Publications by Jorge Pons A01424108
Document
Table of Contents Description of Problem Introduction Objective of the Problem Statistical Techniques Conclusion References Description of Problem This report will provide an exhaustive analysis of the most successful movies in recent years. It will show facts about why these movies become so successful. In these problem we are going to use a d...
21099 sym Python (48731 sym/52 pcs) 11 img
Evidencia Reporte
Table of Contents Description of Problem Introduction Objective of the Problem Beginning of Data Cleaning Statistical Techniques Conclusion References Description of Problem This report will provide an exhaustive analysis of the most successful movies in recent years. It will show facts about why these movies become so successful. In these prob...
21162 sym Python (48731 sym/52 pcs) 11 img
Clima
Teoría La información del clima se obtiene del ASOS (*Automated Surface Serving System) ubicados en los aeropuertos de todas las ciudades del mundo. Instalar paquetes y llamar librerias #install.packages("riem") # Accesar al ASOS para obtener datos climáticos library(riem) #install.packages("tidyverse") #Manipulación de datos library(tidyve...
4002 sym R (39131 sym/18 pcs) 4 img
Evidencia 1
# Contexto El paquete nycflights13 contiene infromación sobre todos los vuelos que partieron desde Nueva York (EWR, JFK y LGA) a destinos en los Estados Unidos. Fueron 336,776 vuelos en total. Para ayudar a comporender las causas de los restrasos, tambien incluye otros conjuntos de datos útiles. Este paquete incluye las siguientes tablas: flight...
5654 sym R (8775 sym/24 pcs) 2 img
Data Wrangling
Contexto El paquete nycflights13 contiene infromación sobre todos los vuelos que partieron desde Nueva York (EWR, JFK y LGA) a destinos en los Estados Unidos. Fueron 336,776 vuelos en total. Para ayudar a comporender las causas de los restrasos, tambien incluye otros conjuntos de datos útiles. Este paquete incluye las siguientes tablas: flights ...
9613 sym R (4044 sym/22 pcs) 2 img
Modelo predictivo
Importar la base de datos df <- read.csv("/Users/jorpons/Desktop/rentadebicis.csv") Entender la base de datos resumen <- summary(df) resumen ## hora dia mes año ## Min. : 0.00 Min. : 1.000 Min. : 1.000 Min. :2011 ## 1st Qu.: 6.00 1st Qu.: 5.000 1st Qu.: 4.000 1st Qu.:2011 ...
3296 sym 2 img