Datos de calidad del aire

En este documento trataremos de explorar el dataset airquality para entender las causas de los rpoblemas de la calidad del aire (En nuestro trabajo hay que explicar mejor la svariables a utilizar)

Exploración de datos

Primero cargaremos las librerias y datos que vamos a utilizar

library(dplyr)
## Warning: package 'dplyr' was built under R version 4.3.3
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.3.3
data("airquality")

Segundo, decidimos explorar los datos y ver que formato tienen

View(airquality)

Buscaremos hacer un analisis exploratorio

temperatura <- airquality %>% 
  group_by(Month)%>%
  summarise(promededio_oz = mean(Ozone, na.rm = T))
ggplot(temperatura, aes(x= Month, y = promededio_oz,)) +
  geom_point() +
  labs(title = "Cantidad de Ozono por meses",
       x = "Meses",
       y = "Ozono") +
    theme_minimal()

## Construyendo un modelo

Como tercer paso para construir un modelo se estableceran las variables que definiran la relación entre la cantidad observada de viento (mph) y la cantidad de contaminación (Ozono)

Se van a construir un modelo de regresion lineal simple, donde utilizaremos la variable viento (mph) para explicar la variable Ozone.

\(Y= B0 + B1*x1 + e\)

En este caso nuestra variabloe Y es Ozone y la variable X viento

\(Ozono_estimado = B0 + Viento* Coef B1 + e\)

# y = airquality$Ozone
# x = airquality$Wind

modelo <- lm(data = airquality, 
   formula = Ozone ~ Wind)

summary(modelo)
## 
## Call:
## lm(formula = Ozone ~ Wind, data = airquality)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -51.572 -18.854  -4.868  15.234  90.000 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  96.8729     7.2387   13.38  < 2e-16 ***
## Wind         -5.5509     0.6904   -8.04 9.27e-13 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 26.47 on 114 degrees of freedom
##   (37 observations deleted due to missingness)
## Multiple R-squared:  0.3619, Adjusted R-squared:  0.3563 
## F-statistic: 64.64 on 1 and 114 DF,  p-value: 9.272e-13

Efectivamente a mayor velocidad del viento en mph, se reducen la contaminacion medida en ozono (ppb). Esto debido a que mi modleo, contiene un p-value < 0.05 mi hipotesis alternativa se acepta.

El p-value debe ser menor a 0.05 para ser valido

R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Including Plots

You can also embed plots, for example:

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.