εργ5

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.

1. Εισαγωγή

Στόχος της εργασίας είναι η πρόβλεψη της τιμής ενός αεροπορικού εισιτηρίου (Price_USD) με βάση διάφορους παράγοντες όπως η απόσταση, η εταιρεία και οι ημέρες πριν την αναχώρηση.

2. Περιγραφή Dataset

data <- read.csv(“airline_ticket_prices_dataset.csv”)

head(data)

str(data)

Το dataset περιλαμβάνει:

Price_USD: Τιμή εισιτηρίου (εξαρτημένη μεταβλητή)

Distance_km: Απόσταση πτήσης

Days_Before_Departure: Πόσες μέρες πριν έγινε η κράτηση

Class: Κατηγορία θέσης

Airline: Αεροπορική εταιρεία

3. Εξερευνητική Ανάλυση (EDA)

Scatterplot: Απόσταση vs Τιμή

plot(data\(Distance_km, data\)Price_USD, main=“Price vs Distance”, xlab=“Distance (km)”, ylab=“Price (USD)”)

Scatterplot: Days Before Departure

plot(data\(Days_Before_Departure, data\)Price_USD, main=“Price vs Days Before Departure”, xlab=“Days Before Departure”, ylab=“Price (USD)”)

Boxplot: Class

boxplot(Price_USD ~ Class, data=data, main=“Price ανά Class”)

Συσχετίσεις

numeric_data <- data[, c(“Distance_km”, “Days_Before_Departure”, “Price_USD”)] cor(numeric_data)

4. Μοντέλα Γραμμικής Παλινδρόμησης

4.1 Απλό Μοντέλο

model1 <- lm(Price_USD ~ Distance_km, data=data) summary(model1)

Σχόλιο:

Το μοντέλο εξετάζει μόνο την επίδραση της απόστασης στην τιμή.

4.2 Δύο Μεταβλητές

model2 <- lm(Price_USD ~ Distance_km + Days_Before_Departure, data=data) summary(model2)

Σχόλιο:

Προσθέτουμε τον χρόνο κράτησης, που πιθανώς επηρεάζει σημαντικά την τιμή.

4.3 Πολλαπλό Μοντέλο

model3 <- lm(Price_USD ~ Distance_km + Days_Before_Departure + Class + Airline, data=data) summary(model3)

Σχόλιο:

Πλήρες μοντέλο με κατηγορικές μεταβλητές.

5. Σύγκριση Μοντέλων

R-squared summary(model1)\(r.squared summary(model2)\)r.squared summary(model3)$r.squared

SSE

SSE1 <- sum(residuals(model1)^2) SSE2 <- sum(residuals(model2)^2) SSE3 <- sum(residuals(model3)^2)

SSE1 SSE2 SSE3

6. Ανάλυση Αποτελεσμάτων

Το model1 έχει χαμηλότερο R² → περιορισμένη εξήγηση Το model2 βελτιώνεται με την προσθήκη του χρόνου κράτησης Το model3 έχει το υψηλότερο R² και το μικρότερο SSE

Συμπέρασμα: Η τιμή επηρεάζεται από πολλούς παράγοντες και όχι μόνο από την απόσταση.

7. Διαγνωστικά Διαγράμματα

par(mfrow=c(2,2)) plot(model3)

8. Συμπεράσματα

Η απόσταση έχει θετική σχέση με την τιμή Οι περισσότερες ημέρες πριν την κράτηση τείνουν να μειώνουν την τιμή Η κατηγορία θέσης (Class) έχει σημαντική επίδραση Το πλήρες μοντέλο είναι το πιο αποδοτικό

9. Τελικό Συμπέρασμα

Η χρήση πολλαπλής γραμμικής παλινδρόμησης επιτρέπει καλύτερη πρόβλεψη της τιμής εισιτηρίων, καθώς λαμβάνει υπόψη περισσότερους παράγοντες.