TIPS

Cargar el data set

<-

alt - = <-  

como hago el pipe

Shif + ctrl + m = %>% 

``` ## alargar columnas

 hacia el lado (spread)

Grafico

plot(df$var1, df$var2)
coloco linea: abline (plot) 

Graficas boxplot

boxplot(df$X1prueba~df$Docente)

Grafica histograma

hist(df$X1prueba)

Unir

unite("docente_suma", docente, suma) %>% 
  
  gather("docente", "suma") %>% 
  gather("docente", "suma", -c(, child)) %>% 

Normalidad de las variables explicativas

shapiro.test(df$Sangrado)

Calculamos la correlación entre las varibales a estudiar

cor(df$Sangrado, df$Tamano)

Pearson correlación

cor.test(df$Sangrado, df$Tamano, method = "pearson")

Calcular la correlación de una matriz de variables

ndf <- data.frame(df$Sangrado, df$Tamano)
cor(ndf, use = "everything", method = "pearson")

Coeficiente de determinación (R^2)

cor(ndf, use = "everything")^2

Modelo de regresión simple

Crear el modelo

model <- lm(df$Sangrado ~ df$Tamano, data = df)

Representamos gráficamente el ajuste

plot(model)
plot(df$Sangrado, df$Tamano, xlab = "var1", ylab = "var2")
abline(model)

Resumen del modelo

summary(model)

Estudiamos los coeficientes del modelo

summary(model)$coefficients

Intervalos de confianza para los coeficientes

confint(model, level = 0.95)

tabla ANOVA (ajuste del modelo)

anova(model)

Diagnóstico del modelo (comprobar supuestos)

Obtención de los residuos

df$fitted.model <- fitted(model)
df$residuals.model <- residuals(model)
df$rstudent.model <- rstudent(model)

Normalidad

shapiro.test(df$rstudent.model)
qqnorm(df$rstudent.model, main = "Normal(0,1)")
qqline(df$rstudent.model)

Instalar pack

install.packages("lmtest")

como cargo un df desde una pag web

creo un objetvo por ej <- "https://docs.google.com/spreadsheets/d/e/2PACX-1vSBzRy1KJGusNqjefR5YnLmikzmwsHpwYq1lDMNBx6IwXzcd8o8NRWWUPvMVlwYpAH2qblxaLMQiuu3/pub?gid=1032227513&single=true&output=csv"
df <- read_csv(url(nombre del objetvo))