0 calificaciones0% encontró este documento útil (0 votos)
8 vistas16 páginas
Este documento resume y compara tres modelos estadísticos (MLP, Logit y Probit) para predecir la probabilidad de que los estudiantes continúen estudiando. Presenta las variables independientes y sus coeficientes para cada modelo, así como las pruebas de significancia estadística. Finalmente, concluye que el modelo Logit es el mejor modelo según los criterios AIC y BIC, ya que tiene los valores más bajos.
Este documento resume y compara tres modelos estadísticos (MLP, Logit y Probit) para predecir la probabilidad de que los estudiantes continúen estudiando. Presenta las variables independientes y sus coeficientes para cada modelo, así como las pruebas de significancia estadística. Finalmente, concluye que el modelo Logit es el mejor modelo según los criterios AIC y BIC, ya que tiene los valores más bajos.
Este documento resume y compara tres modelos estadísticos (MLP, Logit y Probit) para predecir la probabilidad de que los estudiantes continúen estudiando. Presenta las variables independientes y sus coeficientes para cada modelo, así como las pruebas de significancia estadística. Finalmente, concluye que el modelo Logit es el mejor modelo según los criterios AIC y BIC, ya que tiene los valores más bajos.
demás son independientes: integrantes, Iningreso, edad, hrslectura, sexo, compuinternet. = Podemos decir que por cada integrante de la familia que aumente, la expectativa de seguir estudiando es de -.0209428, si lo demás es constante. = Cuando el ingreso aumenta una unidad, la expectativa aumenta un 10.6% . Si lo demás permanece constante Cuando el tiempo de recorrido a la escuela aumenta una unidad, la expectativa de asistir a la escuela es de -.0565. Si lo demás permanece constante • = Si la edad aumenta una unidad, la expectativa es de -.0019 . Si lo demás permanece constante • =SI es masculino el sexo , tiene una expectativa de .2266 . Si lo demás permanece constante • = Si se tiene una computadoras con internet, la expectativa aumenta un .130392 . Si lo demás permanece constante • Cuando las variables son igual a cero, la expectativa de seguir estudiando es de .02720 Bajo la hipótesis Nula (. El valor es de 0.951, es estadísticamente no significativo Bajo la hipótesis Nula (. El valor es de 0. 117, es estadísticamente no significativo Bajo la hipótesis Nula (. El valor es de. 029, es estadísticamente significativo. Se rechaza la hipótesis nula Bajo la hipótesis Nula (. El valor es de.326, es estadísticamente no significativo Bajo la hipótesis Nula (. El valor es de .736, es estadísticamente no significativo Bajo la hipótesis Nula (. El valor es de .003, es estadísticamente significativa. Se rechaza la hipótesis nula Bajo la hipótesis Nula (. El valor es de .0 , es estadísticamente significativa. Se rechaza la hipótesis nula Bajo la hipótesis Nula (. El valor es de .028, es estadísticamente significativa. Se rechaza la hipótesis nula R^2= .1314, explica los cambios en la expectativa de seguir estudiando ESTIMACIONES DE PROBABILIDADES PUNTUALES Modelo Logit = Podemos decir que por cada integrante de la familia que aumente, la expectativa de seguir estudiando es de logit -.1084, si lo demás es constante. = Cuando el ingreso aumenta una unidad, la expectativa es de logit .6097. Si lo demás permanece constante Cuando el tiempo de recorrido a la escuela aumenta una unidad, la expectativa de asistir a la escuela es de logit -.2939. Si lo demás permanece constante • = Si la edad aumenta una unidad, la expectativa es de logit -.0114. Si lo demás permanece constante • =Si aumentan una hora de lectura, se tiene una expectativa de logit .6710 . Si lo demás permanece constante • =SI es masculino el sexo , tiene una expectativa logit de 1.0989 . Si lo demás permanece constante • = Si se tiene una computadoras con internet, la expectativa aumenta logit .7215 . Si lo demás permanece constante • Cuando las variables son igual a cero, la expectativa de seguir estudiando es de logit – 2.9883
• Pseudo R^2= .1346
PROBABILIDADES PUNTUALES EFECTOS MARGINALES Si tenemos en cuenta las variables de integrantes, Iningreso, edad, hrslectura, sexo, compuinternet. Una persona tiene el 67.48% de probabilidad de seguir estudiando.
Si aumenta un integrante, disminuye .0237 de
seguir estudiando. Si aumenta un porciento del ingreso, aumenta .1337 la probabilidad de seguir estudiando Cuando aumenta el tiempo de distancia disminuye -.064 Cuando aumenta la edad, la probabilidad es de -..002 Si aumentan las horas de lectura la probabilidad aumenta un .147 SI se es hombre la probabilidad de estudias es de .24 Si se tiene una computadora con internet la probabilidad es de .1505 EFECTOS MARGINALES Modelo Probit • Podemos decir que por cada integrante de la familia que aumente, la expectativa de seguir estudiando es de Probit -.0686, si lo demás es constante. • Cuando el ingreso aumenta una unidad, la expectativa es de Probit .3670. Si lo demás permanece constante • Cuando el tiempo de recorrido a la escuela aumenta una unidad, la expectativa de asistir a la escuela es de Probit -.1814 Si lo demás permanece constante • Si la edad aumenta una unidad, la expectativa es de Probit -.005 . Si lo demás permanece constante • Si aumentan una hora de lectura, se tiene una expectativa de Probit .3793 . Si lo demás permanece constante • SI es masculino el sexo , tiene una expectativa de Probit .666 . Si lo demás permanece constante • Si se tiene una computadoras con internet, la expectativa aumenta un Probit .411 . Si lo demás permanece constante • Cuando las variables son igual a cero, la expectativa de seguir estudiando es de .0272 • El valor es de 0.205, es estadísticamente no significativo • (. El valor es de 0. 090, es estadísticamente no significativo • (. El valor es de. 019, es estadísticamente significativo. Se rechaza la hipótesis nula • (. El valor es de.312, es estadísticamente no significativo • (. El valor es de .763, es estadísticamente no significativo • (. El valor es de .002, es estadísticamente significativa. Se rechaza la hipótesis nula • (. El valor es de .0 , es estadísticamente significativa. Se rechaza la hipótesis nula • (. El valor es de .024, es estadísticamente significativa. Se rechaza la hipótesis nula ESTIMACIÓN DE PROBABOILIDAD PUNTUAL EFECTOS MARGINALES Si tenemos en cuenta las variables de integrantes, Iningreso, edad, hrslectura, sexo, compuinternet. Una persona tiene el 66.86% de probabilidad de seguir estudiando.
Si aumenta un integrante, disminuye -.0252 de
seguir estudiando. Si aumenta un porciento del ingreso, aumenta .1331 la probabilidad de seguir estudiando Cuando aumenta el tiempo de distancia disminuye -.0657 Cuando aumenta la edad, la probabilidad es de -.001 Si aumentan las horas de lectura la probabilidad aumenta un .137 SI se es hombre la probabilidad de estudias es de .2402 Si se tiene una computadora con internet la probabilidad es de .1439 (. El valor es de 0. 089, es estadísticamente no significativo (. El valor es de. 019, es estadísticamente significativo. Se rechaza la hipótesis nula (. El valor es de.312, es estadísticamente no significativo (. El valor es de .763, es estadísticamente no significativo (. El valor es de .002, es estadísticamente significativa. Se rechaza la hipótesis nula (. El valor es de .0 , es estadísticamente significativa. Se rechaza la hipótesis nula (. El valor es de .018, es estadísticamente significativa. Se rechaza la hipótesis nula Modelos: MLP, Logit y Probit.
Aquí se muestran los modelos MLP,
Logit y Probit. Se muestra que aic de mlp es de 368.4354, del Logit es de 346.8864 y de Probit es de 347.1666. Por lo que se llega a la conclusión que Logit es el modelo en el que aic es menor, por lo que se aconseja seguir este modelo. Al igual que en bic, donde mlp es de 397.87, Logit es de 376.327 y de Probit es de 376.608, igualmente Logit es el mejor modelo.
Sesgos Cognitivos: Una Fascinante Mirada dentro de la Psicología Humana y los Métodos para Evitar la Disonancia Cognitiva, Mejorar sus Habilidades para Resolver Problemas y Tomar Mejores Decisiones
Inteligencia artificial: Lo que usted necesita saber sobre el aprendizaje automático, robótica, aprendizaje profundo, Internet de las cosas, redes neuronales, y nuestro futuro
El método Zettelkasten: Cómo tomar notas de forma eficaz para impulsar la escritura y el aprendizaje de estudiantes, académicos y escritores de no ficción