This exercise explores the linear independence of spectral bands by comparing DVI (Difference Vegetation Index) and NDVI (Normalized Difference Vegetation Index). First, Sentinel-2 raster data for NIR and Red bands is loaded and converted into matrices, which are then flattened into 1D arrays to enable matrix operations. The indices are computed with DVI and NDVI. Covariance matrices for {NIR, Red, DVI} and {NIR, Red, NDVI} are analyzed, where DVI's determinant approaches zero, confirming strong linear dependence, while NDVI’s determinant is notably larger, indicating some independent variability. Eigenvalues and eigenvectors reveal DVI has a near-zero eigenvalue, proving redundancy, whereas NDVI retains non-zero eigenvalues, signifying added dimensionality. This distinction is crucial for regression models sensitive to multicollinearity, as linearly dependent features like DVI can create instability, while NDVI offers a more informative alternative. By eliminating redundant spectral bands and focusing on indices with independent variations, this exercise enhances feature selection for environmental modeling, leading to better analytical insights and predictive accuracy.

La educación en México es fundamental para el desarrollo del país; sin embargo, la disponibilidad, el acceso a recursos, la infraestructura, el nivel de calidad educativa que se da en los centros educativos y la situación socioeconómica de los estudiantes son factores que influyen en el rezago educativo. El trabajo tiene por objetivo determinar la relación entre las condiciones socioeconómicas que influyeron en la población analfabeta (re_pana) en México en el 2020 mediante un modelo de regresión lineal multiple. Los parámetros del modelo de regresión explican 98% de la variabilidad para predecir al rezago. Las variables independientes más significativas que influyen en re_pana son el número de escuelas por estado y la población vulnerables por carencia social. Existe una fuerte relación positive entre la pobreza multidimensional y la población analfabeta (r = 82%) señalando que, a mayor pobreza, el analfabetismo aumentará proporcionalmente.

El proyecto busca determinar la relación entre las condiciones socioeconómicas, la infraestructura escolar, el rezago educativo y social, y otros factores los cuales pueden influir en cierto nivel a la brecha educativa que existe en el país. Los resultados indican una relación positiva entre pobreza y rezado educativo, señalando que un mayor número de escuelas no siempre es indicio de que exista un menor rezago educativo en la entidad, sugiriendo que, a pesar de no existir problemas de accesibilidad en ciertas zonas, la calidad educativa o barreras socioeconómicas. Las variables más significativas que influyen en el rezago total es el grado de accesibilidad de carreteras pavimentadas, el porcentaje de población vulnerable por rezago social y el número de escuelas por estado.