Wprowadzenie danych do R

cafepgsciezka_do_pliku <- "/Users/Agata/Desktop/uczelnia/nazwa projeku/cafe_pg.xlsx"
Sheet1 <- "Sheet1"
cafe_pg <- read_excel(cafepgsciezka_do_pliku, sheet = Sheet1)
cafe_pg<-data.frame(cafe_pg)
data(cafe_pg)

## Warning in data(cafe_pg): data set 'cafe_pg' not found

head(cafe_pg[1:10],3)

##         Date Bill.Number                Item.Desc                Time Quantity
## 1 2020-01-01    G0470115    MINERAL WATER(1000ML) 1899-12-31 13:15:11        1
## 2 2020-01-01    G0470115 MONSOON MALABAR (AULAIT) 1899-12-31 13:15:11        1
## 3 2020-01-01    G0470116      MASALA CHAI CUTTING 1899-12-31 13:17:35        1
##   Rate   Tax Discount  Total Category
## 1   50 11.88        0  61.88 BEVERAGE
## 2  100 23.75        0 123.75 BEVERAGE
## 3   40  9.50        0  49.50 BEVERAGE

str(cafe_pg)

## 'data.frame':    145830 obs. of  10 variables:
##  $ Date       : POSIXct, format: "2020-01-01" "2020-01-01" ...
##  $ Bill.Number: chr  "G0470115" "G0470115" "G0470116" "G0470117" ...
##  $ Item.Desc  : chr  "MINERAL WATER(1000ML)" "MONSOON MALABAR (AULAIT)" "MASALA CHAI CUTTING" "MINERAL WATER(1000ML)" ...
##  $ Time       : POSIXct, format: "1899-12-31 13:15:11" "1899-12-31 13:15:11" ...
##  $ Quantity   : num  1 1 1 1 1 1 1 1 1 1 ...
##  $ Rate       : num  50 100 40 50 45 50 40 45 60 45 ...
##  $ Tax        : num  11.9 23.8 9.5 11.9 10.7 ...
##  $ Discount   : num  0 0 0 0 0 0 0 0 0 0 ...
##  $ Total      : num  61.9 123.8 49.5 61.9 55.7 ...
##  $ Category   : chr  "BEVERAGE" "BEVERAGE" "BEVERAGE" "BEVERAGE" ...

Tworzenie zasad walidacyjnych

rules <- validator(
  Total_netto+Tax-Discount == Total
  , Quantity >= 1
  , Rate >= 0
  , Tax >= 0
  , Discount >= 0
  , Total_netto >=0
  , Total >=0
)

cf <- confront(cafe_pg, rules, key="ID")
summary(cf)

##   name  items passes fails nNA error warning
## 1   V1 145830 145557   273   0 FALSE   FALSE
## 2   V2 145830 145830     0   0 FALSE   FALSE
## 3   V3 145830 145830     0   0 FALSE   FALSE
## 4   V4 145830 145830     0   0 FALSE   FALSE
## 5   V5 145830 145830     0   0 FALSE   FALSE
## 6   V6 145830 145830     0   0 FALSE   FALSE
## 7   V7 145830 145830     0   0 FALSE   FALSE
##                                           expression
## 1 abs(Total_netto + Tax - Discount - Total) <= 1e-08
## 2                             Quantity - 1 >= -1e-08
## 3                                 Rate - 0 >= -1e-08
## 4                                  Tax - 0 >= -1e-08
## 5                             Discount - 0 >= -1e-08
## 6                          Total_netto - 0 >= -1e-08
## 7                                Total - 0 >= -1e-08

barplot(cf, main="cafe_pg")

## Warning: The 'barplot' method for confrontation objects is deprecated. Use
## 'plot' instead

as.data.frame(cf) %>% head()

##   ID name value                                         expression
## 1  1   V1  TRUE abs(Total_netto + Tax - Discount - Total) <= 1e-08
## 2  2   V1  TRUE abs(Total_netto + Tax - Discount - Total) <= 1e-08
## 3  3   V1  TRUE abs(Total_netto + Tax - Discount - Total) <= 1e-08
## 4  4   V1  TRUE abs(Total_netto + Tax - Discount - Total) <= 1e-08
## 5  5   V1  TRUE abs(Total_netto + Tax - Discount - Total) <= 1e-08
## 6  6   V1  TRUE abs(Total_netto + Tax - Discount - Total) <= 1e-08

Lokalizacja błędów

error_locations <- locate_errors(cafe_pg, rules)
summary(error_locations)

## Variable:
##             name errors missing
## 14   Total_netto     75       0
## 8       Discount     74       0
## 9          Total     67       0
## 7            Tax     57       0
## 1           Date      0       0
## 2    Bill.Number      0       0
## 3      Item.Desc      0       0
## 4           Time      0       0
## 5       Quantity      0       0
## 6           Rate      0       0
## 10      Category      0       0
## 11    pełna_data      0       0
## 12 DzienTygodnia      0       0
## 13            ID      0       0
## Errors per record:
##   errors records
## 1      0  145557
## 2      1     273

Zmiana błędów na NA

fixable_data <- replace_errors(cafe_pg, rules)

NA1 <- sum(is.na(cafe_pg))
NA2 <- sum(is.na(fixable_data)) 
NA_ <- data.frame(NA1 , NA2)
kable(NA_,format = "html", caption = "Braki danych" ) %>%
  kable_styling("striped", "hover", "condensed", full_width = F, position = "left")

Dedukcyjne czyszczenie danych

lr_imputed <- impute_lr(fixable_data, rules)

cells(start=cafe_pg, fixable=fixable_data, impute_lr=lr_imputed
      , compare='sequential')

## Object of class cellComparison:
## 
##    cells(start = cafe_pg, fixable = fixable_data, impute_lr = lr_imputed, compare = "sequential")
## 
##                   start fixable impute_lr
## cells           2041620 2041620   2041620
## available       2041620 2041347   2041620
## still_available 2041620 2041347   2041347
## unadapted       2041620 2041347   2041347
## adapted               0       0         0
## imputed               0       0       273
## missing               0     273         0
## still_missing         0       0         0
## removed               0     273         0

Konfrontacja danych z zasadami po imputacji

cf_after_imputation <- confront(lr_imputed, rules, key="ID")
summary(cf_after_imputation)

##   name  items passes fails nNA error warning
## 1   V1 145830 145830     0   0 FALSE   FALSE
## 2   V2 145830 145830     0   0 FALSE   FALSE
## 3   V3 145830 145830     0   0 FALSE   FALSE
## 4   V4 145830 145830     0   0 FALSE   FALSE
## 5   V5 145830 145830     0   0 FALSE   FALSE
## 6   V6 145830 145830     0   0 FALSE   FALSE
## 7   V7 145830 145830     0   0 FALSE   FALSE
##                                           expression
## 1 abs(Total_netto + Tax - Discount - Total) <= 1e-08
## 2                             Quantity - 1 >= -1e-08
## 3                                 Rate - 0 >= -1e-08
## 4                                  Tax - 0 >= -1e-08
## 5                             Discount - 0 >= -1e-08
## 6                          Total_netto - 0 >= -1e-08
## 7                                Total - 0 >= -1e-08

barplot(cf_after_imputation, main="cafe_pg after imputation")

## Warning: The 'barplot' method for confrontation objects is deprecated. Use
## 'plot' instead

Brakujące obserwacje

sum(is.na(lr_imputed)) 

## [1] 0

Obserwacje odstające

boxplot(lr_imputed$Total, main="Rozkład Wartości Całkowitych Rachunków")

plot(lr_imputed$Total)

Dodawanie kolumny Party dla, która zwraca “yes” dla zamówień gdzie quantity jest większe niż 5

lr_imputed <- lr_imputed %>%
  mutate(party = ifelse(Quantity >= 5, "yes", "no"))

boxplot(lr_imputed$Total ~ lr_imputed$party, main="Rozkład Wartości Całkowitych Rachunków w Zależności od 'party'", xlab="party", ylab="Total")

Obserwacja odstająca ID:94769 usuwamy w celu “naprawienia” danych - wg opisu wartość powinna być naliczona jako opłata za imprezę w wysokości 1x 500zł, a została naliczona 23x

lr_imputed[94769, "Quantity"] <- 1

500*23

## [1] 11500

2731.25/11500 #podatek wynosi 23,75%

## [1] 0.2375

500*0.2375 

## [1] 118.75

lr_imputed[94769, "Tax"] <- 118.75

cafe_pg_clear <- impute_lr(lr_imputed, rules)

cafe_pg_clear[94769, "Total_netto"] <- 500

cafe_pg_clear[94769, "Total"] <- 618.75

cafe_pg_clear <- cafe_pg_clear %>%
  mutate(party = ifelse(Quantity >= 5, "yes", "no"))

boxplot(cafe_pg_clear$Total ~ cafe_pg_clear$party, main="Rozkład Wartości Całkowitych Rachunków w Zależności od 'party'", xlab="party", ylab="Total")

Aby ustalić podatek dla nowej wartości, wyliczamy podatek z pierwotnych danych. Podatek od 500 zł wynosi 118,75 zł. Podmiana total netto i total dla błędnej obserwacji ID:94769. Widzimy, że nawet w kategorii “party” wartości powyżej 2000 są wartościami odstającymi. Sprawdzamy więc jaki stanowią one udział w całkowitym przychodzie baru.

sum(cafe_pg_clear$Total>=2000)/sum(cafe_pg_clear$Total)*100

## [1] 0.0001463965

Przychody z takich paragonów stanowią marginalny ułamek całkowitych przychodów, a przekłamują i utrudniają analizy. W związku z tym do dalszych analiz będziemy się posługiwać zbiorem z paragonami poniżej 2000$.

cafe_do_2000 <- subset(cafe_pg_clear,Total<=2000)

Najczęściej wybierana kategoria i pozycja

kategorie <- table(cafe_do_2000$Category)
kategoria <- names(kategorie[which.max(kategorie)])

pozycje <- table(cafe_do_2000$Item.Desc)
pozycja <- names(pozycje[which.max(pozycje)])

popular <- data.frame(kategoria, pozycja)

kable(popular,format = "html", caption = "Najpopularniejsze" ) %>%
  kable_styling("striped", "hover", "condensed", full_width = F, position = "left")

Klienci najczęściej kupują w barze Cafe PG jedzenie. Najpopularniejszą pozycją w menu są papierosy “Nirvana Hookah Single”.

Najczęściej wybierane pozycje w danej kategorii

napoje <- subset(cafe_do_2000, Category == "BEVERAGE")
napoje1 <- table(napoje$Item.Desc )
napój <- names(napoje1[which.max(napoje1)])

jedzenie <- subset(cafe_do_2000, Category == "FOOD")
jedzenie1 <- table(jedzenie$Item.Desc)
posiłek <- names(jedzenie1[which.max(jedzenie1)])

alkohol <- subset(cafe_do_2000, Category == "LIQUOR")
alkohol1 <- table(alkohol$Item.Desc)
alkohol <- names(alkohol1[which.max(alkohol1)])

alktyton <- subset(cafe_do_2000, Category == "LIQUOR & TPBACCO")
alktyton1 <- table(alktyton$Item.Desc)
alkohol_tyton <- names(alktyton1[which.max(alktyton1)])

produkty <- subset(cafe_do_2000, Category == "MERCHANDISE")
produkty1 <- table(produkty$Item.Desc)
detaliczne <- names(produkty1[which.max(produkty1)])

inne <- subset(cafe_do_2000, Category == "MISC")
inne1 <- table(inne$Item.Desc)
inny <- names(inne1[which.max(inne1)])

tyton <- subset(cafe_do_2000, Category == "TOBACCO")
tyton1 <- table(tyton$Item.Desc)
papierosy <- names(tyton1[which.max(tyton1)])

wina <- subset(cafe_do_2000, Category == "WINES")
wina1 <- table(wina$Item.Desc)
wino <- names(wina1[which.max(wina1)]) 

najlepsz_pozycje <- data.frame(napój= napój, posiłek= posiłek, alkohol= alkohol, alkohol_tyton= alkohol_tyton, detaliczne= detaliczne, inny= inny, papierosy= papierosy, wino= wino)

kable(najlepsz_pozycje,format = "html", caption = "Najczęściej wybierana pozycja" ) %>%
  kable_styling("striped", "hover", "condensed", full_width = F, position = "left")

Przedstawienie najczesciej wybieranych produktów w poszczególnych kategoriach

top_items <- cafe_do_2000 %>%
  group_by(Category, Item.Desc) %>%
  summarize(Count = n(), .groups = 'drop') %>%
  arrange(Category, desc(Count)) %>%
  group_by(Category, .drop = TRUE) %>%
  slice_max(Count, n = 1) %>%
  ungroup()

ggplot(top_items, aes(x = Category, y = Count, fill = Item.Desc)) +
  geom_bar(stat = "identity", position = "dodge") +
  geom_text(aes(label = Count), position = position_dodge(width = 0.9), vjust = -0.5, color = "black", size = 3) +
  labs(title = "Najczęściej wybierane produkty w podziale na kategorie",
       x = "Kategoria",
       y = "Liczba wyborów",
       fill = "Produkt") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Powyższy wykres przedstawia w wizualny sposób informacje z poprzedniej tabeli z najczęściej wybieranymi produktami w podziale na kategorie.

Przedstawienie najczesciej wybieranych produktów ogółem

top_products <- cafe_do_2000 %>%
  group_by(Item.Desc) %>%
  summarize(OrderCount = n()) %>%
  top_n(10, OrderCount)

ggplot(top_products, aes(x = reorder(Item.Desc, -OrderCount), y = OrderCount)) +
  geom_bar(stat = "identity", fill = "orange") +
  geom_text(aes(label = OrderCount), vjust = -0.5, color = "black", size = 3) +
  labs(title = "Najpopularniejsze produkty",
       x = "Produkt",
       y = "Liczba zamówień") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Na poprzednim wykresie ukazano najbardziej popularne produkty dla każdej kategorii. Na powyższym wykresie zauważyć można jakie produkty były wybierane najczęściej spośród wszystkich - bez względu na kategorie. Zdecydowanym zwycięzcą jest “Nirvana hookah single” wybierany 8553 razy, na drugim miejscu znalazł się produkt “Mint flavour single” wybrany 5817 razy. 2 pierwsze miejsca na podium należą do kategorii Tobacco, dopiero na trzecim miejscu znajduje się Cappucino, które było zamawiane prawie 5500 razy.

Przedstawienie najdroższych produktów w każdej kategorii

top_expensive_items <- cafe_do_2000 %>%
  group_by(Category, Item.Desc) %>%
  dplyr::summarize(Max_Rate = max(Rate), .groups = 'drop') %>%
  arrange(Category, desc(Max_Rate)) %>%
  group_by(Category, .drop = TRUE) %>%
  slice_max(Max_Rate, n = 1) %>%
  ungroup()

ggplot(top_expensive_items, aes(x = reorder(Category, -Max_Rate), y = Max_Rate, fill = reorder(Item.Desc, -Max_Rate))) +
  geom_bar(stat = "identity", position = "dodge") +
  geom_text(aes(label = paste0(Max_Rate, " zł")), vjust = -0.5, color = "black", size = 3) +
  labs(title = "Najdroższe produkty w podziale na kategorie",
       x = "Kategoria",
       y = "Maksymalna cena jednostkowa",
       fill = "Produkt") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Ten wykres przedstawia najdroższe produkty w każdej kategorii, gdzie dla każdej kategorii wybierany jest produkt o najwyższej maksymalnej cenie jednostkowej. Jak można zauważyć, najdroższa pozycja znajduje się w kategorii Merchandise i jest to “Flabor 1000 GMS” o cenie 1470, następnie wśród Alkoholi i kategorii inne są pozycje o wartości 1300zł (kolejno “Stella 1ltr 2+1” i “Hoegaarden ltr mugs (2+1)”). Na trzecim miejscu w najdroższych pozycjach znajduje się wino “Sula Brut” o wartości 1200zł.

Analiza popularności kategorii w zależności od liczby osób przy zamówieniu

party_data <- cafe_do_2000 %>%
  filter(party %in% c("yes", "no"))
party_data$party_label <- ifelse(party_data$party == "yes", "Grupa imprezowa", "Grupa nie-imprezowa")

ggplot(party_data, aes(x = Category, y = after_stat(count))) +
  geom_bar(fill = "blue", stat = "count") +
  geom_text(aes(label = after_stat(count)), stat = "count", vjust = -0.3, color = "black", size = 3) +
  labs(title = "Najczęściej wybierane kategorie w zależności od ilości osób w grupie",
       x = "Kategoria",
       y = "Liczba wyborów") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  facet_wrap(~party_label, scales = "free_y", ncol = 1) +
  scale_y_continuous(expand = expansion(mult = c(0, 0.2))) 

Na powyższych wykresach widoczne jest porównanie najczęściej wybieranych kategorii, w zależności od ilości osób, które przyjmuje się, że uczestniczyły w zamówieniu. Przy 5 osobach i więcej zakłada się, że była to Grupa imprezowa, natomiast przy 4 osobach i mniej - Grupa nie-imprezowa. Widoczne są duże różnice w wyborach zamówieniowych. Wśród grup imprezowych zamawiane były przede wszystkim napoje alkoholowe, na drugim miejscu napoje bezalkoholowe, a na miejscu trzecim jedzenie. Jeśli chodzi o grupy nie-imprezowe, najczęściej zamawiano jedzenie, napoje bezalkoholowe i na trzecim miejscu wyroby tytoniowe. Napoje alkoholowe były na miejscu trzecim.

Na podstawie tego zestawienia, możliwą sugestią jest wprowadzenie promocji na napoje alkoholowe, lub godzin “Happy Hour” - promocje typu 3 za 2, 4+1 gratis, mogłoby przyczynić się do wzrostu przychodów z napojów alkoholowych. Kolejną propozycją dla tego obiektu, byłoby wprowadzenie promocji na jedzenie przy zakupie alkoholi - np. Frytki za pół ceny przy wydaniu 100 zł na barze - co mogłoby poprawić sprzedaż jedzenia przy grupach imprezowych.

Wykres prezentujący liczbę zamówień w posczególnych dniach tygodnia według kategorii produktów

orders_by_day <- cafe_do_2000 %>%
  group_by(DzienTygodnia, Category) %>%
  summarize(OrderCount = n()) %>%
  mutate(DzienTygodnia = factor(DzienTygodnia, levels = c("Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday")))

## `summarise()` has grouped output by 'DzienTygodnia'. You can override using the
## `.groups` argument.

ggplot(orders_by_day, aes(x = DzienTygodnia, y = OrderCount, fill = Category)) +
  geom_bar(stat = "identity", position = "dodge") +
  labs(title = "Liczba zamówień w danym dniu tygodnia",
       x = "Dzień tygodnia",
       y = "Liczba zamówień",
       fill = "Kategoria") +
  theme_minimal()

Wykres słupkowy ilustruje liczbę zamówień w Cafe PG dla różnych kategorii produktów w zależności od dnia tygodnia, od poniedziałku do niedzieli. Wykres pokazuje, że niektóre dni tygodnia charakteryzują się większą liczbą zamówień niż inne, z czwartkiem i piątkiem jako najbardziej ruchliwymi dniami, co sugeruje wzmożoną aktywność klientów na początku weekendów. Porównując popularność poszczególnych kategorii można zauważyć proporcjonarne różnice w liczbie zamówień na przestrzeni tygodnia.

Wykres przedstawiający gęstość rozkładu wysokości rachunków pod względem kategorii kupowanych pozycji

ggplot(cafe_do_2000, aes(x= Total, fill=Category)) +
  geom_density(alpha=.25) +
  labs(title = 'Gęstość rozkładu rachunków pod względem kategorii') 

Prezentowany wykres gęstości pokazuje rozkład wysokości rachunków w Cafe PG dla różnych kategorii produktów. Każda kategoria jest oznaczona unikalnym kolorem i reprezentuje gęstość rozkładu całkowitej wartości rachunków związanych z daną kategorią. Obszary, gdzie krzywe są wyższe, wskazują na większą częstość występowania rachunków o określonej wysokości. Na przykład, szerokie bazy krzywych dla kategorii takich jak “Alkohole & Tytoń”, “Wina” mogą wskazywać na większą zmienność w wartościach rachunków, podczas gdy węższe szczyty dla kategorii “Napoje”, “Jedzenie”, “Tytoń” czy “Inne” mogą sugerować, że rachunki dla danej kategorii są bardziej skoncentrowane wokół konkretnej kwoty. Zgodnie z wykresem można powiedzieć, że “Napoje” kumulują się wokół wartości 0-120zł, kategoria “Jedzenie” skupia się głównie wokół wartości 50-250zł, “Alkohole” - są bardziej rozproszone na osi, ale największy sczyt znajduje się w okolicy 200zł, “Alholol&Tytoń” jest jedną z najbardziej rozproszonych kategorii, z największym skupieniem w okolicy wartości 500-900zł. Kategoria “Inne” charakteryzuje się największą gęstością dla wartości między 0-50zł. Dla kategorii “Tytyoń” obserwowane jest kilka wzrostów w częstości występowania rachunków - największy dla wartości w okolicach 300zł, następnie dla ok 370zł i 450 zł. Dla kategorii “Wina” rachunki rozkładają się najczęściej wokół wartości 200-250 zł, 400zł oraz 1000zł.

Rozkład skumulowanych przychodów według dni tygodnia

total_by_day <- cafe_do_2000 %>%
  mutate(DzienTygodnia = factor(DzienTygodnia, levels = c("Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"))) %>%
  group_by(DzienTygodnia) %>%
  dplyr::summarize(TotalSum = sum(Total, na.rm = TRUE))

ggplot(total_by_day, aes(x = DzienTygodnia, y = TotalSum)) +
  geom_bar(stat = "identity", fill = "blue") +
  geom_text(aes(label = paste0(TotalSum, " zł")), vjust = -0.5, color = "black", size = 3) +  # Dodanie etykiet w zł
  labs(title = "Suma przychodów w zależności od dnia tygodnia",
       x = "Dzień tygodnia",
       y = "Suma wartości 'Total'")

Cafe PG najwyższe przychodzy osiągała kolejno w czwartki, piątki, soboty. Najniższe za to we wtorki i poniedziałki.

Sprzedaż w cafe pg według godzin i dni tygodnia

heatmap_data <- cafe_do_2000 %>%
  mutate(Hour = as.numeric(format(strptime(Time, "%H:%M:%S"), "%H")),
         DzienTygodnia = factor(DzienTygodnia, levels = c("Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"))) %>%
  group_by(DzienTygodnia, Hour) %>%
  dplyr::summarize(TotalSales = sum(Total, na.rm = TRUE), .groups = 'drop')

# Tworzenie mapy cieplnej
ggplot(heatmap_data, aes(x = Hour, y = DzienTygodnia, fill = TotalSales)) +
  geom_tile() +
  labs(title = "Analiza sprzedaży w posczególnych godzinach",
       x = "Godzina",
       y = "Dzień tygodnia",
       fill = "Suma sprzedaży") +
  scale_fill_viridis_c() +
  theme_minimal()

Powyższy wykres mapy cieplnej prezentuje przedstawia analizę sprzedaży w poszczególnych godzinach w zależności od dnia tygodnia. Im jaśniejszy kolor tym większa suma sprzedaży występowała w danym dniu tygodnia o danej godzinie. Na wykresie widać, że największe obroty finansowe występowały w godzinach wieczornych i nocnych. Najwyższe wartości sprzedaży kawiarnia osiągała w czwartki w godzinach 23:00-24:00, w środy między godziną 22:00 i 1:00 (noce ze środy na czwartki), a także w piątki między godzinami 17:00-24:00. Najniższa sprzedaż miała miejsce w godzinach porannych (9:00 do 12:00) oraz w godzinach nocnych (2:00-6:00). Patrząc na wykres widać wzmożoną sprzedaż w godzinach nocnych (3:00-5:00) w czwartki, co może świadczyć o stałych imprezach w noc ze środy na czwartki.

Tabela rozkładu przychodów wg kategorii

cafe_do_2000 %>%
  select(Total,Category) %>%
  tbl_summary(
    by=Category,
    type = all_continuous() ~ "continuous2",
    statistic = all_continuous() ~ c(
      "{N_nonmiss}","{mean}","{sd}",
      "{median} ({p25}, {p75})",
      "{min}, {max}"),
    missing = "no",
    label = Total ~ "Przychód") %>%
  modify_header(label ~ "**Kategoria**") %>%
  modify_caption("**Tabela 1. Rozkład przychodu wg kategorii**") %>%
  bold_labels() %>% 
  add_p(pvalue_fun = ~ style_pvalue(.x, digits = 2))

Na podstawie wykorzystanego testu Kruskal-Wallis wynik P-value mniejsze niż 0.001 oznacza, że różnice w przychodach między kategoriami są statystycznie znaczące, co oznacza, że prawdopodobnie różnice te nie są przypadkowe.

• Kategoria “LIQUOR & TOBACCO” ma najwyższą średnią przychodów, co sugeruje, że rachunki w tej kategorii są zazwyczaj wyższe niż w innych kategoriach. • Kategoria “WINES” ma największe odchylenie standardowe oraz największy zakres, co wskazuje na dużą różnorodność w przychodach z rachunków - od bardzo niskich do bardzo wysokich. • Kategoria “FOOD” ma najwięcej transakcji (N), ale jej mediana przychodów jest niższa niż w kategorii “LIQUOR & TOBACCO”, co może wskazywać, że jedzenie jest częściej kupowane, ale pojedyncze rachunki są zazwyczaj niższe. • Istotne różnice w medianach, wsparte przez bardzo niską wartość p-value w teście Kruskala-Wallisa, sugerują, że różne kategorie produktów generują różne poziomy przychodów.

Sprawdzenie czy w poszczególnych dniach tygodnia udział konkretnych kategorii w sprzedaży istotnie się różni.

H0: Udział kategorii nie różni się istotnie w poszczególnych dniach tygodnia. H1: Udział kategorii istotnie różni się w poszczególnych dniach tygodnia

alfa = 0.05

ggbarstats(
  data             = cafe_do_2000,
  x                = Category,
  y                = DzienTygodnia,
  title            = "Udział kategorii produktów w danym dniu",
  xlab             = "kategoria",
  legend.title     = "Kategoria",
  ggplot.component = list(ggplot2::scale_x_discrete(guide = ggplot2::guide_axis(n.dodge = 2))),
  palette          = "Set2"
)

## Number of labels is greater than default palette color count.
## • Select another color `palette` (and/or `package`).

Interpretacja: Wartość p jest mniejsza od założonego poziomu istotności w każdym przypadku, należy więc odrzucić H0 na korzyść hipotezy alternatywnej. Udział kategorii różni się istotnie w poszczególnych dniach tygodnia.

Czy wysokość rachunków różni się istotnie w grupach “party” i wśród regularnych klientów?

H0: Wysokość rachunków nie różni się istotnie w grupach “party” H1: Wysokość rachunków różni się istotnie w grupach “party”

alfa = 0.05

ggbetweenstats(
  data  = cafe_do_2000,
  x     = party,
  y     = Total,
  title = "Wysokość rachunków z imprez i pojedynczych klientów"
)

Interpretacja: Wartość p jest mniejsza od założonego poziomu istotności, należy więc odrzucić H0 na korzyść hipotezy alternatywnej. Wysokość rachunków różni się istotnie w grupach “party”.

Czy wysokość rachunków ma rozkład normalny?

H0: Wysokość rachunków ma rozkład normalny H1: Wysokość rachunków nie ma rozkładu normalnego

alfa = 0.05

gghistostats(
  data       = cafe_do_2000,
  x          = Total,
  title      = "Wysokość rachunków",
  test.value = 224,
  binwidth   = 50,
  normal.curve      = TRUE,
  normal.curve.args = list(color = "red", size = 1),
)

Interpretacja: Wartość p jest większa od założonego poziomu istotności, nie ma więc podstaw do odrzucenia H0. Wysokość rachunków ma rozkład normalny.

Czy między kategoriami są istotne statystycznie różnice w wysokości rachunków?

H0: Nie ma istotnej statystycznie różnicy w wysokościach rachunków między różnymi kategoriami produktów. H1: Jest istotna statystycznie różnica w wysokościach rachunków między różnymi kategoriami produktów.

alfa = 0.05

ggdotplotstats(
  data       = cafe_do_2000,
  y          = Category,
  x          = Total,
  test.value = 224,
  type       = "robust",
  title      = "Rozkład wysokości rachunków we wszystkich kategoriach",
  xlab       = "Kategorie"
)

Interpretacja: Wartość p jest większa od założonego poziomu istotności, nie ma więc podstaw do odrzucenia H0. Nie ma istotnej statystycznie różnicy w wysokościach rachunków między różnymi kategoriami produktów.