Jorge Esteban Ramírez Sashida 201530 Mauricio Díaz Villarreal 200854 María José Velázquez 200078

Tarea 2

Overview del dataset anscombe. Hay tres cuatro variables independientes con sus respectivas cuatro variables dependientes. A continuación se pueden ver los primeros tres registros del dataset.

head(anscombe, 3)

##   x1 x2 x3 x4   y1   y2    y3   y4
## 1 10 10 10  8 8.04 9.14  7.46 6.58
## 2  8  8  8  8 6.95 8.14  6.77 5.76
## 3 13 13 13  8 7.58 8.74 12.74 7.71

Gráficas simples de los datasets

Dataset 1

miX1 <- anscombe[,1]
miY1 <- anscombe[,5]

plot(miX1,miY1,col="blue",pch=19,xlim=c(3,19),ylim=c(3,13))

Dataset 2

miX2 <- anscombe[,2]
miY2 <- anscombe[,6]

plot(miX2,miY2,col="blue",pch=19,xlim=c(3,19),ylim=c(3,13))

Dataset 3

miX3 <- anscombe[,3]
miY3 <- anscombe[,7]

plot(miX3,miY3,col="blue",pch=19,xlim=c(3,19),ylim=c(3,13))

Dataset 4

miX4 <- anscombe[,4]
miY4 <- anscombe[,8]

plot(miX4,miY4,col="blue",pch=19,xlim=c(3,19),ylim=c(3,13))

Cuatro gráficas al mismo tiempo

1. Crea una fórmula que define una relación entre dos variables: y como la variable dependiente (o respuesta) y x como la variable independiente.

ff <- y ~ x

2. Crea una lista de modelos de regresión lineal con nombres lm1, lm2, lm3 y lm4. Estos objetos son los enteros del 1 al 4.

mods <- setNames(as.list(1:4), paste0("lm", 1:4))

3. Itera del uno al cuatro. En cada iteración, cambia la fórmula ff para que x y y sean las variables correspondientes a las columnas correspondientes por el número de iteración. Ajusta un modelo de regresión lineal con lm y guarda el modelo en la lista mods.

for(i in 1:4) {
  ff[2:3] <- lapply(paste0(c("y","x"), i), as.name)
  mods[[i]] <- lmi <- lm(ff, data = anscombe)
}

4. Crea una variable op que contiene parametros para la visualización. mfrow muestra como se acomodan las gráficas en rows y columns. mar son los márgenes individuales en las gráficas. Por último, oma son los márgenes de toda la visualización.

op <- par(mfrow = c(2, 2), mar = 0.1+c(4,4,1,1), oma =  c(0, 0, 2, 0)) 
for(i in 1:4) {
  ff[2:3] <- lapply(paste0(c("y","x"), i), as.name) # define ff[2:3] <- yi(xi)
  plot(ff, data = anscombe, col = "blue", pch = 19, cex = 1.2,#hace los plots, define el color y forma de las observaciones
       xlim = c(3, 19), ylim = c(3, 13)) #define el rango de los ejes
  abline(mods[[i]], col = "orange")#pone la regresion lmi
}

par(op) # aplica los parametros definidos en op