library(pacman)
p_load("base64enc","htmltools", "mime", "xfun", "prettydoc", "readr", "knitr", "DT" ,"scales", "tidyverse", "gridExtra", "modeest", "fdth")Inferencia estadística
Analisis sobre el impacto de los incendios sobre el calentamiento global en México
IMPORTAR DATOS
Para esto se colectaron los últimos 12 meses de datos de búsquedas de google a través de la herramienta de google trends: https://trends.google.com/ con la cual extrajimos los siguientes datos:
library(readr)
datosCalentamiento <- readxl::read_excel("~/PYE1213/incendiosnvo.xlsx")
names(datosCalentamiento)## [1] "calentamiento global" "incendios"VISUALIZAR
Visualizamos los datos
podemos ver los datos en modo tabla
## # A tibble: 6 x 2
## `calentamiento global` incendios
## <dbl> <dbl>
## 1 14 16
## 2 11 9
## 3 23 12
## 4 12 59
## 5 14 59
## 6 28 33ANALISIS DE CORRELACION
##Matriz de diagramas de disperción podemos ver que no tienen una relacion continua, pero de alguna manera si se relacionan
Matriz de correlacion
se hace una matriz de correlacion para ver el grado de relacion linean que tienen
## calentamiento global incendios
## calentamiento global 1.0000000 0.2410892
## incendios 0.2410892 1.0000000Recta de minimos cuadrados
Generamos mediante la siguiente formula la recta de minimos cuadrados para conocer la relacion y confianza que tienen los datos
##
## Call:
## lm(formula = datosCalentamiento, data = datosCalentamiento)
##
## Residuals:
## Min 1Q Median 3Q Max
## -16.574 -6.694 -1.214 4.581 28.883
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 12.11743 1.91360 6.332 6.65e-08 ***
## incendios 0.14375 0.08184 1.757 0.0851 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 9.966 on 50 degrees of freedom
## Multiple R-squared: 0.05812, Adjusted R-squared: 0.03929
## F-statistic: 3.086 on 1 and 50 DF, p-value: 0.08511Ecuacion de los minimos cuadrados
\(y= 12.11743 + 0.14375\)
Graficamos los datos deacuerdo a la obtencion de la recta de minimos cuadrados
plot(datosCalentamiento$`calentamiento global`, datosCalentamiento$incendios, xlab = "Calentamiento global", ylab="incendios")
abline(datos)
Calculamos la confiabilidad
## 2.5 % 97.5 %
## (Intercept) 8.27384592 15.9610112
## incendios -0.02062155 0.3081215predicciones
## 1 2 3 4 5 6 7 8
## 16.42993 16.57368 16.71743 16.86118 17.00493 17.14868 17.29243 17.43618
## 9 10 11 12 13 14 15 16
## 17.57993 17.72368 17.86743 18.01118 18.15493 18.29868 18.44243 18.58618
## 17 18 19 20 21
## 18.72993 18.87368 19.01743 19.16118 19.30493Representacion de los intervalos de confianza
plot(datosCalentamiento$`calentamiento global`, datosCalentamiento$incendios, xlab = "Calentamiento global", ylab="incendios")
abline(datos)
intervalo <- predict(datos, grado, interval = "confidence")
lines(grado$incendios, intervalo[, 2], lty=2, col="red")
lines(grado$incendios, intervalo[, 3], lty=2, col="red")
intervalo <- predict(datos, grado, interval = "prediction")
lines(grado$incendios, intervalo[, 2], lty=2, col="blue")
lines(grado$incendios, intervalo[, 3], lty=2, col="blue")
Como resultado de la evaluacion que hicimos, nos damos cuenta como el calentamiento globla, y los incendios, tienen una muy poca relacion en cuanto a busquedas, pero si creo que influye en este mismo, a base de otros analisis se ha determinado que los incendios si influyen de manera directa en el calentamiento global de diferentes maneras. volviendo al ejercicio, a partir de los datos recabados y los ejercicios echos, donde utilizamos tablas, matrices, etc. nos damos cuenta de los grados de confianza, intervalos, entre otros datos aplicados a los dos terminos investigados.