Pаm the Prоgrаmmer hаs declared the variable anArray as fоllоws: anArray : int8[ 4 ] := [ 0, 0, 0, 0 ]; Now she wants to execute the following C statement with HLA Assembly instructions: anArray[ 1 ] = 12; What code correctly accomplishes that task?
Tercerа Pruebа Sоlemne Inferenciа estadística y regresión lineal múltiple Instrucciоnes Debe entregar un únicо archivo en formato PDF. Organice su trabajo de manera clara y estructurada. Incluya código, resultados, gráficos y conclusiones. Dispone de 180 minutos para completar la evaluación. El trabajo debe ser original. Puede utilizar cualquier entorno de Python, siempre que asegure la exportación final a PDF. Todo resultado debe estar acompañado de una interpretación estadística. No se evaluarán únicamente salidas de código sin análisis. Condiciones de la Evaluación No está permitido el uso de inteligencia artificial. El archivo cargado debe ser realizado íntegramente en el computador donde se rinde la evaluación. Se penalizará el acceso a Gmail, correo electrónico institucional o plataformas similares con nota mínima, puesto que no es necesario acceder a ellas para rendir la evaluación. No se aceptan envíos por correo electrónico. El uso de Honorlock es obligatorio. El uso de redes sociales durante la evaluación será penalizado con nota mínima. Todo desarrollo debe estar contenido en el archivo PDF final. No se evaluarán archivos complementarios no solicitados. En caso de encontrar evidencia de archivos recibidos por correo electrónico, mensajería externa u otro medio no autorizado, y posteriormente cargados durante la evaluación, la calificación será la nota mínima. Contexto La evaluación utiliza la base de datos Student Performance Factors, disponible en Kaggle. Esta base contiene información sobre factores asociados al rendimiento académico de estudiantes. El objetivo es aplicar herramientas de inferencia estadística y regresión lineal múltiple para analizar factores vinculados al desempeño en una evaluación final. La variable principal de análisis será Exam_Score, que representa el puntaje obtenido por un estudiante en un examen. A partir de esta variable, deberá construir intervalos de confianza, realizar pruebas de hipótesis y estimar un modelo de regresión lineal múltiple. La evaluación busca medir no sólo la capacidad de ejecutar procedimientos en Python, sino también la comprensión estadística, la interpretación rigurosa de resultados y la redacción de conclusiones técnicamente correctas. Para esta evaluación se trabajará únicamente con las siguientes variables: Variable Descripción Exam_Score Puntaje obtenido por el estudiante en el examen. Access_to_Resources Nivel de acceso a recursos académicos. Extracurricular_Activities Indica si el estudiante participa o no en actividades extracurriculares. Hours_Studied Horas de estudio del estudiante. Attendance Porcentaje o nivel de asistencia del estudiante. Previous_Scores Puntajes previos obtenidos por el estudiante. Sleep_Hours Horas de sueño del estudiante. Problema 1: Intervalos de confianza para diferencia de medias Se desea analizar si existen diferencias relevantes en el puntaje promedio del examen entre estudiantes con distinto nivel de acceso a recursos académicos. Para ello, considere la variable de respuesta Exam_Score y la variable de agrupación Access_to_Resources. Trabaje únicamente con los grupos High y Low. Construya un boxplot que compare Exam_Score entre ambos grupos. El gráfico debe incorporar un marcador para la media de cada grupo. Calcule y presente, para cada grupo, la media muestral, la desviación estándar muestral y el tamaño muestral. Construya e interprete intervalos de confianza para la media poblacional de Exam_Score en cada grupo. ¿Existen diferencias relevantes en el puntaje promedio del examen entre estudiantes con alto acceso a recursos y estudiantes con bajo acceso a recursos? Redacte una conclusión final en contexto, integrando la evidencia gráfica, las medias muestrales, los intervalos individuales y el intervalo para la diferencia de medias. La conclusión debe usar lenguaje técnico y no limitarse a señalar qué grupo presenta mayor promedio. Problema 2: Test de hipótesis para la media Considere la variable Exam_Score como medida de rendimiento académico. Para efectos de esta evaluación, suponga que un puntaje promedio de 70 puntos representa el estándar académico de referencia esperado para esta evaluación. Formule la hipótesis nula y la hipótesis alternativa del problema. Identifique claramente el parámetro poblacional de interés y justifique si corresponde utilizar una prueba bilateral o unilateral. Presente los estadísticos descriptivos relevantes para el test de Exam_Score. Determine qué test de hipótesis corresponde aplicar para evaluar la media poblacional de Exam_Score. Aplique el test correspondiente para contrastar la media poblacional contra el valor de referencia. Reporte el estadístico de prueba, los grados de libertad, el p-value y el nivel de significancia utilizado. ¿Existe evidencia estadística para afirmar que el puntaje promedio poblacional del examen es diferente de 70 puntos? Redacte una conclusión final en contexto. La respuesta debe considerar la diferencia entre la media muestral observada y el valor de referencia, la evidencia estadística entregada por el test y la interpretación aplicada al rendimiento académico de los estudiantes. Problema 3: Regresión lineal múltiple Se desea estudiar qué factores cuantitativos se asocian al puntaje obtenido por los estudiantes en el examen. Para ello, estime un modelo de regresión lineal múltiple donde la variable dependiente sea Exam_Score y las variables explicativas sean: Hours_Studied, Attendance, Previous_Scores, Sleep_Hours. Estime el modelo mediante Mínimos Cuadrados Ordinarios. Presente la ecuación estimada con los coeficientes numéricos obtenidos y la tabla de resumen general del modelo. Evalúe el supuesto de normalidad de los residuos mediante herramientas gráficas y un test formal apropiado. Evalúe el supuesto de varianza constante de los errores mediante herramientas gráficas y un test formal apropiado. Evalúe la presencia de multicolinealidad entre las variables explicativas mediante VIF y matriz de correlaciones. Calcule e interprete el MSE y el RMSE del modelo. Redacte un análisis que integre el diagnóstico global del modelo, el diagnóstico individual de los coeficientes, la validación de supuestos, la calidad predictiva y las principales advertencias metodológicas del modelo. Además, indique qué representa el término de error del modelo.