CAPITULO I: PLANTEAMIENTO METODOLOGICO

1.1. CONTEXTO

1.1. PREBLEMATICA

1.2.1. PROBLEMA GENERAL

¿De qué manera la anemia se relaciona con el peso, talla, la educación de la madre,
el nivel de hemoglobina y el género en niños menores de 5 años en el Perú para el
periodo 2017?

1.2.2. INTERROGANTES ESPECÍFICAS

 ¿Cómo se relaciona el efecto de la influencia del peso en la anemia en el Perú para

el periodo 2017?
 ¿Cómo se relaciona el efecto de la influencia de la talla en la anemia en el Perú
para el periodo 2017?
 ¿Cómo se relaciona el efecto de la influencia de la educación de la madre en la
anemia en el Perú para el periodo 2017?
 ¿Cómo se relaciona el efecto de la influencia del nivel de hemoglobina en la
anemia en el Perú para el periodo 2017?
 ¿Cómo se relaciona el efecto de la influencia del género en la anemia en el Perú
para el periodo 2017?

1.2. JUSTIFICACION
1.3. OBJETIVOS

1.3.1. OBJETIVO GENERAL

Analizar la manera en que la anemia se relaciona con el peso, talla, la educación
de la madre, el nivel de hemoglobina y el género en el Perú para el periodo 2017

1.3.2. OBJETIVO ESPECIFICO

 Analizar la relaciona del efecto de la influencia del peso sobre la anemia en el
Perú para el periodo 2017
 Analizar la relaciona del efecto de la influencia de la talla sobre la anemia en el
Perú para el periodo 2017
 Analizar la relaciona del efecto de la influencia de la educación de la madre sobre
la anemia en el Perú para el periodo 2017
 Analizar la relaciona del efecto de la influencia del nivel de hemoglobina sobre
la anemia en el Perú para el periodo 2017
 Analizar la relaciona del efecto de la influencia del género sobre la anemia sobre
Perú para el periodo 2017

1.4. HIPÓTESIS

1.4.1. HIPÓTESIS GENERAL

 La probabilidad de tener anemia está relacionada con el peso, talla y la

educación de la madre, el nivel de hemoglobina y el género.

1.4.2. HIPÓTESIS ESPECÍFICA

a. La probabilidad de tener anemia está relacionada con el peso.

b. La probabilidad de tener anemia está relacionada con la talla.
 c. La probabilidad de tener anemia está relacionada con la educación de la
madre.
d. La probabilidad de tener anemia está relacionada con el nivel de
hemoglobina.
e. La probabilidad de tener anemia está relacionada con el género.

1.3. MODELOS

El modelo, tras realizar la investigación y análisis intensa de la anemia. El modelo responde

al problema planteado del Perú para el periodo 2017: el peso, la talla, la educación de la
madre, el nivel de hemoglobina y el género tienen efecto de influencia sobre la anemia.

Variables a estudiar

VARIBLE DEPENDIENTE
TIPO DE
VARIABLE NOMBRE MEDICION
VARIABLE
Probabilidad de Dicotómica,
Anemia 𝑎𝑛𝑒𝑚𝑖𝑎
tener anemia (y=1) cualitativa ordinal.
Fuente: elaboración propia

VARIBLES INDEPENDIENTES
TIPO DE
VARIABLE NOMBRE MEDICION
VARIABLE
Cuantitativa,
Peso 𝑝𝑒𝑠𝑜 kilogramos (1 dec.)
continua.
Centímetros (1 Cuantitativa,
Talla 𝑡𝑎𝑙𝑙𝑎
dec.) continua.
Con educación,
Educación de la Dicotómica,
𝐸𝐷𝑈𝐶 (x=1)
madre cualitativa ordinal.
sin educación (x=0)
Nivel de Cuantitativa,
𝐻ℎ𝑒𝑚𝑜𝑔𝑙𝑜 (g/dl - 1 decimal)
hemoglobina continua.
Hombre (x=1), Dicotómica,
Genero 𝑔𝑒𝑛𝑒𝑟𝑜
mujer (x=0) cualitativa nominal.
Fuente: elaboración propia
 a) Modelo económico

𝐴𝑛𝑒𝑚𝑖𝑎 = 𝑓(𝑝𝑒𝑠𝑜, 𝑡𝑎𝑙𝑙𝑎, 𝑒𝑑𝑢𝑐, 𝑁ℎ𝑒𝑚𝑜𝑔𝑙𝑜, 𝑔𝑒𝑛𝑒𝑟𝑜)

Donde:

𝐴𝑛𝑒𝑚𝑖𝑎 = P(y=1), probabilidad de tener anemia

𝑃𝑒𝑠𝑜 = Peso de los niños menores de 5 años

Talla= Talla de los niños menores de 5 años
𝐸𝑑𝑢𝑐= Educación de las madres de los niños menores de 5 años
𝑁ℎ𝑒𝑚𝑜𝑔𝑙𝑜= Nivel de hemoglobina en los niños menores de 5 años

𝐺𝑒𝑛𝑒𝑟𝑜= Genero de los niños menores de 5 años

b) Modelo econométrico

𝑃(𝐴𝑛𝑒𝑚𝑖𝑎 = 1) = 𝛽0 + 𝛽1 𝑝𝑒𝑠𝑜 + 𝛽2 𝑡𝑎𝑙𝑙𝑎 + 𝛽3 𝐸𝑑𝑢𝑐 + 𝛽4𝑁ℎ𝑒𝑚𝑜𝑔𝑙𝑜 + 𝛽4𝑔𝑒𝑛𝑒𝑟𝑜 + 𝜀𝑡

Donde:

𝛽0: Estimador que evalúa la probabilidad de tener anemia cuando las demás variables
son nulas o cero.
𝛽1: es el estimador que evalúa el efecto de la influencia del peso sobre la probabilidad
de tener anemia
𝛽2: es el estimador que evalúa el efecto de la influencia de la talla sobre la probabilidad
de tener anemia
𝛽3: es el estimador que evalúa el efecto de la influencia de la educación de la madre y la
probabilidad de tener anemia
𝛽4 : es el estimador que evalúa el efecto de la influencia del nivel de hemoglobina sobre
la probabilidad de tener anemia
𝛽5 es el estimador que evalúa el efecto de la influencia del genero sobre la probabilidad
de tener anemia
 𝜀𝑡 : es la perturbación estocástica.

1.4. METODOLOGIA

La metodología es de corte transversal por tratarse de un estudio de, descriptivo1 y

analítico y asimismo trabaja con datos ordenados en el espacio y el nivel de la
investigación es científico medio (explicativo y/o predictivo).

1.7.1. POBLACIÓN

La población elegida para el análisis de niños menores de 5 años de acuerdo con la

estadística del INEI son el 32,8% de niños (3millones 387mil) en el periodo 2017.

1.7.2. MUESTRA

Las muestras del estudio provienen de instituciones ENDES que brindan información
con respecto a nuestro tema de estudio por ende tomamos como muestra a la anemia,
peso, talla, educación de la madre, el nivel de hemoglobina y el género de niños
menores de 5 periodo 2017, siendo un total de 22483 niños, lo cuales hubieron
encuestas pérdidas de 1532, obteniendo así un total 20951 datos.

1.7.3. MÉTODOS

El Método Deductivo

En este método se desciende de lo general a lo particular, de forma que partiendo de

enunciados de carácter universal y utilizando instrumentos científicos.

El Método inductivo

1
ESTEBAN, Efraín (2009). Metodología de la investigación económica y social, p. 226
Consiste en el estudio de la realidad de lo particular a lo general; es decir que a partir
de la investigación de hechos o fenómenos particulares avanza hacia las
generalizaciones.

Se utiliza el método de análisis inductivo porque se toma una

El Método del análisis

 Maxima verisimilitud

En estadística, la máxima verisimilitud (MV) es el nombre del método para encontrar

los parámetros poblacionales en un modelo de logit-probit.

Para el análisis deben cumplirse para llevar a cabo una regresión de logit-probit
de las variables y cumplir con los supuestos:

1. Prueba de Pearson
2. Prueba de Hosmer-Lemeshov
3. Estadística de clasificación
4. La Curva Roc

1.7.4. TECNICAS

-Técnicas: estadísticas, gráficas y cuadros estadísticos

Instrumentos:

1. Guía de análisis

2. La medición estadística.

3. La información consultada: ENDES

4. Sofware stata 13
5. Prueba de sustento el Chi^2.
 CAPITULO III VERIFICACION DE LA HIPOTESIS

3.1. CARACTERISTICAS DEL PROBLEMA

Cuadro n°

GENERO

. tab genero

Sexo Freq. Percent Cum.

Male 10,616 50.67 50.67

Female 10,335 49.33 100.00

Total 20,951 100.00

Cuadro n°

NIVEL DE ANEMIA

. tab Nanemia

nivel de
anemia Freq. Percent Cum.

Severe 53 0.25 0.25

Moderate 2,473 11.80 12.06
Mild 5,157 24.61 36.67
Not anemic 13,268 63.33 100.00

Total 20,951 100.00

Cuadro n°

PORCENTAJE DE LA POBLACION QUE TIENE ANEMIA (1)

. tab Anemia

Anemia Freq. Percent Cum.

0 13,268 63.33 63.33

1 7,683 36.67 100.00

Total 20,951 100.00

Cuadro n°

NIVEL DE EDUCACION DE LA MADRE

. tab Neduc

nivel
educativo
mas alto de
la madre Freq. Percent Cum.

No education 350 1.67 1.67

Primary 4,207 20.08 21.75
Secondary 13,080 62.43 84.18
Higher 2,719 12.98 97.16
9 595 2.84 100.00

Total 20,951 100.00

SOBRE EL PROCESO DE MODELACION
Con la finalidad de elegir e y estimar los mejores modelos para estimar para esta presente
investigación, se inició introduciendo las seis variables la anemia, peso, talla, educación de
la madre el nivel de hemoglobina y el género.

Cuadro n°

MODELO LOGISTIC

Logistic regression Number of obs = 20951

Wald chi2(5) = 4065.43
Prob > chi2 = 0.0000
Log pseudolikelihood = -9910.7752 Pseudo R2 = 0.2802

Robust
Anemia Coef. Std. Err. z P>|z| [95% Conf. Interval]

peso -.0164931 .00141 -11.70 0.000 -.0192566 -.0137295

talla -.0005373 .000388 -1.38 0.166 -.0012978 .0002231
Educ -.0126243 .0222161 -0.57 0.570 -.0561671 .0309184
Nhemoglo -.0980932 .001917 -51.17 0.000 -.1018505 -.0943358
genero .2067927 .0347541 5.95 0.000 .1386759 .2749095
_cons 13.48596 .2912713 46.30 0.000 12.91508 14.05684

𝑃(𝐴𝑛𝑒𝑚𝑖𝑎 = 1) = 13.485 − .0164𝑝𝑒𝑠𝑜 − .00053𝑡𝑎𝑙𝑙𝑎 − .01262𝐸𝑑𝑢𝑐 − .09809𝑁ℎ𝑒𝑚𝑜𝑔𝑙𝑜

+ .20679𝑔𝑒𝑛𝑒𝑟𝑜 + 𝜀𝑡

Interpretación:

β0 = Este coeficiente es la variable dependiente autónoma; indica el aumento de la posibilidad

de tener cuando el valor de la variable explicativa es cero, es decir si toda las demás
variables son nulo o cero la posibilidad de tener anemia aumenta en 13.485%

β1 =si toda las demás variables se mantienen constantes, un incremento de una unidad del
peso hará disminuir las posibilidades de tener anemia en 0.0164%.

β2 =si toda las demás variables se mantienen constantes, un incremento de una unidad de la
de la talla hará disminuir la posibilidad de tener anemia en 0.00053%
β3 =el impacto que tiene la educación de la madre en la posibilidades de que su hijo tenga
anemia, indica la disminución de la posibilidades de que su hijo tenga anemia es de
0.012%

β4 =si toda las demás variables se mantienen constantes, un incremento de una unidad de la
del nivel de hemoglobina hará disminuir la posibilidad de tener anemia en -0.098%

β5 = el impacto que tiene la el genero en la posibilidades de que su hijo(a) tenga anemia,

indica la posibilidades de que su hijo(a) tenga anemia es de 0.2067%

Cuadro n°

MODELACION DEL MODELO PROBIT

Probit regression Number of obs = 20951

Wald chi2(5) = 4562.64
Prob > chi2 = 0.0000
Log pseudolikelihood = -9998.7604 Pseudo R2 = 0.2738

Robust
Anemia Coef. Std. Err. z P>|z| [95% Conf. Interval]

peso -.0101013 .0008229 -12.28 0.000 -.0117142 -.0084884

talla -.0002424 .0002281 -1.06 0.288 -.0006896 .0002047
Educ -.0035177 .0131557 -0.27 0.789 -.0293025 .022267
Nhemoglo -.0542616 .0009759 -55.60 0.000 -.0561744 -.0523488
genero .1219626 .0204741 5.96 0.000 .081834 .1620912
_cons 7.537571 .1569909 48.01 0.000 7.229874 7.845267

 MODELO PROBIT:

𝑃(𝐴𝑛𝑒𝑚𝑖𝑎 = 1/𝑥) = 7.5375 − .0101𝑝𝑒𝑠𝑜 − .00024𝑡𝑎𝑙𝑙𝑎 − .00351𝐸𝑑𝑢𝑐 − .0542𝑁ℎ𝑒𝑚𝑜𝑔𝑙𝑜 + .1219𝑔𝑒𝑛𝑒𝑟𝑜 + 𝜀𝑡

En la modelación del modelo

P(y=1/x) Si el niño tiene anemia =1

P(y=0/x) Si el niño no tiene anemia =0
 La modelación de este tipo de variables se conoce con el nombre de modelos de
elección logit probit, para la estimación de los parámetros se realizó mediante la
metodología máxima verosimilitud (MV) por tratarse un modelo logit probit, en la
cual la distribución del error de binomial, Dado que para cada la anemia i la función
de verosimilitud será la probabilidad de que haya elegido 1 o 0.
• Los “efectos marginales medios”, obtenidos a partir de la media muestra de la
variable, son una de las formas más comunes de presentación de los resultados, el
efecto marginal expresa el cambio de la variable dependiente provocado por un
cambio unitario en una de las independientes manteniendo el resto constante.

Cuadro n° 4

EFECTOS MARGINALES

Probit regression, reporting marginal effects Number of obs = 20951

Wald chi2(5) =4562.65
Prob > chi2 = 0.0000
Log pseudolikelihood = -9998.7604 Pseudo R2 = 0.2738

Robust
Anemia dF/dx Std. Err. z P>|z| x-bar [ 95% C.I. ]

peso -.0036525 .000297 -12.28 0.000 130.397 -.004235 -.00307

talla -.0000877 .0000825 -1.06 0.288 877.775 -.000249 .000074
Educ -.001272 .0047568 -0.27 0.789 1.44943 -.010595 .008051
Nhemoglo -.0196201 .0003201 -55.60 0.000 119.933 -.020247 -.018993
genero* .0440617 .0073858 5.96 0.000 .506706 .029586 .058538

obs. P .3667128
pred. P .3287189 (at x-bar)

(*) dF/dx is for discrete change of dummy variable from 0 to 1

z and P>|z| correspond to the test of the underlying coefficient being 0

Interpretación:

β1 =por un aumento de una unidad del peso, la probabilidad de tener anemia se reduce en
0.00365%.
β2 =por un incremento de una unidad de la de la talla, la probabilidad de tener anemia se
reduce en -0.0000877%.

β3 =el impacto que tiene la educación de la madre en la probabilidad de que su hijo tenga
anemia, indica la disminución de la probabilidad de que su hijo tenga anemia es de -
0.00127%

β4 =por un incremento de una unidad del nivel de hemoglobina, la probabilidad de tener

anemia se reduce en -0.01962%.

β5 = el impacto que tiene la el género en la probabilidad de que su hijo(a) tenga anemia, indica
la probabilidad de que su hijo(a) tenga anemia es de 0.044%

COMPROBACIÓN DE SUPUESTOS

PRUEBA DE PEARSON
El estadístico de Pearson es una prueba de bondad de ajuste que se distribuye chi2 con grados
de libertad igual al número de patrones de covariables menos el número de parámetros.

Cuadro n°

PRUEBA DE PEARSON

Probit model for Anemia, goodness-of-fit test

number of observations = 20951

number of covariate patterns = 20878
Pearson chi2(20872) = 27252.79
Prob > chi2 = 0.0000

 H0: β2 = 0, a partir del modelo se pude hacer inferencias acerca de la relación

entre las variables explicativas y la probabilidad de tener anemia.
  H1: β2 ≠ 0, a partir del modelo no se pude hacer inferencias acerca de la
relación entre las variables explicativas y la probabilidad de tener anemia.

Valor-p= 0.000<0.05

Los resultados señalan que la hipótesis nula se rechaza y por lo tanto, el modelo no presenta
un buen nivel de ajuste a los valores actuales. La principal consecuencia de este resultado, es
que no se puede utilizar el modelo para hacer inferencias acerca de la relación entre las
variables explicativas y la probabilidad de tener anemia.

PRUEBA DE HOSMER-LEMESHOV(H-L)
Al igual que la prueba de Pearson, el estadístico de Hosmer Lemeshov es una prueba de
bondad de ajuste que permite comparar el valor original de los datos con el valor estimado
por grupos de observación. Para definir el número de particiones de las observaciones que
generalmente son 100 grupos iguales, por lo cual asumimos tomar 100.
Cuadro n°

PRUEBA DE HOSMER-LEMESHOV(H-L)

Probit model for Anemia, goodness-of-fit test

(Table collapsed on quantiles of estimated probabilities)

number of observations = 20951

number of groups = 100
Hosmer-Lemeshow chi2(98) = 1410.39
Prob > chi2 = 0.0000

 H0: β2 = 0, a partir del modelo se pude hacer inferencias acerca de la relación

entre las variables explicativas y la probabilidad de tener anemia.

 H1: β2 ≠ 0, a partir del modelo no se pude hacer inferencias acerca de la

relación entre las variables explicativas y la probabilidad de tener anemia.
 Valor-p= 0.000<0.05

Bajo la hipótesis nula de que el modelo presenta un buen nivel de ajuste, el estadístico de H
-L sigue una distribución chi2 con G-2 grados de libertad. Al comparar las frecuencias
observadas y estimadas a través del estadístico de H-L y analizar el p-valor asociado a la
prueba, se rechaza la hipótesis nula. Una vez más, el modelo de participación de la anemia
falló una prueba de bondad de ajuste.

ESTADÍSTICAS DE CLASIFICACIÓN
Otra prueba de bondad de ajuste de la regresión probit es la capacidad predictiva del modelo
para clasificar correcta o incorrectamente los valores originales. A partir del pronóstico de la
variable dependiente, el modelo clasifica como “1” los valores que tienen mayor probabilidad
de ocurrencia y que son superiores a un punto de corte, en caso contrario los valores se
clasifican como “0”. En general, se asume que el punto de corte es igual a 0.5.
clasificación así:

Cuadro n°

ESTADÍSTICAS DE CLASIFICACIÓN
 True
Classified D ~D Total

+ 5059 1643 6702

- 2624 11625 14249

Total 7683 13268 20951

Classified + if predicted Pr(D) >= .5

True D defined as Anemia != 0

Sensitivity Pr( +| D) 65.85%

Specificity Pr( -|~D) 87.62%
Positive predictive value Pr( D| +) 75.48%
Negative predictive value Pr(~D| -) 81.58%

False + rate for true ~D Pr( +|~D) 12.38%

False - rate for true D Pr( -| D) 34.15%
False + rate for classified + Pr(~D| +) 24.52%
False - rate for classified - Pr( D| -) 18.42%

Correctly classified 79.63%

El resultado general de esta prueba es que el 79.63% de los valores originales están
clasificados correctamente. De la tabla de clasificación también se puede analizar la
siguiente información:
 El primer cuadro de la tabla realiza una comparación entre los valores observados y
los pronosticados por el modelo. Las filas corresponden a los valores “1” (+) y “0”(-
) clasificados por el modelo, y las columnas corresponden a los valores observados
(D=1 y ~D=0).
 La sensibilidad mide el porcentaje de los valores “1” que fueron clasificados
correctamente. En nuestro ejemplo el 65.85% de la población que hace parte de la
Población que tienen anemia fue clasificada correctamente por el modelo.
 La especificidad corresponde al porcentaje de “0” que fueron pronosticados
correctamente por el modelo. En el ejemplo, el 87.62% de los “0” observados ó la
población que no tiene anemia fueron clasificados correctamente por el modelo.
 La predicción de los valores positivos o negativos mide el porcentaje de valores
pronosticados que acertaron correctamente en la clasificación de “1” o “0”. En el caso
de los “1” (+), el 75.48% de los datos pronosticados corresponden a los verdaderos
 valores de “1”, En caso contrario, el 81.58% de los valores “0” pronosticados
equivalen a los valores originales de los “0”.
 Los errores de clasificación miden el porcentaje de valores observados que fueron
incorrectamente clasificados. En el caso, el 12.38% de los valores “0” observados
fueron clasificados incorrectamente por el
 Una interpretación similar se realiza para el caso de los unos. El 34.15% de los valores
“1” ó de la población que en la muestra hace parte de la población que tiene anemia,
fueron clasificados como 0 por la predicción del modelo.
 La tasa de falsos unos (ceros) corresponde al porcentaje de valores “1” (“0”)
pronosticados que en realidad son valores “0”. En el ejemplo, el 24.52% de las
personas que fueron clasificadas en la población sin anemia por el modelo, no hacen
parte de este grupo.
 De manera análoga, el 18.42% de las personas que el modelo clasificó como “0” o
que no hacían parte de la población que tenía anemia, corresponden a valores “1” que
debieron pronosticarse como parte de la población con anemia.

CURVAS ROC
Las Curvas ROC (Receiver Operating Characteristic) son una representación gráfica de todos
los pares posibles (1-especificidad, sensibilidad) que se generan con distintos puntos de corte.
A medida que se incrementa el valor del punto de corte, el porcentaje de “1” clasificados
correctamente por el modelo aumenta (sensibilidad), al tiempo que el porcentaje de “0”
clasificados como “1” también se incrementa (falsos positivos).

Grafica n°

Curvas ROC
La mayor precisión del modelo para pronosticar un estado o un evento correspondería al
punto (0,1). Por lo tanto, cuanto más cercanas se encuentren las curvas a este punto, mejor
es la capacidad predictiva del modelo. La forma más práctica de realizar esta prueba es
calcular el área bajo la curva ROC, que puede tomar valores entre 0,5 y 1.
En nuestro ejemplo, el área bajo la cuerva ROC (0.70) estaría indicando que el modelo tiene
alguna capacidad predictiva.

3.3 RESULTADOS
Formulación de hipótesis general

 H0: β1 = β2= β3= 0, La probabilidad de tener anemia no está relacionado con

el peso, talla, la educación de la madre, el nivel de hemoglobina y el género.
 H1: βj ≠ 0, La probabilidad de tener anemia está relacionado con el peso, talla,
la educación de la madre, el nivel de hemoglobina y el género.
 Valor-p= 0.000<0.05

Podemos evaluar el valor ch2 que nos proporciona el cuadro n° 4 el cual es 0.000 es menor
al 5% de significancia, entonces se rechaza la hipótesis nula y se acepta la hipótesis
alternativa. Entonces La probabilidad de tener anemia está relacionada con el peso, talla, la
educación de la madre, el nivel de hemoglobina y el género.

Formulación de hipótesis especifica

Para la peso

 H0: β1 = 0, La probabilidad de tener anemia no está relacionado con el peso.

 H1: β1 ≠ 0, La probabilidad de tener anemia está relacionado con el peso.

Regla de decisión

Acepto la H0: si valor-p>0.05

Rechazo la H0: si valor-p<0.05

Valor-p= 0.000<0.05

En nuestro caso podemos ver el valor-p del cuadro n° la cual es 0.000, es menor que el 5%
de significancia por tanto se rechaza la hipótesis nula (H0), y se acepta la hipótesis alterna,
es decir: La probabilidad de tener anemia está relacionado con el peso.

Para la talla

 H0: β2 = 0, La probabilidad de tener anemia no está relacionado con la talla.

  H1: β2 ≠ 0, La probabilidad de tener anemia está relacionado con la talla.

Regla de decisión

Acepto la H0: si valor-p>0.05

Rechazo la H0: si valor-p<0.05

Valor-p= 0.288<0.05

En nuestro caso podemos ver el valor-p del cuadro n°4 la cual es 0.288, es menor que el 5%
de significancia por tanto se acepta la hipótesis nula (H0), y se rechaza la hipótesis alterna,
es decir: La probabilidad de tener anemia está no relacionado con la talla.

Para la educación de la madre

 H0: β2 = 0, La probabilidad de tener anemia no está relacionado con la

educación de la madre.

 H1: β2 ≠ 0, La probabilidad de tener anemia está relacionado con la educación

de la madre.

Regla de decisión

Acepto la H0: si valor-p>0.05

Rechazo la H0: si valor-p<0.05

Valor-p= 0.789<0.05

En nuestro caso podemos ver el valor-p del cuadro n°4 la cual es 0.789, es menor que el 5% de
significancia por tanto se acepta la hipótesis nula (H0), y se rechaza la hipótesis alterna, es decir La
probabilidad de tener anemia no está relacionado con la educación de la madre.
 Para el nivel de hemoglobina

 H0: β2 = 0, La probabilidad de tener anemia no está relacionado con el nivel

de hemoglobina.

 H1: β2 ≠ 0, La probabilidad de tener anemia está relacionado con el nivel de

hemoglobina.

Regla de decisión

Acepto la H0: si valor-p>0.05

Rechazo la H0: si valor-p<0.05

Valor-p= 0.000<0.05

En nuestro caso podemos ver el valor-p del cuadro n°4 la cual es 0.000, es menor que el 5% de
significancia por tanto se rechaza la hipótesis nula (H0), y se acepta la hipótesis alterna, es decir,
La probabilidad de tener anemia está relacionado con la hemoglobina.

Para el genero

 H0: β2 = 0, La probabilidad de tener anemia no está relacionado con la genero.

 H1: β2 ≠ 0, La probabilidad de tener anemia está relacionado con la genero.

Regla de decisión

Acepto la H0: si valor-p>0.05

Rechazo la H0: si valor-p<0.05

Valor-p= 0.000<0.05
En nuestro caso podemos ver el valor-p del cuadro n° la cual es 0.000, es menor que el 5% de
significancia por tanto se rechaza la hipótesis nula (H0), y se acepta la hipótesis alterna, es decir La
probabilidad de tener anemia está relacionado con la genero.

Posibles titulos

La influencia de la anemia en los niños menores de 5 años y su relación con el peso, talla,
la educación de la madre, nivel de hemoglobina y género en el Perú para el periodo 2017.

Conclusión

1. La probabilidad de tener anemia está relacionada con el peso, talla, la educación de la

madre, el nivel de hemoglobina y el género.

2. La probabilidad de tener anemia está relacionado con el peso.

3. La probabilidad de tener anemia está no relacionado con la talla.

9999999
4. La probabilidad de tener anemia no está relacionada con la educación de la madre.

5. La probabilidad de tener anemia está relacionada con la hemoglobina.

6. La probabilidad de tener anemia está relacionada con la genero.