Capítulo27 Modelos: modelr

El tema proviene de los siguientes sitios.

English: https://r4ds.had.co.nz/model-basics.html

Español: https://es.r4ds.hadley.nz/conceptos-b%C3%A1sicos-de-modelos.html

Fecha de la última revisión

## [1] "2026-07-29"

27.1 Temas: Construir modelos con modelr

  • Visualizar la relación entre dos variables
  • Ajustar un modelo lineal con lm()
  • Predicciones con data_grid() y add_predictions()
  • Residuales con add_residuals()

Este capítulo usa el enfoque de modelr (el del libro R for Data Science). Para un flujo más moderno con tidymodels, y para dar formato matemático a los ejes con LaTeX, mira los capítulos de tidyverse avanzado y de ecuaciones matemáticas.

library(tidyverse)
library(modelr)
library(datos)
options(na.action = na.warn)

27.2 Visualizar la relación

Usaremos los diamantes. A primera vista, los diamantes de peor calidad parecen costar más, porque el peso (quilate) influye fuertemente en el precio. Primero miramos la relación entre peso y precio:

ggplot(diamantes, aes(quilate, precio)) +
  geom_hex(bins = 40)

La relación se ve curva. Nos enfocamos en los diamantes de menos de 2.5 quilates (el 99.7% de los datos) y aplicamos una transformación logarítmica, que convierte la relación en una línea recta:

diamantes2 <- diamantes %>%
  filter(quilate <= 2.5) %>%
  mutate(log_precio = log2(precio),
         log_quilates = log2(quilate))

ggplot(diamantes2, aes(log_quilates, log_precio)) +
  geom_hex(bins = 50)

27.3 Ajustar un modelo lineal con lm()

La función lm() ajusta un modelo lineal. La fórmula y ~ x se lee “y explicada por x”.

mod_diamantes <- lm(log_precio ~ log_quilates, data = diamantes2)
mod_diamantes
## 
## Call:
## lm(formula = log_precio ~ log_quilates, data = diamantes2)
## 
## Coefficients:
##  (Intercept)  log_quilates  
##       12.194         1.681

27.4 Predicciones con data_grid() y add_predictions()

Para ver lo que el modelo “aprendió”, generamos una cuadrícula de valores de quilate con data_grid(), y le añadimos la predicción del modelo con add_predictions(). Deshacemos la transformación logarítmica para volver a la escala original de precio.

cuadricula <- diamantes2 %>%
  data_grid(quilate = seq_range(quilate, 20)) %>%
  mutate(log_quilates = log2(quilate)) %>%
  add_predictions(mod_diamantes, "log_precio") %>%
  mutate(precio = 2 ^ log_precio)

ggplot(diamantes2, aes(quilate, precio)) +
  geom_hex(bins = 50) +
  geom_line(data = cuadricula, colour = "red", size = 1)

La línea roja es la predicción del modelo.

27.5 Residuales con add_residuals()

Los residuales son lo que el modelo no explica: la diferencia entre el valor observado y el predicho. Si el modelo es bueno, al graficar los residuales no debe quedar ningún patrón evidente.

diamantes2 <- diamantes2 %>%
  add_residuals(mod_diamantes, "lresid")

ggplot(diamantes2, aes(log_quilates, lresid)) +
  geom_hex(bins = 50)

  1. Ejercicios:

Hacer los ejercicios en la sección 23.2 del libro en español.

  1. Ejercicios:

Ajusta un modelo lineal del atraso de llegada en función del atraso de salida con los datos vuelos (lm(atraso_llegada ~ atraso_salida, data = vuelos)). Añade los residuales con add_residuals() y grafícalos. ¿Queda algún patrón?