MRL.Rmd

---
title: "Regresión Lineal - Violencia de Género"
output:
  html_document:
    df_print: paged
  html_notebook: default
  pdf_document: default
---

## **Mostramos los Datos**

Para este modelo de Regresión Lineal, transformamos varibles categoricas a variables cualitativas, de una encuesta realizada en la Ciudad de México, sobre la violencia de género, la transformacion de este documento se realiza en python.

Cargamos y mostramos, los Datos para este modelo.


```{r}
df <- read.csv('df_vg.csv', encoding = "UTF-8")
head(df)

```

## *Creamos nuestros Modelo de Regresion Lineal*



### *Definimos las variables X, Y*

Para nuestro Modelo de Regresión Lineal utilizaremos las siguientes como: 

*Variable dependiente:*

Pregunta: ¿Alguna ves has presenciado Violencia de Genero?

Donde: 0 =  No y  1 = Sí.


*Variables Independientes:*

Alcaldía: 16 alcaldias de la CDMX de A - Z del 1 - 16.

Beta0: Rellenamos con 1 para nuestra beta 0

¿Por qué motivo crees que se dé la violencia de género?

Todas las Anteriores, Falta de educacion, Costumbre familiar, Falta de cultura, Negligencia por parte de las autoridades, Falta de difusión, Religión, Apariencia física.


### *Mostramos la matriz "Y"*

```{r}
Y <- data.matrix(df[, 2])
head(Y) 
```


### *Mostramos la matriz "X"*

```{r}
X <- data.matrix((df[, 3:11]))
head(X)
```


### *Calculamos la matriz transpuesta e inversa de nuestras variables X*

Hacemos la Matriz transpuestas de X

```{r}
x <- t(X)%*%X
print(x)
```

### *Sacamos la Inversa a la matriz x que transformamos de X.*

```{r}
inv_x <- solve(x)
print(inv_x)
```

### *Sacamos la matriz transpuesta de Y, X; la guardamos en la variable y.*

```{r}
y <- t(X)%*%Y
print(y)
```



### *Mostramos en una tabla, los valores de Beta de nuestro Modelo, con las nuevas variables x, y.*

```{r}
beta <- inv_x%*%y
print(beta)
```

Mostramos en pantalla nuestras Betas.

```{r}
cat('El vector estimado Beta 0 = ', beta[1,1],',', ' Beta 1 = ', beta[2,1],',', ' Beta 2 = ', beta[3,1], ',', ' Beta 3 = ', beta[4,1], ',',' Beta 4 = ', beta[5,1], ',', 'Beta 5 = ', beta[6,1],',', 'Beta 6 = ', beta[7,1], 'Beta 7 =', beta[8,1], ',', 'Beta 8 = ', beta[9,1] )
```





## **De otra forma**


Creamos la funcion Beta Estimada, con los parametros de un vector y una matriz, 


```{r}
  beta_estimada <- function(matriz, vector){
beta <- solve(t(matriz)%*%matriz)%*%t(matriz)%*%vector
return(beta)
  }
```



*Aplicamos a nuestra funcion las Matrices definidas X, Y.*


```{r}
beta_estimada(X, Y)
```