Profundidad del pozo en función de la longitud de perforación propuesto

Variable Cuantitativa Continua

Cargamos las librería

library(PASWR)
## Loading required package: lattice
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(readr)

Carga los datos (Conjunto de datos)

setwd("/cloud/project")
read_csv("weatherdataANTISANA.csv")
## Rows: 366 Columns: 10
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (1): Date
## dbl (9): Longitude, Latitude, Elevation, Max Temperature, Min Temperature, P...
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
## # A tibble: 366 × 10
##    Date       Longitude Latitude Elevation `Max Temperature` `Min Temperature`
##    <chr>          <dbl>    <dbl>     <dbl>             <dbl>             <dbl>
##  1 01/01/2012     -78.1   -0.468      4048              16.1              6.91
##  2 01/02/2012     -78.1   -0.468      4048              15.5              9.23
##  3 01/03/2012     -78.1   -0.468      4048              11.5              8.69
##  4 01/04/2012     -78.1   -0.468      4048              12.0              9.53
##  5 01/05/2012     -78.1   -0.468      4048              11.7              7.90
##  6 01/06/2012     -78.1   -0.468      4048              12.1              7.84
##  7 01/07/2012     -78.1   -0.468      4048              13.1              6.39
##  8 01/08/2012     -78.1   -0.468      4048              11.5              9.76
##  9 01/09/2012     -78.1   -0.468      4048              12.9             10.1 
## 10 01/10/2012     -78.1   -0.468      4048              13.4              8.41
## # ℹ 356 more rows
## # ℹ 4 more variables: Precipitation <dbl>, Wind <dbl>,
## #   `Relative Humidity` <dbl>, Solar <dbl>
datos3 <- read.csv("weatherdataANTISANA.csv", header = T, sep = ",", dec = ".")

EXTRAER LA VARIABLE CONTINUA

datosTemperaturaMax<-datos3[,5]
datosTemperaturaMin<-datos3[,6]
datosPrecipitacion<-datos3[,7]
datosviento<-datos3[,8]
datosHumedad<-datos3[,9]
datosSolar<-datos3[,10]

Creamos el modelo de regresion lineal

#Diagrama de dispersion
plot(datosSolar,datosTemperaturaMax,main = "Grafica N° 9.1:Diagrama de dispersion entre radiacion solar y temperatura maxima")

x<-datosSolar
y<-datosTemperaturaMax
plot(x,y,main = "Grafica N° 9.2:Diagrama de dispersion entre radiacion solar y temperatura maxima")

#Resumen del modelo de regresion
#Calculo  de la regresion
regresionLineal<-lm(y~x)
regresionLineal
## 
## Call:
## lm(formula = y ~ x)
## 
## Coefficients:
## (Intercept)            x  
##     11.2234       0.3129
#resummen del modelo de regresio
summary(regresionLineal)
## 
## Call:
## lm(formula = y ~ x)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.5400 -0.8502 -0.0288  0.7083  3.4930 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 11.223424   0.125508   89.42   <2e-16 ***
## x            0.312869   0.007533   41.53   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.199 on 364 degrees of freedom
## Multiple R-squared:  0.8257, Adjusted R-squared:  0.8253 
## F-statistic:  1725 on 1 and 364 DF,  p-value: < 2.2e-16

Gráfico final de la regresión lineal

plot(jitter(x), jitter(y),
     main = "Grafica N° 9.3:Diagrama de dispersión de la temperatura máxima en función\n de la emisión de energía solar de cadauno de los \nregistros de clima del volcán Antisana",xlab = "Energía solar (j/m)",ylab = "Temperatura máxima (°C)",
     col = rgb(0, 0, 1, alpha = 0.2),pch = 20)


#Agregar recta de regresión
abline(regresionLineal,col="green",lwd = 2)

Test de bondad

#Test de Pearson
r<-cor(x,y)*100
r
## [1] 90.87046
#Correlación
r2 <- ((r/100)^2)*100  
r2
## [1] 82.5744

Ecuación de la recta

#Obtenemos la ecuación de la regresión por medio de los coeficientes
b<- regresionLineal$coefficients[1]
b
## (Intercept) 
##    11.22342
m<- regresionLineal$coefficients[2]
m
##         x 
## 0.3128694
#Tabla de resumen

Variables<-c("Energía solar","Temperatira máxima")
Tipo<-c("Independiente","Dependiente")
Ecuacion<-c("y=0.313*x+11.2")
Test<-c(" ",round(r,2))
Correlación<-c(" ",round(r2,2))
Tabla_resumen <- data.frame(
  Variable = c("Energía solar(j/m)","temperatura máxima (°C)"),
  Tipo = c("Independiente", "Dependiente"),
  Correlación_Pearson = c("", round(r, 2)),
  R2_Porcentaje = c("", round(r2, 2)),
  Intercepto = c("", round(b, 2)),
  Pendiente = c("", round(m, 3)),
  Ecuación= c("", Ecuacion)
)


library(knitr)
kable(Tabla_resumen, format = "markdown", caption = "Tabla No. 9.1:Tabla de resumen de la temperatura máxima en función de la energía solar de cada uno de los registros de clima en el volcán Antisana")
Tabla No. 9.1:Tabla de resumen de la temperatura máxima en función de la energía solar de cada uno de los registros de clima en el volcán Antisana
Variable Tipo Correlación_Pearson R2_Porcentaje Intercepto Pendiente Ecuación
Energía solar(j/m) Independiente
(Intercept) temperatura máxima (°C) Dependiente 90.87 82.57 11.22 0.313 y=0.313*x+11.2

Ventajas: en este tipo de variables, el dominio de ambas es todos los reales positivos unidos al cero, y no existe valor de la variable independiente que me genere un valor de mi variable dependiente fuera de su dominio.

Cálculo de estimaciones

#¿Cual será la temperatura máxima cuando se hay una emisión de energía solar de  16 j/m?

y_Espe<-m*16+b
y_Espe
##        x 
## 16.22933

CONCLUSIONES: Entre la temperatura máxima (°C ) y la energía solar (j/m) existe una relación de tipo lineal, y su ecuación es y=0.313x+11.2, donde la temperatura máxima depende de un 90.87% de la energía solar y el restante se debe a otros factores, no se presenta restricciones , por ejemplo, si tenemos una emisión de energía solar de 16 j/m, tendríamos una temperatura máxima de 16.22 °C, aproximadamente.

.