Actividad 3.1
Ximena Ramírez y Mora Pérez
2023-08-30
Estadística Descriptiva
Contexto
Recibos de luz de una familia en California en el 2006.
Librerías
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.2 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.2 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.1
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(ggplot2)
library(foreign)
library(readxl)Importar la base de datos
poblacion <- read_excel("poblacion.xlsx")
muestra <- read_excel("muestra.xlsx")Ejercicio 3
- Tamaño de la población
N <- length(poblacion$PAGO)
n <- length(muestra$PAGO)Medidas de Tendencia Central
Permiten conocer el valor al que tiende el conjunto de datos
Media o promedio
Valor que se obtiene al sumar todos los datos y dividirlos entre la cantidad total de datos.
Media Poblacional
media_poblacional <- mean(poblacion$PAGO)Media Muestral
media_muestral <- mean(muestra$PAGO)Mediana
Valor que ocupa el lugar central de todos los datos cuando estos están ordenados de menor a mayor
Mediana Poblacional
mediana_poblacional <- median(poblacion$PAGO)Mediana Muestral
mediana_muestral <- median(muestra$PAGO)De igual manera se puede ocupar la función summary para estos cálculos
summary(poblacion)## MES PAGO X - m (X - m)*2
## Length:12 Min. :162.6 Min. :162.6 Min. : 26452
## Class :character 1st Qu.:203.5 1st Qu.:203.5 1st Qu.: 41515
## Mode :character Median :228.6 Median :228.6 Median : 52275
## Mean :245.0 Mean :245.0 Mean : 63648
## 3rd Qu.:293.5 3rd Qu.:293.5 3rd Qu.: 86208
## Max. :343.5 Max. :343.5 Max. :117992summary(muestra)## MES PAGO
## Length:5 Min. :187.2
## Class :character 1st Qu.:219.4
## Mode :character Median :230.5
## Mean :249.4
## 3rd Qu.:266.6
## Max. :343.5Moda
Valor que se aparece con mayor frecuencia en un conjunto de datos.
Función para calcular la moda
moda<- function(x){
ux <- unique(x)
ux[which.max(tabulate(match(x, ux)))]
}Nota: Si ninguno de los datos se repite, la función coloca el primer valor en lugar de marcar error.
Moda Poblacional
moda_poblacional <- moda(poblacion$PAGO)
moda_poblacional## [1] 343.5Moda Muestral
moda_muestral <- moda(muestra$PAGO)
moda_muestral## [1] 266.63Relación entre la media, mediana y moda
Si la media=mnediana=moda, los datos tienen una distribución simétrica. Si la media < mediana < moda, los datos tienen un sesgo negativo. Si la moda < mediana < media, los datos tienen un Sesgo positivo.
mtc_poblacional <- c(media_poblacional,mediana_poblacional,moda_poblacional)
names(mtc_poblacional) <- c("media_poblacional","mediana_poblacional","moda_poblacional")
mtc_poblacional <- sort
mtc_poblacional## function (x, decreasing = FALSE, ...)
## {
## if (!is.logical(decreasing) || length(decreasing) != 1L)
## stop("'decreasing' must be a length-1 logical vector.\nDid you intend to set 'partial'?")
## UseMethod("sort")
## }
## <bytecode: 0x0000017791f94b28>
## <environment: namespace:base>La población tiene un sesgo positivo
hist(poblacion$PAGO)
Medidas de dispersión
Miden que tan esparcidos se encuentran los datos
Rango
Intervalo o diferencia entre el valor máximo y el mínimo de un conjunto
Rango Poblacional
rangopob <- max(poblacion$PAGO)-min(poblacion$PAGO)
rangopob## [1] 180.86La función range() devuelve el valor max. y min. pero no su diferencia.
Rango Muestral
rangomues <- max(muestra$PAGO)-min(muestra$PAGO)
rangomues## [1] 156.34Varianza
Promedio elevado al cuadrado de las desviaciones individuales de cada observación con respecto a la media de una distribución. Si es Población, se divide entre N, Si es muestra, se divide entre n-1.
Varianza Poblacional
varpob <- var(poblacion$PAGO)*(N-1/N)
varpob## [1] 46990.57Varianza Muestral
varmues <- var(muestra$PAGO)
varmues## [1] 3570.905Desviación Estándar
La raíz cuadrada de la varianza
Desviación Estándar Poblacional (Sigma)
sd_pob <- sqrt(varpob)
sd_pob## [1] 216.7731Desviación Estándar Muestral (S)
sd_muestra <- sqrt(varmues)
sd_muestra## [1] 59.75705Ejercicio 3.1
A medida que los consumidores estadounidenses tienen más cuidado con los alimentos que consumen, los procesadores de alimentos, tratan de ser competitivos, al evitar cantidades excesivas de grasas, colesterol y sodio en los alimentos que venden.
Los datos siguientes son las cantidades de sodio por rebanada (mg) para cada una de 8 marcas de queso. (Construya una gráfica de caja para los datos y busque resultados atípicos).
data_abarrotes <- read_excel("abarrotes.xlsx")Entender la base de datos
summary(data_abarrotes)## vcClaveTienda DescGiro Codigo Barras PLU
## Length:200620 Length:200620 Min. :8.347e+05 Mode:logical
## Class :character Class :character 1st Qu.:7.501e+12 TRUE:1437
## Mode :character Mode :character Median :7.501e+12 NA's:199183
## Mean :5.950e+12
## 3rd Qu.:7.501e+12
## Max. :1.750e+13
## Fecha Hora
## Min. :2020-05-01 00:00:31.08 Min. :1899-12-31 00:00:00.00
## 1st Qu.:2020-06-06 13:24:49.08 1st Qu.:1899-12-31 13:12:42.75
## Median :2020-07-11 14:10:21.46 Median :1899-12-31 17:35:59.00
## Mean :2020-07-19 15:19:40.65 Mean :1899-12-31 16:43:52.05
## 3rd Qu.:2020-08-29 22:07:47.33 3rd Qu.:1899-12-31 20:47:06.00
## Max. :2020-11-11 23:53:47.73 Max. :1899-12-31 23:59:59.00
## Marca Fabricante Producto Precio
## Length:200620 Length:200620 Length:200620 Min. :-147.00
## Class :character Class :character Class :character 1st Qu.: 11.00
## Mode :character Mode :character Mode :character Median : 16.00
## Mean : 19.42
## 3rd Qu.: 25.00
## Max. :1000.00
## Ult.Costo Unidades F.Ticket NombreDepartamento
## Min. : 0.38 Min. : 0.200 Min. : 1 Length:200620
## 1st Qu.: 8.46 1st Qu.: 1.000 1st Qu.: 33967 Class :character
## Median : 12.31 Median : 1.000 Median :105996 Mode :character
## Mean : 15.31 Mean : 1.262 Mean :193994
## 3rd Qu.: 19.23 3rd Qu.: 1.000 3rd Qu.:383009
## Max. :769.23 Max. :96.000 Max. :450040
## NombreFamilia NombreCategoria Estado Mts_2
## Length:200620 Length:200620 Length:200620 Min. :47.0
## Class :character Class :character Class :character 1st Qu.:53.0
## Mode :character Mode :character Mode :character Median :60.0
## Mean :56.6
## 3rd Qu.:60.0
## Max. :62.0
## Tipo_ubicacion Giro Hora_inicio
## Length:200620 Length:200620 Min. :1899-12-31 07:00:00.00
## Class :character Class :character 1st Qu.:1899-12-31 07:00:00.00
## Mode :character Mode :character Median :1899-12-31 08:00:00.00
## Mean :1899-12-31 07:35:49.71
## 3rd Qu.:1899-12-31 08:00:00.00
## Max. :1899-12-31 09:00:00.00
## Hora_cierre
## Min. :1899-12-31 21:00:00.00
## 1st Qu.:1899-12-31 22:00:00.00
## Median :1899-12-31 22:00:00.00
## Mean :1899-12-31 22:23:11.42
## 3rd Qu.:1899-12-31 23:00:00.00
## Max. :1899-12-31 23:00:00.00Se usa la función count para saber información cuantitativa de información cualitativa
count(data_abarrotes,vcClaveTienda,sort=TRUE)## # A tibble: 5 × 2
## vcClaveTienda n
## <chr> <int>
## 1 MX001 96464
## 2 MX004 83455
## 3 MX005 10021
## 4 MX002 6629
## 5 MX003 4051count(data_abarrotes,DescGiro,sort=TRUE)## # A tibble: 3 × 2
## DescGiro n
## <chr> <int>
## 1 Abarrotes 100515
## 2 Carnicería 83455
## 3 Depósito 16650count(data_abarrotes,Marca,sort=TRUE)## # A tibble: 540 × 2
## Marca n
## <chr> <int>
## 1 COCA COLA 18686
## 2 PEPSI 15966
## 3 TECATE 11674
## 4 BIMBO 8316
## 5 LALA 5866
## 6 MARINELA 3696
## 7 DORITOS 3142
## 8 CHEETOS 3130
## 9 NUTRI LECHE 3127
## 10 MARLBORO 2579
## # ℹ 530 more rowscount(data_abarrotes,Fabricante,sort=TRUE)## # A tibble: 241 × 2
## Fabricante n
## <chr> <int>
## 1 COCA COLA 27519
## 2 PEPSI-COLA MEXICANA 22415
## 3 SABRITAS 14296
## 4 CERVECERIA CUAUHTEMOC MOCTEZUMA 13681
## 5 GRUPO BIMBO 13077
## 6 SIGMA ALIMENTOS 8014
## 7 GRUPO INDUSTRIAL LALA 5868
## 8 GRUPO GAMESA 5527
## 9 NESTLE 3698
## 10 JUGOS DEL VALLE S.A. DE C.V. 3581
## # ℹ 231 more rowscount(data_abarrotes,Producto,sort=TRUE)## # A tibble: 3,404 × 2
## Producto n
## <chr> <int>
## 1 Pepsi N.R. 1.5L 5108
## 2 Coca Cola Retornable 2.5L 3771
## 3 Caguamon Tecate Light 1.2Lt 3471
## 4 Pepsi N. R. 2.5L 2899
## 5 Cerveza Tecate Light 340Ml 2619
## 6 Cerveza Tecate Light 16Oz 2315
## 7 Coca Cola Retornable 1.5L 2124
## 8 Pepsi N.R. 3L 1832
## 9 Coca Cola Retornable 500Ml 1659
## 10 PEPSI N.R. 1.5L 1631
## # ℹ 3,394 more rowscount(data_abarrotes,NombreDepartamento,sort=TRUE)## # A tibble: 9 × 2
## NombreDepartamento n
## <chr> <int>
## 1 Abarrotes 198274
## 2 Bebes e Infantiles 1483
## 3 Ferretería 377
## 4 Farmacia 255
## 5 Vinos y Licores 104
## 6 Papelería 74
## 7 Mercería 44
## 8 Productos a Eliminar 8
## 9 Carnes 1count(data_abarrotes,NombreFamilia,sort=TRUE)## # A tibble: 51 × 2
## NombreFamilia n
## <chr> <int>
## 1 Bebidas 64917
## 2 Botanas 21583
## 3 Lacteos y Refrigerados 17657
## 4 Cerveza 14017
## 5 Pan y Tortilla 10501
## 6 Limpieza del Hogar 8723
## 7 Galletas 7487
## 8 Cigarros 6817
## 9 Cuidado Personal 5433
## 10 Salsas y Sazonadores 5320
## # ℹ 41 more rowscount(data_abarrotes,NombreCategoria,sort=TRUE)## # A tibble: 174 × 2
## NombreCategoria n
## <chr> <int>
## 1 Refrescos Plástico (N.R.) 32861
## 2 Refrescos Retornables 13880
## 3 Frituras 11082
## 4 Lata 8150
## 5 Leche 7053
## 6 Cajetilla 6329
## 7 Botella 5867
## 8 Productos sin Categoria 5455
## 9 Papas Fritas 5344
## 10 Jugos y Néctares 5295
## # ℹ 164 more rowscount(data_abarrotes,Estado,sort=TRUE)## # A tibble: 5 × 2
## Estado n
## <chr> <int>
## 1 Nuevo León 96464
## 2 Sinaloa 83455
## 3 Quintana Roo 10021
## 4 Jalisco 6629
## 5 Chiapas 4051count(data_abarrotes,Mts_2,sort=TRUE)## # A tibble: 5 × 2
## Mts_2 n
## <dbl> <int>
## 1 60 96464
## 2 53 83455
## 3 58 10021
## 4 47 6629
## 5 62 4051count(data_abarrotes,Tipo_ubicacion,sort=TRUE)## # A tibble: 3 × 2
## Tipo_ubicacion n
## <chr> <int>
## 1 Esquina 189940
## 2 Rotonda 6629
## 3 Entre calles 4051count(data_abarrotes,Giro,sort=TRUE)## # A tibble: 2 × 2
## Giro n
## <chr> <int>
## 1 Abarrotes 183970
## 2 Mini súper 16650count(data_abarrotes,Hora_inicio,sort=TRUE)## # A tibble: 3 × 2
## Hora_inicio n
## <dttm> <int>
## 1 1899-12-31 08:00:00 106485
## 2 1899-12-31 07:00:00 87506
## 3 1899-12-31 09:00:00 6629count(data_abarrotes,Hora_cierre,sort=TRUE)## # A tibble: 3 × 2
## Hora_cierre n
## <dttm> <int>
## 1 1899-12-31 22:00:00 103093
## 2 1899-12-31 23:00:00 87506
## 3 1899-12-31 21:00:00 10021Tabla de Frecuencia
table(data_abarrotes$Estado)##
## Chiapas Jalisco Nuevo León Quintana Roo Sinaloa
## 4051 6629 96464 10021 83455table(data_abarrotes$NombreDepartamento)##
## Abarrotes Bebes e Infantiles Carnes
## 198274 1483 1
## Farmacia Ferretería Mercería
## 255 377 44
## Papelería Productos a Eliminar Vinos y Licores
## 74 8 104Tablas Cruzadas
library(janitor)##
## Attaching package: 'janitor'## The following objects are masked from 'package:stats':
##
## chisq.test, fisher.testtabla1 <- tabyl(data_abarrotes,vcClaveTienda,NombreDepartamento)
tabla1## vcClaveTienda Abarrotes Bebes e Infantiles Carnes Farmacia Ferretería Mercería
## MX001 95410 515 1 147 245 28
## MX002 6590 21 0 4 10 0
## MX003 4026 15 0 2 8 0
## MX004 82234 932 0 102 114 16
## MX005 10014 0 0 0 0 0
## Papelería Productos a Eliminar Vinos y Licores
## 35 3 80
## 0 0 4
## 0 0 0
## 32 5 20
## 7 0 0Gráficos de Datos Cualitativos y Cuantitativos
Gráfico de barras
data_abarrotes$Subtotal <- data_abarrotes$Precio*data_abarrotes$Unidades
ggplot(data=data_abarrotes,aes(x=vcClaveTienda,y=Subtotal))+ geom_bar(stat="identity")+
scale_fill_manual()
### Diagrama de Pareto
library(qcc)## Package 'qcc' version 2.7## Type 'citation("qcc")' for citing this R package in publications.pareto.chart(tabla1$Abarrotes)
##
## Pareto chart analysis for tabla1$Abarrotes
## Frequency Cum.Freq. Percentage Cum.Percent.
## A 9.541000e+04 9.541000e+04 4.812028e+01 4.812028e+01
## D 8.223400e+04 1.776440e+05 4.147493e+01 8.959521e+01
## E 1.001400e+04 1.876580e+05 5.050587e+00 9.464579e+01
## B 6.590000e+03 1.942480e+05 3.323683e+00 9.796948e+01
## C 4.026000e+03 1.982740e+05 2.030523e+00 1.000000e+02Gráficos de Puntos o Líneas
plot(data_abarrotes$Precio,data_abarrotes$unidades,main="Relación entre Precio y Unidades", xlab="Precio",ylab="Unidades")
Gráfica de Cajas y Bigotes
boxplot(data_abarrotes$Precio,horizontal=TRUE)
boxplot(data_abarrotes$Unidades,horizontal=TRUE)
Propuestas
Encontrar las prácticas diferenciadoras de la tienda de Nuevo León para poder replicarlas en las demás tiendas. En caso de no encontrar relación entre alguna práctica especifica y el rendimiento de la tienda, realizar estudios más a fondo como características de proudctos, clientes, zonas, etc,para así poder encontrar la variable que afecta directamente a las visitas y las ventas de las tienads.
Dedicarse enteramente a los abarrotes.