T4_IFQI.Rmd

---
title: '**Tarea 4**'
author: ' \textcolor{blue}{Iván F. Quiroz Ibáñez}'
date: "`r format(Sys.time(), '%d % de %B % de %Y')`"
language: es-MX
output:
  pdf_document:
    includes:
  html_document:
    toc: TRUE
    toc_float: TRUE
    fig_caption: yes
    df_print: paged
  word_document:
subtitle: COA-501 Herramientas de cómputo para investigadores
---

### **Entrada de datos**
```{r}
library(readxl)
t4.df.datos <- read_xlsx("T4_df_auto.xlsx")
head(t4.df.datos)

names (t4.df.datos) = c("ID", "millasporgalon", "cilindros", "desplazamiento", 
              "caballosdefuerza", "peso", "aceleracion","anio","origen","nombre")
names (t4.df.datos)
```

### **Modelo de regresión**
```{r}
ml <- lm(desplazamiento~peso,t4.df.datos)
summary(ml)

#grafica predictor vs predicho
plot(t4.df.datos$peso,t4.df.datos$desplazamiento)
abline(ml,col="red")

#grafica predictor vs ajustados
plot(ml$fitted.values,t4.df.datos$peso)

#grafica residuales vs predichos

plot(ml$fitted.values,ml$residuals)

plot(ml,3)

#qqplot
plot(ml,2)

#Kolmogorov-Smirnov test
ks.test(ml$residuals,"pnorm")
```

### **Interpretación de gráficas y resultados**

De acuerdo con los resultados, se observa que la relación de desplazamiento y peso es fuertemente lineal; realizando el ajuste del modelo lineal, se visualiza que existe heterocedasticidad en el modelo y con el qqplot y la prueba de Kolmogorov-Smirnov, se concluye que los residuales no tienen una distribución normal. Se propone usar GLM o trasnformar a las variables.