U1A3

Prueba de hipótesis para un experimento

Se utilizarán datos de google trends para analizar si existe una relación entre las búsquedas de gmail con la de outlook. Durante los ultimos años

Importar datos

library(readr)
library(DT)
setwd("~/marina/estadistica aplicada/U1A3")
datos <- read_csv("datos.csv")

## 
## -- Column specification --------------------------------------------------------
## cols(
##   gmail = col_double(),
##   outlook = col_double()
## )

Tabla de datos proporcionados por una grafica de google trends

la tabla que se muestra acontinuacion son datos obtenidos que nos arrojo la grafica de google trends donde nos muestra la cantidad de veces que estas palabras fueron buscadas

datatable(data) #visualizar datos en tabla 

Graficas

se observa la matriz de diagramas de dispersion donde se puede visualizar la relacion que ambas variables presentan tanto gmail como outlook.

pairs(datos)

## Parsed with column specification:
## cols(
##     gmail = col_double(),
##   outlook = col_double()
## )

Matriz de coeficientes de correlación

¿Existe alguna relación?

cor(data)

##           gmail outlook
## gmail 1.0000000 0.77254097
## outlook 0.77254097 1.0000000

Con un índice de correlación Pearson de 0.77 determinamos que existe una correlación, mas no necesariamente una causalidad.

Calculo y representacion de la recta de minimos cuadrados

Acontinuacion se observan los residuales, los coeficientes, el intercepto, los codigos de significancia, los errores estandar, R cuadrada y el valor de p. y con dos datos tomados de aqui se puede generar la ecuacion que se ocupara para la recta de minimos cuadrados

regresion = lm(gmail ~ outlook,
data=datos)
summary(regresion)

## 
## Call:
## lm(formula = gmail ~ outlook, data = datos)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -18.6986  -5.8180   0.2218   5.3533  27.5246 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  8.27985    3.06911   2.698  0.00744 ** 
## outlook      1.56575    0.07996  19.580  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 8.004 on 259 degrees of freedom
## Multiple R-squared:  0.5968, Adjusted R-squared:  0.5953 
## F-statistic: 383.4 on 1 and 259 DF,  p-value: < 2.2e-16

Ecuacion

Ecuacion de la recta de minimos cuadrados

\[ y = 8.27985 + 1.56575x \] La ecuacion que se muestra arriba es la ecuacion que se utilizara para poder representar y predecir los valores que se presentan en la matriz de diagramas de dispersion