Regresión Lineal - Renta de bicis
Santiago Jaramillo Nava
2026-08-17
Teoría
lm() es la función en R para ajustar modelos
lineales.
Es el modelo estadístico más básico que existe y más fácil de
interpretar.
Para interpretarlo se usa la medida R-Cuadrada, que significa qué tan
cerca están los datos de la regresión. Va de 0 a 1, donde 1 es que el
modelo explica toda la variabilidad.
Contexto
La empresa renta bicicletas y cuenta con registros por hora de las que tiene rentadas. Se desea generar un modelo predictivo.
Instalar paquetes y llamar librerías
# install.packages("corrplot")
library(corrplot)Importar la base de datos
# file.choose()
df <- read.csv("/Users/santiagojaramillo/Downloads/rentadebicis.csv")Entender la base de datos
summary(df)## hora dia mes año
## Min. : 0.00 Min. : 1.000 Min. : 1.000 Min. :2011
## 1st Qu.: 6.00 1st Qu.: 5.000 1st Qu.: 4.000 1st Qu.:2011
## Median :12.00 Median :10.000 Median : 7.000 Median :2012
## Mean :11.54 Mean : 9.993 Mean : 6.521 Mean :2012
## 3rd Qu.:18.00 3rd Qu.:15.000 3rd Qu.:10.000 3rd Qu.:2012
## Max. :23.00 Max. :19.000 Max. :12.000 Max. :2012
## estacion dia_de_la_semana asueto temperatura
## Min. :1.000 Min. :1.000 Min. :0.00000 Min. : 0.82
## 1st Qu.:2.000 1st Qu.:2.000 1st Qu.:0.00000 1st Qu.:13.94
## Median :3.000 Median :4.000 Median :0.00000 Median :20.50
## Mean :2.507 Mean :4.014 Mean :0.02857 Mean :20.23
## 3rd Qu.:4.000 3rd Qu.:6.000 3rd Qu.:0.00000 3rd Qu.:26.24
## Max. :4.000 Max. :7.000 Max. :1.00000 Max. :41.00
## sensacion_termica humedad velocidad_del_viento
## Min. : 0.76 Min. : 0.00 Min. : 0.000
## 1st Qu.:16.66 1st Qu.: 47.00 1st Qu.: 7.002
## Median :24.24 Median : 62.00 Median :12.998
## Mean :23.66 Mean : 61.89 Mean :12.799
## 3rd Qu.:31.06 3rd Qu.: 77.00 3rd Qu.:16.998
## Max. :45.45 Max. :100.00 Max. :56.997
## rentas_de_no_registrados rentas_de_registrados rentas_totales
## Min. : 0.00 Min. : 0.0 Min. : 1.0
## 1st Qu.: 4.00 1st Qu.: 36.0 1st Qu.: 42.0
## Median : 17.00 Median :118.0 Median :145.0
## Mean : 36.02 Mean :155.6 Mean :191.6
## 3rd Qu.: 49.00 3rd Qu.:222.0 3rd Qu.:284.0
## Max. :367.00 Max. :886.0 Max. :977.0str(df)## 'data.frame': 10886 obs. of 14 variables:
## $ hora : int 0 1 2 3 4 5 6 7 8 9 ...
## $ dia : int 1 1 1 1 1 1 1 1 1 1 ...
## $ mes : int 1 1 1 1 1 1 1 1 1 1 ...
## $ año : int 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011 ...
## $ estacion : int 1 1 1 1 1 1 1 1 1 1 ...
## $ dia_de_la_semana : int 6 6 6 6 6 6 6 6 6 6 ...
## $ asueto : int 0 0 0 0 0 0 0 0 0 0 ...
## $ temperatura : num 9.84 9.02 9.02 9.84 9.84 ...
## $ sensacion_termica : num 14.4 13.6 13.6 14.4 14.4 ...
## $ humedad : int 81 80 80 75 75 75 80 86 75 76 ...
## $ velocidad_del_viento : num 0 0 0 0 0 ...
## $ rentas_de_no_registrados: int 3 8 5 3 0 0 2 1 1 8 ...
## $ rentas_de_registrados : int 13 32 27 10 1 1 0 2 7 6 ...
## $ rentas_totales : int 16 40 32 13 1 1 2 3 8 14 ...head(df)## hora dia mes año estacion dia_de_la_semana asueto temperatura
## 1 0 1 1 2011 1 6 0 9.84
## 2 1 1 1 2011 1 6 0 9.02
## 3 2 1 1 2011 1 6 0 9.02
## 4 3 1 1 2011 1 6 0 9.84
## 5 4 1 1 2011 1 6 0 9.84
## 6 5 1 1 2011 1 6 0 9.84
## sensacion_termica humedad velocidad_del_viento rentas_de_no_registrados
## 1 14.395 81 0.0000 3
## 2 13.635 80 0.0000 8
## 3 13.635 80 0.0000 5
## 4 14.395 75 0.0000 3
## 5 14.395 75 0.0000 0
## 6 12.880 75 6.0032 0
## rentas_de_registrados rentas_totales
## 1 13 16
## 2 32 40
## 3 27 32
## 4 10 13
## 5 1 1
## 6 1 1tail(df)## hora dia mes año estacion dia_de_la_semana asueto temperatura
## 10881 18 19 12 2012 4 3 0 15.58
## 10882 19 19 12 2012 4 3 0 15.58
## 10883 20 19 12 2012 4 3 0 14.76
## 10884 21 19 12 2012 4 3 0 13.94
## 10885 22 19 12 2012 4 3 0 13.94
## 10886 23 19 12 2012 4 3 0 13.12
## sensacion_termica humedad velocidad_del_viento rentas_de_no_registrados
## 10881 19.695 50 23.9994 23
## 10882 19.695 50 26.0027 7
## 10883 17.425 57 15.0013 10
## 10884 15.910 61 15.0013 4
## 10885 17.425 61 6.0032 12
## 10886 16.665 66 8.9981 4
## rentas_de_registrados rentas_totales
## 10881 546 569
## 10882 329 336
## 10883 231 241
## 10884 164 168
## 10885 117 129
## 10886 84 88numericas <- df[sapply(df, is.numeric)]
correlacion <- cor(numericas, use = "complete.obs")
corrplot(correlacion)
Limpiar la base de datos
colSums(is.na(df))## hora dia mes
## 0 0 0
## año estacion dia_de_la_semana
## 0 0 0
## asueto temperatura sensacion_termica
## 0 0 0
## humedad velocidad_del_viento rentas_de_no_registrados
## 0 0 0
## rentas_de_registrados rentas_totales
## 0 0df <- na.omit(df)Generar el modelo
regresion <- lm(rentas_totales ~ ., data = df)
summary(regresion)##
## Call:
## lm(formula = rentas_totales ~ ., data = df)
##
## Residuals:
## Min 1Q Median 3Q Max
## -5.059e-11 -1.600e-14 3.000e-15 2.100e-14 3.479e-11
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -4.281e-10 2.551e-11 -1.678e+01 < 2e-16 ***
## hora 3.089e-14 9.793e-16 3.155e+01 < 2e-16 ***
## dia 5.217e-15 1.106e-15 4.719e+00 2.40e-06 ***
## mes -3.943e-14 7.507e-15 -5.253e+00 1.52e-07 ***
## año 2.125e-13 1.268e-14 1.676e+01 < 2e-16 ***
## estacion 1.793e-15 2.306e-14 7.800e-02 0.93804
## dia_de_la_semana -6.018e-14 3.362e-15 -1.790e+01 < 2e-16 ***
## asueto -2.350e-13 3.772e-14 -6.231e+00 4.80e-10 ***
## temperatura 2.151e-14 4.624e-15 4.653e+00 3.31e-06 ***
## sensacion_termica -6.997e-15 4.265e-15 -1.640e+00 0.10097
## humedad 2.946e-15 3.701e-16 7.962e+00 1.86e-15 ***
## velocidad_del_viento 2.358e-15 8.059e-16 2.926e+00 0.00344 **
## rentas_de_no_registrados 1.000e+00 1.720e-16 5.815e+15 < 2e-16 ***
## rentas_de_registrados 1.000e+00 5.225e-17 1.914e+16 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 6.309e-13 on 10872 degrees of freedom
## Multiple R-squared: 1, Adjusted R-squared: 1
## F-statistic: 6.902e+31 on 13 and 10872 DF, p-value: < 2.2e-16Ajustar el modelo
regresion2 <- lm(rentas_totales ~ hora + mes + año + sensacion_termica +
humedad + velocidad_del_viento, data = df)
summary(regresion2)##
## Call:
## lm(formula = rentas_totales ~ hora + mes + año + sensacion_termica +
## humedad + velocidad_del_viento, data = df)
##
## Residuals:
## Min 1Q Median 3Q Max
## -308.60 -93.85 -28.34 61.05 648.09
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.662e+05 5.496e+03 -30.250 < 2e-16 ***
## hora 7.734e+00 2.070e-01 37.364 < 2e-16 ***
## mes 7.574e+00 4.207e-01 18.002 < 2e-16 ***
## año 8.266e+01 2.732e+00 30.258 < 2e-16 ***
## sensacion_termica 6.172e+00 1.689e-01 36.539 < 2e-16 ***
## humedad -2.121e+00 7.858e-02 -26.988 < 2e-16 ***
## velocidad_del_viento 6.208e-01 1.771e-01 3.506 0.000457 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 141.7 on 10879 degrees of freedom
## Multiple R-squared: 0.3886, Adjusted R-squared: 0.3883
## F-statistic: 1153 on 6 and 10879 DF, p-value: < 2.2e-16Generar Predicciones
datos_nuevos <- data.frame(
hora = 12,
mes = 1:12,
año = 2013,
sensacion_termica = 24,
humedad = 62,
velocidad_del_viento = 13
)
predict(regresion2, newdata = datos_nuevos)## 1 2 3 4 5 6 7 8
## 279.1478 286.7215 294.2952 301.8690 309.4427 317.0164 324.5901 332.1638
## 9 10 11 12
## 339.7375 347.3112 354.8849 362.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