2 Regresión múltiple

Presentamos un ejemplo de modelos de regresión a partir de datos reales de clima y de uso del sistema de bicicletas Ecobici de la Ciudad Autónoma de Buenos Aires.

Cómo *MidJourney* imagina que se ilustra este problema bajo el *prompt*: */imagine an enchanting illustration of Buenos Aires, with the obelisk at the center of the image, during a rainy day, where the focal point is the bustling bicycle usage*.

A continuación, se muestran algunos posibles ajustes de regresión que vinculan la cantidad de usuarios del sistema Ecobici por día en función de ciertas variables climáticas.

Código

rm(list=ls())
# Librerías necesarias
require(tidyverse)
require(ggfortify)
require(plotly)
require(kableExtra)
require(knitr)
require(devtools)
options(scipen = 999)

2.1 Exploración inicial

En el dataset climabici de la librería datosIC se incluyen datos de viajes con duración entre 5 y 60 minutos, cualquier día de la semana, durante el año 2022. A continuación, se muestran 10 datos de dicho conjunto.

Código

devtools::install_github("daniellaparada/datosIC")
library(datosIC)
datos <- climabici

Dataset reducido, primeras 10 observaciones.
fecha	n	tavg	tmin	tmax	prcp	dia	tipo_dia	lluvia
2022-01-01	2233	24.8	20.7	29.1	2.3	sábado	Fin de semana	Llueve
2022-01-02	3162	24.7	19.2	29.7	1.5	domingo	Fin de semana	Llueve
2022-01-03	7389	27.9	24.1	31.7	6.7	lunes	Lunes a viernes	Llueve
2022-01-04	7215	28.2	24.8	32.6	3.9	martes	Lunes a viernes	Llueve
2022-01-05	7611	21.7	16.7	31.7	0.0	miércoles	Lunes a viernes	No llueve
2022-01-06	8336	22.1	18.8	25.7	0.0	jueves	Lunes a viernes	No llueve
2022-01-07	8079	23.8	20.6	26.6	0.0	viernes	Lunes a viernes	No llueve
2022-01-08	3529	24.4	21.8	27.1	0.0	sábado	Fin de semana	No llueve
2022-01-09	3453	24.9	20.9	29.5	0.0	domingo	Fin de semana	No llueve
2022-01-10	7825	26.9	22.8	31.3	0.0	lunes	Lunes a viernes	No llueve

Como puede verse en el siguiente gráfico, la cantidad de registros de viajes de esa duración varía en función de la temperatura del día, de las precipitaciones, y de si se trata de un día de la semana (lunes a viernes) o fin de semana (sábado y domingo), entre otros.

El sistema de Ecobici es un sistema público de transporte y, como tal, es razonable que su uso sea intensivo durante los días hábiles, lo que explica las tendencias separadas que se ven en el gráfico anterior. Sin embargo, en el conjunto de datos no se tiene información de feriados, por lo que hay algunas observaciones del grupo verde (lunes a viernes) que se observan próximos a los del grupo rojo (fines de semana). También hay fines de semana que coinciden con feriados en los que típicamente hay menos movimiento; y también ocurre lo contrario: fines de semana de uso atípico, como el de aquel domingo 18 de diciembre de 2022 en que Argentina se coronó campeón Mundial, y cuya observación, aunque de color rojo (domingo), se ubica dentro de la nube de puntos verdes.

El tamaño de los puntos del gráfico anterior es proporcional al nivel de precipitación (en mm) del día. Sin embargo, una observación (27/02/22) registra una precipitación tan alta (más de 240 mm) que limita la posibilidad de apreciar qué ocurre, en general, cuando llueve y las lluvias no son tan extremas en términos de precipitación acumulada (acá una noticia al respecto).

Datos del 27 de febrero.
fecha	n	tavg	tmin	tmax	prcp	dia	tipo_dia	lluvia
2022-02-27	1573	23.1	21.8	25.6	246.9	domingo	Fin de semana	Llueve

Para lo que sigue, removemos esa observación.

Código

datos <- datos[-58, ]
ggplotly(
  ggplot(data = datos, aes(
    x = tavg,
    y = n,
    key = fecha,
    size = prcp,
    color = tipo_dia
  )) +
    labs(x = "Temperatura media", y = "Cantidad de usos de Ecobici") +
    geom_point() +
    scale_color_manual(values = c("Fin de semana" = "deeppink2", "Lunes a viernes" = "dodgerblue2")) +
    geom_smooth(method = "lm",
                formula = y ~ poly(x, 2)) +
    theme_classic(),
  source = "select",
  tooltip = c("key")
)

En efecto, los puntos más grandes de cada “nube” de color se encuentran ubicados por debajo de la tendencia general del resto de los puntos de su clase. Es decir, los días con mayor nivel de precipitación, la cantidad de usos del sistema de Ecobici se reduce notablemente, tanto para días hábiles como fines de semana. En particular, las tendencias por tipo de día se observan más “limpias” cuando se filtra por días en los que no se registran precipitaciones, como se observa a continuación.

Código

ggplotly(
  ggplot(
    data = filter(datos, lluvia == "No llueve"),
    aes(
      x = tavg,
      y = n,
      key = fecha,
      color = tipo_dia
    )
  ) +
    labs(x = "Temperatura media", y = "Cantidad de usos de Ecobici") +
    geom_point() +
    scale_color_manual(values = c("Fin de semana" = "deeppink2", "Lunes a viernes" = "dodgerblue2")) +
    geom_smooth(method = "lm",
                formula = y ~ poly(x, 2)) +
    theme_classic(),
  source = "select",
  tooltip = c("key")
)

2.1.1 Primeros ajustes con temperatura y precipitaciones

Se incorpora la variable de precipitaciones (prcp) además de la temperatura (tavg) a un modelo de regresión para predecir la cantidad de bicicletas utilizadas por día (n). En esta primera exploración, no se distingue por tipo de día (tipo_dia).

Código

fitlm = lm(n ~ tavg + prcp, data = datos)


Call:
lm(formula = n ~ tavg + prcp, data = datos)

Residuals:
    Min      1Q  Median      3Q     Max 
-7328.4 -3839.4   707.9  3262.7  5908.4 

Coefficients:
            Estimate Std. Error t value             Pr(>|t|)    
(Intercept)  6737.93     671.79  10.030 < 0.0000000000000002 ***
tavg           83.27      36.56   2.278              0.02333 *  
prcp         -116.44      39.00  -2.986              0.00302 ** 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 3677 on 359 degrees of freedom
Multiple R-squared:  0.03235,   Adjusted R-squared:  0.02696 
F-statistic: 6.001 on 2 and 359 DF,  p-value: 0.002733

El coeficiente estimado para la variable del nivel de precipitación es $-116.44$, lo que sugiere que el incremento en el nivel de lluvia hace disminuir la cantidad de bicicletas que se usan en un día, razonablemente con lo esperado y observado.

Lo contrario ocurre con la temperatura, cuyo coeficiente estimado es $83.27$, que sugiere que el aumento de temperatura incrementa el uso del sistema Ecobici.

Para lo que sigue, trabajamos con una reducción inicial de los datos a los días “lluviososo y templados”, es decir, a las observaciones que registran precipitación no nula y temperatura media inferior a 25°, e incorporamos la variable de precipitaciones en un modelo de regresión múltiple.

Código

datosfilt <- filter(datos,
                    lluvia == "Llueve",
                    tavg < 25)
ggplotly(
  ggplot(data = datosfilt, aes(
    x = tavg,
    y = n,
    key = fecha,
    size = prcp,
    color = tipo_dia
  )) +
    labs(x = "Temperatura media", y = "Cantidad de usos de Ecobici") +
    geom_point() +
    scale_color_manual(values = c("Fin de semana" = "deeppink2", "Lunes a viernes" = "dodgerblue2")) +
    geom_smooth(method = "lm",
                formula = y ~ x) +
    theme_classic(),
  source = "select",
  tooltip = c("key")
)

2.1.1.1 Días de semana lluviosos y templados

Código

datosfilt <- filter(datos,
                    lluvia == "Llueve",
                    tipo_dia == "Lunes a viernes",
                    tavg < 25)
fitlm = lm(n ~ tavg + prcp, data = datosfilt)
summary(fitlm)


Call:
lm(formula = n ~ tavg + prcp, data = datosfilt)

Residuals:
    Min      1Q  Median      3Q     Max 
-6996.6 -1537.5   -29.4  2145.9  4274.0 

Coefficients:
            Estimate Std. Error t value  Pr(>|t|)    
(Intercept)  6376.65    1422.03   4.484 0.0000386 ***
tavg          186.20      80.94   2.301    0.0253 *  
prcp         -102.49      46.93  -2.184    0.0334 *  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 2610 on 54 degrees of freedom
Multiple R-squared:  0.1259,    Adjusted R-squared:  0.09356 
F-statistic:  3.89 on 2 and 54 DF,  p-value: 0.0264

2.1.1.2 Fines de semana lluviosos y templados

Código

datosfilt <- filter(datos,
                    lluvia == "Llueve",
                    tipo_dia == "Fin de semana",
                    tavg < 25)

fitlm = lm(n ~ tavg + prcp, data = datosfilt)
summary(fitlm)


Call:
lm(formula = n ~ tavg + prcp, data = datosfilt)

Residuals:
     Min       1Q   Median       3Q      Max 
-1735.57  -607.12   -54.45   517.62  1882.70 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 3611.0469   908.5880   3.974 0.000691 ***
tavg           0.0722    48.7403   0.001 0.998832    
prcp         -64.1289    24.7465  -2.591 0.017032 *  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 904 on 21 degrees of freedom
Multiple R-squared:  0.2635,    Adjusted R-squared:  0.1934 
F-statistic: 3.757 on 2 and 21 DF,  p-value: 0.04028

2.1.2 Predicción

Para una primera evaluación de estos modelos, buscamos predecir la cantidad de usos del sistema Ecobici para un día de semana, con temperatura media de 24° y con un nivel de precipitaciones de 5 mm.

Nueva observación a predecir.
tavg	prcp	tipo_dia
24	5	Lunes a viernes

Ajustamos diferentes modelos de acuerdo con la exploración inicial y vemos las predicciones y sus intervalos de confianza de nivel $95\%$.

Código

datosfilt <- filter(datos,
                    lluvia == "Llueve",
                    tipo_dia == "Lunes a viernes",
                    tavg < 25)

m1 <- lm(n ~ 1, data = datos)
m2 <- lm(n ~ 1, data = datosfilt)
m3 <- lm(n ~ tavg, data = datos)
m4 <- lm(n ~ tavg, data = datosfilt)
m5 <- lm(n ~ tavg + prcp, data = datos)
m6 <- lm(n ~ tavg + prcp, data = datosfilt)

predichos <- rbind(
  predict(m1, nd, interval = "prediction"),
  predict(m2, nd, interval = "prediction"),
  predict(m3, nd, interval = "prediction"),
  predict(m4, nd, interval = "prediction"),
  predict(m5, nd, interval = "prediction"),
  predict(m6, nd, interval = "prediction")
)

predichos <- cbind(predichos, predichos[, 3] - predichos[, 2])

rownames(predichos) <- c(
  "Modelo 1: Todos los datos -> mean(n)",
  "Modelo 2: LaV, lluvia, <25° -> mean(n)",
  "Modelo 3: Todos los datos -> tavg",
  "Modelo 4: LaV, lluvia, <25° -> tavg",
  "Modelo 5: Todos los datos -> tavg + prcp",
  "Modelo 6: LaV, lluvia, <25° -> tavg + prcp"
)

colnames(predichos) <- c("Pred", "linf", "lsup", "long")

knitr::kable(data.frame(predichos), caption = "Predicciones con diferentes ajustes.")

Predicciones con diferentes ajustes.
	Pred	linf	lsup	long
Modelo 1: Todos los datos -> mean(n)	8020.412	679.5616	15361.26	14681.70
Modelo 2: LaV, lluvia, <25° -> mean(n)	9008.351	3469.1432	14547.56	11078.42
Modelo 3: Todos los datos -> tavg	8408.683	1075.0282	15742.34	14667.31
Modelo 4: LaV, lluvia, <25° -> tavg	9844.809	4300.5957	15389.02	11088.43
Modelo 5: Todos los datos -> tavg + prcp	8154.161	897.8224	15410.50	14512.68
Modelo 6: LaV, lluvia, <25° -> tavg + prcp	10333.054	4948.6154	15717.49	10768.88

Como es de esperar, el modelo que da lugar a un intervalo de predicción de menor longitud para esta nueva observación es el que incorpora datos de temperatura y precipitaciones, pero que fue construido con el dataset reducido a días de semana, templados y con lluvias.

2.2 Modelo completo: temperatura, precipitaciones y tipo de día

Buscamos un modelo más versátil y con buena capacidad predictiva. Para lo que sigue, transformamos la variable tipo_dia en una categórica (finde) representando por 1 a los días de fin de semana, y por 0, a los días de semana. Trabajamos con el dataset completo.

Código

datos_tr <- datos %>%
  mutate(finde = ifelse(tipo_dia == "Lunes a viernes", 0, 1)) %>%
  select(c(1, 2, 3, 6, 10))

knitr::kable(datos_tr[1:10, ], caption = "Datos con variable categórica para tipo de día, primeras 10 observaciones.")

Datos con variable categórica para tipo de día, primeras 10 observaciones.
fecha	n	tavg	prcp	finde
2022-01-01	2233	24.8	2.3	1
2022-01-02	3162	24.7	1.5	1
2022-01-03	7389	27.9	6.7	0
2022-01-04	7215	28.2	3.9	0
2022-01-05	7611	21.7	0.0	0
2022-01-06	8336	22.1	0.0	0
2022-01-07	8079	23.8	0.0	0
2022-01-08	3529	24.4	0.0	1
2022-01-09	3453	24.9	0.0	1
2022-01-10	7825	26.9	0.0	0

Evaluamos un modelo que incorpora los datos de temperatura, precipitaciones y tipo de día a través de la variable categórica creada.

Código

fitlm = lm(n ~ poly(tavg, 2) + prcp + finde, data = datos_tr)
summary(fitlm)


Call:
lm(formula = n ~ poly(tavg, 2) + prcp + finde, data = datos_tr)

Residuals:
    Min      1Q  Median      3Q     Max 
-7852.9  -882.7   159.1  1245.6  3643.8 

Coefficients:
                Estimate Std. Error t value             Pr(>|t|)    
(Intercept)     10137.43     125.46  80.803 < 0.0000000000000002 ***
poly(tavg, 2)1   7648.92    1967.85   3.887             0.000121 ***
poly(tavg, 2)2 -18509.72    1940.26  -9.540 < 0.0000000000000002 ***
prcp             -123.97      20.57  -6.027        0.00000000417 ***
finde           -6614.07     224.73 -29.432 < 0.0000000000000002 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1933 on 357 degrees of freedom
Multiple R-squared:  0.734, Adjusted R-squared:  0.731 
F-statistic: 246.2 on 4 and 357 DF,  p-value: < 0.00000000000000022

Código

coef <- round(fitlm$coefficients, 0)

Los coeficiente estimados sugieren que la cantidad basal de usos del sistema es de $10137$ y que, ceteris paribus, ocurre lo siguiente:

como la relación entre la cantidad de usos y la temperatura es modelada con un polinomio de grado 2 y con coeficientes $7649$ y $-18510$, para cada grado en la variable temperatura respectivamente, se penaliza la cantidad de usos por temperaturas extremas (comportamiento que ya habíamos comentado en el capítulo 1),
los usos disminuyen por la presencia de lluvia, a razón de $-124$ por cada mm de precipitaciones registrado y,
el mayor impacto en la cantidad de usos reside en el tipo de día, registrando una reducción de $6614$ usos los fines de semana respecto de los días de semana.

2.2.1 Predicción

Volvemos a predecir la cantidad de usos del sistema Ecobici para un día de semana, con temperatura media de 24° y con un nivel de precipitaciones de 5 mm y comparamos con los predichos anteriores.

Código

nd <- data.frame(tavg = 24, prcp = 5, finde = 0)

predicho_nuevo <- predict(fitlm, nd, interval = "prediction")
predicho_nuevo <-
  cbind(predicho_nuevo, predicho_nuevo[, 3] - predicho_nuevo[, 2])

colnames(predicho_nuevo) <- c("Pred", "linf", "lsup", "long")
rownames(predicho_nuevo) <-
  c("Modelo completo: Todos los datos -> tavg + tavg^2 + prcp + finde")

knitr::kable(data.frame(rbind(predichos, predicho_nuevo)), caption = "Predicciones con diferentes ajustes.")

Predicciones con diferentes ajustes.
	Pred	linf	lsup	long
Modelo 1: Todos los datos -> mean(n)	8020.412	679.5616	15361.26	14681.700
Modelo 2: LaV, lluvia, <25° -> mean(n)	9008.351	3469.1432	14547.56	11078.415
Modelo 3: Todos los datos -> tavg	8408.683	1075.0282	15742.34	14667.311
Modelo 4: LaV, lluvia, <25° -> tavg	9844.809	4300.5957	15389.02	11088.426
Modelo 5: Todos los datos -> tavg + prcp	8154.161	897.8224	15410.50	14512.677
Modelo 6: LaV, lluvia, <25° -> tavg + prcp	10333.054	4948.6154	15717.49	10768.878
Modelo completo: Todos los datos -> tavg + tavg^2 + prcp + finde	9823.279	6005.6077	13640.95	7635.343

Como es de esperar, la predicción dada por el modelo completo parece ser más precisa que las de los restantes. Más aún, como el modelo estima a partir del conjunto de datos completo, su desempeño se mantiene, incluso para la predicción de la cantidad de usos del sistema Ecobici más generales, como por ejemplo, para un fin de semana, con temperatura media de 25°, sin lluvias, y en relación con los predichos anteriores.

Código

nd2 <- data.frame(tavg = 20, prcp = 0, finde = 1)

knitr::kable(nd2, caption = "Otra nueva observación a predecir.")

Otra nueva observación a predecir.
tavg	prcp	finde
20	0	1

Código

predicho_nuevo <- predict(fitlm, nd2, interval = "prediction")
predicho_nuevo <-
  cbind(predicho_nuevo, predicho_nuevo[, 3] - predicho_nuevo[, 2])
colnames(predicho_nuevo) <- c("Pred", "linf", "lsup", "long")
rownames(predicho_nuevo) <-
  c("Modelo completo: Todos los datos -> tavg + tavg^2 + prcp + finde")

predichos <- rbind(
  predict(m1, nd2, interval = "prediction"),
  predict(m2, nd2, interval = "prediction"),
  predict(m3, nd2, interval = "prediction"),
  predict(m4, nd2, interval = "prediction"),
  predict(m5, nd2, interval = "prediction"),
  predict(m6, nd2, interval = "prediction")
)

predichos <- cbind(predichos, predichos[, 3] - predichos[, 2])

rownames(predichos) <- c(
  "Modelo 1: Todos los datos -> mean(n)",
  "Modelo 2: LaV, lluvia, <25° -> mean(n)",
  "Modelo 3: Todos los datos -> tavg",
  "Modelo 4: LaV, lluvia, <25° -> tavg",
  "Modelo 5: Todos los datos -> tavg + prcp",
  "Modelo 6: LaV, lluvia, <25° -> tavg + prcp"
)

colnames(predichos) <- c("Pred", "linf", "lsup", "long")

knitr::kable(data.frame(rbind(predichos, predicho_nuevo)), caption = "Predicciones con diferentes ajustes.")

Predicciones con diferentes ajustes.
	Pred	linf	lsup	long
Modelo 1: Todos los datos -> mean(n)	8020.412	679.5616	15361.262	14681.700
Modelo 2: LaV, lluvia, <25° -> mean(n)	9008.351	3469.1432	14547.559	11078.415
Modelo 3: Todos los datos -> tavg	8156.240	834.1490	15478.330	14644.181
Modelo 4: LaV, lluvia, <25° -> tavg	9307.742	3842.4732	14773.011	10930.538
Modelo 5: Todos los datos -> tavg + prcp	8403.300	1158.5107	15648.090	14489.579
Modelo 6: LaV, lluvia, <25° -> tavg + prcp	10100.688	4761.4766	15439.899	10678.422
Modelo completo: Todos los datos -> tavg + tavg^2 + prcp + finde	4555.102	728.3893	8381.814	7653.425

Mientras todas las demás predicciones rondan valores entre $8000$ y $10000$, el modelo completo predice alrededor de $4300$ usos, dando lugar, además, al intervalo de menor longitud observada. Es decir, el modelo de regresión múltiple que parece más adecuado para el problema es:

n ~ tavg + tavg^2 + prcp + finde.

3 Acerca de los datos

A continuación, se detallan aspectos de los datasets que conformaron el dataset reducido para el desarrollo del ejemplo, a la vez que se incluyen las fuentes de los datos y el código utilizado para pre-procesarlo con la sintaxis de tidyverse. De esta forma, puede fácilmente replicarse y/o adaptarse si así se lo desea.

El dataset reducido con el que se desarrolló el ejemplo y que surge de tal pre-procesamiento, es climabici de la librería datosIC.

3.1 Sobre el dataset de clima

Los datos de este ejemplo corresponden a datos de clima del año 2022 tomados de la base de datos meteorológicos y climáticos de MeteoStat (disponibles acá). En particular, se consideran los datos de la estación meteorológica de Aeroparque (ID 87582), desde el 1ro de enero de 2022 hasta el 31 de diciembre de 2022, y un conjunto reducido de variables.

Código

clima <-
  read_csv("./fuente/02_regresion_multiple/registro_tiempo_aeroparque.csv") %>%
  select(c(1:5, 7:8, 10))

3.2 Sobre el dataset de Ecobici

Los datos de este ejemplo corresponden a datos de uso del sistema Ecobici de la Ciudad de Buenos Aires (disponibles acá). En particular, se consideran los datos del año 2022 correspondientes a viajes de entre 5 minutos y 1 hora de duración.

Ecobici es el sistema de transporte público de bicicletas de la Ciudad de Buenos Aires, que tiene estaciones automáticas con bicicletas a disposición las 24 horas, todos los días del año. El sistema es gratuito para todas las personas residentes del país de lunes a viernes (días hábiles) con hasta cuatro viajes de 30 minutos cada uno. Sin embargo, si se utiliza por un tiempo mayor que el indicado o durante los fines de semana, existen diferentes pases con variados costos. A modo de referencia, el pase que habilita a hacer 6 viajes diarios de hasta 60 minutos cada uno cualquier día de la semana tiene un costo de $1.785 (junio 2023).

Código

trips <- read_csv(
  "./fuente/02_regresion_multiple/trips_2022.csv",
  col_types = cols(fecha_origen_recorrido = col_datetime(format = "%Y-%m-%d %H:%M:%S"))
) %>%
  mutate(fecha = format(as_date(ymd_hms(
    fecha_destino_recorrido
  )))) %>%
  filter(duracion_recorrido > 300 && duracion_recorrido < 3600) %>%
  group_by(fecha) %>%
  count() %>%
  mutate(fecha = as_date(fecha))

3.3 Dataset pre-procesado: `climabici`

Para reducir los datos al estudio de interés, se crea un dataset conjunto, climabici, a partir de los datos de clima y de uso del sistema Ecobici, en el que se dispone de las siguientes variables.

fecha: fecha, en el formato año-mes-día.
n: cantidad de registros de uso del sistema EcoBici en la fecha indicada.
tmed: temperatura media (°C) registrada en esa fecha.
tmin: temperatura mínima (°C) registrada en esa fecha.
tmax: temperatura máxima (°C) registrada en esa fecha.
prcp: precipitaciones (mm) registrada en esa fecha.
dia: día de la semana de la fecha indicada.
tipo_dia: tipo de día (Fin de semana o Lunes a viernes) de la fecha indicada.
lluvia: condición de lluvia (Llueve: prcp>0, No llueve: prcp=0) de la fecha indicada.

Código

trips <- trips %>%
  filter(fecha >= min(clima$date) & fecha <= max(clima$date))

datos <- left_join(trips, clima, by = c("fecha" = "date")) %>%
  drop_na() %>%
  mutate(
    dia = weekdays(fecha),
    tipo_dia = ifelse(dia %in% c("sábado", "domingo"), "Fin de semana", "Lunes a viernes"),
    lluvia = ifelse(prcp == 0, "No llueve", "Llueve")
  )

El dataset climabici está disponible en la librería datosIC.

Código

library(datosIC)
climabici

Dataset reducido disponible en la librería 'datosIC'.
fecha	n	tavg	tmin	tmax	prcp	dia	tipo_dia	lluvia
2022-01-01	2233	24.8	20.7	29.1	2.3	sábado	Fin de semana	Llueve
2022-01-02	3162	24.7	19.2	29.7	1.5	domingo	Fin de semana	Llueve
2022-01-03	7389	27.9	24.1	31.7	6.7	lunes	Lunes a viernes	Llueve
2022-01-04	7215	28.2	24.8	32.6	3.9	martes	Lunes a viernes	Llueve
2022-01-05	7611	21.7	16.7	31.7	0.0	miércoles	Lunes a viernes	No llueve
2022-01-06	8336	22.1	18.8	25.7	0.0	jueves	Lunes a viernes	No llueve
2022-01-07	8079	23.8	20.6	26.6	0.0	viernes	Lunes a viernes	No llueve
2022-01-08	3529	24.4	21.8	27.1	0.0	sábado	Fin de semana	No llueve
2022-01-09	3453	24.9	20.9	29.5	0.0	domingo	Fin de semana	No llueve
2022-01-10	7825	26.9	22.8	31.3	0.0	lunes	Lunes a viernes	No llueve

Código

sessionInfo()

R version 4.2.3 (2023-03-15 ucrt)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 10 x64 (build 22621)

Matrix products: default

locale:
[1] LC_COLLATE=Spanish_Argentina.utf8  LC_CTYPE=Spanish_Argentina.utf8   
[3] LC_MONETARY=Spanish_Argentina.utf8 LC_NUMERIC=C                      
[5] LC_TIME=Spanish_Argentina.utf8    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
 [1] datosIC_0.0.0.9000 devtools_2.4.5     usethis_2.1.6      knitr_1.42        
 [5] kableExtra_1.3.4   plotly_4.10.1      ggfortify_0.4.16   lubridate_1.9.2   
 [9] forcats_1.0.0      stringr_1.5.0      dplyr_1.1.2        purrr_1.0.1       
[13] readr_2.1.4        tidyr_1.3.0        tibble_3.2.1       ggplot2_3.4.2     
[17] tidyverse_2.0.0   

loaded via a namespace (and not attached):
 [1] nlme_3.1-162      fs_1.6.1          webshot_0.5.5     httr_1.4.5       
 [5] tools_4.2.3       profvis_0.3.7     utf8_1.2.3        R6_2.5.1         
 [9] lazyeval_0.2.2    mgcv_1.8-42       colorspace_2.1-0  urlchecker_1.0.1 
[13] withr_2.5.0       tidyselect_1.2.0  gridExtra_2.3     prettyunits_1.1.1
[17] processx_3.8.0    curl_5.0.0        compiler_4.2.3    cli_3.6.1        
[21] rvest_1.0.3       xml2_1.3.5        labeling_0.4.2    scales_1.2.1     
[25] callr_3.7.3       systemfonts_1.0.4 digest_0.6.31     rmarkdown_2.21   
[29] svglite_2.1.1     pkgconfig_2.0.3   htmltools_0.5.5   sessioninfo_1.2.2
[33] fastmap_1.1.1     highr_0.10        htmlwidgets_1.6.2 rlang_1.1.0      
[37] rstudioapi_0.14   shiny_1.7.4       generics_0.1.3    jsonlite_1.8.4   
[41] crosstalk_1.2.0   magrittr_2.0.3    Matrix_1.5-4      Rcpp_1.0.10      
[45] munsell_0.5.0     fansi_1.0.4       lifecycle_1.0.3   stringi_1.7.12   
[49] yaml_2.3.7        pkgbuild_1.4.0    grid_4.2.3        promises_1.2.0.1 
[53] crayon_1.5.2      miniUI_0.1.1.1    lattice_0.21-8    splines_4.2.3    
[57] hms_1.1.3         ps_1.7.4          pillar_1.9.0      pkgload_1.3.2    
[61] glue_1.6.2        evaluate_0.20     data.table_1.14.8 remotes_2.4.2    
[65] vctrs_0.6.1       tzdb_0.3.0        httpuv_1.6.9      gtable_0.3.4     
[69] cachem_1.0.7      xfun_0.39         mime_0.12         xtable_1.8-4     
[73] later_1.3.0       viridisLite_0.4.2 memoise_2.0.1     timechange_0.2.0 
[77] ellipsis_0.3.2

4 Referencias

MeteoStat (info disponible acá y datos disponibles acá.)
Sistema Ecobici de la Ciudad Autónoma de Buenos Aires (info disponible acá y datos disponibles acá.)

2.1 Exploración inicial

2.1.1 Primeros ajustes con temperatura y precipitaciones

2.1.1.1 Días de semana lluviosos y templados

2.1.1.2 Fines de semana lluviosos y templados

2.1.2 Predicción

2.2 Modelo completo: temperatura, precipitaciones y tipo de día

2.2.1 Predicción

3 Acerca de los datos

3.1 Sobre el dataset de clima

3.2 Sobre el dataset de Ecobici

3.3 Dataset pre-procesado: climabici

4 Referencias

3.3 Dataset pre-procesado: `climabici`