Comparativa entre regresión lineal simple y regresión logística

Caso de estudio: relaciÃ³n entre el pH y la temperatura de agua de pozos

El pH del agua se afecta directamente con la temperatura, éste es un resultado ligero pero medible. Por ejemplo, el agua pura tiene un pH de 7 únicamente a una temperatura de 25 grados Celsius. Cuando hay un incremento en la temperatura, el pH disminuye, de igual forma una disminución de temperatura implica un aumento en el pH.

La causa de que se afecte el pH del agua por la temperatura es que cuando aumenta la temperatura, las moléculas tienden a separarse en sus elementos: hidrógeno y oxígeno. Al aumentar la proporción de moléculas descompuestas se produce más hidrógeno, lo cual por supuesto aumenta a su vez el potencial de hidrógeno pH.

Importar datos

setwd("~/estadistica aplicada")
library(pacman)
p_load("readxl", "prettydoc", "DT")
pozos <- read_excel("pozos.xlsx", col_types = c("numeric", 
    "numeric", "numeric"))

visualizar datos en una tabla interactiva

datatable(pozos)

Análisis de correlación

Matriz de diagramas de dispersión

pairs(pozos)

Matriz de coeficientes de correlación

cor(pozos)

##             TEMP        PHB          PH
## TEMP  1.00000000 0.07826025 -0.02029087
## PHB   0.07826025 1.00000000  0.31999640
## PH   -0.02029087 0.31999640  1.00000000

Ecuación de Recta de mínimos cuadrados

regresion <- lm(PH ~ TEMP, data=pozos)
summary(regresion)

## 
## Call:
## lm(formula = PH ~ TEMP, data = pozos)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -0.78955 -0.09220  0.01089  0.11089  0.59587 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  7.017231   0.366448  19.149   <2e-16 ***
## TEMP        -0.004418   0.012761  -0.346    0.729    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.2219 on 291 degrees of freedom
## Multiple R-squared:  0.0004117,  Adjusted R-squared:  -0.003023 
## F-statistic: 0.1199 on 1 and 291 DF,  p-value: 0.7294

\[ y = 7.017231 -0.004418x\] ###Gráfica de la Recta de mínimos cuadrados

plot(pozos$TEMP, pozos$PH, xlab="Temperatura del pozo", ylab="pH")
abline(regresion)

Regresión logística

*Se va a calcular la frecuencia con la cual se presentan los valores de 0 y de 1

table(pozos$PHB)

## 
##   0   1 
## 263  30

Una representacion grafica de los datos ALCALINOS/NEUTROS (0) Y ACIDOS (1)

colores <- NULL
colores[pozos$PHB==0] <- "red"
colores[pozos$PHB==1] <- "blue"
plot(pozos$TEMP, pozos$PHB, pch=21,bg=colores, xlab="Temperatura", ylab="pH" )

*Asignacion

reg <- glm(PHB ~ TEMP, data=pozos, family=binomial)
summary(reg)

## 
## Call:
## glm(formula = PHB ~ TEMP, family = binomial, data = pozos)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -0.6781  -0.4814  -0.4540  -0.4130   2.3384  
## 
## Coefficients:
##             Estimate Std. Error z value Pr(>|z|)  
## (Intercept)  -9.3105     5.3634  -1.736   0.0826 .
## TEMP          0.2479     0.1854   1.337   0.1813  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 193.56  on 292  degrees of freedom
## Residual deviance: 191.79  on 291  degrees of freedom
## AIC: 195.79
## 
## Number of Fisher Scoring iterations: 5

¿Que tan relacionado está la temperatura con el pH del agua de estos pozos?

Cuando sube la temperatura los casos en que es acido aumentan, podemos verlo en la linea que ve en alza mientras la temperatura sube

U1A13