Hombre Rural

Interpretación de los coeficientes

En esta muestra hemos filtrado la población por el sexo, en este caso solo medimos sexo
masculino, y también la zona. Utilizando el método de regresión lineal vamos a identificar
un modelo para poder encontrar una relación sobre la estatura (variable dependiente) y la
edad (variable independiente).

Según la tabla de coeficientes se pudo hallar un modelo en el cual se asemeja a:

Y= 163,416 – 0,039X
De acuerdo al valor negativo de 0,039 se puede observar una relación inversa entre la
estatura y la edad, es decir que a medida de que aumente la edad, la estatura va a
disminuir, pero el coeficiente de la edad es muy pequeño por lo tanto, el valor de la estatura
no cambia de una manera considerable, como sabemos la estatura no cambia ya al pasar
cierta cantidad de años, pero con el pasar de las generación y los avances que existen en el
mundo se debería creer que la estatura creciera más que hace algunas generación porque
con una mejor calidad de vida, se tiene un mejor ambiente en el cual se puede crecer.

Interpretación de pruebas

El valor p obtenido en la tabla de Coeficientes nos permite saber que relevancia puede tener
nuestra variable independiente, en este caso la edad de los hombres en una zona rural, con
el valor de un cero estadístico se puede negar la hipótesis nula planteada en la regresión
lineal. Esto significa que nuestra beta es diferente de cero, por lo tanto el modelo
encontrado en la regresión lineal es válido.
Hombre Urbano
En esta muestra hemos filtrado la población por el sexo, en este caso solo medimos sexo
masculino, y también la zona. Utilizando el método de regresión lineal vamos a identificar
un modelo para poder encontrar una relación sobre la estatura (variable dependiente) y la
edad (variable independiente).

Según la tabla de coeficientes se pudo hallar un modelo en el cual se asemeja a:

Y= 169,091 – 0,127X
De acuerdo al valor negativo de 0,127 se puede observar una relación inversa entre la
estatura y la edad, es decir que a medida de que aumente la edad, la estatura va a
disminuir, pero el coeficiente de la edad no es pequeño , el valor de la estatura cambia de
una manera considerable, como sabemos la estatura no cambia ya al pasar cierta cantidad
de años, pero de acuerdo a el coeficiente encontrado nos permite inferir que con el pasar
de las generaciones, las nuevas tienen una altura mayor a las generaciones anteriores. Esto
se puede deber a que en las zonas urbanas se tiene un mejor ambiente de crecimiento, se
tiene factores como la comida y medicinas a un alcance más cercano por lo tanto permite
un mejor crecimiento de las personas.

Interpretación de pruebas

El valor p obtenido en la tabla de Coeficientes nos permite saber que relevancia puede tener
nuestra variable independiente, en este caso la edad de los hombres en una zona rural, con
el valor de un cero estadístico se puede negar la hipótesis nula planteada en la regresión
lineal. Esto significa que nuestra beta es diferente de cero, por lo tanto el modelo
encontrado en la regresión lineal es válido.
Mujer Rural

En esta muestra hemos filtrado la población por el sexo, en este caso solo medimos sexo
femenino, y también la zona. Utilizando el método de regresión lineal vamos a identificar un
modelo para poder encontrar una relación sobre la estatura (variable dependiente) y la
edad (variable independiente).

Según la tabla de coeficientes se pudo hallar un modelo en el cual se asemeja a:

Y= 153,014 – 0,075X
De acuerdo con el valor negativo de 0,075 se puede observar una relación inversa entre la
estatura y la edad, es decir que a medida que aumente la edad, la estatura va a disminuir,
pero el coeficiente de la edad es muy pequeño, por lo tanto, el valor de la estatura no
cambia de una manera considerable, como sabemos la estatura no cambia ya al pasar cierta
cantidad de años, pero con el pasar de la generación se debería ver un efecto en la estatura
de las mujeres en este caso. La zona rural puede indicar que los factores como la
alimentación y las medicinas no están al mismo alcance como si estuviera en una zona
urbana.

Interpretación de pruebas

El valor p obtenido en la tabla de Coeficientes nos permite saber que relevancia puede tener
nuestra variable independiente, en este caso la edad de los hombres en una zona rural, con
el valor de un cero estadístico se puede negar la hipótesis nula planteada en la regresión
lineal. Esto significa que nuestra beta es diferente de cero, por lo tanto, el modelo
encontrado en la regresión lineal es válido.
Mujer Urbana

En esta muestra hemos filtrado la población por el sexo, en este caso solo medimos sexo
masculino, y también la zona. Utilizando el método de regresión lineal vamos a identificar
un modelo para poder encontrar una relación sobre la estatura (variable dependiente) y la
edad (variable independiente).

Según la tabla de coeficientes se pudo hallar un modelo en el cual se asemeja a:

Y= 155,191 – 0,077X
De acuerdo al valor negativo de 0,077 se puede observar una relación inversa entre la
estatura y la edad, es decir que a medida de que aumente la edad, la estatura va a
disminuir, pero el coeficiente de la edad no es pequeño , el valor de la estatura cambia de
una manera considerable, como sabemos la estatura no cambia ya al pasar cierta cantidad
de años, pero de acuerdo a el coeficiente encontrado nos permite inferir que con el pasar
de las generaciones, las nuevas tienen una altura mayor a las generaciones anteriores. Esto
se puede deber a que en las zonas urbanas se tiene un mejor ambiente de crecimiento, se
tiene factores como la comida y medicinas a un alcance más cercano por lo tanto permite
un mejor crecimiento de las personas. Además, para las mujeres los cambios de la estatura
son más drásticos que los hombres debido a la gran diferencia entre las constantes de las
alturas en contraste con los dos sexos.

Interpretación de pruebas

El valor p obtenido en la tabla de Coeficientes nos permite saber que relevancia puede tener
nuestra variable independiente, en este caso la edad de los hombres en una zona rural, con
el valor de un cero estadístico se puede negar la hipótesis nula planteada en la regresión
lineal. Esto significa que nuestra beta es diferente de cero, por lo tanto, el modelo
encontrado en la regresión lineal es válido.