background-image: url(img/background_pointer.png) background-size: contain ??? Comentarios --- # Preliminar Variables consideradas - Litros consumidos - Gasto de Combustible por Tiempo de Operación (l/hr) - Rendimiento (km/l) - Tiempo de Ralentí durante la Operación - Eventos de Aceleración - CO2 Emitido Estimado (g/km) - EcoScore Filtros aplicados - Tiempo de Operacion > 0 & LitrosConsumidos > 0 - Rendimiento > 0.1 y Rendimiento < 12 --- # Correlación entre las variables <img src="img/pearson_correlation.png" style="width: 70%" /> ??? Vemos que las variables CO2 Estimado y Rendimiento tienen una alta correlación, que tiene sentido, ya que el CO2 estimado depende de los litros consumidos y los kilometros recorridos Lo conveniente es remover una del análisis, ya que explican lo mismo. En este caso se quitó Rendimiento, ya que la otra variable queda --- # Modelado Se trabajó para generar un modelo de regresión lineal enfocado en dos variables - Litros consumidos - Gasto de Combustible por Tiempo de Operación Después de varios ajustes y pruebas, se llegó a un modelo que explicara `Litros Consumidos` sin tomar en cuenta la variable de `Rendimiento`. Este resultó con una R = 0.7532899 ??? ¿A qué me refiero con esto? Como son variables similares, busqué generar un modelo que simulara su comportamiento --- # Importancia de las variables Hasta ahora, se estuvo trabajando para entender la información y el comportamiento del consumo de litros. Pero la meta final es generar un Score que no permita mostrar esto usando las variables del modelo. R cuenta con un algoritmo que nos dice la importancia de cada variable explicativa en un modelo. En este caso, tenemos la siguiente tabla <div id="htmlwidget-ec9142aca03879c8c75a" style="width:100%;height:auto;" class="datatables html-widget"></div> <script type="application/json" data-for="htmlwidget-ec9142aca03879c8c75a">{"x":{"filter":"none","vertical":false,"fillContainer":false,"data":[["CO2EstimadoKGxKM","GastoCombustiblexOperacion","AceleradorEventos","EcoScore","RalentiTiempoOperacion"],[100,42.78,42.24,2.31,0]],"container":"<table class=\"display\">\n <thead>\n <tr>\n <th> <\/th>\n <th>Overall<\/th>\n <\/tr>\n <\/thead>\n<\/table>","options":{"pageLength":5,"columnDefs":[{"className":"dt-right","targets":1},{"orderable":false,"targets":0}],"order":[],"autoWidth":false,"orderClasses":false,"lengthMenu":[5,10,25,50,100]}},"evals":[],"jsHooks":[]}</script> ??? Cabe mencionar que estos valores están escalados, la variable más importante va a tener 100 y la menos importante va a tener 0, pero sigue importando en el modelo Estos valores se toman en cuenta para el cálculo de peso de la fórmula --- # Fórmula Puntos que se siguieron para crear la fórmula - Las variables con importancia menor a 5 se les asignó un peso de 10 - El resto de las variables se siguio la siguiente fórmula `$$W_i = 80\frac{I_i}{\sum_{i=1}^n}$$` `\(i\)` es el índice de la variable y `\(n\)` es el total de variables, en este caso son 3. Se pone 80 porque se le asignó un peso de 10 a dos variables, con importancia menor a 5 --- <div id="htmlwidget-ed3529a65290575078a0" style="width:100%;height:auto;" class="datatables html-widget"></div> <script type="application/json" data-for="htmlwidget-ed3529a65290575078a0">{"x":{"filter":"none","vertical":false,"fillContainer":false,"data":[["CO2EstimadoKGxKM","GastoCombustiblexOperacion","AceleradorEventos","EcoScore","RalentiTiempoOperacion"],[100,42.78,42.24,2.31,0],[43.24,18.5,18.26,10,10]],"container":"<table class=\"display\">\n <thead>\n <tr>\n <th> <\/th>\n <th>Overall<\/th>\n <th>Peso<\/th>\n <\/tr>\n <\/thead>\n<\/table>","options":{"pageLength":5,"columnDefs":[{"className":"dt-right","targets":[1,2]},{"orderable":false,"targets":0}],"order":[],"autoWidth":false,"orderClasses":false,"lengthMenu":[5,10,25,50,100]}},"evals":[],"jsHooks":[]}</script> --- class: center, middle Lo que nos dejaría con la fórmula siguiente `$$ES = 43.24(CO_2) + 18.5(GC) + 18.26(EA) + 10(ES_S) + 10(R)$$` o si prefieren, podemos ajustar un poco la fórmula a `$$ES_A = 40(CO_2) + 20(GC) + 20(EA) + 10(ES_S) + 10(R)$$` ??? CO2: CO2 emitido estimado por km GC: Score de gasto de combustible por tiempo de operación EA: Score de eventos de aceleración ES_S: Eco Score de la sábana R: Ralentí obtenido durante la operación --- class: middle Las variables que ven en la fórmula serían los scores de estas, por ejemplo: - Para `\(CO_2\)`, vamos a tomar las normas establecidas, que dictan que no se debe de emitir más de 160 g de dióxido de carbono por kilometro recorrido - Entonces las unidades que estén por debajo irán teniendo calificaciones menores a 6 (reprobados) y las que no pasen el límite tendrán calificaciones aprobatorias - Se multiplica por 40 esa calificación y de ahí obtemos el 40% del total del Eco Score