Análisis de regresión simple

library(prettydoc)
grasas <- read.table("http://verso.mat.uam.es/~joser.berrendero/datos/EdadPesoGrasas.txt", header=TRUE)
names(grasas)
## [1] "peso"   "edad"   "grasas"
head(grasas)
##   peso edad grasas
## 1   84   46    354
## 2   73   20    190
## 3   65   52    405
## 4   70   30    263
## 5   76   57    451
## 6   69   25    302

Matriz de diagramas de dispersión

pairs(grasas)

Matriz de coeficientes de correlación líneal

cor(grasas)
##             peso      edad    grasas
## peso   1.0000000 0.2400133 0.2652935
## edad   0.2400133 1.0000000 0.8373534
## grasas 0.2652935 0.8373534 1.0000000

Recta de minimos cuadrados

regresion <- lm(grasas~edad,data=grasas)
summary(regresion)
## 
## Call:
## lm(formula = grasas ~ edad, data = grasas)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -63.478 -26.816  -3.854  28.315  90.881 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 102.5751    29.6376   3.461  0.00212 ** 
## edad          5.3207     0.7243   7.346 1.79e-07 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 43.46 on 23 degrees of freedom
## Multiple R-squared:  0.7012, Adjusted R-squared:  0.6882 
## F-statistic: 53.96 on 1 and 23 DF,  p-value: 1.794e-07
  • Ec. de recta de minimos cuadrados

\[ Y=102.5751+5.3207X \]ine

plot(grasas$edad,grasas$grasas,xlab="edad",ylab="grasas")
abline(regresion)

CONCLUSION.

Se obtuvieron las correlaciones entre distintas variables que se compararon, mediante el apoyo de unos graficos creados a traves de el lenguaje de programacion Rs, se logra mostrar como es que se comportan los datos y cuan grande es la dispersion entre ellos. Los modelos de regresion lineal como los presentes mostrados son de gran funcionalidad para encontrar la relacion entre si, mas sin embargo cuando se pretende tomar una decision de algun tema en especifico es base clave el aplicar la racionalidad de que es lo que se analiza ya que puede ser que matematicamente este correcto pero en la vida real no tenga sentido con lo que se busca modelar.