RPubs will retire in June 2027. Your existing documents will stay accessible through December 31, 2031
and Connect Cloud is the recommended home for new publishing. Read the blog post

Recently Published

WR Analysis
Code Along 11
Entrega final Trabajo Diplo R
Entrega trabajo final Diplo R
Using Indicators
DC KELOMPOK 5
Building Indicators
UJI ASUMSI KLASIK UNTUK ANALISIS REGRESI BERGANDA
Pengerjaan dan Penerapan Uji Asumsi Klasik Untuk Analisis Regresi Berganda
WEEK 9 - NY TIMES API
NY TIMES API
Cultivos de Coca en Colombia 2001-2024 - SIMCI UNODC
Dashboard interactivo del proyecto final de Probabilidad y Estadística (Universidad del Valle). Analiza los cultivos de coca en 319 municipios de 24 departamentos de Colombia entre 2001 y 2024, con datos del censo SIMCI/UNODC: evolución histórica, concentración por regiones, correlaciones entre años, prueba Chi-cuadrado y pronósticos 2025–2027 con modelos de Holt. Cada gráfico incluye una guía de lectura pensada para quienes no tienen formación en estadística. Integrantes: Sofía Castro Camelo, Danna Sofía Ducuara Mavesoy, Johhan Zammir Soto Andrade y Cristhian Andrés Mejía Duque. Docente: Andrés Felipe Ochoa.
Outlier Pada Regresi Linier Berganda
Outlier atau pencilan adalah titik data yang menyimpang jauh dari pola umum sebagian besar data pengamatan lainnya. Dalam regresi linier berganda, pencilan umumnya dibedakan menjadi pencilan pada variabel respon ($Y$) yang memiliki sisaan atau residual sangat besar—dideteksi melalui Studentized Residuals—serta pencilan pada variabel prediktor ($X$) atau titik high leverage yang memiliki nilai variabel bebas sangat ekstrem berdasarkan matriks HAT. Keberadaan outlier dapat disebabkan oleh kesalahan pencatatan, kekeliruan pengukuran, atau kondisi nyata yang ekstrem, sehingga tidak boleh langsung dibuang karena berpotensi menyimpan informasi penting. Oleh karena itu, diperlukan identifikasi yang cermat menggunakan alat bantu seperti Influence Plot dan uji statistik formal seperti Uji Bonferroni guna mengevaluasi dampak data tersebut terhadap kestabilan model regresi.