Bicicletas
Gerardo Rodarte - A00834202
2022-09-15
Paso 1. Importar archivo .csv
En este paso simplemente se abrió la base de datos colocando el path del archivo.
base_de_datos <- read.csv("/Users/gerardorodarte/Desktop/ITESM/Tercer semestre/Bootcamp Programación/Actividad 2/rentadebicis.csv")Paso 2. Entenderle a la base de datos
En este paso se muestra un resumen de la información contenida en la base de datos, esto es, media, mediana, cuartiles, valor mínimo y valor máximo.
resumen <- summary(base_de_datos)
resumen## hora dia mes aÒo
## Min. : 0.00 Min. : 1.000 Min. : 1.000 Min. :2011
## 1st Qu.: 6.00 1st Qu.: 5.000 1st Qu.: 4.000 1st Qu.:2011
## Median :12.00 Median :10.000 Median : 7.000 Median :2012
## Mean :11.54 Mean : 9.993 Mean : 6.521 Mean :2012
## 3rd Qu.:18.00 3rd Qu.:15.000 3rd Qu.:10.000 3rd Qu.:2012
## Max. :23.00 Max. :19.000 Max. :12.000 Max. :2012
## estacion dia_de_la_semana asueto temperatura
## Min. :1.000 Min. :1.000 Min. :0.00000 Min. : 0.82
## 1st Qu.:2.000 1st Qu.:2.000 1st Qu.:0.00000 1st Qu.:13.94
## Median :3.000 Median :4.000 Median :0.00000 Median :20.50
## Mean :2.507 Mean :4.014 Mean :0.02857 Mean :20.23
## 3rd Qu.:4.000 3rd Qu.:6.000 3rd Qu.:0.00000 3rd Qu.:26.24
## Max. :4.000 Max. :7.000 Max. :1.00000 Max. :41.00
## sensacion_termica humedad velocidad_del_viento
## Min. : 0.76 Min. : 0.00 Min. : 0.000
## 1st Qu.:16.66 1st Qu.: 47.00 1st Qu.: 7.002
## Median :24.24 Median : 62.00 Median :12.998
## Mean :23.66 Mean : 61.89 Mean :12.799
## 3rd Qu.:31.06 3rd Qu.: 77.00 3rd Qu.:16.998
## Max. :45.45 Max. :100.00 Max. :56.997
## rentas_de_no_registrados rentas_de_registrados rentas_totales
## Min. : 0.00 Min. : 0.0 Min. : 1.0
## 1st Qu.: 4.00 1st Qu.: 36.0 1st Qu.: 42.0
## Median : 17.00 Median :118.0 Median :145.0
## Mean : 36.02 Mean :155.6 Mean :191.6
## 3rd Qu.: 49.00 3rd Qu.:222.0 3rd Qu.:284.0
## Max. :367.00 Max. :886.0 Max. :977.0plot(base_de_datos$temperatura,base_de_datos$rentas_totales, main="Influencia de la Temperatura sobre las Rentas Totales", xlab="Temperatura(ºC)", ylab="Cantidad de Rentas")
Paso 3. Generar regresión (modelo lineal)
En este paso se identificó la relación que tienen las variables con respecto a rentas totales para así poder detectar las más importantes y hacer un modelo de pronósticos.
regresion <- lm(rentas_totales ~ hora + dia + mes +aÒo + estacion + dia_de_la_semana + asueto + temperatura + sensacion_termica + humedad + velocidad_del_viento, data = base_de_datos)
summary(regresion)##
## Call:
## lm(formula = rentas_totales ~ hora + dia + mes + aÒo + estacion +
## dia_de_la_semana + asueto + temperatura + sensacion_termica +
## humedad + velocidad_del_viento, data = base_de_datos)
##
## Residuals:
## Min 1Q Median 3Q Max
## -305.52 -93.64 -27.70 61.85 649.10
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.661e+05 5.496e+03 -30.217 < 2e-16 ***
## hora 7.735e+00 2.070e-01 37.368 < 2e-16 ***
## dia 3.844e-01 2.482e-01 1.549 0.12150
## mes 9.996e+00 1.682e+00 5.943 2.89e-09 ***
## aÒo 8.258e+01 2.732e+00 30.225 < 2e-16 ***
## estacion -7.774e+00 5.177e+00 -1.502 0.13324
## dia_de_la_semana 4.393e-01 6.918e-01 0.635 0.52545
## asueto -4.864e+00 8.365e+00 -0.582 0.56089
## temperatura 1.582e+00 1.038e+00 1.524 0.12752
## sensacion_termica 4.748e+00 9.552e-01 4.971 6.76e-07 ***
## humedad -2.115e+00 7.884e-02 -26.827 < 2e-16 ***
## velocidad_del_viento 5.582e-01 1.809e-01 3.086 0.00203 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 141.7 on 10874 degrees of freedom
## Multiple R-squared: 0.3891, Adjusted R-squared: 0.3885
## F-statistic: 629.6 on 11 and 10874 DF, p-value: < 2.2e-16Los que tienen *** son los más importantes.
Paso 4. Evaluar, y en caso necesario, ajustar la regresion
En este paso se quedaron solo aquellas variables que tienen más influencia en el número de rentas para que, de este modo, obtengamos una predicción acertada.
regresion <- lm(rentas_totales ~ hora + mes +aÒo + sensacion_termica + humedad + velocidad_del_viento, data = base_de_datos)
summary(regresion)##
## Call:
## lm(formula = rentas_totales ~ hora + mes + aÒo + sensacion_termica +
## humedad + velocidad_del_viento, data = base_de_datos)
##
## Residuals:
## Min 1Q Median 3Q Max
## -308.60 -93.85 -28.34 61.05 648.09
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.662e+05 5.496e+03 -30.250 < 2e-16 ***
## hora 7.734e+00 2.070e-01 37.364 < 2e-16 ***
## mes 7.574e+00 4.207e-01 18.002 < 2e-16 ***
## aÒo 8.266e+01 2.732e+00 30.258 < 2e-16 ***
## sensacion_termica 6.172e+00 1.689e-01 36.539 < 2e-16 ***
## humedad -2.121e+00 7.858e-02 -26.988 < 2e-16 ***
## velocidad_del_viento 6.208e-01 1.771e-01 3.506 0.000457 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 141.7 on 10879 degrees of freedom
## Multiple R-squared: 0.3886, Adjusted R-squared: 0.3883
## F-statistic: 1153 on 6 and 10879 DF, p-value: < 2.2e-16Paso 5. Construir un modelo de prediccion
Teniendo el modelo de regresión podemos pronosticar las rentas totales dados unos datos.
datos_nuevos <- data.frame(hora=12, mes=1, aÒo=2013, sensacion_termica=24, humedad=62, velocidad_del_viento=13)
predict(regresion, datos_nuevos)## 1
## 279.1478Observaciones
- Evitar poner “ñ” en los títulos de la base de datos.
- Los días de la tabla llegan hasta el 19, ¿por qué no hasta el 31? R: No se supo.
- ¿Qué significa estación 1, 2, 3 y 4? R: Son las estaciones del año, 1 primavera, 2 verano, 3 otoño y 4 invierno.
- ¿Los días de la semana empiezan con el 1 en domingo o lunes? R: En formato estándar de R el 1 es domingo.
Conclusiones
En este ejercicio se realizó un modelo predictivo para la renta de bicis dada una base de datos y un cálculo de regresión hecho con las distintas variables, siendo que, las que más influyen en la renta de bicis son: la hora, el mes, el año, la sensación térmica, la humedad y la velocidad del viento.
De modo que, de ser enero del 2013 a las 12, con una sensación térmica de 24ºC, una humedad del 62% y una velocidad del viento de 13km/h, se tiene estimado que se renten 279 bicicletas, con un 38.83% de certeza