Este proyecto explora la predicción del riesgo de hipertensión utilizando un modelo de regresión logística en R. Se parte de un conjunto de datos con información sobre hábitos de vida y factores de salud, como edad, índice de masa corporal (IMC), colesterol, glucosa, actividad física y consumo de ciertos alimentos. El análisis incluye la preparación y limpieza de datos, la división en conjuntos de entrenamiento y prueba, la construcción del modelo predictivo y su evaluación mediante la matriz de confusión, la curva ROC y el área bajo la curva (AUC). Además, se generan visualizaciones con visreg() para interpretar la relación entre variables y el riesgo de hipertensión. Los resultados permiten identificar los factores más influyentes y sugerir estrategias de prevención basadas en los hallazgos del modelo.

Este análisis explora las preferencias y características de los individuos en relación con sus viviendas, utilizando un conjunto de datos de cohousing. Los resultados proporcionan una visión clara de las tendencias y preferencias de los individuos para proyectos de vivienda, lo que puede ser útil para orientar estrategias de marketing y diseño en el sector inmobiliario. Este análisis está estructurado mediante el uso de R, con el paquete tidyverse para manipulación de datos y visualización, y se presenta en un formato HTML interactivo para facilitar su consulta.