Una empresa local, registra información de los clientes acerca de la atención en sus principales centros de atención al cliente (CAC)
# Cargar datos
telefonia<-read.csv("https://raw.githubusercontent.com/VictorGuevaraP/Estadistica-R/master/Caso_telefon%C3%ADa.csv", sep = ";", stringsAsFactors = TRUE, encoding = "latin1")
head(telefonia)
cuando la representación de la tabla tiene más de 12 filas (otros más de 15) no se debe presentar una tabla clásica, lo más conveniente es agrupar por intervalos.
La opción más conocida es la regla de sturges (k=1+3.322*log(n))
library(agricolae)
tabla_frecuencia_monto <- table.freq(hist(telefonia$Monto,breaks = "Sturges",
plot = FALSE))
tabla_frecuencia_monto
Realizar una tabla de frecuencia agrupada para la varible Minutos y y otra para Edad
# Gráfico de barras
plot(telefonia$Género)
Recordar, cada función tiene argumentos que permiten adaptar o mejorar los resultados
# Gráfico de barras
plot(telefonia$Género,
main="Distribución de clientes según su género",
xlab="Género",
ylab="Frecuencia",
col=c(2,"green"))
pie(table(telefonia$Género))
Mejorar el gráfico adicionanndo lo valores, color título, etc…
etiquetas <- paste(names(telefonia$Género), "\n",
round(prop.table(table(telefonia$Género))*100,2), "%")
pie(prop.table(table(telefonia$Género)), labels = etiquetas)
library(ggplot2)
ggplot(data=telefonia, aes(y=Género))+
geom_bar()
Cambiando el tema
library(ggplot2)
ggplot(data=telefonia, aes(y=Género))+
geom_bar()+
theme_classic()