#1 .Viajes en el Ultimo año

plot_1 <- ggplot(Viajes, aes(x = Viajes$`Viajes en el Ultimo año`)) + 
  geom_histogram(colour = 1, fill = "cyan", 
                 bins = 6)+
  xlab(" Cantidad de Viajes ")+
  ylab("Frecuencia")+
  ggtitle(" Histograma de Cantidad de Viajes en el ultimo año ")
plot_1

#Promedio#

mean(Viajes$`Viajes en el Ultimo año`)
## [1] 2.59375

En promedio el numero de Viajes en el ultimo año 2.59

#Mediana#

median(Viajes$`Viajes en el Ultimo año`)
## [1] 2

El 50% de el numero de viajes en el ultimo año es igual o menor a 2

#Moda# Es bimodal, sus modas son 1 y 5

var(Viajes$`Viajes en el Ultimo año`)
## [1] 2.700605

La varianza Es 2.70

sd(Viajes$`Viajes en el Ultimo año`)
## [1] 1.643352

La Desviacion estandar es 1.64

#Boxplot#

cajabigotes <- ggplot(Viajes, aes(x=0, y=`Viajes en el Ultimo año`))+
  geom_boxplot()
cajabigotes

summary(Viajes$`Viajes en el Ultimo año`)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   1.000   2.000   2.594   3.500   5.000

#Conclusion# Al ver el grafico se puede concluir que pocas personas en la universidad realizan pocos viajes en el año, mientras que se ve que la mayoria de personas de la muestra viajan por lo menos 1 vez al año

#2 .Tiempo Planificando un Viaje
#3. #Duracion en Dias
r ggplot(Viajes, aes(x = Viajes$`Duracion en dias`)) + geom_histogram(colour = 1, fill = "darkred", bins = 6)+ xlab(" Duracion en Dias ")+ ylab("Frecuencia")+ ggtitle(" Histograma de Duracion del Viaje en dias ")
#Promedio#
r mean(Viajes$`Duracion en dias`)
## [1] 9.8125 La duracion en dias de un viaje es 9 en promedio
#Mediana#
r median(Viajes$`Duracion en dias`)
## [1] 7.5 El 50% de el numero de dias en un viaje es igual o menor a 7.5
#Moda# 7 dias es el dato que mas se repite
r var(Viajes$`Duracion en dias`)
## [1] 46.41532 La varianza es de 46.4
r sd(Viajes$`Duracion en dias`)
## [1] 6.812879 La Desviacion estandar es de 6.81
#BoxPlot#
r cajabigotes2 <- ggplot(Viajes, aes(x=0, y=`Duracion en dias`))+ geom_boxplot() cajabigotes2
r summary(Viajes$`Duracion en dias`)
## Min. 1st Qu. Median Mean 3rd Qu. Max. ## 1.000 7.000 7.500 9.812 10.750 37.000
#CONCLUSION Se puede concluir que la mayoria de viajes duran alrededor de 9 dias, hay mu pocas personas que viajan mas de 15 dias

#4. #HORAS EN EXPLORAR#

ggplot(Viajes, aes(x = Viajes$`Horas en Explorar`)) + 
  geom_histogram(colour = 1, fill = "burlywood", 
                 bins = 6)+
  xlab(" Horas en Explorar ")+
  ylab("Frecuencia")+
  ggtitle(" Horas Gastadas en Explorar los alrededores ")

#Promedio#

mean(Viajes$`Horas en Explorar`)
## [1] 7.03125

Las horas gastadas en Explorar en Promedio son 7

#Mediana#

median(Viajes$`Horas en Explorar`)
## [1] 3

#Moda# La moda son 7 Horas

var(Viajes$`Horas en Explorar`)
## [1] 141.8377

la varianza es 141.8

sd(Viajes$`Horas en Explorar`)
## [1] 11.90956

La desviacion estandar es 12

#CONCLUSION Al ver la grafica se puede concluir que la mayoria de personas no se gasta mucho tiempo explorando y prefiere quedarse relajanodose en el lugar de hospedaje

#BoxPlot#

cajabigotes3 <- ggplot(Viajes, aes(x=0, y=`Horas en Explorar`))+
  geom_boxplot()
cajabigotes3

#5. Nivel De Satisfaccion (1-5)

ggplot(Viajes, aes(x = Viajes$`Satisfecho (1-5)`)) + 
  geom_histogram(colour = 1, fill = "darkgoldenrod1", 
                 bins = 6)+
  xlab(" Nivel De Satisfaccion ")+
  ylab("Frecuencia")+
  ggtitle(" Nivel de Satisfaccion (1-5) ")

#Promedio#

mean(Viajes$`Satisfecho (1-5)`)
## [1] 4.5625

El nivel de satisfaccion promedio es 4

#Mediana#

median(Viajes$`Satisfecho (1-5)`)
## [1] 5

#Moda# La moda de Satisfaccion es 5

#Varianza#

var(Viajes$`Satisfecho (1-5)`)
## [1] 0.3185484

#Desviacion Estandar#

sd(Viajes$`Satisfecho (1-5)`)
## [1] 0.5644009

#CONCLUSION Alanalizar el grafico se concluye que las personas estuvieron muy satisfechas con su viajee ——————————————————————-

#6. Vehiculo Utilizado para Viajar

frec.abs1<-table(Viajes$`Medio de Transporte`)
frec.abs1
## 
## Automovil     Avión 
##        13        19
library(cowplot)
bar <- ggplot(Viajes, aes(x = Viajes$`Medio de Transporte` )) +
  geom_bar(stat="count",fill="forestgreen",color='black')+
  cowplot::theme_cowplot()+
  geom_text(aes(label=..count..), stat='count', 
            position=position_dodge(0.9), 
            vjust=-0.5, 
            size=3.0)+
  ylab("Frecuencia") +
  xlab("Medio de transporte")+
  ggtitle("Vehiculos Utilizados Para Viajar")
bar

#CONCLUSION

Se puede ver que el vehiculo mas utilizado para viajar es el Avion, esto quiere decir que la mayoria de personas prefieren viajar en avion que en carro.

#7. Alojamiento
#8. Preferencia Aire Libre
r frec.abs3<-table(Viajes$`Preferencia Aire Libre`) frec.abs3
## ## Alta Baja Moderada Muy alta ## 19 1 7 5
r library(cowplot) bar2 <- ggplot(Viajes, aes(x = Viajes$`Preferencia Aire Libre` )) + geom_bar(stat="count",fill="deeppink3",color='red')+ cowplot::theme_cowplot()+ geom_text(aes(label=..count..), stat='count', position=position_dodge(0.9), vjust=-0.5, size=3.0)+ ylab("Frecuencia") + xlab("Preferencia al Aire Libre")+ ggtitle("Preferencia de aire libre en Actividades al lugar del viaje") bar2
#CONCLUSION La mayoria de personas prefiere que en su lugar de viaje hayan espacios al aire libre

#9. Motivacion

frec.abs4<-table(Viajes$Motivacion)
frec.abs4
## 
## Aventura y exploración   Cultura y patrimonio   Eventos y festivales 
##                      7                      1                      1 
##            Gastronomía  Relajación y descanso 
##                      3                     20
library(cowplot)
bar3 <- ggplot(Viajes, aes(x = Viajes$Motivacion )) +
  geom_bar(stat="count",fill="cadetblue1",color='black')+
  cowplot::theme_cowplot()+
  geom_text(aes(label=..count..), stat='count', 
            position=position_dodge(0.9), 
            vjust=-0.5, 
            size=3.0)+
  ylab("Frecuencia") +
  xlab("Motivo")+
  ggtitle("Principales Motivacion para viajar")
bar3

#CONCLUSION Se puede ver que una gran porcion de personas viajan por motivos de relajacion y descanso, es decir que viajan para escapar de la rutina ——————————————————————-

#10. Calidad Servicio al Cliente

frec.abs5<-table(Viajes$`Calidad Servicio al Cliente`)
frec.abs5
## 
## 4 - Bastante relevante      5 - Muy relevante 
##                     12                     20
library(cowplot)
bar4 <- ggplot(Viajes, aes(x = Viajes$`Calidad Servicio al Cliente` )) +
  geom_bar(stat="count",fill="azure2",color='black')+
  cowplot::theme_cowplot()+
  geom_text(aes(label=..count..), stat='count', 
            position=position_dodge(0.9), 
            vjust=-0.5, 
            size=3.0)+
  ylab("Frecuencia") +
  xlab("Calidad de Servicio al Cliente")+
  ggtitle("Calificacion de calidad de servicio al cliente")
bar4

#CONCLUSIONES El diagrama indica una percepción positiva general del servicio al cliente por parte de la mayoría de los usuarios. La frecuencia considerable de la calificación “Muy relevante” sugiere que un porcentaje importante de clientes encuentra el servicio de alta calidad. La ausencia de calificaciones negativas (“Poco relevante” o “Irrelevante”) es un indicador adicional de la satisfacción general.