Regresión lineal simple, recta de mínimos cuadrados, ajuste y modelación
Importar
setwd("~/EALMV9") # Folder de trabajo
library(prettydoc)# Libreria para dar formato
library(readr) # Libreria para leer datos csv
library(DT)
datos <- read_csv("datos.csv") # Importar datos##
## -- Column specification --------------------------------------------------------
## cols(
## zoom = col_double(),
## classroom = col_double()
## )Visualizar datos
¿Existe una relación temporal entre las búsquedas de classroom y zoom en México?
tabla
datatable(datos)Gráfica
Matríz de dispersión
pairs(datos)
Inferencias
Cálculo y representación de la recta de mínimos cuadrados.
regresion <- lm(zoom ~ classroom, data=datos)
summary(regresion)##
## Call:
## lm(formula = zoom ~ classroom, data = datos)
##
## Residuals:
## Min 1Q Median 3Q Max
## -9.237 -5.091 -1.819 4.337 16.488
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 8.14483 1.67292 4.869 1.17e-05 ***
## classroom 0.26148 0.03329 7.854 2.80e-10 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 6.53 on 50 degrees of freedom
## Multiple R-squared: 0.5523, Adjusted R-squared: 0.5433
## F-statistic: 61.68 on 1 and 50 DF, p-value: 2.802e-10- Ecuación de la recta de mínimos cuadrados.
\[ y = 8.14483 + 0.26148x \]
- Graficación de la recta
plot(datos$zoom, datos$classroom, xlab = "Zoom", ylab = "Classroom")
abline(regresion)
cor(datos)## zoom classroom
## zoom 1.0000000 0.7431674
## classroom 0.7431674 1.0000000Matriz de coeficientes de correlación
Puedo inferir a través de los coeficientes de correlación que es latente una relación entre la popularidad de la búsqueda entre zoom y classroom, donde hay altas y bajas dependiendo del calendario escolar.
Modelación
modelar (predecir) datos usando la recta de mínimos cuadrados
nuevos.classroom <- data.frame(classroom = seq(0,125))
predict(regresion,nuevos.classroom)## 1 2 3 4 5 6 7 8
## 8.144830 8.406308 8.667787 8.929266 9.190745 9.452223 9.713702 9.975181
## 9 10 11 12 13 14 15 16
## 10.236660 10.498139 10.759617 11.021096 11.282575 11.544054 11.805532 12.067011
## 17 18 19 20 21 22 23 24
## 12.328490 12.589969 12.851447 13.112926 13.374405 13.635884 13.897363 14.158841
## 25 26 27 28 29 30 31 32
## 14.420320 14.681799 14.943278 15.204756 15.466235 15.727714 15.989193 16.250672
## 33 34 35 36 37 38 39 40
## 16.512150 16.773629 17.035108 17.296587 17.558065 17.819544 18.081023 18.342502
## 41 42 43 44 45 46 47 48
## 18.603980 18.865459 19.126938 19.388417 19.649896 19.911374 20.172853 20.434332
## 49 50 51 52 53 54 55 56
## 20.695811 20.957289 21.218768 21.480247 21.741726 22.003204 22.264683 22.526162
## 57 58 59 60 61 62 63 64
## 22.787641 23.049120 23.310598 23.572077 23.833556 24.095035 24.356513 24.617992
## 65 66 67 68 69 70 71 72
## 24.879471 25.140950 25.402429 25.663907 25.925386 26.186865 26.448344 26.709822
## 73 74 75 76 77 78 79 80
## 26.971301 27.232780 27.494259 27.755737 28.017216 28.278695 28.540174 28.801653
## 81 82 83 84 85 86 87 88
## 29.063131 29.324610 29.586089 29.847568 30.109046 30.370525 30.632004 30.893483
## 89 90 91 92 93 94 95 96
## 31.154961 31.416440 31.677919 31.939398 32.200877 32.462355 32.723834 32.985313
## 97 98 99 100 101 102 103 104
## 33.246792 33.508270 33.769749 34.031228 34.292707 34.554185 34.815664 35.077143
## 105 106 107 108 109 110 111 112
## 35.338622 35.600101 35.861579 36.123058 36.384537 36.646016 36.907494 37.168973
## 113 114 115 116 117 118 119 120
## 37.430452 37.691931 37.953410 38.214888 38.476367 38.737846 38.999325 39.260803
## 121 122 123 124 125 126
## 39.522282 39.783761 40.045240 40.306718 40.568197 40.829676