Eficiencia energética de los edificios en Aragón

Modelos de regresión

Author

Danny Jair Yaguana

Published

February 25, 2025

file.exists("~/INGENIERÍA AMBIENTAL/Semestre 3/Estadística y Probabilidad/Proyecto Eficiencia Energética Aragón/1.Datos")
[1] TRUE

Emisiones de CO2 en función de la superficie

Regresión simple lineal

Ahora conoceremos la correlación existente entre una variable y otra mediante modelos de regresión.

Estadística bivariable

Buscamos el directorio de trabajo y cargamos la tabla de datos o el dataset:

setwd("~/INGENIERÍA AMBIENTAL/Semestre 3/Estadística y Probabilidad/Proyecto Eficiencia Energética Aragón/1.Datos")

library(readr)
datos <- read.csv("Edificios_Reales.csv", sep = ";", dec = ".")

Verificamos que rstudio nos lea correctamente los datos

nuevo <- data.frame(subset(datos, Superficie_m2 <= 5000 & Emision_CO2 <= 10000, select = c(Superficie_m2, Emision_CO2)))
str(nuevo)
'data.frame':   167444 obs. of  2 variables:
 $ Superficie_m2: num  49 81 72 65 46 ...
 $ Emision_CO2  : num  30.1 46.1 20.3 39.2 103.8 ...

Depuración realizamos la depuración de los datos para poder observar el conportamiento de las variables en cierto intervalo y poder conjeturar el modelo. En este caso, solo tomamos los valores enteros de la variable demanda energética y tomamos los valores máximos de la variable dependiente para cada valor de la variable independiente. En el último paso, para que se vea de mejor manera la relación de la nube de puntos con el modelo, escogemos un número dado de filas de manera aleatoria para evitar la acumulación de puntos en una sola zona.

# Filtrar para que solo queden valores enteros en la variable independiente
library(dplyr)
Warning: package 'dplyr' was built under R version 4.4.2

Adjuntando el paquete: 'dplyr'
The following objects are masked from 'package:stats':

    filter, lag
The following objects are masked from 'package:base':

    intersect, setdiff, setequal, union
nuevo <- nuevo %>% 
  filter(Superficie_m2 == as.integer(Superficie_m2))

######################## Obtener los máximo de Emision_CO2 por Superficie_m2 #####################################
# Instalar y cargar el paquete dplyr

library(dplyr)

# Usar dplyr para obtener la max de la variable dependiente para cada valor de la variable independiente
datos_max <- datos %>%
  group_by(Superficie_m2) %>%
  summarise(Emision_CO2_max = max(Emision_CO2, na.rm = TRUE))

# Filtrar los datos para que Superficie_m2 sea un valor entero y obtener las maxs
datos_max <- datos_max %>% 
  filter(Superficie_m2 == as.integer(Superficie_m2))

# Filtrar los datos para la gráfica
nuevo_max <- data.frame(subset(datos_max, Superficie_m2 <= 5000 & Superficie_m2 >= 0 & Emision_CO2_max <= 5000 & Emision_CO2_max >= 50, select = c(Superficie_m2, Emision_CO2_max)))
str(nuevo_max)
'data.frame':   1119 obs. of  2 variables:
 $ Superficie_m2  : num  3 6 7 10 11 12 13 14 15 16 ...
 $ Emision_CO2_max: num  121.6 155.2 63.1 112.2 139.8 ...
# Supongamos que tienes un data frame llamado 'datos' y quieres seleccionar 100 filas de manera aleatoria
set.seed(123) # Fijar la semilla para reproducibilidad
nuevo <- nuevo_max[sample(nrow(nuevo_max), 200), ]

Verificamos los nuevos intervalos y el tamaño muestral

min<-min(nuevo$Superficie_m2)
max<-max(nuevo$Superficie_m2)
miny<-min(nuevo$Emision_CO2_max)
maxy<-max(nuevo$Emision_CO2_max)
n<-length(nuevo$Superficie_m2)
tabla_intervalos<-data.frame(min,max,miny,maxy,n)
colnames(tabla_intervalos)<-c("Min. X","Máx. X","Min. Y","Máx.Y","Tamaño muestral")

library(knitr)
Warning: package 'knitr' was built under R version 4.4.2
kable(tabla_intervalos, format = "markdown", caption = "Tabla 1. Resumen de depuración")
Tabla 1. Resumen de depuración
Min. X Máx. X Min. Y Máx.Y Tamaño muestral
19 4850 50.04 293 200

1) Identificamos la variable dependiente y la independiente y relizamos diagrama de disperción.

y <- nuevo$Emision_CO2_max
x <- nuevo$Superficie_m2

plot(x,y, main="Gráfica 3.2. Emisiones de CO2 (Kg) en función de la superficie",
     xlab = "Superficie (m2)", ylab="Emisión de CO2 (Kg)", col="salmon")

2)Conjeturamos el modelo de regresión en este caso parece ser de tipo exponencial, asi que realizamos la regresión para obtener los coeficiente de la ecuación de tipo:

y ae^bx

para ello, debemos linealizar las variables para poder hacer una regresión lineal y obtener los coeficientes a y b.

summary(y)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  50.04   60.87   81.48  104.15  122.09  293.00 
y1<-log(y)

#Parametros
regresionlineal <- lm(y1~x)
regresionlineal

Call:
lm(formula = y1 ~ x)

Coefficients:
(Intercept)            x  
  4.7917205   -0.0002555  
B0<-regresionlineal$coefficients[1]
B1<-regresionlineal$coefficients[2]
a<-exp(B0+1)
b<-(B1*9)

#Agregar recta de regresión
plot(x,y, main="Gráfica 3.2. Emisiones de CO2 (Kg) en función de la superficie",
     xlab = "Superficie (m2)", ylab="Emisión de CO2 (Kg)", col="salmon")
curve((a*exp(1)^(x*b))+50,col="blue3",add = T)

3) Test de Pearson

Ahora debemos saber la correlación entre las variables de manera lineal:

r <- cor(x,y1)*100  
r
[1] -52.89656

Tabla de resumen

Variables<-c("Superficie","Emisión de CO2")
Unidades<-c("m2","Kg")
Tipo<-c("Independiente","Dependiente")
Test<-c(" ",round(r,2))
Tabla_resumen<-data.frame(Variables,Unidades,Tipo,Test)

library(knitr)
kable(Tabla_resumen, format = "markdown", caption = "Tabla 2. Resumen de variables")
Tabla 2. Resumen de variables
Variables Unidades Tipo Test
Superficie m2 Independiente
Emisión de CO2 Kg Dependiente -52.9

4)Restricciones: en este tipo de variables, el dominio de ambas es todos los reales positivos unidos al cero, sin embargo, la curva en algún momento cruza el eje horizontal transpasando al eje negativo y, por lo tanto mi modelo ya no funciona para esos casos, así, que encontramos el punto de corte con el eje x.

# Calcular el valor de x
numerador <- log(50 / 327.58)
denominador <- -0.002299278
x <- numerador / denominador
x
[1] 817.5215

5) Estimaciones: obtenemos la ecuación de la regresión por medio de los coeficientes y calculamos estimaciones.

a
(Intercept) 
   327.5761 
b
           x 
-0.002299278

La ecuación de la regresión es:

y=327.58*e^(-0.0023X)+50

  • ¿CUÁL SERÁ LA EMISIÓN DE CO2 (Kg) DE UN EDICIFIO QUE TIENE UNA SUPERFICIE DE 200 (m2)?
y<-327.58*exp(1)^(-0.002299278*200)+50
y
[1] 256.8258

Conclusiones

Entre la Superficie en (m2) y las Emisiones de CO2 en (Kg) existe una relación de tipo exponencial inversamente proporcional y su ecuacion es y=327.58e^(-0.0023X)+50, donde Emisiones de CO2 es mi variable dependiente y la superficie es mi variable independiente aprobando el test de Pearson con un 52%, presenta restricciones a partir de 817.52 (m2), y entonces, por ejemplo, si tenemos una superficie de 200 m2, tenemos una emisión de 256.83 Kg de CO2.