Objetivo. Realizar prediciones con Regresión lineal Simple. Caso de restaurante pizzas y estudiantes.

Librerías

library(ggplot2)   # Gráficos mas amigables
## Warning: package 'ggplot2' was built under R version 3.6.3

Datos

poblacion <- c( 2,   6,  8,  8,  12,  16,  20,   20,  22, 26) 
ventas <-    c(58, 105, 88, 118, 117, 137, 157, 169, 149, 202)

datos <- data.frame(poblacion, ventas)

datos
##    poblacion ventas
## 1          2     58
## 2          6    105
## 3          8     88
## 4          8    118
## 5         12    117
## 6         16    137
## 7         20    157
## 8         20    169
## 9         22    149
## 10        26    202

Visualizar la dispersión de los datos

ggplot(data = datos, mapping = aes(poblacion, ventas)) +
  geom_point()

Valor de la correlación

cor(datos$poblacion, datos$ventas)
## [1] 0.950123
+0.90 = Correlación positiva muy fuerte.

Encontrar la recta de regresión

Usar la función lm()
Se crea un model de regresión lineal simple
modelo <- lm(data = datos, formula = ventas ~ poblacion)


summary(modelo)
## 
## Call:
## lm(formula = ventas ~ poblacion, data = datos)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -21.00  -9.75  -3.00  11.25  18.00 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  60.0000     9.2260   6.503 0.000187 ***
## poblacion     5.0000     0.5803   8.617 2.55e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 13.83 on 8 degrees of freedom
## Multiple R-squared:  0.9027, Adjusted R-squared:  0.8906 
## F-statistic: 74.25 on 1 and 8 DF,  p-value: 2.549e-05
a <- modelo$coefficients[1]
b <- modelo$coefficients[2]

Multiple R-squared: 0.9027

Igual al valor de la correlación. Raiz de M R-squared
Se usa una variable para almacenar summary(modelo) y determinar el valor de r.squared
resumen <- summary(modelo)

sqrt(resumen$r.squared) # 
## [1] 0.950123

Dibujar la linea de tendencia

ggplot(data = datos, mapping = aes(poblacion, ventas)) +
  geom_point() +
  geom_line(aes(poblacion, modelo$fitted.values, color = "red"))

Predecir para cuando hay 25 mil estudiantes

Primero mediante fórmula
x <- 25

prediccion.Y <- a + b * x 

prediccion.Y
## (Intercept) 
##         185

Segundo mediante la función predict() Varias predicciones

valornuevo <- data.frame(poblacion=c(25, 30, 28, 15, 10))
prediccion.Y <- predict(object = modelo, newdata =  valornuevo)
prediccion.Y
##   1   2   3   4   5 
## 185 210 200 135 110

Predecir para cuando hay 8 mil estudiantes

Primero mediante fórmula

x <- 8

prediccion.Y <- a + b * x 

prediccion.Y
## (Intercept) 
##         100

Segundo mediante la función predict() Varias predicciones

valornuevo <- data.frame(poblacion=c(8, 30, 28, 15, 10))
prediccion.Y <- predict(object = modelo, newdata =  valornuevo)
prediccion.Y
##   1   2   3   4   5 
## 100 210 200 135 110

Predecir para cuando hay 14 mil estudiantes

Primero mediante fórmula

x <- 14

prediccion.Y <- a + b * x 

prediccion.Y
## (Intercept) 
##         130

Segundo mediante la función predict() Varias predicciones

valornuevo <- data.frame(poblacion=c(14, 30, 28, 15, 10))
prediccion.Y <- predict(object = modelo, newdata =  valornuevo)
prediccion.Y
##   1   2   3   4   5 
## 130 210 200 135 110

Predecir para cuando hay 20 mil estudiantes

Primero mediante fórmula

x <- 20

prediccion.Y <- a + b * x 

prediccion.Y
## (Intercept) 
##         160

Segundo mediante la función predict() Varias predicciones

valornuevo <- data.frame(poblacion=c(20, 30, 28, 15, 10))
prediccion.Y <- predict(object = modelo, newdata =  valornuevo)
prediccion.Y
##   1   2   3   4   5 
## 160 210 200 135 110

Predecir para cuando hay 30 mil estudiantes

Primero mediante fórmula

x <- 30

prediccion.Y <- a + b * x 

prediccion.Y
## (Intercept) 
##         210

Segundo mediante la función predict() Varias predicciones

valornuevo <- data.frame(poblacion=c(30, 40, 28, 15, 10))
prediccion.Y <- predict(object = modelo, newdata =  valornuevo)
prediccion.Y
##   1   2   3   4   5 
## 210 260 200 135 110

Predecir para cuando hay 28 mil estudiantes

Primero mediante fórmula

x <- 28

prediccion.Y <- a + b * x 

prediccion.Y
## (Intercept) 
##         200

Segundo mediante la función predict() Varias predicciones

valornuevo <- data.frame(poblacion=c(28, 30, 25, 15, 10))
prediccion.Y <- predict(object = modelo, newdata =  valornuevo)
prediccion.Y
##   1   2   3   4   5 
## 200 210 185 135 110

Predecir para cuando hay 40 mil estudiantes

Primero mediante fórmula

x <- 40

prediccion.Y <- a + b * x 

prediccion.Y
## (Intercept) 
##         260

Segundo mediante la función predict() Varias predicciones

valornuevo <- data.frame(poblacion=c(40, 30, 28, 15, 10))
prediccion.Y <- predict(object = modelo, newdata =  valornuevo)
prediccion.Y
##   1   2   3   4   5 
## 260 210 200 135 110

Predecir para cuando hay 50 mil estudiantes

Primero mediante fórmula

x <- 50

prediccion.Y <- a + b * x 

prediccion.Y
## (Intercept) 
##         310
Segundo mediante la función predict()
Varias predicciones
valornuevo <- data.frame(poblacion=c(50, 30, 28, 15, 10))
prediccion.Y <- predict(object = modelo, newdata =  valornuevo)
prediccion.Y
##   1   2   3   4   5 
## 310 210 200 135 110