Clase Codigo
Clase Codigo
Clase Codigo
packages("MPV")
library(MPV)
data(table.b11)
table.b11
attach(data)
###############
##Definir nuestra carpeta de trabajo
setwd("C:/Users/Dante/Desktop/clase 24-05-18")
data <- read.table("casas.txt",header = T,dec = ".")
data
head(data)
##ultimas 6 observaciones
tail(data)
###grafico de dispersion
plot(TasaInteres,PrecioVenta,main = "grafico de dispersion",xlab = "tasa de
interes",ylab = "precio de venta")
##identificar
identify(TasaInteres,PrecioVenta,labels=Caso)
##1ro haremos un modelo de regresion
m<-lm(PrecioVenta~TasaInteres,data=data)
summary(m)
##residuos
residuo=rstandard(m)
residuo
##valores atipicos
plot(Caso,residuo,xlab="Caso",ylab="Residuo
estandarizado",cex.lab=1.4,pch=23,bg="red")
abline(a=2,b=0,lty=2)
abline(a=-2,b=0,lty=2)
identify(Caso,residuo,labels=Caso)
##puntos de balanceo
##ELEMENTOS DE LA DIAGONAL DE LA MATRIZ H(leverages)
h=hatvalues(m)
p=2
n=nrow(data)
##punto de corte
id.h=(2*p)/n
plot(Caso,h,xlab="Caso",ylab="Leverage",cex.lab=1.4,pch=23,bg="blue")
abline(a=id.h,b=0,lty=2)
identify(Caso,h,labels=Caso)
###########distancia de cook
###DISTANCIA COOK
dc=cooks.distance(m)
dc
##IDENTIFICACION DE OBSERVACIONES INFLUYENTES
plot(Caso,dc,xlab="Caso",ylab="Distancia de cook",cex.lab=1.4,pch=23,bg="gold")
abline(a=1,b=0,,lty=2)
identify(Caso,dc,labels=Caso)
####dffits
##IDENTIFICACION DE OBSERVACIONES INFLUYENTES
dffit=dffits(m)
plot(Caso,dffit,xlab="Caso",ylab="DFFITS",cex.lab=1.4,pch=23,bg="blue")
abline(a=2*sqrt(p/n),b=0,lty=2)
abline(a=-2*sqrt(p/n),b=0,lty=2)
identify(Caso,dffit,labels=Caso)
##########################
##DFBETAS
dfbeta=dfbetas(m)
dfbeta
##DFBETAS de la pendiente
dfbeta[,2]