Evaluación Recuperativa

Marketing – Método Estadístico

Problema

La fuente de datos es de mediciones específicas de densidad mineral ósea espinal de mil tres
(1003) adolescentes estadounidenses saludables, nuestro objetivo es construir un modelo
que nos permita predecir los factores que influyen en la cantidad de mineral ósea espinal.

idnum: Número de identificación del adolescente. (Cuantitativa)

Variables:

étnico : Etnia del adolescente. (Cualitativa)

edad : Edad del adolescente. (Cuantitativa)
Sexo : Género del adolescente. (Cualitativa)
spnbmd : Medición relativa de densidad mineral ósea espinal.
IMC: Indice de masa corporal.

Se pide:

1. Probar si existe diferencia en la medición relativa de densidad mineral ósea espinal según
etnia. Justifique.

Para este caso, no existe una gran diferencia relativa entre la densidad mineral ósea
espinal según la etnia de las personas, dado que todas son aproximadamente sobre el
90% de densidad mineral ósea. La etnia que más se aleja en parte a las demás en
“Black” cuyo valor aproximado es de un 99% de densidad, en comparación a la menor
que el “Hispanic” con un 92%.

2. Probar si existe diferencia índice de masa corporal según género. Justifique.

Para este caso, al realizar el análisis en R, específicamente con Anova de un factor, no

existe una diferencia significativa en el índice de masa corporal entre hombres y mujeres,
pero si una leve diferencia. El índice de masa corporal en los hombres es 17,55% y en las
mujeres un 17,42%, existiendo una diferencia de un 0,13% entre ambos.
3. Realice un análisis de correlación e indique cual es la mejor variable para llevar a cabo un
modelo de regresión lineal simple para predecir Medición relativa de densidad mineral
ósea espinal.

Por lo tanto, al realizar el análisis de correlación encontramos que la mejor variable para
predecir la medición relativa de densidad mineral ósea espinal es la “Edad”, dado que es
la variable que tiene mayor impacto sobre la variable “spnbmd”.

A continuación, se presenta el modelo de regresión lineal para predecir Medición relativa

de densidad mineral ósea espinal., cuya base se realizó con la variable “Edad”.

𝑌 = β0 + (β1 ∗ 𝑒𝑑𝑎𝑑)
𝑌 = 0,529674 + (0,025613 ∗ 𝑒𝑑𝑎𝑑)

4. Seleccione un modelo de regresión lineal múltiple en su proceso incluya una interacción

entre las variables Interprete los parámetros del estimado. Explique.

Para esta pregunta se procedió a ejecutar el modelo con todas las variables numéricas y
factores y se realizó la interacción entre la variable edad y IMC, debido a que son las
únicas permitidas hay ser variables numéricas.
En relación con la interpretación de los coeficientes, tenemos que tanto el sexo
masculino, la etnia hispánica y el IMC, influyen de forma negativa en el cálculo de la
variable “spnbmd”. Por otro lado, el sexo femenino, la etnia Black, la etnia White, la edad
 y la variable de interacción influyen de forma positiva o incrementan la variable en
calculo.
En relación con el p-value y los supuestos de Beta igual a cero, tenemos que solo en la
variable sexo y etnia el P-value< 0,05, lo que nos indica que se rechaza H0, por lo tanto,
la beta de estas variables es diferentes de cero. Por otro lado, las betas del resto de las
variables pueden tomar valor cero, ya que su p-valué> a 0,05, no rechazando H0 y
pudiendo tomar estos valores.
Finalmente hay que señalar que el R-ajustado es 0,4515, lo cual es un valor muy bajo,
para explicar la varianza en un modelo.

5. Realice un análisis del diagnóstico (supuestos) del modelo seleccionado propuesto.

Discuta la posible existencia de observaciones atípicas.

En relación con el diagnostico de supuestos, en base al outlier test, podemos observar que
el dato 860 es una observación atípica, por lo que se recomienda realizar el calculo del
modelo sin la variable y visualizar los cambios.

En este caso se realizó el test de Breusch-Pagan, el cual plantea:

H0: las varianzas son constantes

H1: las varianzas no son constantes

Para lo cual el p-value<0,05, por lo que se rechaza H0 y se puede señalar que las varianzas
no son constantes, siendo heterocedastico el modelo. A esto también se le podría considerar
una observación atípica para el modelo, ay que cambia constantemente la varianza.