Variants of the Portuguese “Vinho Verde” Wine

I. Aspectos Generales

1.1 Descripcion

El conjunto de datos comprende una colección de muestras de vinos rojos y blancos de la región norte de Portugal, caracterizadas por 11 atributos fisicoquímicos. Estos atributos proporcionan información sobre la composición química y las propiedades físicas del vino, que son, en última instancia, responsables de su calidad sensorial.

II. Fundamentos Basicos de la Estadistica

2.1 Objetivo de estudio

Modelar las preferencias de vino mediante las propiedades fisicoquímicas del vino “Vinho Verde” portugués. El enfoque es comprender y predecir la calidad del vino en función de estas propiedades.

2.2 Población de estudio

Incluye todos los vinos de “Vinho Verde” que podrían tener propiedades fisicoquímicas.

2.3 Muestra

La muestra incluiría vinos específicos de “Vinho Verde” que se utilizarán para entrenar y evaluar modelos.

2.4 Unidad de análisis

Cada vino individual de la muestra seleccionada. Se espera que las propiedades fisicoquímicas y las evaluaciones se realicen a nivel de cada unidad de análisis.

2.5 Tipo de muestreo a utilizar

Muestreo aleatorio

III. Variables y tipo de variables

3.1 Importacion del documento

Wine<-read.csv("winequality-red.csv", sep=",")
head(Wine)
##   fixed.acidity volatile.acidity citric.acid residual.sugar chlorides
## 1           7.4             0.70        0.00            1.9     0.076
## 2           7.8             0.88        0.00            2.6     0.098
## 3           7.8             0.76        0.04            2.3     0.092
## 4          11.2             0.28        0.56            1.9     0.075
## 5           7.4             0.70        0.00            1.9     0.076
## 6           7.4             0.66        0.00            1.8     0.075
##   free.sulfur.dioxide total.sulfur.dioxide density   pH sulphates alcohol
## 1                  11                   34  0.9978 3.51      0.56     9.4
## 2                  25                   67  0.9968 3.20      0.68     9.8
## 3                  15                   54  0.9970 3.26      0.65     9.8
## 4                  17                   60  0.9980 3.16      0.58     9.8
## 5                  11                   34  0.9978 3.51      0.56     9.4
## 6                  13                   40  0.9978 3.51      0.56     9.4
##   quality
## 1       5
## 2       5
## 3       5
## 4       6
## 5       5
## 6       5

3.2 Variables

  • Fixed acidity (g/L): Mide la acidez no volátil del vino, aportada principalmente por el ácido tartárico, un componente natural del jugo de uva. Una acidez fija más alta indica un vino más ácido, lo que puede influir en el sabor y el potencial de envejecimiento del vino.

  • Volatile acidity (g/L): Mide la concentración de ácidos volátiles, principalmente ácido acético, en el vino. La acidez volátil excesiva, a menudo causada por el deterioro bacteriano, puede producir un aroma y sabor desagradable parecido al del vinagre.

  • Citric acid (g/L): Mide la cantidad de ácido cítrico, otro componente natural del jugo de uva, en el vino. El ácido cítrico contribuye a la acidez y frescura del vino, influyendo en la percepción general del sabor.

  • Residual sugar (g/L): Mide el azúcar no fermentado que queda en el vino después de la fermentación. El nivel de azúcar residual juega un papel crucial en la determinación del dulzor del vino, desde estilos secos hasta dulces.

  • Chlorides (g/L): Mide la concentración de sales de cloruro, principalmente cloruro de sodio, en el vino. Los niveles de cloruro pueden influir en la salinidad y el equilibrio del vino, afectando potencialmente su percepción general del sabor.

  • Free sulfur dioxide (mg/L): Mide la concentración de moléculas de dióxido de azufre que no están unidas a otros compuestos en el vino. El dióxido de azufre es un conservante común que se utiliza para prevenir el deterioro y la oxidación del vino, pero niveles excesivos pueden impartir un olor y sabor acre y sulfuroso.

  • Total sulfur dioxide (mg/L): Mide la cantidad total de dióxido de azufre, incluidas las formas libre y unida, presente en el vino. El contenido total de dióxido de azufre es importante para mantener la calidad del vino y prevenir su deterioro, pero niveles excesivos pueden afectar negativamente las características sensoriales del vino.

  • Density (g/cm³): Mide la masa por unidad de volumen del vino. La densidad del vino está influenciada por factores como el contenido de alcohol y el contenido de azúcar. Una mayor densidad generalmente indica un mayor contenido de alcohol o un vino más dulce.

  • PH: Es una medida que indica la acidez o la alacalinidad del agua. Se define como la concentración de iones de hidrógeno en el agua. La escala del pH es logarítmica con valores de 0 a 14.

  • Sulphates (g/L): Mide la concentración de sales de sulfato, principalmente sulfato de potasio, en el vino. Los sulfatos están presentes de forma natural en las uvas y también pueden añadirse durante los procesos de elaboración del vino. Los niveles excesivos de sulfato pueden contribuir a un sabor amargo o metálico en el vino.

  • Alcohol (volume percentage): Mide el porcentaje de alcohol por volumen en el vino. El alcohol es un factor principal que influye en el sabor, el cuerpo y la complejidad del vino. Los niveles de alcohol más altos generalmente dan como resultado vinos con más cuerpo y aromas y sabores más fuertes.

  • Quality: Indica la calidad del vino

IV. Tablas estadísticas y gráficos adecuados

4.1 Quantiles

quantile(Wine$residual.sugar)
##   0%  25%  50%  75% 100% 
##  0.9  1.9  2.2  2.6 15.5

El valor minimo de azucar residual en los vinos es de 0.9

Cuartil 1 \((Q_1)\)

Interpretacion: es|1.9 g/L;el 25% de los vinos, tiene un maximo de azucar residual de 1.9 g/L.

Cuartil 2 \((Q_2)\)

Interpretacion: es|2.2 g/L;el 50% de los vinos, tiene un maximo de azucar residual de 2.2 g/L.

Cuartil 3 \((Q_3)\)

Interpretacion: es|2.6 g/L;el 75% de los vinos, tiene un maximo de azucar residual de 2.6 g/L.

Dividir en 10 grupos

quantile(Wine$residual.sugar,probs=seq(0, 1, 0.1))
##   0%  10%  20%  30%  40%  50%  60%  70%  80%  90% 100% 
##  0.9  1.7  1.8  2.0  2.1  2.2  2.3  2.5  2.7  3.6 15.5

Dividir en 100 grupos

quantile(Wine$residual.sugar,probs=seq(0, 1, 0.01))
##     0%     1%     2%     3%     4%     5%     6%     7%     8%     9%    10% 
##  0.900  1.400  1.400  1.400  1.500  1.590  1.600  1.600  1.600  1.700  1.700 
##    11%    12%    13%    14%    15%    16%    17%    18%    19%    20%    21% 
##  1.700  1.700  1.700  1.800  1.800  1.800  1.800  1.800  1.800  1.800  1.800 
##    22%    23%    24%    25%    26%    27%    28%    29%    30%    31%    32% 
##  1.900  1.900  1.900  1.900  1.900  1.900  1.900  1.942  2.000  2.000  2.000 
##    33%    34%    35%    36%    37%    38%    39%    40%    41%    42%    43% 
##  2.000  2.000  2.000  2.000  2.000  2.000  2.100  2.100  2.100  2.100  2.100 
##    44%    45%    46%    47%    48%    49%    50%    51%    52%    53%    54% 
##  2.100  2.100  2.100  2.153  2.200  2.200  2.200  2.200  2.200  2.200  2.200 
##    55%    56%    57%    58%    59%    60%    61%    62%    63%    64%    65% 
##  2.200  2.300  2.300  2.300  2.300  2.300  2.300  2.300  2.400  2.400  2.400 
##    66%    67%    68%    69%    70%    71%    72%    73%    74%    75%    76% 
##  2.400  2.400  2.500  2.500  2.500  2.500  2.500  2.600  2.600  2.600  2.600 
##    77%    78%    79%    80%    81%    82%    83%    84%    85%    86%    87% 
##  2.600  2.700  2.700  2.700  2.800  2.800  2.800  2.900  2.965  3.000  3.126 
##    88%    89%    90%    91%    92%    93%    94%    95%    96%    97%    98% 
##  3.300  3.400  3.600  3.800  4.000  4.300  4.600  5.100  5.600  6.006  6.604 
##    99%   100% 
##  8.306 15.500

4.2 Coeficiente de asimetria y curtosis

4.2.1 Asimetria

library(fBasics)
skewness(Wine$residual.sugar)
## [1] 4.53214
## attr(,"method")
## [1] "moment"

Resultado:[1] 4.53214,como el valor es positivo entonces la distribucion de los datos es asimetrica positiva, esto quiere decir que los valores estan concentrados en los puntos minimos.

4.2.2 Curtosis

kurtosis(Wine$residual.sugar)
## [1] 28.48502
## attr(,"method")
## [1] "excess"

Resultado:[1] 28.48502, el valor es mayor que 3, por lo tanto la distribucion de los datos es leptocurtica, es decir que los datos estan muy concetrados alrededore de las medidas de endencia central(El apuntamiento es promunciodo).

hist(Wine$residual.sugar)

V. Medidas estadísticas

5.1 Medida aritmetica

#Opcion 1
promedio = sum(Wine$alcohol)/length(Wine$alcohol)
promedio
## [1] 10.42298

El alcohol promedio de los vino es de 10,42298.

5.2 Mediana

median(Wine$alcohol)
## [1] 10.2

El valor de la mediana de la variable alcohol es de 10,2.

5.3 Moda

#Opcion 2
library(modeest)
mfv(Wine$alcohol)
## [1] 9.5

La cantidad de alcohol mas frecuente que contiene los vinos es de 9,5.

5.4 Rango

#Opcion 1
rango = max(Wine$alcohol) - min(Wine$alcohol)
rango
## [1] 6.5

5.5 Varianza

var(Wine$alcohol)
## [1] 1.135647

5.6 Desviación estándar

sd(Wine$alcohol)
## [1] 1.065668

La variabilidad promedio de los datos respecto a la media es de 1.065668

5.7 Coeficiente de variación

c_var=sd(Wine$alcohol)/mean(Wine$alcohol)*100
c_var
## [1] 10.22421

Como el Coeficiente de variacion es 10.22421 < 30% entonces la distribución es homogénea y la media es representativa.