Modelo
estadístico para asociar variables que permitan determinar el grado de
dependencia lineal
Statistical
model to associate variables for determining the degree of linear dependence
Xavier Álvarez1,
Steeven Ambuludí2, y María Tola Romero3
RESUMEN
En los últimos años el flujo de migraciones ha aumentado de manera
exponencial, esto podría generar conflictos en los países que acogen a los
migrantes, es por ello que mediante el presente trabajo de investigación y a
través de una base de datos obtenida del Instituto Nacional de Estadística y
Censos (INEC) acerca de las entradas y salidas de migrantes de este país, se
consideró una muestra de un millón de personas, mediante este análisis se busca
determinar el porcentaje de extranjeros que ingresan al Ecuador y también los
países de procedencia más frecuentes de los inmigrantes, para esto se
implementa un análi-sis estadístico implementando
tablas de contingencias y la prueba de chi cuadrado,
realizado en el lenguaje de programa-ción R. Este
trabajo arrojó como resultados que el 32.2% de migrantes que ingresan al país
son extranjeros, también que los países con mayor recurrencia de salida de
migrantes hacia este país son: Venezuela, Colombia, Estados Unidos y Perú.
Además, se encontró que estas migraciones están relacionadas a factores como
turismo y residencia. En conclusión, en este trabajo se pudo verificar que las
tablas de contingencia siguen siendo un buen instrumento estadístico para
determinar la dependencia que pueda existir entre dos variables determinadas.
Palabras clave: Inmigrantes,
Análisis estadístico, Tablas de contingencia, Relación de variables.
ABSTRACT
In recent years the flow of migration has increased exponentially, this could generate conflicts in the countries that host mi-grants, which is why through this research work and through a database obtained from the National Statistics Institute and Censuses (INEC) about the entry and exit of migrants from this country, a sample of one million people was considered, this analysis seeks to determine the percentage of foreigners entering Ecuador and also the most frequent countries of origin of For this, a statistical analysis is implemented by implementing contingency tables and the chi-square test, carried out in the pro-gramming language R. This work showed that 32.2% of migrants entering the country are foreigners, also that the Countries with the highest recurrence of migrants leaving to this country are: Venezuela, Colombia, United States, and Peru. In addition, it was found that these migrations are related to factors such as tourism and residence. In conclusion, in this work, it was possible to verify that the contingency tables are still a good statistical instrument to determine the dependence that may exist between two determined variables.
Keywords: Immigrants, Statistical
analysis, Contingency tables, Variable relationships.
Fecha de recepción: Septiembre 5,
2019.
Fecha de aceptación:
Enero 14,
2020.
En
la actualidad las crisis económicas y los conflictos sociales por los que
atraviesan algunos países suelen ser los factores más influyentes al momento de
que una persona decida migrar lejos de su hogar buscando seguridad, estabilidad
económica entre otras cosas. Son tantas las migraciones que se han dado en los
últimos años hacia este país que la población nativa se ve afectada puesto que
aumenta la mano de obra barata y reduce la plaza de empleos. Es por ello, que a
través de esta investigación se busca dar a conocer el porcentaje de
extranjeros que ingresan a Ecuador y los países de procedencia más usuales de
los mismos, así también la relación que existe entre dichas variables.
Trabajos Relacionados
Vásquez-De Kart
et al. (Vásquez-De Kartzow,
Castillo-Durán, & Lera M., 2015) realizan un
análisis estadístico para ver la relación de las variables sociodemográficas
con la tasa de inmigración de población pediátrica en países de América Latina.
Este análisis fue realizado mediante el uso de Excel en el cual se aplicó el
método de correlación lineal de Pearson y la prueba de Fisher para evaluar las
diferencias en la tasa de migración. Obtuvieron como resultado que la tasa neta
de migración fue positiva solo para 5 países de América Latina: Costa Rica,
Panamá, Venezuela, Chile y Argentina.
De acuerdo con
el trabajo de Guevara Santana (Guevara Santana,
2017) el flujo
migratorio se puede observar de forma externa e interna y es analizado desde
cualquier punto de vista tanto político, social o económico. En este trabajo se
hace un análisis para observar la relación que existe entre las políticas
migratorias y el retorno de los migrantes ecuatorianos. Para llevar a cabo este
análisis los investigadores emplearon el método de correlación de Pearson y el
estadístico de prueba T de student mediante el cual
obtuvieron como resultado que existe una relación significativa entre las
políticas migratorias y el retorno de migrantes ecuatorianos.
Como observamos
en los autores Vásquez-De Kartzow (Vásquez-De Kartzow
et al., 2015) y Guevara
Santana(Guevara Santana,
2017), utilizaron el
método de correlación de Pearson para el analizar la relación de sus variables,
sin embargo, este método solo nos sirve para medir variables cuantitativas por
eso en este trabajo se hará uso de tablas de contingencia ya que nos ayuda a
medir tanto variables cuantitativas como cualitativas. Además, el trabajo de
Vásquez-De Kartzow (Vásquez-De Kartzow
et al., 2015) está hecho en
Excel y este será realizado en R.
Parra Vera (Parra Vera, 2016) busca analizar
el impacto económico de las migraciones en Ecuador y Bolivia con la finalidad
de observar los orígenes de las tendencias migratorias y su relación con la
naturaleza esperada de las remesas de los emigrantes. Para ello utiliza un
análisis estadístico de regresión lineal múltiple y una reducción factorial por
método de componentes principales mediante el uso del software IBM-SPSS versión
24. Obtuvieron que, en el caso de Bolivia la naturaleza de las remesas de los
migrantes es oportunista tanto en el análisis con Estados Unidos y España. De
similar manera en Ecuador, pero solo en el caso de España. Sin embargo, a pesar
de que la herramienta SPSS es muy buena para el análisis estadístico de datos
en nuestra investigación se usara el software R debido a que SPSS presenta
limitaciones en sus funciones a la hora de realizar problemas complejos
mientras que R es actualmente el software más potente y completo del mercado en
cuanto al análisis estadístico.
En Nievas (Nievas, 2015) el autor
realiza una investigación sobre la correlación que existe entre la migración y
el desarrollo humano. Las migraciones son un tema delicado en los países
receptores donde es vista como uno de los principales problemas y es explotada
por algunos grupos políticos. Mediante este trabajo obtuvieron como resultado
que si en lugar de contratar a un experto europeo para desarrollar un trabajo
de cooperación en un país empobrecido, se contratara a un nacional en la
diáspora, con un nivel de cualificación equivalente, se favorecerá
evidentemente el retorno. Desde el punto de vista de la dependencia de los
territorios periféricos, el subdesarrollo es la causa de las migraciones, que a
su vez refuerzan las condiciones estructurales de pobreza y dependencia en las
que se encuentra el país de origen.
Materiales y Métodos
En este apartado se detalla los materiales
y métodos que se implementaran a lo largo de este trabajo, para dar a conocer
el porcentaje de extranjeros que ingresan al Ecuador, se implementaran tablas
de contingencia utilizando la prueba de chi cuadrado.
Estadística
Para Cevallos Torres et al. (Cevallos Torres,
MARTINEZ, AMERICA, & BARROS MORALES, 2017), la estadística
es la ciencia en donde se obtienen, analizan, procesan y muestran datos
referentes a un fenómeno que presentan variabilidad o incertidumbre para su
estudio metódico, con objeto de deducir las características de una población
objetivo y poder actuar de esa forma sobre los mismos, tomar decisiones u
obtener conclusiones.
Tablas de contingencia
Se sabe que la información
proporcionada por una tabla bidimensional puede expresarse en términos
diversos: frecuencias absolutas conjuntas, relativas conjuntas, condicionadas
de una variable a valores de la otra. Además, puede derivarse el comportamiento
unidimensional de las variables implicadas mediante las distribuciones marginales
Nievas (Nievas, 2016).
La tabla bidimensional recibe el
nombre de tabla de contingencia cuando las características en estudio no son
cuantitativas.
La tabla de contingencia es un
medio particular de representar simultáneamente dos caracteres observados en
una misma población, si son discretos o continuos reagrupados en clases. Los
dos caracteres son x e y, el tamaño de la muestra es n. Las modalidades o
clases de x se escribirán C1, ..., Cr, las de y, d1, … ds.
Se denota:
1. nkk el efectivo
conjunto de Ch y dk: es el
número de individuos para los cuales x toma el valor Ch y el valor dk
2.
3.
Se representan estos valores en una tabla
de doble entrada, llamada tabla de contingencia:
Tabla 1. Tabla de contingencia general.
x\y |
d1 |
….. |
dk |
….. |
ds |
Total |
c1 |
n11 |
….. |
n1k |
….. |
n1s |
n1 |
….. |
….. |
….. |
….. |
….. |
….. |
….. |
ch |
nh1 |
….. |
nnk |
….. |
nhs |
nh |
….. |
….. |
….. |
….. |
….. |
….. |
….. |
cr |
nr1 |
….. |
nrk |
….. |
nrs |
nr |
Total |
n1 |
….. |
nk |
….. |
ns |
n |
Prueba de chi
cuadrado
Según Manzano (Manzano, 2014), la prueba chi-cuadrado de contingencia sirve
para comprobar la independencia de frecuencias entre dos variables aleatorias,
X e Y.
Las hipótesis contrastadas en la prueba son:
·
Hipótesis nula: X e Y son
independientes.
·
Hipótesis
alternativa: X e Y no son independientes (No importa cuál sea la relación que
mantengan ni el grado de esta.
(5)
Por tanto, todo lo que
necesitamos serán unas estimas de las funciones de probabilidad de ambas
variables por separado (f(x) y f(y)) y de la función de probabilidad conjunta
(f(x,y)). Empezaremos la
prueba tomando una muestra de parejas de valores sobre la que contaremos la
frecuencia absoluta con la que aparece cada combinación de valores (xi, yj) o de grupos de valores (i,j) (Oij). La tabla
siguiente, en la que se recogen estos datos, es en realidad nuestra estimación
de la función de probabilidad conjunta multiplicada por el número total de
datos (T).
Para obtener las estimas de las
funciones de probabilidad marginales debemos sumar por filas y por columnas los
valores de las frecuencias conjuntas. Las sumas de filas (Fi) son, en cada
caso, el número de veces que hemos obtenido un valor de X (xi) en cualquier
combinación con distintos valores de Y, es decir, son nuestra estima de la
función de probabilidad de X multiplicada por el número total de observaciones;
análogamente, las sumas de columnas (Cj) son nuestra
estima de la función de probabilidad de Y multiplicada por el número total de
observaciones.
(1)
(2)
Podemos convertir la ecuación
anterior a frecuencias absolutas multiplicando por T:
(3)
(4)
Por tanto, el parámetro anterior
ser el estadístico de la prueba de hipótesis y la región crítica se encontrar
siempre en la cola derecha de la distribución chi-cuadrado.
Nuevamente, esta prueba será siempre de una sola cola. Estadístico de
contraste.
Se acepta la hipótesis nula si
Tal como ocurría en la prueba
anterior lo corriente es que queramos demostrar que dos variables son
independientes, es decir, que, habitualmente, nos veremos obligados a colocar
nuestra hipótesis en la hipótesis nula.
Prueba de chi cuadrado
Para Ruiz-Ruano & Puga (Ruiz-Ruano & Puga, 2016), R es un lenguaje Orientado a
Objetos: bajo este complejo termino se esconde la simplicidad y flexibilidad de
R. Es un lenguaje interpretado (como Java) y no compilado (como C, C++,
Fortran, Pascal…), lo cual significa que los comandos escritos en el teclado
son ejecutados directamente sin necesidad de construir ejecutables.
Como segunda medida, la sintaxis de R es muy simple e
intuitiva. Por ejemplo, una regresión lineal se puede ejecutar con el comando
lm (y, x). Para que una función sea ejecutada en R debe estar siempre
acompañada de paréntesis, inclusive en el caso que no haya nada dentro de los
mismos (por ej., ls ()). Si se escribe el nombre de
la función sin los paréntesis, R mostrara el contenido (código) mismo de la
función.
El entorno RStudio está definido
por una serie de ventanas que permiten realizar distintas tareas. Las más
importantes son:
Figura 1. Ventana del programa RStudio.
Consola
R: Esta ventana interactiva permite
escribir directamente código R, y muestra también la salida del código que
ejecuta. El código escrito en la consola R no se guarda directamente, aunque se
puede acceder a las órdenes anteriores con la flecha hacia arriba.
Entorno
R (environment): En este
espacio se muestra el conjunto de objetos que R tiene cargados en memoria. Esto
incluye conjuntos de datos, variables, vectores, funciones, etc. También hay
otras solapas que permiten acceder entre otros, a la historia: el código
ejecutado recientemente.
Salida
gráfica: Este espacio tiene varias
solapas. La solapa plots muestra los gráficos creados
con R. Hay otras solapas: files permite explorar los archivos en la carpeta de
trabajo, incluido cambiar ésta. La solapa Packages
permite comprobar qué paquetes de R están instalados, cargarlos e instalar
nuevos. La pestaña help permite acceder a la ayuda de
R integrada. Por último, la pestaña viewer contiene
los resultados producidos por R que corresponden a otro tipo de objetos, como
ficheros html.
Editor
R (Script): Cuando abrimos por primera vez
esta ventana no aparece. Como su nombre sugiere, aquí tienes espacio para
editar código. Los ficheros de código de R son siempre ficheros de texto, que
pueden tener la extensión. r (sólo código) o. rmd
(código combinado con generación de documentos). Para ejecutar códigos
seleccionamos las líneas de código y hacemos Ctrl + Enter o hacemos clic en el botón run. En este espacio
también se abren pestañas para visualizar objetos de R cuando hacemos clic en
la ventana del entorno R.
Caso de estudio
Población
Para este trabajo la población de
estudio, se tomó una muestra de más de 1 millón de personas. Esta información
fue proporcionada por la base de datos que tiene por nombre Control de entradas
y salidas de los migrantes en Ecuador, la misma que fue obtenida a través del
Instituto Ecuatoriano de Estadística y Censo (INEC).
Por lo que para el análisis
estadístico de este estudio se tomó en consideración las siguientes variables:
Tabla 2. Variables utilizadas.
Nombre
de las variables |
|||||
Edad |
Tipo de movimiento |
Tipo de nacionalidad |
Sexo |
Motivo de viaje |
Medio de transporte |
Resultados y Discusiones
En esta parte se mostrará los
resultados obtenidos mediante el análisis estadístico con tabla de
contingencias por medio la prueba de chi cuadrado.
Algoritmo 1:
tablaPaises<table(Base.de.datos.estadistica.Final$tip_movi,Base.de.datos.estadistica.Final$tip_naci)
print(totPercents(tablaPaises))
Tabla 3.
Porcentajes entre el tipo de movimiento de migración y los tipos de
persona.
|
Ecuatoriano |
Extranjero |
TOTAL |
Entrada |
17.9 |
32.2 |
50.1 |
Salida |
19.3 |
30.7 |
49.9 |
TOTAL |
37.1 |
62.9 |
100.0 |
De acuerdo con los resultados de
los porcentajes de la tabla de contingencia se puede declarar que de la base de
datos solo un 32.2% pertenece a los extranjeros que ingresan al país.
Algoritmo 2:
tablaContingencia1<table(BaseDatosReducida$nac_migr,BaseDatosReducida$mot_viam)
print(totPercents(tablaContingencia1))
Tabla 4.
Porcentajes entre la nacionalidad de los extranjeros y el motivo de
viaje.
|
Estudios |
Eventos |
Negocios |
Otros |
Residencia |
Turismo |
Total |
Colombia |
0.0 |
0.5 |
0.6 |
0.8 |
1.8 |
15.3 |
19.1 |
Estados Unidos |
0.1 |
0.4 |
0.1 |
0.5 |
1.2 |
9.0 |
11.3 |
Otros |
0.0 |
2.4 |
1.1 |
3.0 |
4.2 |
22.2 |
32.9 |
Perú |
0.0 |
0.2 |
0.2 |
0.4 |
0.5 |
8.0 |
9.3 |
Venezuela |
0.0 |
0.2 |
0.1 |
0.7 |
1.1 |
25.3 |
27.4 |
TOTAL |
0.2 |
3.7 |
2.1 |
5.4 |
8.8 |
79.8 |
100.0 |
Figura 2. Histograma
de los países con mayor frecuencia.
Hipótesis:
H0: La nacionalidad de los extranjeros es independiente del motivo de
viaje.
H1: La nacionalidad de los extranjeros no es independiente del motivo de
viaje.
Figura 3. Histograma
de los países con mayor frecuencia.
Algoritmo 3:
Prueba1<-chisq.test(tablaContingencia1, correct=FALSE)
print(Prueba1)
Prueba de Chi-Cuadrado en R
data: tablaContingencia1
X-squared = 73602, df = 920,
p-value < 2.2e-16
Se puede
verificar el resultado aplicando la fórmula matemática de chi-cuadrado:
Luego se obtiene el grado de
libertad aplicando su respectiva fórmula matemática:
Por último, se encuentra el valor
crítico a utilizar:
De acuerdo con los resultados de
la prueba de chi-cuadrado se puede verificar que la
hipótesis nula (H0) es
rechazada debido a que el valor obtenido, 73602, es mayor al valor crítico que
corresponde a 658.09. También se puede afirmar que el porcentaje de extranjeros
que entran al Ecuador y vienen por motivo turístico es de 79.8%, un 8.8% de
extranjeros entran al Ecuador por motivo de residencia, y solo un 0.2%, 3.7%,
2.1%, 5.4% de extranjeros entran al Ecuador por motivos de estudios, eventos,
negocios, y otros, respectivamente. Y por último se puede afirmar que el mayor
porcentaje de extranjeros que vienen al Ecuador son de Venezuela con un 27.4%,
seguido con un 19.1% que corresponde a los extranjeros que son de Colombia, y
con un 11.3% correspondiente a los extranjeros que llegan a Ecuador desde
Estados Unidos.
Algoritmo 4:
tablaContingencia2<table(BaseDatosReducida$mot_viam,BaseDatosReducida$sex_migr)
print(totPercents(tablaContingencia2))
Dependencia entre el sexo de los extranjeros y el motivo de viaje
Tabla 5.
Porcentajes entre el sexo de los extranjeros y el motivo de viaje.
|
Hombre |
Mujer |
TOTAL |
Estudios |
0.1 |
0.1 |
0.2 |
Eventos |
2.8 |
0.9 |
3.7 |
Negocios |
1.7 |
0.3 |
2.1 |
Otros |
3.8 |
1.6 |
5.4 |
Residencia |
4.8 |
4.1 |
8.8 |
Turismo |
43.4 |
36.4 |
79.8 |
TOTAL |
56.5 |
43.5 |
100.0 |
Hipótesis:
H0:
El sexo de los extranjeros es
independiente respecto al motivo de viaje.
H1: El sexo de
los extranjeros no es independiente respecto al motivo de viaje.
Algoritmo 5:
Prueba2<-chisq.test(tablaContingencia2, correct=FALSE)
print(Prueba2)
Prueba de Chi-Cuadrado en R
data: tablaContingencia2
X-squared = 3964.8, df = 5,
p-value < 2.2e-16
Se puede verificar el resultado aplicando la fórmula matemática de chi-cuadrado:
Luego se obtiene el grado de
libertad aplicando su respectiva fórmula matemática:
Por último, se encuentra el valor crítico a
utilizar:
De acuerdo con los resultados de la prueba de chi-cuadrado
se puede verificar que la hipótesis nula (H0) es rechazada debido a que el valor obtenido, 3964.8, es mayor al valor
crítico que corresponde a 11.07. Y también se puede declarar que el porcentaje
de hombres que entran al Ecuador es mayor al porcentaje de mujeres que llegan
al país.
Algoritmo 6:
tablaContingencia3<table(BaseDatosReducida$edad,BaseDatosReducida$mot_viam)
print(totPercents(tablaContingencia3))
Tabla 6.
Porcentajes entre la edad de los extranjeros y el motivo de viaje.
|
Estudios |
Eventos |
Negocios |
Otros |
Residencia |
Turismo |
Total |
|
1 a 10 |
0.0 |
0.0 |
0.0 |
0.0 |
1.0 |
6.4 |
7.4 |
|
11 a 20 |
0.0 |
0.0 |
0.0 |
0.1 |
1.0 |
7.6 |
8.7 |
|
21 a 30 |
0.0 |
1.0 |
0.0 |
1.1 |
1.4 |
23.5 |
27.0 |
|
31 a 40 |
0.0 |
1.0 |
0.9 |
1.0 |
2.0 |
16.1 |
21.0 |
|
41 a 50 |
0.0 |
1.0 |
1.0 |
0.3 |
2.0 |
9.6 |
13.9 |
|
51 a 60 |
0.0 |
0.7 |
0.2 |
1.0 |
0.4 |
7.6 |
9.9 |
|
61 a 70 |
0.0 |
0.0 |
0.0 |
0.0 |
1.0 |
6.4 |
7.4 |
|
71 a 80 |
0.1 |
0.0 |
0.0 |
0.0 |
0.0 |
2.5 |
2.6 |
|
81 a 90 |
0.0 |
0.0 |
0.0 |
0.0 |
0.0 |
0.1 |
0.1 |
|
91 a 100 |
0.0 |
0.0 |
0.0 |
2.0 |
0.0 |
|
2.0 |
|
TOTAL |
0.2 |
3.7 |
2.1 |
5.4 |
8.8 |
79.8 |
100.0 |
|
Hipótesis:
H0:
La edad de los extranjeros es
independiente respecto al motivo de viaje.
H1:
La edad de los extranjeros no es
independiente respecto al motivo de viaje.
Figura 4.
Histograma de las edades con mayor frecuencia.
Algoritmo 7:
Prueba3<-chisq.test(tablaContingencia3, correct=FALSE)
print(Prueba3)
Prueba de Chi-Cuadrado en R
data: tablaContingencia3
X-squared = 12810 df = 485,
p-value < 2.2e-16
Se puede
verificar el resultado aplicando la fórmula matemática de chi-cuadrado:
Luego se
obtiene el grado de libertad aplicando su respectiva fórmula matemática:
Por último,
se encuentra el valor crítico a utilizar:
De acuerdo
con los resultados de la prueba de chi-cuadrado se
puede verificar que la hipótesis nula (H0) es
rechazada debido a que el valor obtenido, 12810, es mayor al valor crítico que
corresponde a 553.13. Y también se puede afirmar que el mayor porcentaje de
extranjeros que vienen al Ecuador se encuentra entre un rango de 20 y 60 años.
Algoritmo 8:
tablaContingencia4<table(BaseDatosReducida$mot_viam,BaseDatosReducida$via_tran)
print(totPercents(tablaContingencia4))
Dependencia entre la vía de transporte y el motivo de viaje
Tabla 7.
Porcentajes entre la vía de transporte y el motivo de viaje.
|
Vía Aérea |
Vía fluvial |
Vía marítima |
Vía terrestre |
Total |
||
Estudios |
0.1 |
0.1 |
0.2 |
0.0 |
0.2 |
||
Eventos |
2.8 |
0.9 |
3.7 |
0.0 |
3.7 |
||
Negocios |
1.7 |
0.3 |
2.1 |
0.0 |
2.1 |
||
Otros |
3.8 |
1.6 |
5.4 |
1.31 |
5.4 |
||
Residencia |
4.8 |
4.1 |
8.8 |
1.2 |
8.8 |
||
Turismo |
43.4 |
36.4 |
79.8 |
48.7 |
79.8 |
||
TOTAL |
56.5 |
43.5 |
100.0 |
51.2 |
100.0 |
||
Hipótesis:
H0: La vía de
transporte es independiente respecto al motivo de viaje.
H1: La vía de
transporte no es independiente respecto al motivo de viaje.
Algoritmo 9:
Prueba4<-chisq.test(tablaContingencia4, correct=FALSE)
print(Prueba4)
Prueba de Chi-Cuadrado en R
data: tablaContingencia4
X-squared = 64576, df = 15,
p-value < 2.2e-16
Se puede verificar el
resultado aplicando la fórmula matemática de chi-cuadrado:
Luego se obtiene el grado de
libertad aplicando su respectiva fórmula matemática:
Por último, se encuentra el valor
crítico a utilizar:
De acuerdo con los resultados de
la prueba de chi-cuadrado se puede verificar que la
hipótesis nula (H0) es
rechazada debido a que el valor obtenido, 64576, es mayor al valor crítico que
corresponde a 25. Y también se puede afirmar que el mayor porcentaje de
extranjeros que vienen al Ecuador prefieren usar una vía terrestre con un
51.2%, seguido de un 46% que prefieren usar una vía aérea, un 2.6% que optan
por usar una vía marítima, y, por último, de un 0.2% que deciden usar una vía
fluvial.
Conclusiones
Según los resultados obtenidos mediante el análisis de la prueba de
Chi-Cuadrado se logró conocer que solo un 32.2% de los extranjeros son los que
ingresan al país y que los países con mayor el porcentaje de extranjeros que
migran hacia Ecuador son Venezuela con un 27.4%, Colombia con un 19.1%, y Estados
Unidos con un 11.3%. También se logró determinar los motivos más frecuentes por
los cuales los extranjeros vienen a nuestro país; entre los cuales se destaca
el turismo, la residencia, eventos sociales y otros. Por otra parte, se observa
las principales vías de transporte por las cuales ingresan los extranjeros, que
son las de vía terrestre y aérea, respectivamente. Y finalmente, se demostró
que la mayoría de los extranjeros que ingresan se encuentran en un rango de
edad de 20 a 60 años.
Referencias
Bibliográficas
Cevallos-Torres,
L., & Botto-Tobar, M. (2019). Case study: Logistical behavior in
the use of urban transport using the monte carlo simulation method. In Problem-Based
Learning: A Didactic Strategy in the Teaching of System Simulation (pp.
97–110). Springer.
Cevallos Torres, L. J., MARTINEZ, V., AMERICA, N., &
BARROS MORALES, R. L. (2017). Análisis Estadístico Univariado. grupo
Compás-Universidad de Guayaquil.
Guevara Santana, D. J. (2017). Analisis de la
aplicacion de politicas para retorno de migrantes en el Ecuador, Periodo
2012-2015. UNIVERSIDAD DE GUAYAQUIL.
Manzano, V. (2014). Chi cuadrado de pearson para dos
variables nominales.
Nievas, F. (2015). Informe de Gestión.
Nievas, F. (2016). Pruebas de Chi Cuadrado para una sola
muestra.
Parra Vera, S. R. (2016). ANÁLISIS DE LA MIGRACIÓN EN
LA COMUNIDAD ANDINA Y SUS MOTIVACIONES ECONÓMICAS. Universidad de
Guayaquil.
Ruiz-Ruano, A. M., & Puga, J. L. (2016). R COMO
ENTORNO PARA EL ANÁLISIS ESTADÍSTICO EN EVALUACIÓN PSICOLÓGICA. Papeles del
Psicólogo, 37(1), 74–79.
Vásquez-De Kartzow, R., Castillo-Durán, C., & Lera M.,
L. (2015). Migraciones en países de América Latina. Características de la
población pediátrica. Revista Chilena de Pediatría, 86(5), 325–330.
https://doi.org/10.1016/j.rchipe.2015.07.007
[1] Estudiante de Ingeniería en Sistemas
Computacionales. Universidad de Guayaquil, Ecuador. E-mail: [email protected]
2 Estudiante de Ingeniería en Sistemas Computacionales. Universidad de
Guayaquil, Ecuador. E-mail:
[email protected]
3 Estudiante de Ingeniería en
Sistemas Computacionales. Universidad de Guayaquil, Ecuador. E-mail: [email protected]