Ajustar un modelo de regresión logística para explicar la probabilidad de aprobación del préstamo e interpretar los resultados en términos de odds ratio.

1. Modelo de regresión lineal simple: Variable dependiente: expectativa de vida femenina (lifExpFem) Variable independiente: médicos por 1000 habitantes (doctor) 2. Modelo de regresión lineal múltiple: Variable dependiente: tasa de fecundidad (tfr) Variables independientes: uso de anticonceptivos (contracep) y promedio de años de educación femenina (yearSchF) Para cada modelo, realiza un diagnóstico de los residuos considerando los tres supuestos básicos de la regresión lineal. Argumenta tus respuestas basándote en los resultados obtenidos (gráficos y pruebas estadísticas). Explica en qué medida se cumplen o violan los supuestos y cómo esto afecta la confianza en los resultados.

Explora los datos y realizar un análisis de correlaciones. Ajusta un modelo por subconjuntos, comparando el BIC y R2-ajustado. Ajusta modelos paso a paso (forward, backward, both) usando BIC. Comparar los modelos obtenidos y justificar cuál sería el mejor. Interpreta los coeficientes del modelo final. Concluye de forma general sobre el trabajo realizado.

Tema: Introducción a R Markdown: Creando reportes interactivos. Instrucciones: Seleccionen un tema de su preferencia. Realicen un reporte técnico del tema. El documento debe estar redactado en R Markdown. Incluyan una introducción breve al tema elegido. Incorporen ejemplos dinámicos de los que se compartieron en el material de lectura (código ejecutable, gráficos, tablas o resúmenes estadísticos). Añadan una interpretación corta de los resultados obtenidos.