Dokumen ini menjelaskan tentang Analisis Data Mulltivariat 1

Struktur file terdiri dari beberapa bab dan sub-bab, di antaranya: 1. Operasi Matriks • Penjelasan dasar matriks serta operasi aljabar (penjumlahan, pengurangan, perkalian, transpose, invers, determinan). • Contoh penggunaan R untuk manipulasi matriks. 2. Eigen Value, Eigen Vector, dan SVD • Konsep nilai eigen dan vektor eigen yang penting dalam analisis multivariat. • Penerapan dekomposisi nilai singular (Singular Value Decomposition, SVD). 3. Matriks Jarak • Berisi berbagai jenis jarak (Euclidean, Chebyshev, Manhattan, Mahalanobis, Minkowski). • Disertai aplikasi untuk analisis data multivariat, clustering, dan quality control. 4. Vektor Rata-rata, Matriks Kovarians, dan Korelasi • Menjelaskan cara menghitung rata-rata multivariat. • Menampilkan hubungan antarvariabel dalam bentuk matriks kovarians dan korelasi. 5. PCA (Principal Component Analysis) • Pengenalan metode reduksi dimensi. • Contoh analisis komponen utama untuk merangkum data menjadi lebih sederhana.

Districts

La salud mental en la niñez y la adolescencia se ha convertido en un tema de gran relevancia en los últimos años, debido al aumento en los diagnósticos de ansiedad y depresión. La base de datos seleccionada recopila información sobre la prevalencia de estos trastornos en Estados Unidos, presentando tanto porcentajes como valores absolutos de niños y adolescentes afectados en diferentes períodos de tiempo.

Sofia Pinto, Lina Gonzalez y Gabriel Bucheli

Este documento, titulado **"Grupo 2_las casas de boston"**, es una guía práctica para construir e interpretar un **modelo de regresión lineal** en R. El objetivo principal es predecir el valor mediano de las viviendas de California usando el dataset `housing.csv`. A lo largo del documento, se abordan **conceptos estadísticos clave** como el análisis exploratorio de datos (EDA) con `tidyverse`, la regresión lineal simple y múltiple, y la interpretación de los resultados del modelo. El código R proporcionado muestra los primeros pasos del proceso, incluyendo la carga de las librerías `tidyverse` y `corrplot`, la importación del conjunto de datos y el uso de `glimpse()` para obtener una vista rápida de su estructura. Todo el proyecto se centra en la **reproducibilidad**, utilizando R Markdown para combinar código, análisis y texto narrativo en un solo informe.

En este proyecto, realizamos un análisis de regresión lineal para predecir el valor mediano de las viviendas de California. Utilizamos tidyverse para el análisis exploratorio de datos y la función lm() para construir el modelo. El informe detalla la interpretación de los coeficientes, el R-cuadrado ajustado y los p-valores, mostrando cómo combinar código R y texto narrativo en un documento reproducible con R Markdown.

Proyecto: Descubriendo la regresión lineal en R