This assignment uses 2023 BRFSS data (n = 8,000) to identify factors associated with physical health burden among U.S. adults. The outcome is examined two ways: as the number of physically unhealthy days (linear regression) and as a binary indicator of frequent physical distress, 14 or more days in the past 30 (logistic regression) — across 11 predictors including mental health, BMI, general health, depression, exercise, and sociodemographic characteristics. General health status and mental health days were the strongest predictors in both models.

An SQC I-MR Control Chart Pair for Potassium Concentration in Municipal Water

Guía_ShinyApp_desde_Cero

记录如何使用quarto创建个人知识图书，并将其发布到github的静态网页

Las representaciones BoW y TF-IDF son vectores dispersos que codifican únicamente frecuencias de aparición, sin capturar ninguna relación semántica entre términos. Dos palabras sinónimas como “nave” y “barco” tendrán vectores ortogonales en TF-IDF aunque signifiquen lo mismo. Los embeddings, en cambio, son vectores densos de baja dimensión entrenados para que palabras con contextos similares queden cerca en el espacio vectorial: la distancia entre vectores refleja similitud de significado, no de forma superficial. Esto permite detectar analogías, sinonimia y relaciones conceptuales imposibles de capturar con conteos