#cargar txt ozone.data

names(ozone.data)=c('rad', 'temp','viento','ozono')

View(ozone.data)

attach(ozone.data)

#visualización ozono en funcion de variables explicativas

pairs(ozone.data)

pairs(ozone.data,panel=panel.smooth)

#modelo lineal

m1=lm(ozono~rad)

m2=lm(ozono~temp)

m3=lm(ozono~viento)

summary(m1)

summary(m2)

summary(m3)

#interacciones

library(ggplot2)

ggplot(ozone.data, aes(x = rad, y = temp, color = ozono)) +

  geom_point(alpha = 1)+

  scale_colour_gradient(low = "blue", high = "red")

ggplot(ozone.data, aes(x = rad, y = viento, color = ozono)) +

  geom_point(alpha = 1)+

  scale_colour_gradient(low = "blue", high = "red")

ggplot(ozone.data, aes(x = temp, y = viento, color = ozono)) +

  geom_point(alpha = 1)+

  scale_colour_gradient(low = "blue", high = "red")

#modelo

v2 <- viento^2

t2 <- temp^2

r2 <- rad^2

tv <- temp*viento

vr <- viento*rad

tr <- temp*rad

vtr <- viento*temp*rad

modelo1 <- lm(ozono~rad+temp+viento+t2+v2+r2+vr+tr+tv+vtr)

summary(modelo1)

modelo2<- lm(ozono~rad+temp+viento+t2+v2+r2+vr+tr+tv)

modelo2<-update(modelo1,~.-vtr)

summary(modelo2)

anova(modelo1,modelo2)

modelo3<-update(modelo2,~.-r2)

summary(modelo3)

#continuar hasta obtener modelo con variables significativas

#gráficos de diagnóstico

par(mfrow=c(2,2))

plot(modelo6)

shapiro.test(modelo6$residuals)

#transformacion log variable respuesta 

ozone.data$logozono=log(ozone.data$ozono)

pairs(ozone.data)

model7<- lm(log(ozono)~rad+temp+viento+t2+v2+r2+vr+tr+tv+vtr)

summary(model7)

#continuar hasta modelo con variables significativas

par(mfrow=c(2,2))

plot(model12)

shapiro.test(model12$residuals)