Cargar BD y mostrar

proyecto <- read.csv("plazavia.csv", sep = ",")
head(proyecto)
##       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

Realizar una tabla de distribución de frecuencia para dos variables cualitativas.

#Realizar una tabla de distribución de frecuencia para dos variables cualitativas. 
tf_go <- table(proyecto$Local, proyecto$Opinión)
print(tf_go)
##                
##                 Buena Malo Muy Bueno Regular
##   Centro civico     2    0         1      10
##   San Borja        11    2        10      13
##   Surco             6    0         6      12

Interpretaciones:

  • San Borja tiene la mayor cantidad de opiniones positivas.
  • Los clientes de los locales San Borja y Surco son más propensos a tener una opinión positiva.
  • Centro civico tiene una cantidad baja de opiniones positivas.

Realizar una tabla de distribución de frecuencia agrupada por intervalos para una variable cuantitativa continua o cuantitativa discreta

Realizar gráficos estadísticos para dos variables e interpretar (Elija UD)

# Gráfico de barras
barplot(proyecto$Productos)

# Gráfico de barras
barplot(proyecto$Productos, 
     main="Distribución de productos adquiridos",
     xlab="Productos",
     ylab="Frecuencia",
     col=c(2,"green"))

## Gráfico Circular

pie(table(proyecto$Productos))

# Gráfico circular con etiquetas y porcentajes
etiquetas <- paste(names(table(proyecto$Productos)), "\n",
                   round(prop.table(table(proyecto$Productos))*100,2), "%")
pie(table(proyecto$Productos), labels = etiquetas)

## Gráficos con la librería ggplot2

library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.3.2
ggplot(data=proyecto, aes(y=Productos))+
  geom_bar()

library(ggplot2)
ggplot(data=proyecto, aes(y=Productos))+
  geom_bar()+
  theme_classic()

### Interpretaciones: - El dato con mayor porcentaje es el 22 con 17.81% - Los datos que tienen los mismos porcentajes son el 11, 9, 20, 18 con 13.7% - El dato con menor porcentaje es el 8 con 1.37%

Realizar medidas estadísticas (Estudiadas) para dos variables cuantitativas e interpretar.

# Medidas estadisticas Productos
media_productos <- mean(proyecto$Productos)
mediana_monto_pagado <- median(proyecto$Productos)
desviacion_estandar_productos <- sd(proyecto$Productos)
# Imprimir Medidas esadisticas
print(mean(proyecto$Productos))
## [1] 15.79452
print(median(proyecto$Productos))
## [1] 17
print(sd(proyecto$Productos))
## [1] 4.642673

Interpretaciones:

  • La media de la variable “Productos” es aproximadamente 15.79
  • La mediana de “Productos” es aproximadamente 17.
  • La desviación estándar de “Productos” es aproximadamente 4.64