Ejercicio con lenguaje de R

 a) Revise y prepare datos para crear archivos con formato csv para su lectura en R.

b) Con el archivo bdatos1_T7 calcule la media ponderada de calificaciones por matrícula.

c) Realice un empalme (merge) de los datos por id_est y cree un objeto data.frame con todas

las variables, incluyendo la columna de cal_ponderada.

d) Exporte el objeto creado a un archivo tipo csv.

e) Con el archivo bdatos2_T7 sobre datos de coeficiente intelectual y producto interno bruto,

cree un objeto data.frame con todos los datos, incluyendo los valores perdidos; luego,

remplace los valores perdidos con la mediana de los datos correspondientes a la columna

donde aparecen los datos perdidos.

f) Explore los datos entre pib e iq

g) Efectúe una regresión lineal entre pib (var dependiente) e iq (var independiente)

h) Verifique la normalidad de los residuales del modelo.

i) Elabore una gráfica para comparar el modelo estimado con los datos observados

j) Luego, realice el mismo análisis realizando una transformación logarítmica de ambas

variables; esto es, ln(pib) vs ln(iq)

k) Verifique la normalidad de los residuales del modelo.

l) Analice e interprete sus resultados (traduzca previamente, el texto en inglés de la

descripción de los datos).

#importacion de las bases de datos de los estudiantes

bd1_nombres <- read.table("bd1_nom.csv", header = TRUE, sep = ",")

bd1_caract <- read.table("bd1_caract.csv", header = TRUE, sep = ",")

bd1_calif <- read.table("bd1_calif.csv", header = TRUE, sep = ",")

#calculo de la media ponderada de las calificaciones

library(dplyr)

media_pond <- bd1_calif %>%

group_by(id_est) %>%

  summarise(wm = weighted.mean(calificacion, creditos))

#empalme de los df

df1_1 <- merge(bd1_nombres, bd1_caract, by = c("id_est"))

df1_2 <- merge(df1_1, bd1_calif, by = c("id_est"))

df1 <- merge(df1_2, media_pond, by = c("id_est"))

#exportacion del archivo creado

write.csv(x = df1, file = "T7HJBVdf1.csv")

#importacion de las bases de datos de los paises

bd2 <- read.table("bd2.csv", header = TRUE, sep = ",", na.strings = "$")

#reemplazo de los datos NA por la media

mediana_IQ <- median(bd2$IQ, na.rm = TRUE)

which(is.na(bd2[,3])) #no hay datos perdidos en IQ

mediana_PIB <- median(bd2$PIB, na.rm = TRUE)

which(is.na(bd2[,4])) 

bd2[39,4] <- 8312.5

bd2[51,4] <- 8312.5

#exploracion de los datos 

head(bd2)

tail(bd2)

dim(bd2)

attributes(bd2)

cor(bd2$IQ, bd2$PIB)

#regresion lineal

bd2_reg <- lm(bd2$PIB ~ bd2$IQ)

summary(bd2_reg)

#verificacion de la normalidad de los residuos

bd2_reg_nor <- shapiro.test(bd2_reg$residuals)

#grafica entre los datos observados y estimados

plot(bd2$PIB ~ bd2$IQ, xlab = "IQ", ylab = "PIB", main = "PIB de algunos paises de acuerdo a su IQ")

abline(bd2_reg, col="red")

#analisis con la aplicacion de ln a IQ y PIB

lnIQ <- log(bd2$IQ)

lnPIB <- log(bd2$PIB)

bd2_ln <- cbind.data.frame(bd2$id.pais, bd2$pais, lnIQ, lnPIB)

#exploracion de los datos 

head(bd2_ln)

tail(bd2_ln)

dim(bd2_ln)

attributes(bd2_ln)

cor(bd2_ln$lnIQ, bd2_ln$lnPIB)

#regresion lineal

bd2_ln_reg <- lm(bd2_ln$lnPIB ~ bd2_ln$lnIQ)

summary(bd2_ln_reg)

#verificacion de la normalidad de los residuos

bd2_ln_reg_nor <- shapiro.test(bd2_ln_reg$residuals)

#grafica entre los datos observados y estimados

plot(bd2_ln$lnPIB ~ bd2_ln$lnIQ, xlab = "ln(IQ)", ylab = "ln(PIB)", main = "Ln de PIB de algunos paises de acuerdo a su ln de IQ")

abline(bd2_ln_reg, col="red")

 

La inteligencia y la riqueza y pobreza de las naciones

Richard Lynn (Universidad de Ulster, Coleraine, Irlanda del Norte)

Tatu Vanhanen (Universidad de Helsinki, Finlandia)

Resumen

Los coeficientes intelectuales nacionales evaluados por las Matrices Progresivas fueron calculados para 60 naciones y examinados en relación a los ingresos per cápita a fines de la década de 1990 y con las tasas de crecimiento económico posteriores a la Segunda Guerra Mundial. Se encontró que los coeficientes intelectuales nacionales están correlacionados en 0,757 con el PIB real (Producto Interno Bruto) per cápita de 1998 y 0,706 con el PNB per cápita (Producto Nacional Bruto) de 1998; y en 0,605 con el crecimiento del PIB per cápita de1950-90 y 0,643 con el crecimiento del PIB per cápita de 1976-98. Los resultados se interpretan en términos de un modelo causal en el que el coeficiente intelectual de la población es el principal determinante de la riqueza y la pobreza de las naciones en el mundo contemporáneo.

 

Relación entre el PIB y el IQ

El modelo entre el PIB y el IQ de los países (con un R² de 0.51) es el siguiente: PIB= 494.8*IQ-33310

En la figura 1 se muestran los datos observados y los estimados con el modelo.

Figura 1. Relación entre el PIB y el IQ de algunos países. Fuente: propia

La normalidad de los residuos tiene un p valor de 0.3968, esto quiere decir que el modelo no presenta una alta normalidad, porque el p valor no está cercano a 1.

En el caso de aplicar logaritmo a IQ y PIB, se obtiene el modelo (con R² 0.68) siguiente: ln(PIB)= 494.8*ln(IQ)-33310

En la figura 2 se muestran los datos observados y los estimados con el anterior modelo.

Figura 2. Relación del ln(IQ) y ln(PIB) de los países estudiados. Fuente: propia.

La normalidad de los residuos tiene un p valor de 0.5268, esto quiere decir que el modelo presenta una mejor normalidad que el anterior modelo.