setwd("C:/DATOS/DOCUMENTACION/DOCTORADO/MODELOS/R/REGRESION")
source('simpleRegressionFunctions.txt', local=TRUE)

'EJERCICIO 5.2

'trabajadores.dat 
'Fuente :Chaterjii and Price Regression by example
'Descripción
'Primera columna : número de supervisores
'Segunda columna : Número de trabajadores


'EXPLICACION DE DATOS

'A: CARGA DE DATOS

RUTA <- "C:/DATOS/DOCUMENTACION/DOCTORADO/MODELOS/R/REGRESION/DATOS_LIBRO/"
FICHERO <- "trabajadores.dat"

DATOS <- read.table("C:/DATOS/DOCUMENTACION/DOCTORADO/MODELOS/R/REGRESION/DATOS_LIBRO/trabajadores.dat",header=F,sep="", quote="") 

Y = as.numeric(DATOS$V1)
X = as.numeric(DATOS$V2)

TY <- "Numero de supervisores, NS"
TX <- "Numero de trabajadores, NT"

'B: UNIVARIATE EDA

viewEDA(Y,X,TY,TX)

'CONCLUSIONES:
'Como se observa, en los graficos, existe una cierta normalidad de los datos en ambos casos,
'Presentando datos anomalos en la variable Y.
'Se observan colas en ambos casos.

'C: CREATE MODEL

REGRESSION <- createSRM(Y,X,1)
REGRESSION

'CONCLUSIONES
'Los datos de la regresion son los siguientes:


'Residuals:
'    Min      1Q  Median      3Q     Max 
'-53.294  -9.298  -5.579  14.394  39.119 

'Coefficients:
'            Estimate Std. Error t value Pr(>|t|)    
'(Intercept) 14.44806    9.56201   1.511    0.143    
'X            0.10536    0.01133   9.303 1.35e-09 ***
'---
'Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

'Residual standard error: 21.73 on 25 degrees of freedom
'Multiple R-Squared: 0.7759,	Adjusted R-squared: 0.7669 
'F-statistic: 86.54 on 1 and 25 DF,  p-value: 1.350e-09

'Como se observa, el R-Squared es de un 77.59% lo cual indica un buen ajuste.
'El error estandard residual tiene un valor de 21.73.
'El modelo seria: Y = 14.44806 + 0.10536*X


' NOTA: Si se detectan datos outliers, es necesario eliminarlos del modelo

simpleOutlierDetection(Y,1)
simpleOutlierDetection(X,1)

'NOTA: Una vez tengo detectado donde estan los datos OUTLIERS que afectan al modelo, se vuelve a generar el modelo.

Y2 = getSubconjunto(Y,1,24)
X2 = getSubconjunto(X,1,24)

viewEDA(Y2,X2,TY,TX)

'CONCLUSIONES
'Tras eliminar del modelo los datos anomalos, se observa, como X ya no presenta colas
'Y presenta una cierta normalidad. Y sigue presentando colas, aunque a primera vista no
'parece que tenga datos anomalos.
'Se procedera a realizar de nuevo el modelo para extraer nuevas conclusiones.

REGRESSION2 <- createSRM(Y2,X2)
REGRESSION2

'CONCLUSIONES
'Los resultados del modelo son los siguientes:
'Residuals:
'    Min      1Q  Median      3Q     Max 
'-34.592  -9.399  -2.353  11.501  27.901 

'Coefficients:
'            Estimate Std. Error t value Pr(>|t|)    
'(Intercept)  2.18083    8.25886   0.264    0.794    
'X            0.12675    0.01135  11.169 1.56e-10 ***
---
'Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

'Residual standard error: 15.69 on 22 degrees of freedom
'Multiple R-Squared: 0.8501,	Adjusted R-squared: 0.8433 
'F-statistic: 124.7 on 1 and 22 DF,  p-value: 1.558e-10 

'Como se observa, el modelo ha mejorado mucho debido a un R-Squared de 85.01%
'El modelo seria: Y = 2.18083 + 0.12675*X