UNIVERSIDAD CATOLICA BOLIVIANA “SAN PABLO”

PROBABILIDAD Y ESTADISTICA II

Nombres:
Linda Geraldin Calle Tancara
Herlan Adrian Condori Alejo
Ian David Villca Mamani
Sandra Mayte Iquise Ajhuacho
Docente:
Lic. Miranda Gonzales Yuri
Fecha:
28/Julio/2025
La Paz - Bolivia
Proyecto Final: Factores que Afectan la Felicidad
1. Introducción
El presente trabajo práctico tiene como objetivo aplicar técnicas de análisis descriptivo e inferencia
estadística, asimiladas en la materia de Probabilidad y Estadística II, utilizando una base de datos
específica. Se ha seleccionado la base de datos "Encuesta aplicada a 80 estudiantes para identificar los
principales factores que influyen en la percepción de la felicidad". Este informe busca analizar qué
variables tienen un efecto significativo sobre el nivel de felicidad, empleando para ello un modelo de
regresión lineal múltiple.
2. Objetivos
• Aplicar herramientas de estadística descriptiva e inferencial para analizar los factores que
influyen en la felicidad.
• Interpretar y discutir los resultados obtenidos del modelo de regresión lineal en relación con la
teoría estadística.
• Presentar conclusiones argumentadas sobre los hallazgos obtenidos, incluyendo la influencia de
tener pareja en la felicidad.
3. Desarrollo
3.1. Análisis Descriptivo
Se analizaron datos de una encuesta aplicada a 80 estudiantes. La variable dependiente es el nivel de
felicidad (𝑌), calificada en una escala de 1 a 15. Las variables independientes incluyen:

• 𝑋1 (horas_sueño): Horas de sueño diarias.

• 𝑋2 (nivel_estrés): Nivel de estrés (mayor valor = más estrés).
• 𝑋3 (apoyo_familia): Nivel de apoyo familiar.
• 𝑋4 (dinero_disponible): Cantidad de dinero disponible.
• 𝑋5 (horas_hobbies): Tiempo dedicado a hobbies.
• 𝑋6 (cantidad_hobbies): Cantidad de hobbies practicados.
• 𝑋7 (enamoradizo): Grado de ser enamoradizo.
• 𝑋8 (apoyo_pareja): Apoyo de la pareja.

3.2 Factores que Afectan la Felicidad

Este informe presenta la interpretación detallada de un modelo de regresión lineal múltiple, con el
objetivo de analizar qué variables tienen un efecto significativo sobre el nivel de felicidad.
La variable dependiente es la felicidad, mientras que las variables independientes incluyen factores como
horas de sueño, estrés, apoyo emocional y otros aspectos personales.
3.3 Modelo de regresión de personas con pareja:
3.3.1 Modelo de la regresión:
̂ = 4.62 + 0.40X1 − 0.42X2 + 0.31X3 + 0.0011X4 + 0.08X5 − 0.18X6 − 0.15X7 + 0.24X 8
Y

Cada uno de los coeficientes estimados representa el cambio esperado en el nivel de felicidad cuando una
de las variables independientes aumenta, manteniendo constantes las demás variables.

3.3.2 Interpretación de los coeficientes:

Variables significativas:

Horas de sueño (X1) – Coeficiente: 0.4007 → Las personas que duermen más tienden a sentirse más
felices. En promedio, dormir una hora adicional por día incrementa la felicidad en 0.40 puntos. Este
efecto es estadísticamente significativo al 1% (valor-p = 0.003), por lo tanto, muy confiable.

Nivel de estrés (X2) – Coeficiente: -0.4169 → A mayor nivel de estrés, menor nivel de felicidad.
Cada punto adicional en el estrés percibido disminuye la felicidad en 0.42 puntos. Este resultado es
altamente significativo al 1% (valor-p = 0.001), respaldando fuertemente su impacto negativo.

Apoyo de la familia (X3) – Coeficiente: 0.3118 → El apoyo emocional de la familia se relaciona con
mayor felicidad. Por cada punto más de apoyo familiar percibido, la felicidad aumenta en 0.31 puntos. Es
significativo al 5% (valor-p = 0.013), indicando que el efecto es confiable.

Dinero disponible (X4) – Coeficiente: 0.0011 → Aunque el coeficiente es pequeño, tener más dinero
disponible se relaciona con mayor felicidad. Por cada unidad monetaria adicional, la felicidad se
incrementa en 0.0011 puntos. Este resultado es significativo al 1% (valor-p = 0.001), lo cual indica una
relación real, aunque el impacto sea leve por unidad.

Apoyo de la pareja (X8) – Coeficiente: 0.2417 → El apoyo emocional de la pareja mejora el bienestar
general. Por cada punto adicional en apoyo de pareja, la felicidad se incrementa en 0.24 puntos. Este
resultado es significativo al 5% (valor-p = 0.035), lo que valida su impacto positivo.

Variables no significativas:
Horas dedicadas a hobbies (X5) – Coeficiente: 0.0848 → Aunque tiene un efecto positivo, no es
estadísticamente significativo (valor-p = 0.569). El valor-p supera ampliamente el 10%, lo que indica que
no hay evidencia clara de que dedicar más tiempo a hobbies aumente la felicidad.

Cantidad de hobbies (X6) – Coeficiente: -0.1839 → El signo negativo podría indicar que tener más
hobbies no siempre implica más felicidad, pero no hay evidencia estadística suficiente (valor-p = 0.300).
El valor-p es mayor al 10%, por lo tanto, el efecto no se considera confiable.

Grado de ser enamoradizo (X7) – Coeficiente: -0.1496 → Aunque muestra un efecto negativo, no es
significativo al 10% (valor-p = 0.171). Esto sugiere que el grado de enamoramiento no tiene un impacto
claro en la felicidad dentro de este modelo.

3.3.3 Significancia conjunta del modelo conjunto

• Estadístico F = 7.093
• Valor-p = 0.000069
• R² = 0.694 (69.4%)

El estadístico F del modelo es 7.093, con un valor-p = 0.000069, lo cual indica que el conjunto de
variables X1 a X8 explica significativamente la felicidad. El modelo tiene validez estadística, ya que el
valor-p es menor al 1%.

Además, el coeficiente de determinación R² = 0.694, lo que significa que el 69.4% de la variabilidad en

los niveles de felicidad puede explicarse por las variables incluidas en este modelo. Esto representa una
muy buena capacidad explicativa en el contexto de estudios sociales.

3.4 Modelo reducido de regresión

Para obtener un modelo más claro, confiable y fácil de interpretar, se eliminaron las variables no
significativas del modelo completo (X5, X6, X7). El modelo reducido incluye cinco variables: horas de
sueño (X1), nivel de estrés (X2), apoyo de la familia (X3), dinero disponible (X4) y apoyo de la pareja
(X8).

̂ = 4.62 + 0.40X1 − 0.42X2 + 0.31X3 + 0.0011X4 + 0.24X8

Y
Para realizar análisis, se utilizó una tabla más sencilla del modelo de regresión lineal, que solo incluye
cinco variables: horas de sueño (X1), nivel de estrés (X2), apoyo de la familia (X3), dinero disponible
(X4) y apoyo de la pareja (X8). Este modelo reducido se eligió por varias razones importantes que ayudan
a que los resultados sean más claros, confiables y fáciles de interpretar:

• En el modelo completo, que incluía ocho variables, se observó que algunas de ellas no eran
significativas, es decir, no tenían un efecto claro ni comprobado sobre la felicidad.
• Sus valores-p eran mayores al 10%, lo cual indica que no hay evidencia suficiente para afirmar
que influyen realmente en la felicidad.
3.4.1 Interpretación de los coeficientes del Modelo Reducido
• Horas de sueño (X1): El coeficiente de 0.3612511 es significativo (p = 0.003462). Esto sugiere
que un aumento en las horas de sueño se asocia con un incremento en el nivel de felicidad,
manteniendo otras variables constantes.
• Nivel de estrés (X2): El coeficiente de -0.3747830 es altamente significativo (p = 0.002006).
Indica que un mayor nivel de estrés se asocia con una disminución en la felicidad.
• Apoyo familiar (X3): El coeficiente de 0.3721074 es muy significativo (p = 0.002750). Esto
significa que un mayor apoyo familiar contribuye a un aumento en el nivel de felicidad.
• Dinero disponible (X4): El coeficiente de 0.0010921 es altamente significativo (p = 0.000918).
Aunque el efecto por unidad es pequeño, tener más dinero disponible se relaciona con un mayor
bienestar.
• Apoyo de pareja (X8): El coeficiente de 0.1700192 no es estadísticamente significativo al nivel
del 5% (p = 0.109827) en este modelo reducido, lo que sugiere que su efecto individual en la
felicidad podría no ser tan fuerte o consistente como el de otras variables, pero se mantiene en el
modelo para observación de su posible efecto.
3.4.2 Interpretación conjunta del Modelo Reducido
El estadístico F del modelo es 10.25 con un valor-p de 1.165e-05, lo que indica que el modelo es
estadísticamente significativo en su conjunto.
Esto significa que, en general, las variables incluidas explican bien el nivel de felicidad.

Además, el coeficiente de determinación R² = 0.6466, lo que indica que el modelo explica el 64.6% de
la variación en los niveles de felicidad.
Es un resultado bastante alto para un estudio de este tipo, lo que indica que es un modelo útil y confiable.

3.4.3 TABLA ANOVA CON PAREJA

TABLA ANOVA CON PAREJA MODELO SIN AJUSTAR Con (R² = 0.6942, R² ajustado = 0.5963)
FUENTE SUMA DE CUADRADOS GRADOS DE LIBERTAD CUADRADOS MEDIOS F VALOR-P
Regresión 82,14 8 10,27 7,093 0.00006916
Errores 36,24 25 1,45
TOTAL 118,38 33
TABLA ANOVA MODELO
AJUSTADO Con (R² = 0.6466, R² ajustado = 0.5835)
SUMA DE GRADOS DE
Fuente CUADRADOS MEDIOS F
CUADRADOS LIBERTAD
Regresión 76,41 5 15,28 10,25
Error 41,89 28 1,496
Total 118,38 33

3.5 Modelo de regresión para personas sin pareja

Se estimó un modelo de regresión lineal múltiple para el grupo de personas sin pareja, con el fin de
analizar qué factores influyen significativamente en su nivel de felicidad. Las variables incluidas en este
modelo fueron: nivel de estrés (X2), dinero disponible (X4) y horas dedicadas a hobbies (X5).

̂ = 4.10 − 0.50X2 + 0.48X4 + 0.001X5

Y
3.5.1 Interpretación de los coeficientes:
• Nivel de estrés (X2) – Coeficiente: -0.5008
Un aumento de un punto en la escala de estrés reduce la felicidad en 0.50 puntos.
Este efecto es altamente significativo al 1% (valor-p = 1.73 × 10⁻⁸).
• Dinero disponible (X4) – Coeficiente: 0.4833
Cada unidad monetaria adicional aumenta la felicidad en 0.48 puntos.
Este efecto es altamente significativo al 1% (valor-p = 1.80 × 10⁻⁸).
• Horas dedicadas a hobbies (X5) – Coeficiente: 0.0015
Cada hora extra de hobby incrementa la felicidad en 0.0015 puntos.
Este efecto es altamente significativo al 1% (valor-p = 2.20 × 10⁻¹⁰).
3.5.2 Interpretación conjunta del modelo
El estadístico F del modelo es 42.00 con un valor-p de 1.045e-12, lo que indica que el modelo es
estadísticamente significativo en su conjunto.
Esto significa que, en general, las variables nivel de estrés (X2), dinero disponible (X4) y horas dedicadas
a hobbies (X5) explican de forma conjunta y significativa el nivel de felicidad de las personas sin pareja.
Además, el coeficiente de determinación es R² = 0.75, lo que indica que el 75% de la variación en los
niveles de felicidad puede ser explicada por este modelo, lo que sugiere que el modelo es muy útil, confiable
y representativo para entender qué factores influyen en la felicidad en este grupo específico.

3.5.3 TABLA ANOVA SIN PAREJA

TABLA ANOVA SIN PAREJA MODELO SIN AJUSTAR Con (R² = 0.7864, R² ajustado = 0.7402)

SUMA DE
FUENTE GL CUADRADOS MEDIOS F VALOR-P
CUADRADOS
Regresión 124 8 15,5 17,02 2,89E-07
Errores 33,66 37 0,91
Total 157,66 45

TABLA ANOVA SIN PAREJA

Modelo Ajustado (R² = 0.75, R² ajustado = 0.7321)

SUMA DE
FUENTE GL CUADRADOS MEDIOS F VALOR-P
CUADRADOS
Regresión 118,2 3 39,4 42 1,05E-09
Errores 39,4 42 0,938
Total 157,6 45

3.6 Prueba de hipótesis:

Se desea analizar si tener pareja influye en el nivel de felicidad de las personas. Para ello, se aplicó una
encuesta a dos grupos distintos:

• Un grupo de personas con pareja

• Un grupo de personas sin pareja

A todos se les pidió calificar su nivel de felicidad en una escala de 1 a 15. Con estos datos, se desea
determinar si existe una diferencia significativa entre los niveles de felicidad de ambos grupos.

• Hipótesis nula (H₀): Tener pareja no influye en la felicidad

μcon pareja = μsin pareja
• Hipótesis alternativa (H₁): Tener pareja sí influye en la felicidad
μcon pareja ≠ μsin pareja

Esto es una prueba bilateral, porque queremos ver si hay alguna diferencia, ya sea positiva o negativa.

Utilizando datos de ambas muestras se obtuvieron los siguientes datos:

GRUPO MEDIA DESV. ESTANDAR N. DE MUESTRA

Con pareja 11.1203 1.8948 34
Sin pareja 9.5162 1.8713 46
Usando la fórmula de “t-student”:

x̅1 − x̅2 11.1203 − 9.5162

t= =
2 2
s2 s2 √1.8948 + 1.8713
√ 1+ 2 34 46
n1 n2

𝒕𝑐 = 𝟑. 𝟕𝟔𝟑

Grados de Libertad:

2 2
s2 s2 1.89482 1.87132
(n1 + n2 ) ( + )
1 2 34 46
𝑑𝑓 = = 2 2
2 2 2
1.89482 1.87132
s s2
(n1 ) (n2 ) (
34
) (
46
)
1
+ 2 34 − 1 + 46 − 1
n1 − 1 n2 − 1

𝒅𝒇 = 𝟕𝟎. 𝟕𝟓 ≅ 𝟕𝟏

𝒕∝ = 𝒕𝟎.𝟗𝟕𝟓 (𝟕𝟏) = 𝟏. 𝟗𝟗𝟐

Entonces: Ya que 𝑡𝑐 > 𝑡∝ → 3.763 > 1.997 (Rechazamos 𝑯𝟎 )

Valor p, Se calcula como: P = 2 * P (t > 3.763) = 2 * 0.0001712 = 0.000342

Como: P = 0.000342 < 0.05 ⇒ Rechazamos H₀

Esto indica que tener pareja sí influye en el nivel de felicidad de los estudiantes encuestados,
según el análisis realizado.

4. Conclusiones

A partir del análisis estadístico aplicado a 80 estudiantes, se identificaron los factores que influyen
significativamente en la felicidad, tanto en personas con pareja como sin pareja. Utilizando modelos de
regresión lineal múltiple, se evidenció que variables como horas de sueño, nivel de estrés, apoyo familiar,
dinero disponible y apoyo de pareja tienen un efecto importante sobre el bienestar.

Para el grupo con pareja, el modelo reducido presentó una capacidad explicativa del 64.6% (R² = 0.6466),
destacando como factores más relevantes el mayor descanso, menor estrés y apoyo familiar. Aunque el
apoyo de la pareja mostró un efecto positivo, su significancia estadística fue menor en este modelo.

En cambio, para el grupo sin pareja, el modelo alcanzó una mayor capacidad explicativa (R² = 0.75), con
variables como estrés, dinero disponible y tiempo en hobbies mostrando efectos altamente significativos
sobre la felicidad.

La prueba de hipótesis bilateral confirmó que existe una diferencia significativa entre ambos grupos
(𝑡_𝑐𝑎𝑙 = 3.763 > 𝑡_𝑡𝑎𝑏𝑙𝑎 = 1.992; 𝑣𝑎𝑙𝑜𝑟 − 𝑝 = 0.000342 < 0.05), lo que lleva a rechazar la
hipótesis nula. Se concluye que tener pareja influye significativamente en el nivel de felicidad de los
encuestados.

En conjunto, los resultados muestran que la felicidad depende de factores personales, emocionales y
sociales, siendo la relación de pareja un elemento influyente, aunque no exclusivo. El análisis evidencia
cómo la estadística permite comprender mejor fenómenos humanos complejos como la felicidad.

5. Referencias

• Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2012). Probabilidad y estadística para
ingeniería y ciencias (9.ª ed.). Pearson Educación.
Anexos

El gráfico muestra la relación entre tres variables y la felicidad:

 1. Estrés vs Felicidad (X2): Relación negativa. A mayor estrés, menor felicidad.
2. Apoyo Familiar vs Felicidad (X4): Relación positiva. Más apoyo familiar, más felicidad.
3. Dinero Disponible vs Felicidad (X5): Relación positiva. Más dinero disponible, más felicidad.
Las líneas de tendencia y los puntos confirman estas correlaciones.

• X1 – Horas de sueño → Tendencia positiva: A más horas de sueño, más felicidad.

• X2 – Estrés → Tendencia negativa: Más estrés se asocia con menos felicidad.
• X3 – Apoyo familiar → Relación positiva: Mayor apoyo familiar, mayor felicidad.
• X4 – Dinero disponible → También positiva: Más dinero, más felicidad (aunque el efecto es
leve).
• X8 – Apoyo de pareja → Relación positiva clara: Más apoyo de la pareja, mayor felicidad.