SalidaLLegada

R Markdown

salida <- c(6.47, 6.22, 6.15, 6.14, 6.21, 6.28, 6.31, 6.11, 6.09, 6.01, 6.11)

llegada <- c(7.57, 7.22, 7.16, 7.22, 7.24, 7.33, 7.41, 7.16, 7.06, 7.05, 7.22)

objeto <- data.frame(salida, llegada)
summary(objeto) #minimo maximo mediana cuatiles

##      salida         llegada     
##  Min.   :6.010   Min.   :7.050  
##  1st Qu.:6.110   1st Qu.:7.160  
##  Median :6.150   Median :7.220  
##  Mean   :6.191   Mean   :7.240  
##  3rd Qu.:6.250   3rd Qu.:7.285  
##  Max.   :6.470   Max.   :7.570

mean(salida) #media de las variables salida y llegada

## [1] 6.190909

mean(llegada)

## [1] 7.24

# se crea el modelo de regresion
regresion <- lm(llegada ~ salida, data = objeto) # regresion
summary(regresion) #informacion de la regresion

## 
## Call:
## lm(formula = llegada ~ salida, data = objeto)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -0.06459 -0.02752  0.01080  0.02535  0.07254 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   0.1593     0.6727   0.237    0.818    
## salida        1.1437     0.1086  10.527 2.33e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.04366 on 9 degrees of freedom
## Multiple R-squared:  0.9249, Adjusted R-squared:  0.9165 
## F-statistic: 110.8 on 1 and 9 DF,  p-value: 2.329e-06

plot(regresion)

Including Plots

plot(objeto) #grafico de puntos comun
library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.3.3

grafico <- plot(x = salida,y = llegada, main = "viaje") # grafico mas simple

fix(objeto) #planilla para completar datos
ggplot(data = objeto, aes(x = salida, y = llegada)) + 
  geom_point() + labs(title = "viaticos") + geom_smooth(method = "lm") #grafico mas avanzado

## `geom_smooth()` using formula = 'y ~ x'

barplot(salida) #grafico de barras

cor(objeto$salida, objeto$llegada) #coeficiente de correlacion

## [1] 0.9617115

cor.test(objeto$salida, objeto$llegada ,use = "everything", method = c("pearson"))

## 
##  Pearson's product-moment correlation
## 
## data:  objeto$salida and objeto$llegada
## t = 10.527, df = 9, p-value = 2.329e-06
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.8552167 0.9902847
## sample estimates:
##       cor 
## 0.9617115

#Pearson's product-moment correlation

#data:  objeto$salida and objeto$llegada
#t = 10.527, df = 9, p-value = 2.329e-06
#alternative hypothesis: true correlation is not equal to 0
#95 percent confidence interval:
# 0.8552167 0.9902847
#sample estimates:
  
#0.9617115 #


# Pearson es parametrica
#coeficiente de correlacion , grados de libertad,
#el p valor y el intervalo de confianza
# pero todavia no se puede reportar los datos. Hay que definir si
# siguen una distribucion normal (pruebas parametricas) o no parametricas
#Hay que testear la normalidad y la homogeneidad de la varianza (homoscedasticidad)

 
    
cor.test(objeto$salida, objeto$llegada , method = "spearman", exact = FALSE)

## 
##  Spearman's rank correlation rho
## 
## data:  objeto$salida and objeto$llegada
## S = 18.747, p-value = 7.959e-05
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##       rho 
## 0.9147854

#Spearman's rank correlation rho

#data:  objeto$salida and objeto$llegada
#S = 18.747, p-value = 7.959e-05
#alternative hypothesis: true rho is not equal to 0
#sample estimates:
    
#0.9147854 #
# Spearman es no parametrica
# reporte final de la correlacion
#El analisis de correlacion indico la presencia de una correlacion moderada-fuerte
#entre las variables r=0.9147 p menor a 0,001

# corregir el modelo para que no haya autocorrelacion(aunque en este caso no la 
#hay)
acf(residuals(regresion))

pacf(residuals(regresion))

graficohistograma <- objeto$salida
graficohistograma1 <- objeto$llegada
hist(graficohistograma, main = "salida" ,col = "cornflowerblue")

hist(graficohistograma1, main = "llegada" ,col = "cornflowerblue")

hist(salida, breaks = , #numero de intervalos
     main = "Salida", #titulo del grafico
     freq = FALSE,
     xlab = "hora", #titulo del eje x
     ylab = "dia", #titulo deleje y)
     xlim = c(6.05,6.35), #rango de valores deleje X
     ylim = c(1.99,3.8),
     col = "blue", #color de relleno
     border = "white") #color del borde del rectangulo


lines(density(graficohistograma), col = "red", lwd = 1)
lines(density(graficohistograma, adjust = 1), col = "red", lwd = 1, lty = 1)
curve(dnorm(x, mean = mean(salida), sd = sd(salida)), add = TRUE, col = "yellow", lwd = 6)
abline(v = mean(salida), lwd = 5, lty = 3, col = "green")