En el presente trabajo, nos sumergiremos en el análisis de datos relacionados con la incidencia de cáncer en los 14 distritos de la provincia “Mundo Feliz”. Esta provincia, a pesar de su nombre alegre, se enfrenta a una realidad cruda y desafiante: la presencia del cáncer en su población. En nuestro esfuerzo por comprender mejor esta problemática, abordaremos el análisis de datos desde diversas perspectivas, utilizando herramientas estadísticas avanzadas como la regresión de Poisson, la regresión logística y la inferencia bayesiana. Para ello, se han recopilado datos clave que incluyen tres variables fundamentales: la cantidad de personas afectadas por el cáncer en cada distrito (Casos), el rango de edad de los pacientes (Edad) y el área de residencia en la que han vivido en el último año, clasificada en urbana (1) o rural (0) (Área). Este análisis se llevará a cabo con el objetivo de arrojar luz sobre posibles patrones, tendencias y factores asociados con la incidencia de cáncer en la provincia “Mundo Feliz”. Además, exploraremos cómo la utilización de técnicas estadísticas avanzadas puede ayudarnos a comprender mejor la relación entre estas variables y, en última instancia, contribuir a la toma de decisiones informadas para abordar este importante problema de salud pública.

n el presente estudio, se analizará la base de datos Trabajo contiene la información de 11 personas de las cuales se medirán las siguientes variables como PAU (nota en Selectividad), bach (nota media bachiller) y el prestigio del instituto al que asistieron teniendo como variable respuesta la admisión de los estudiantes , las variables se presentan a continuación: Y : Admisión de los estudiantes ** 1: Admitido ** 0: No admitido X1 : Pau: Nota en Selectividad X2 : bach : Nota media bachiller X3 : Prestigio. Para alcanzar nuestros objetivos de análisis, aplicaremos tanto la regresión logística clásica como la regresión logística bayesiana. Estos dos enfoques nos permitirán explorar y modelar de manera efectiva la probabilidad de admisión de los estudiantes en función de las variables predictoras mencionadas. La regresión logística clásica se basa en suposiciones y métodos tradicionales, mientras que la regresión logística bayesiana utiliza un enfoque más probabilístico y permite incorporar incertidumbre en nuestras inferencias. A través de este estudio, buscamos proporcionar una comprensión más profunda de cómo las notas en Selectividad, el desempeño en el bachillerato y el prestigio del instituto pueden influir en la admisión de estudiantes en un contexto específico. Además, la comparación entre los enfoques clásicos y bayesianos en el análisis de datos nos permitirá evaluar la robustez y flexibilidad de estos modelos en este contexto particular.

REGRESIÓN POISSON CLÁSICO Y BAYESIANO