(Bienestar ~ Participacion_Programa_A + Participacion_Programa_B + Edad +

Nivel_Educativo + Ingreso_Anual, data = data)

# Ver los resultados del modelo

summary(modelo)

2. Problemas de Multicolinealidad:

# Diagnóstico de multicolinealidad (ejemplo con matriz de correlación)

cor_matrix <- cor(data[c("Participacion_Programa_A", "Participacion_Programa_B", "Edad",

"Ingreso_Anual")])

print(cor_matrix)

# También se pueden utilizar otras técnicas como el Factor de Inflación de la Varianza (VIF) o
análisis de valores propios (eigenvalues)

2. Modelos Logit Binomial y Multinomial:

 Binomial

library(nnet)

# Ajustar un modelo logit binomial para la participación en Programa A

modelo_logit_A <- glm(Participacion_Programa_A ~ Edad + Nivel_Educativo + Ingreso_Anual, data

= data, family = binomial)

# Ver los resultados del modelo

summary(modelo_logit_A)

 Multinomial

# Ajustar un modelo logit multinomial para la participación en ambos programas

modelo_logit_multinomial <- multinom(cbind(Participacion_Programa_A,

Participacion_Programa_B) ~ Edad + Nivel_Educativo + Ingreso_Anual, data = data)

# Ver los resultados del modelo

summary(modelo_logit_multinomial)