# =========================
# REGRESIÓN LINEAL EN R
# =========================

# Crear el data frame
datos <- data.frame(
  Obs = c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15),
  Temperatura = c(20,22,24,25,26,28,30,21,23,27,29,31,18,32,33),
  Presion = c(30,32,28,35,31,29,34,33,36,37,30,32,29,38,35),
  Tiempo_Llenado = c(2.10,2.05,2.15,1.95,2.00,
                      2.20,1.90,2.00,1.85,1.80,
                      2.10,1.95,2.25,1.75,1.85)
)

# Ver los datos
print(datos)

# =========================================
# PARTE 1 - Selección de variables
# =========================================

# Variable respuesta (Y):
# Tiempo_Llenado

# Variables predictoras (X):
# Temperatura y Presion


# =========================================
# MODELO 1 - Regresión lineal simple
# =========================================
# Usaremos Presion como variable predictora

modelo1 <- lm(Tiempo_Llenado ~ Presion, data = datos)

# Resumen del modelo
summary(modelo1)

# Coeficientes redondeados a 4 decimales
round(coef(modelo1), 4)

# Ecuación del modelo
b0 <- coef(modelo1)[1]
b1 <- coef(modelo1)[2]

cat("Modelo 1:\n")
cat("Y =", round(b0,4), "+", round(b1,4), "* Presion\n")


# =========================================
# MODELO 2 - Regresión lineal múltiple
# =========================================

modelo2 <- lm(Tiempo_Llenado ~ Temperatura + Presion, data = datos)

# Resumen del modelo
summary(modelo2)

# Coeficientes redondeados
round(coef(modelo2), 4)

# Ecuación del modelo
b0 <- coef(modelo2)[1]
b1 <- coef(modelo2)[2]
b2 <- coef(modelo2)[3]

cat("\nModelo 2:\n")
cat("Y =", round(b0,4),
    "+", round(b1,4), "* Temperatura",
    "+", round(b2,4), "* Presion\n")


# =========================================
# GRÁFICO DEL MODELO SIMPLE
# =========================================

plot(datos$Presion,
     datos$Tiempo_Llenado,
     main = "Regresión lineal simple",
     xlab = "Presión",
     ylab = "Tiempo de llenado",
     pch = 19)

abline(modelo1, col = "blue", lwd = 2)