Tabla comparativa de los dos modelos (Lineal y Poisson).

Modelo Intercep Coeficie Std. Valor P-valor Desvian AIC R^2 /

to nte Error Z/t Puntaje za Pseudo
Puntaje Puntaje Puntaje Mat Residu R^2 (%)
Mat Mat Mat al

Lineal -1.47 0.043 0.008 5.32 2.99e-0 NA 497.91 26.24%

7

Poisson -3.80 0.012 5.56 2.71e-0 179.93 355.89 NA

0.064 8

El modelo lineal muestra un R^2 de 26.24%, lo que indica que aproximadamente un cuarto
de la variabilidad en el número de premios puede ser explicada por el modelo.

El coeficiente para el puntaje de matemáticas es positivo en ambos modelos, sugiriendo una

asociación positiva entre los puntajes y el número de premios obtenidos: a mayor puntaje en
matemáticas, mayor es el número esperado de premios. Los valores p para este coeficiente
son significativos en ambos casos, indicando que hay evidencia suficiente para afirmar que
esta relación es estadísticamente significativa.

La desviación residual, presente solo en el modelo de Poisson, es una medida del ajuste del
modelo a los datos observados. Un valor menor indica un mejor ajuste. Este modelo
también tiene un AIC significativamente más bajo que el modelo lineal, lo que sugiere que,
considerando tanto la bondad de ajuste como la complejidad del modelo, el modelo de
Poisson es preferible para estos datos.
Boxplots:

Los boxplots muestran la distribución del número de premios y del puntaje de matemáticas
por programa. Estas visualizaciones proporcionan una idea de la variabilidad y la tendencia
central de los datos dentro de cada grupo de programa.

Gráficos de residuos:
Comparación de AIC de los dos modelos:
Vemos que el modelo Poisson tiene un AIC mucho menor (355.89) que el modelo lineal
(497.91). Esto sugiere que, para el conjunto de datos, el modelo Poisson se ajusta mejor a
los datos que el modelo lineal. El modelo Poisson proporciona una mejor representación de
los datos con menos información 'perdida' que el modelo lineal.