Regresión Lineal - Renta de Bicis
Grecia Basurto A01198292
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 que 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
# file.choose()
df <- read.csv("/Users/greciabasurto/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,10)## hora dia mes año estacion dia_de_la_semana asueto temperatura
## 10877 14 19 12 2012 4 3 0 17.22
## 10878 15 19 12 2012 4 3 0 17.22
## 10879 16 19 12 2012 4 3 0 17.22
## 10880 17 19 12 2012 4 3 0 16.40
## 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
## 10877 21.210 50 12.9980 33
## 10878 21.210 50 19.0012 28
## 10879 21.210 50 23.9994 37
## 10880 20.455 50 26.0027 26
## 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
## 10877 185 218
## 10878 209 237
## 10879 297 334
## 10880 536 562
## 10881 546 569
## 10882 329 336
## 10883 231 241
## 10884 164 168
## 10885 117 129
## 10886 84 88Limpiar la base de datos
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