Una empresa local registra informacion de los clientes acerca de la atencio 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)
##Tablas de frecuencia cuando la representacion de la tabla tiene mas de 12 filas(otros autores mas de 15)no se debe presentar una tabla clasica, lo mas conveniente es agrupar por intervalos.
La opcion mas conocida en la regla de stuges (k=1+3.322*log(n))
library(agricolae)
tabla_frecuencia_monto <- table.freq(hist(telefonia$Monto, breaks = "Sturges", plot = FALSE))
tabla_frecuencia_monto
library(agricolae)
tabla_frecuencia_minutos <- table.freq(hist(telefonia$Minutos, breaks = "Sturges", plot = FALSE))
tabla_frecuencia_minutos
##tabla fecuencia edad
library(agricolae)
tabla_frecuencia_edad <- table.freq(hist(telefonia$Edad, breaks = "Sturges", plot = FALSE))
tabla_frecuencia_edad
#Graficos estadisticos ##Graficos estadisticos para variablers cualitativas - barras
plot(telefonia$Género)
recordar cada funcion tieine argumentos que permiten adaptar o mejorar
los resultados
plot(telefonia$Género,
main="Distribucion segun su genero",
xlab="Género",
ylab="Frecuencia",
col=c(2,"green"))
#Graficos estadisticos para variables caulitativas - circular
pie(table(telefonia$Género))
mejorar el grafico adicionando los valores cambiando titulo color,etc
etiquetas <-paste(names(telefonia$Género), "\n",
round( prop.table(table(telefonia$Género))*100,2),"%")
pie(table(telefonia$Género), labels = etiquetas )
## Realizar graficos con la funcion libreria ggplop2 -funcion gglot
library(ggplot2)
ggplot(data=telefonia,aes(x=Género)) +
geom_bar()
cambiando el tema
library(ggplot2)
ggplot(data=telefonia,aes(x=Género)) +
geom_bar()+
theme_classic()