1.

Para evaluar los efectos de la política pública educativa en términos del aumento en tres horas
de estudio, se decide realizar un estudio cuasi experimental en el cual se deben modificar
cada una de las variables implícitas (resultados en las pruebas saber, embarazo adolescente y
pandillismo), la primera hipótesis sobre los resultados: en términos de las pruebas saber, a
mayor cantidad de horas aumentará el desempeño en los resultados de las mismas, debido a
que estos dedicarán un mayor tiempo a la preparación de las mismas. En cuanto al embarazo
adolescente y el pandillismo, se verán disminuidos debido a que los estudiantes tendrán una
mayor cantidad de ocupaciones y responsabilidades académicas, por lo tanto, no habrá
tiempo para el ocio y los vicios.
Con el fin de dar respuesta a estas hipótesis se plantea el diseño de un grupo de control no
equivalente preprueba- postprueba, por tanto, se debe verificar la equivalencia de los sujetos
analizados usando medidas y la correspondiente desviación estándar de cada una de las
pruebas realizadas antes de un tratamiento sobre el efecto de las tres horas en las variables
analizadas, a partir de ahí se debe emplear un análisis de la covarianza. En el experimento se
deben tener en cuenta varios factores como: el sexo, la edad, el nivel socioeconómico entre
otras.

Con el fin de realizar un proceso exhaustivo de recolección de datos se debe llenar la siguiente tabla:

grupo

Antes del tratamiento Después del tratamiento

Variable
Embarazo
adolescente

Resultados
pruebas saber

Pandillismo

Para el análisis de los datos se debe tener en cuenta, como ya se mencionó con anterioridad la
desviación estándar y la varianza de los datos.
Con relación a la desviación estándar, cabe mencionar que: que necesitamos conocer también la
desviación que representan los datos de cada uno de los estudiantes en términos de las variables
analizadas, con el fin de tener una visión de los mismos más acorde con la realidad a la hora de
describirlos e interpretarlos para la toma de decisiones.
Por último, la varianza nos permite identificar la medida de dispersión de los datos obtenidos en
relación a las variables de los estudiantes de acuerdo a sus resultados.

Ilustración gráfica del R-cuadrado De acuerdo al gráfico anterior mientras mayor sea la varianza como es el caso del gráfico # 1 más cerca estarán los puntos de los datos de la línea de regresión ajustada ¿Qué es el R-cuadrado ajustado? Es el porcentaje de variación. Obtiene los siguientes resultados a medida que agrega los predictores de forma escalonada hacia delante: . mejor será el ajuste del modelo a sus datos. 4. Usted incluye el porcentaje de patatas en relación con otros ingredientes. Por lo general. ¿Qué representa R2?: este valor nos indica el porcentaje de variación de una variable determinada dentro de una serie de datos obtenidos de forma experimental. 3. Este coeficiente indica que una prueba con más términos tiene un mejor ajuste al tener mayor precisión de los datos obtenidos. el resultado de este valor debe encontrarse en un rango de 0 a 100%. 2. Ejemplo de R-cuadrado ajustado Por ejemplo. usted trabaja para una compañía de chips de patatas que examina los factores que afectan el número de chips desmenuzados por contenedor. la tasa de enfriamiento y la temperatura de cocción como predictores en el modelo de regresión. mientras mayor sea el R2. y se puede analizar una relación entre el dato obtenido y el ajuste de las variables. Este ajuste es importante porque el R2 de cualquier caso crecerá cuando se agregue un nuevo término.

. Usted agrega el tercer término.000 3 X X X 65% 62% 0. Puesto que la temperatura de cocción no mejoró el modelo. Al agregar el segundo término.000 2 X X 63% 62% 0. Temp. Tasa de Valor p de Paso %Patata de R2 R2ajustado enfriamiento regresión cocción 1 X 52% 51% 0. el R2ajustado no lo hace. y aunque el R2 aumenta. usted observa que el R2 ajustado aumentó. la temperatura de cocción. lo que indica que la "tasa de enfriamiento" mejoró el modelo.000 El primer paso produce un modelo de regresión estadísticamente significativo. usted podría considerar eliminarla del modelo.