Modelo predictivo

Importar la base de datos

file.choose() bd <- read.csv(“/Users/Regina/Desktop/RentaDeBicis.csv”) # Entender la base de datos summary(bd)

Comentarios

1. ¿Por qué la variable de día llega hasta 19 y no hasta 31?

2. ¿Qué significan los números de las estaciones? 1 es primavera, 2 verano…

3. ¿qué día inicia la semana? 1 es domingo

plot(bd\(temperatura,bd\)rentas_totales, main =“Influencia de la temperatura en grados centigrados sobre las rentas totales”, xlab=“Temperatura”, ylab=“Rentas totales”)

Generar regresión “Modelo lineal”

regresion <- lm(rentas_totales ~ hora + dia + mes + año + estacion + dia_de_la_semana + asueto + temperatura + sensacion_termica + humedad + velocidad_del_viento, data=bd) summary(regresion)

Evaluar, y en caso necesario ajustar la regresión

regresion_ajustada <- lm(rentas_totales ~ hora + mes + año + sensacion_termica + humedad + velocidad_del_viento, data=bd) summary(regresion_ajustada)

Construir un modelo de predicción

datos_nuevos <- data.frame(hora=12, mes=1:12, año=2013, sensacion_termica=24, humedad=62, velocidad_del_viento=13) predict(regresion_ajustada,datos_nuevos)