###Importar Conjunto de Datos:
clientes_csv <- read.csv("Plaza_Via.csv")
# Mostramos los datos
head(clientes_csv)
## Local Género Pago Opinión Producto.Marca Productos Monto.Pagado
## 1 Surco femenino TCrédito Regular 3 17 419
## 2 Surco femenino Contado Muy Bueno 3 13 323
## 3 San Borja femenino TCrédito Malo 1 11 84
## 4 San Borja femenino TCrédito Regular 0 11 65
## 5 San Borja femenino TCrédito Buena 3 15 371
## 6 San Borja femenino TDébito Buena 3 17 419
## Visita.Mensual
## 1 10
## 2 13
## 3 3
## 4 9
## 5 6
## 6 14
###Cargamos libreria para generar tablas de frecuencia
library(summarytools)
## Warning: package 'summarytools' was built under R version 4.3.2
Tabla de frecuencia De Local
# función freq permite generar la tabla de frecuencia
freq(clientes_csv$Local, report.nas = FALSE)
## Frequencies
## clientes_csv$Local
## Type: Character
##
## Freq % % Cum.
## ------------------- ------ -------- --------
## Centro civico 13 17.81 17.81
## San Borja 36 49.32 67.12
## Surco 24 32.88 100.00
## Total 73 100.00 100.00
Tabla de frecuencia De Productos
# función freq permite generar la tabla de frecuencia
freq(clientes_csv$Productos, report.nas = FALSE)
## Frequencies
## clientes_csv$Productos
## Type: Integer
##
## Freq % % Cum.
## ----------- ------ -------- --------
## 8 1 1.37 1.37
## 9 10 13.70 15.07
## 11 10 13.70 28.77
## 13 8 10.96 39.73
## 15 6 8.22 47.95
## 17 5 6.85 54.79
## 18 10 13.70 68.49
## 20 10 13.70 82.19
## 22 13 17.81 100.00
## Total 73 100.00 100.00
# Cargamos la librería
library(agricolae)
## Warning: package 'agricolae' was built under R version 4.3.2
Tabla_agrupada<-table.freq(hist(clientes_csv$Productos,breaks = "Sturges",plot = FALSE))
Tabla_agrupada
## Lower Upper Main Frequency Percentage CF CPF
## 1 8 10 9 11 15.1 11 15.1
## 2 10 12 11 10 13.7 21 28.8
## 3 12 14 13 8 11.0 29 39.7
## 4 14 16 15 6 8.2 35 47.9
## 5 16 18 17 15 20.5 50 68.5
## 6 18 20 19 10 13.7 60 82.2
## 7 20 22 21 13 17.8 73 100.0
barplot(table(clientes_csv$Género), main="Distribución de los clientes según su Sexo",
xlab="Sexo",
ylab="Porcentaje de clientes")
library(plotrix)
## Warning: package 'plotrix' was built under R version 4.3.2
labels_sexo <- paste(names(clientes_csv$Género), "\n",
round(prop.table(table(clientes_csv$Género))*100,2),"%", sep="")
pie(prop.table(table(clientes_csv$Género)), labels = labels_sexo,
main="Distribución de los clientes según su Sexo")
Grafica para Datos Productos
hist(clientes_csv$Productos, breaks = "Sturges")
plot(density(clientes_csv$Productos))
Media
mean(clientes_csv$Productos)
## [1] 15.79452
Mediana
median(clientes_csv$Productos)
## [1] 17
Moda
library(modeest)
## Warning: package 'modeest' was built under R version 4.3.2
##
## Attaching package: 'modeest'
## The following object is masked from 'package:agricolae':
##
## skewness
mfv(clientes_csv$Productos)
## [1] 22
Cuartiles
quantile(clientes_csv$Productos)
## 0% 25% 50% 75% 100%
## 8 11 17 20 22
Deciles
quantile(clientes_csv$Productos,probs = seq(0, 1, 0.1))
## 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
## 8.0 9.0 11.0 13.0 14.6 17.0 18.0 20.0 20.0 22.0 22.0
Persentiles
quantile(clientes_csv$Productos,probs = seq(0, 1, 0.01))
## 0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 11% 12%
## 8.00 8.72 9.00 9.00 9.00 9.00 9.00 9.00 9.00 9.00 9.00 9.00 9.00
## 13% 14% 15% 16% 17% 18% 19% 20% 21% 22% 23% 24% 25%
## 9.00 9.16 10.60 11.00 11.00 11.00 11.00 11.00 11.00 11.00 11.00 11.00 11.00
## 26% 27% 28% 29% 30% 31% 32% 33% 34% 35% 36% 37% 38%
## 11.00 11.00 11.32 12.76 13.00 13.00 13.00 13.00 13.00 13.00 13.00 13.00 13.00
## 39% 40% 41% 42% 43% 44% 45% 46% 47% 48% 49% 50% 51%
## 13.16 14.60 15.00 15.00 15.00 15.00 15.00 15.00 15.00 16.12 17.00 17.00 17.00
## 52% 53% 54% 55% 56% 57% 58% 59% 60% 61% 62% 63% 64%
## 17.00 17.00 17.00 17.60 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00
## 65% 66% 67% 68% 69% 70% 71% 72% 73% 74% 75% 76% 77%
## 18.00 18.00 18.00 18.00 19.36 20.00 20.00 20.00 20.00 20.00 20.00 20.00 20.00
## 78% 79% 80% 81% 82% 83% 84% 85% 86% 87% 88% 89% 90%
## 20.00 20.00 20.00 20.00 20.08 21.52 22.00 22.00 22.00 22.00 22.00 22.00 22.00
## 91% 92% 93% 94% 95% 96% 97% 98% 99% 100%
## 22.00 22.00 22.00 22.00 22.00 22.00 22.00 22.00 22.00 22.00
Rango
range(clientes_csv$Productos)
## [1] 8 22
Varianza
var(clientes_csv$Productos)
## [1] 21.55441
Desviacion Estandar
sd(clientes_csv$Productos)
## [1] 4.642673
Coeficiente de Variacion
coeficiente_var=sd(clientes_csv$Productos)/mean(clientes_csv$Productos)*100
coeficiente_var
## [1] 29.3942
Media
mean(clientes_csv$Monto.Pagado)
## [1] 206.0959
Mediana
median(clientes_csv$Monto.Pagado)
## [1] 144
Moda
library(modeest)
mfv(clientes_csv$Monto.Pagado)
## [1] 158
Cuartiles
quantile(clientes_csv$Monto.Pagado)
## 0% 25% 50% 75% 100%
## 55 100 144 275 540
Deciles
quantile(clientes_csv$Monto.Pagado,probs = seq(0, 1, 0.1))
## 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
## 55.0 70.0 97.0 110.0 120.0 144.0 162.6 227.0 351.8 439.0 540.0
Persentiles
quantile(clientes_csv$Monto.Pagado,probs = seq(0, 1, 0.01))
## 0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10%
## 55.00 55.00 59.40 65.00 65.00 65.00 65.00 65.00 65.00 67.40 70.00
## 11% 12% 13% 14% 15% 16% 17% 18% 19% 20% 21%
## 70.00 73.20 78.24 84.00 84.00 84.00 84.00 84.00 92.84 97.00 97.36
## 22% 23% 24% 25% 26% 27% 28% 29% 30% 31% 32%
## 99.52 100.00 100.00 100.00 100.00 104.40 110.00 110.00 110.00 110.00 110.04
## 33% 34% 35% 36% 37% 38% 39% 40% 41% 42% 43%
## 110.76 111.00 112.80 119.28 120.00 120.00 120.00 120.00 120.00 122.64 130.56
## 44% 45% 46% 47% 48% 49% 50% 51% 52% 53% 54%
## 131.00 131.00 132.56 141.92 144.00 144.00 144.00 144.00 150.16 158.00 158.00
## 55% 56% 57% 58% 59% 60% 61% 62% 63% 64% 65%
## 158.00 158.00 158.00 158.00 158.00 162.60 179.16 195.08 203.36 204.88 212.80
## 66% 67% 68% 69% 70% 71% 72% 73% 74% 75% 76%
## 221.24 227.00 227.00 227.00 227.00 227.00 227.00 233.16 248.36 275.00 309.56
## 77% 78% 79% 80% 81% 82% 83% 84% 85% 86% 87%
## 323.00 323.00 323.00 351.80 371.00 371.00 371.00 394.04 419.00 419.00 419.00
## 88% 89% 90% 91% 92% 93% 94% 95% 96% 97% 98%
## 419.00 421.00 439.00 444.00 455.52 490.08 522.60 538.20 540.00 540.00 540.00
## 99% 100%
## 540.00 540.00
Rango
range(clientes_csv$Monto.Pagado)
## [1] 55 540
Varianza
var(clientes_csv$Monto.Pagado)
## [1] 21238.42
Desviacion Estandar
sd(clientes_csv$Monto.Pagado)
## [1] 145.7341
Coeficiente de Variacion
coeficiente_var=sd(clientes_csv$Monto.Pagado)/mean(clientes_csv$Monto.Pagado)*100
coeficiente_var
## [1] 70.71178