U4A1: EJERCICIOS.

  1. Replique los análisis de este ejemplo con su explicación

Importar paquetes y definir folder de trabajo. 

library(pacman)
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc", "readr", "ggplot2", "tidyr", "plotly", "DT")
setwd("~/verano")

Importar datos. 

combust <- read.table("Precio combustible.txt", header= TRUE)
names(combust)
## [1] "Preciocombust" "Precioelectri"

Descripción de datos .

Se tienen datos del precio del combustible y de la corriente electrica por Kwatts.

datatable(combust)

Correlación con matriz de diagrama de dispersión . 

pairs(combust)

Cuantificar el grado de relación lineal (coef. de correlación). 

cor(combust)
##               Preciocombust Precioelectri
## Preciocombust     1.0000000     0.1800894
## Precioelectri     0.1800894     1.0000000

Estimación y representación de la recta de mínimos cuadrados 

regresion <- lm(Preciocombust ~  Precioelectri, data=combust )
summary(regresion)
## 
## Call:
## lm(formula = Preciocombust ~ Precioelectri, data = combust)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -5.995 -1.836 -0.348  2.145  7.071 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   6.504754   0.825284   7.882 2.55e-11 ***
## Precioelectri 0.009379   0.006037   1.554    0.125    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.118 on 72 degrees of freedom
## Multiple R-squared:  0.03243,    Adjusted R-squared:  0.01899 
## F-statistic: 2.413 on 1 and 72 DF,  p-value: 0.1247

\[ y = 6.504754 + 0.009379 x \]

plot(combust$Preciocombust, combust$Precioelectri, xlab="Preciocombustible", ylab="Precioelectricidad" )
abline(regresion)

El coeficiente de determinación, vemos que su valor en este caso es Multiple R-squared: 0.03243.

Cálculo de predicciones 

nuevos.precios <- data.frame(Precioelectri= seq(300,320))
predict(regresion,nuevos.precios)
##        1        2        3        4        5        6        7        8 
## 9.318539 9.327918 9.337297 9.346677 9.356056 9.365435 9.374815 9.384194 
##        9       10       11       12       13       14       15       16 
## 9.393573 9.402952 9.412332 9.421711 9.431090 9.440470 9.449849 9.459228 
##       17       18       19       20       21 
## 9.468607 9.477987 9.487366 9.496745 9.506125

Conclusion:

Tomados los precios de los ultimos años, relacionados al combustible y con la electricidad, podemos decir que si el precio del combustible sube, lo hara rambien el precio de la electricidad ya que la electricidad se genera con combustibles. Y al predecir sus posibles precios podemos corroborar que en efecto si alguno de los precios sube por lo tanto significa que el otro tambien subió.