| #2 .Tiempo Planificando un Viaje |
r ggplot(Viajes, aes(x = Viajes$`Tiemplo Planificando`)) + geom_histogram(colour = 1, fill = "royalblue", bins = 6)+ xlab(" Horas Planificando ")+ ylab("Frecuencia")+ ggtitle(" Histograma de Cantidad de Horas planificando un viaje ") |
r mean(Viajes$`Tiemplo Planificando`) |
## [1] 5.53125 En promedio el numero de
Horas Planificando es 5.53 |
| #Mediana# |
r median(Viajes$`Tiemplo Planificando`) |
## [1] 3 |
| El 50% de el numero de horas planificando un viaje es igual o menor a 3 |
| #Moda# La moda es 2, es el dato que mas se repite |
r var(Viajes$`Tiemplo Planificando`) |
## [1] 31.67641 La varianza es de
31.67 |
r sd(Viajes$`Tiemplo Planificando`) |
## [1] 5.62818 La muestra tiene una
desviacion estandar de 5.62 |
| #BoxPlot# |
r cajabigotes1 <- ggplot(Viajes, aes(x=0, y=`Tiemplo Planificando`))+ geom_boxplot() cajabigotes1 |
| #CONLCLUSION# Al ver el grafico se puede concluir que muy pocas personas se toman mas de 2 horas para planificar un viaje, esto quiere decir que la mayoria de personas en la muestra hacen un viaje de manera espontanea o planificando muy poco. |
r summary(Viajes$`Tiemplo Planificando`) |
## Min. 1st Qu. Median Mean 3rd Qu. Max. ## 0.000 2.000 3.000 5.531 6.000 24.000 |
#7. Alojamiento
frec.abs2<-table(Viajes$Alojamiento)
frec.abs2
##
## Airbnb Airbnb/alojamiento compartido
## 2 1
## Casas de familiares Hotel
## 1 28
library(cowplot)
bar1 <- ggplot(Viajes, aes(x = Viajes$Alojamiento )) +
geom_bar(stat="count",fill="darkorchid",color='royalblue')+
cowplot::theme_cowplot()+
geom_text(aes(label=..count..), stat='count',
position=position_dodge(0.9),
vjust=-0.5,
size=3.0)+
ylab("Frecuencia") +
xlab("Alojamientos usados Para Hospedarse")+
ggtitle("Alojamientos mas usados para hospedarse")
bar1
#Conclusion#
Al ver este grafico se puede ver que el lugar para hospedarse en vacaciones mas popular es el hotel, mientras que muy pocas personas optan por un AirBnB