1.

------------------------------------------------------------------------------------------------------------------

# Importación de los datos del fichero excel "Advertising.xlsx":

Advertising <- readXL("D:/Advertising.xlsx", rownames=FALSE, header=TRUE, na="",

sheet="Hoja1", stringsAsFactors=TRUE)

Advertising

# (a) Para saber si hay alguna relación entre las ventas y el presupuesto destinado a

# publicidad en cada rubro, calculamos consideramos un modelo de regresión multiple

# de las ventas sobre los presupuestos de publicidad destinados a cada rubro

mregresion <- lm(Sales ~ TV + Radio + Newspaper, data = Advertising)

summary(mregresion)

# Resultados:

# Coefficients:

# Estimate Std. Error t value Pr(>|t|)

# (Intercept) 2.938889 0.311908 9.422 <2e-16 ***

# TV 0.045765 0.001395 32.809 <2e-16 ***

# Radio 0.188530 0.008611 21.893 <2e-16 ***

# Newspaper -0.001037 0.005871 -0.177 0.86

# F-statistic: 570.3 on 3 and 196 DF, p-value: < 2.2e-16

# Interpretación de los resultados

# --------------------------------
# El p-value de la prueba F es menor que alfa, por lo que se acepta la hipotesis alternativa
que indica que

# existe relación entre las ventas y el presupuesto destinado a al menos uno de los
rubros (TV, radio o periodico)

# Para saber con que rubro o rubros hay una relación analizamos los p-values de las
pruebas t de significancia

# para cada rubro. Consideramos un nivel de significancia alfa=0,05

# Para el medio TV: p-value < alfa, (se acepta H1), lo que significa que existe relación
entre las ventas y el

# presupuesto destinado a televisión

# Para el medio Radio: p-value < alfa, (se acepta H1), lo que significa que existe relación
entre las ventas y el

# presupuesto destinado a radio

# Para el medio Newspaper: p-value=0,86 > alfa, (se acepta H0), lo que significa que no
hay relación entre las

# ventas y el presupuesto destinado a periodico

# En resumen respondemos que si existe una relación entre las ventas y el presupuesto
destinado a TV y Radio.

# (b) El cliente debería invertir en el medio de comunicación cuyo presupuesto tenga con las

# ventas una mayor correlación directa (positiva). Para saber el valor de las correlaciones

# entre las ventas y los presupuestos de cada uno de los medios calcularemos la matriz

# de correlaciones.

cor(Advertising[,c("Sales", "Newspaper","Radio","TV")], use="complete")

# Los resultados aparecen en la primera fila de la matriz:

# Sales Newspaper Radio TV

# Sales 1.0000000 0.22829903 0.57622257 0.78222442

# Interpretación de los resultados:

# La mayor correlación directa (positiva) tiene lugar con el medio de comunicación TV,

# por lo tanto el cliente debería invertir los 30,000 en publicidad televisiva

# (c) Modelos de regresión lineal multiple de las ventas en función de TV y Radio

modelo <- lm(Sales ~ TV + Radio, data = Advertising)

modelo

# Coefficients:

# (Intercept) TV Radio

# 2.92110 0.04575 0.18799

# Modelo: Sales = 2,9211 + 0,04575*TV + 0,18799*Radio

# Construcción de la grafica

TV = Advertising$TV

Radio = Advertising$Radio

datos <- data.frame(TV, Radio)

SalesPredict <- predict(modelo, newdata=datos)

plot(Advertising$Market, Advertising$Sales, col="black", lwd=1, xlab="Mercado",

ylab="Ventas",xlim=range(0, 50),
ylim=range(-11, 38))

points(Advertising$Market, SalesPredict, col="green", lwd=5)

legend(2,1,c("Ventas (originales)", "Ventas (predicción)"), lwd=c(5,5), col=c("black", "green"),

y.intersp=1.5)

# 2.-----------------------------------------------------------------------------------------------------------

# Importación de los datos del fichero excel "Bitcoin.xlsx":

Bitcoin <- readXL("D:/Bitcoin.xlsx", rownames=FALSE, header=TRUE, na="", sheet="Bitcoin",

stringsAsFactors=TRUE)

# (a) Se aqctualizaron los datos de las fuentes en el fichero Bitcoin.xlsx, se importaron

# esos datos al conjunto de datos "Bitcoin" y ahora replicamos las graficas

# de la figura 3.

# Diagrama de dispersión de la relación entre Precio de bitcoin y las busquedas del término

# Bitgoin en Google

plot(Bitcoin$Busquedas_google, Bitcoin$Precio, col="red", lwd=3, xlab="Busquedas en Google

Trends", ylab="Precio de

Bitcoin", main="Relación entre el precio de Bitcoin y busquedas en Google Trends")

# Diagrama de dispersión de la relación entre Precio de bitcoin y las busquedas del término

# Bitgoin en Wikipedia
plot(Bitcoin$Busquedas_wikipedia, Bitcoin$Precio, col="red", lwd=3, xlab="Busquedas en
Wikipedia", ylab="Precio de

Bitcoin", main="Relación entre el precio de Bitcoin y busquedas en Wikipedia")

# (b)

# Regresión lineal utilizando los datos de Google trend

regreGoogle <- lm(Precio ~ Busquedas_google, data = Bitcoin)

summary(regreGoogle)

# Resultados:

# Coefficients:

# Estimate Std. Error t value Pr(>|t|)

# (Intercept) 2597.43 784.24 3.312 0.00173 **

# Busquedas_google 103.11 20.36 5.065 0.00000593 ***

# p-value = 0.00000593 < alfa, entonces se rechaza H0 y se acepta H1

# que indica que los coeficientes son estadisticamente significativos o que

# actualmente existe una relación significativa entre el precio de Bitcoin y

# la busqueda del término Bitcoin en Google

# Regresión lineal utilizando los datos de Wikipedia

regreWiki <- lm(Precio ~ Busquedas_wikipedia, data = Bitcoin)

summary(regreWiki)
# Resultados:

# Coefficients:

# Estimate Std. Error t value Pr(>|t|)

# (Intercept) 8181.4842 1433.6367 5.707 0.000000623 ***

# Busquedas_wikipedia -0.2287 0.1675 -1.366 0.178

# p-value = 0.1781 > alfa, entonces se acepta la hipotesis nula que indica

# que los coeficientes no son estadisticamente significativoso que actualmente no hay

# relación entre el precio de Bitcoin y la busqueda del termino bitcoin en wikipedia.

# (c) Interpretación de los resultados:

# En la actualidad como hemos podido comprobar de las graficas y de los resuldatos del

# apartado (b), ya no hay una correlación fuerte entre el precio de Bitcoin y las

# busquedas en google y en wikipedia como si lo habia hace unos años cuando mucha
gente

# aun no conocia nada sobre esta criptomoneda. Mi conclusión es que con el paso del
tiempo la

# gente ya sabe que es Bitcoin y ya no necesita entrar a un portal como Wikipedia para

# informarse sobre que es Bitcoin, sin embargo sigue necesitando saber información actual

# de bitcoin como es su precio y algunos acontecimientos que pueden repercutir sobre el

# precio de bitcoin (en el futuro cercano) y para ello recurre a internet y empieza

# su busqueda desde Google.

966431779