Scribd
Cargar
45 vistas3 páginas

Codigooss para El Rstudioo Completar

Se realizó un análisis de regresión lineal para predecir el precio de las casas en función del tamaño, encontrando que el modelo no es significativo globalmente, aunque la constante es significativa. La ecuación de regresión indica que el precio base es de 67.18 miles de dólares y que cada pie cuadrado adicional incrementa el precio en 25.64 miles de dólares. El coeficiente de determinación muestra que solo el 9.438% de la variabilidad del precio es explicada por el tamaño de la casa.

Cargado por

Jean Condo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
45 vistas3 páginas

Codigooss para El Rstudioo Completar

Se realizó un análisis de regresión lineal para predecir el precio de las casas en función del tamaño, encontrando que el modelo no es significativo globalmente, aunque la constante es significativa. La ecuación de regresión indica que el precio base es de 67.18 miles de dólares y que cada pie cuadrado adicional incrementa el precio en 25.64 miles de dólares. El coeficiente de determinación muestra que solo el 9.438% de la variabilidad del precio es explicada por el tamaño de la casa.

Cargado por

Jean Condo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

Fabricio Alejandro Sana Tomateo

10:11

qplot(mpg, wt, data = mtcars, geom = c("point", "smooth"))

Fabricio Alejandro Sana Tomateo

10:14

qplot(Tamaño, Precio, data = dataset_3, geom = c("point", "smooth"))

# Coeficiente de correlación

cor(dataset_3)

Fabricio Alejandro Sana Tomateo

10:18

# regresión lineal

modelo_1 <- lm(Precio ~ Tamaño, data = dataset_3)

summary(modelo_1)

Fabricio Alejandro Sana Tomateo

10:24

# Ecuación de regresión

precio^= 67.18 + 25.64*Tamaño + u

# Si el tamaño de la casa fuera de 0 pies

# cuadrados el precio de la casa sería de 67.18 miles de dólares

# En promedio, por cada pie cuadrado adicional en el área de la casa se presenta un


incremento de

# 25.64 miles dólares en el Precio de la casa, manteniendo las demás variables constantes.

Fabricio Alejandro Sana Tomateo

10:52

# Regresión lineal

# dataset: dataset_3.xslx
# diagrama(s) de dispersión

[Link]("ggplot2")

library(ggplot2)

str(dataset_3)

qplot(Tamaño, Precio, data = dataset_3, geom = c("point", "smooth"))

# Coeficiente de correlación

cor(dataset_3)

# Entre las variables Precio y Tamaño de la casa se presenta un grado de asociación

# del 30,722%. El signo del coeficiente de correlación nos indica que se presenta una relación
directa.

# regresión lineal

modelo_1 <- lm(Precio ~ Tamaño, data = d

modelo_1 <- lm(Precio ~ Tamaño, data = dataset_3)

summary(modelo_1)

# Ecuación de regresión

precio^= 67.18 + 25.64*Tamaño + u

# InterpretANDO LOS coeficientes estimados

# Resecto a la CONSTANTE

# Si el tamaño de la casa fuera de 0 pies

# cuadrados el precio de la casa sería de 67.18 miles de dólares.

# Rescpto a los coeficientes estimados para las variables explicativas

# En promedio, por cada pie cuadrado adicional en el área de la casa se presenta un


incremento de
# 25.64 miles dólares

# En promedio, por cada pie cuadrado adicional en el área de la casa se presenta un


incremento de

# 25.64 miles dólares en el Precio de la casa, manteniendo las demás variables constantes.

# GRAL: p valor > alfa .... sad // p valor < alfa .... happy ( es significativo)

# Anális de la prueba de significacnica global ( o conjunta)

# dado que el p valor de la prueba F es de 0.3314 , el cual es mayor al nivel de significancia

" del 5% , se puede afirmar que el modelo NO ES signficicativo como un

# Anális de las pruebas de significancica individual

# Para la constante:

# Dado que el p valor de la prueba t es de 0.0444 , el cual es menor al nivel de significancia

# del 5% , se puede afirmar que el coeficiente estimado para la constante ES significativo al


5%".

Fabricio Alejandro Sana Tomateo

10:53

# Para el coeficiente estimado para la variable Tamaño:

# Dado que el p valor de la prueba t es de 0.3314 , el cual es mayor al nivel de significancia

# del 5% , se puede afirmar que el coeficiente estimado para la variable Tamaño NO ES


significativo al 5%".

# Coefiente de Determinación (R cuadrado )

# La variabilidad del Precio es explicada por el 9,438% de la variabilidad de la variable Tamaño


de la casa.

También podría gustarte