library(readxl)
## Warning: package 'readxl' was built under R version 4.3.2
plaza <- read_excel("D:/Estadistica/Sustitutorio Heber Urbina/PLAZA VIA.xlsx")
head(plaza)
## # A tibble: 6 × 8
## Local Género Pago Opinión `Producto Marca` Productos `Monto Pagado`
## <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl>
## 1 Surco femenino TCrédito Regular 3 17 419
## 2 Surco femenino Contado Muy Bue… 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
## # ℹ 1 more variable: `Visita Mensual` <dbl>
library(kableExtra)
## Warning: package 'kableExtra' was built under R version 4.3.2
library(knitr)
## Warning: package 'knitr' was built under R version 4.3.2
tabla_frecuencia <- table(plaza$Local)
kable(tabla_frecuencia, caption = "Tabla de distribución de frecuencia de Local") %>%
kable_styling(full_width = FALSE) %>%
column_spec(1, width = "200px")
| Var1 | Freq |
|---|---|
| Centro civico | 13 |
| San Borja | 36 |
| Surco | 24 |
library(kableExtra)
library(knitr)
tabla_frecuencia <- table(plaza$Opinión)
kable(tabla_frecuencia, caption = "Tabla de distribución de frecuencia de Opinión") %>%
kable_styling(full_width = FALSE) %>%
column_spec(1, width = "200px")
| Var1 | Freq |
|---|---|
| Buena | 19 |
| Malo | 2 |
| Muy Bueno | 17 |
| Regular | 35 |
library(kableExtra)
library(knitr)
tabla_frecuencia <- table(plaza$Pago)
kable(tabla_frecuencia, caption = "Tabla de distribución de frecuencia de Pago") %>%
kable_styling(full_width = FALSE) %>%
column_spec(1, width = "200px")
| Var1 | Freq |
|---|---|
| Contado | 16 |
| TCrédito | 24 |
| TDébito | 33 |
Se puede decir que normalmente en un intervalo de 0 a 10, las personas tienen a ir con mayor frecuencia en el mes a la tienda Plaza Via
library(DT)
## Warning: package 'DT' was built under R version 4.3.2
intervalos <- cut(plaza$`Visita Mensual`, breaks = seq(0, max(plaza$`Visita Mensual`) + 10, by = 10), include.lowest = TRUE)
tabla_frecuencia <- table(intervalos)
df_tabla <- as.data.frame(tabla_frecuencia)
colnames(df_tabla) <- c("Intervalo", "Frecuencia")
# Crear tabla interactiva con DT
datatable(df_tabla,
caption = "Tabla de distribución de frecuencia agrupada por intervalos",
options = list(
paging = TRUE,
searching = TRUE,
ordering = TRUE,
scrollX = TRUE,
dom = 'Bfrtip',
buttons = c('copy', 'csv', 'excel', 'pdf', 'print')
)) %>%
formatStyle(2, fontWeight = styleEqual(c(0, max(df_tabla$Frecuencia)), c('normal', 'bold')))
Se puede decir, que el intervalo mas común al momento de realizar un pago, ronda entre los 110 a 120
library(DT)
intervalos <- cut(plaza$`Monto Pagado`, breaks = seq(0, max(plaza$`Monto Pagado`) + 10, by = 10), include.lowest = TRUE)
tabla_frecuencia <- table(intervalos)
df_tabla <- as.data.frame(tabla_frecuencia)
colnames(df_tabla) <- c("Intervalo", "Frecuencia")
# Crear tabla interactiva con DT
datatable(df_tabla,
caption = "Tabla de distribución de frecuencia agrupada por intervalos",
options = list(
paging = TRUE,
searching = TRUE,
ordering = TRUE,
scrollX = TRUE,
dom = 'Bfrtip',
buttons = c('copy', 'csv', 'excel', 'pdf', 'print')
)) %>%
formatStyle(2, fontWeight = styleEqual(c(0, max(df_tabla$Frecuencia)), c('normal', 'bold')))
Se puede ver como los clientes tienen mayor tendencia a llevar 22 productos
frecuencia_por_categoria <- table(plaza$Productos)
barplot(frecuencia_por_categoria,
main = "Distribución de la variable",
xlab = "Productos",
ylab = "Frecuencia",
col = "skyblue",
border = "black",
ylim = c(0, max(frecuencia_por_categoria) * 1.1),
las = 2)
En el grafico se puede ver, como la mayoria de clientes de la tienda son mujeres, esto puede ayudar a la tienda Plaza Via a enfocar su publico mayoritario
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.3.2
frecuencia_por_genero <- table(plaza$Género)
df_frecuencia <- as.data.frame(frecuencia_por_genero)
colnames(df_frecuencia) <- c("Genero", "Frecuencia")
ggplot(df_frecuencia, aes(x = "", y = Frecuencia, fill = Genero)) +
geom_bar(stat = "identity", width = 1) +
coord_polar("y", start = 0) +
labs(title = "Distribución de Género",
fill = "Género") +
theme_void() +
theme(legend.position = "bottom")
# Variable Visita Mensual
mean(plaza$`Visita Mensual`)
## [1] 8.520548
median(plaza$`Visita Mensual`)
## [1] 9
library(modeest)
## Warning: package 'modeest' was built under R version 4.3.2
mfv(plaza$`Visita Mensual`)
## [1] 2 14 15
range(plaza$`Visita Mensual`)
## [1] 2 15
var(plaza$`Visita Mensual`)
## [1] 21.14193
sd(plaza$`Visita Mensual`)
## [1] 4.598036
coeficiente_var=sd(plaza$`Visita Mensual`)/mean(plaza$`Visita Mensual`)*100
coeficiente_var
## [1] 53.96409
quantile(plaza$`Visita Mensual`)
## 0% 25% 50% 75% 100%
## 2 4 9 13 15
quantile(plaza$`Visita Mensual`, probs = seq(0, 1, 0.1))
## 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
## 2.0 2.2 3.4 5.0 6.0 9.0 10.0 12.4 14.0 14.8 15.0
quantile(plaza$`Visita Mensual`, probs = seq(0, 1, 0.01))
## 0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 11% 12%
## 2.00 2.00 2.00 2.00 2.00 2.00 2.00 2.00 2.00 2.00 2.20 2.92 3.00
## 13% 14% 15% 16% 17% 18% 19% 20% 21% 22% 23% 24% 25%
## 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.40 4.00 4.00 4.00 4.00 4.00
## 26% 27% 28% 29% 30% 31% 32% 33% 34% 35% 36% 37% 38%
## 4.72 5.00 5.00 5.00 5.00 5.00 5.00 5.00 5.00 5.20 5.92 6.00 6.00
## 39% 40% 41% 42% 43% 44% 45% 46% 47% 48% 49% 50% 51%
## 6.00 6.00 6.52 7.00 7.00 7.00 7.00 7.12 7.84 8.00 8.28 9.00 9.00
## 52% 53% 54% 55% 56% 57% 58% 59% 60% 61% 62% 63% 64%
## 9.00 9.16 9.88 10.00 10.00 10.00 10.00 10.00 10.00 10.00 10.64 11.00 11.00
## 65% 66% 67% 68% 69% 70% 71% 72% 73% 74% 75% 76% 77%
## 11.00 11.52 12.00 12.00 12.00 12.40 13.00 13.00 13.00 13.00 13.00 13.00 13.00
## 78% 79% 80% 81% 82% 83% 84% 85% 86% 87% 88% 89% 90%
## 13.16 13.88 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.08 14.80
## 91% 92% 93% 94% 95% 96% 97% 98% 99% 100%
## 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00 15.00
library(fBasics)
## Warning: package 'fBasics' was built under R version 4.3.2
##
## Attaching package: 'fBasics'
## The following objects are masked from 'package:modeest':
##
## ghMode, ghtMode, gldMode, hypMode, nigMode, skewness
skewness(plaza$`Visita Mensual`)
## [1] 0.01050372
## attr(,"method")
## [1] "moment"
hist(plaza$`Visita Mensual`)
kurtosis(plaza$`Visita Mensual`)
## [1] -1.522736
## attr(,"method")
## [1] "excess"
Se puede decir que, la mayoria de clientes tienden a ir 15 veces a la tienda mensualmente aproximadamente,
mean(plaza$Productos)
## [1] 15.79452
median(plaza$Productos)
## [1] 17
library(modeest)
mfv(plaza$Productos)
## [1] 22
range(plaza$Productos)
## [1] 8 22
var(plaza$Productos)
## [1] 21.55441
sd(plaza$Productos)
## [1] 4.642673
coeficiente_var=sd(plaza$Productos)/mean(plaza$Productos)*100
coeficiente_var
## [1] 29.3942
quantile(plaza$Productos)
## 0% 25% 50% 75% 100%
## 8 11 17 20 22
quantile(plaza$Productos, probs = seq(0, 1, 0.1))
## 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
## 8.0 9.0 11.0 13.0 14.6 17.0 18.0 20.0 20.0 22.0 22.0
quantile(plaza$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
library(fBasics)
skewness(plaza$Productos)
## [1] -0.1264463
## attr(,"method")
## [1] "moment"
hist(plaza$Productos)
kurtosis(plaza$Productos)
## [1] -1.424588
## attr(,"method")
## [1] "excess"
Se puede decir que normalmente, los productos que llevan los clientes son 22