El objetivo es estudiar la relación calidad precio de 35 marcas de whisky, utilizando las variables
Se dispone además de una variable categórica “categorías”, que clasifica las marcas según su contenido de malta (1=Bajo, 2=Estándar, 3=Puro malta).
Para obtener los datos use:
library(FactoClass)
## Warning: package 'FactoClass' was built under R version 4.3.2
## Warning: package 'ade4' was built under R version 4.3.2
## Warning: package 'ggrepel' was built under R version 4.3.2
## Warning: package 'xtable' was built under R version 4.3.2
## Warning: package 'scatterplot3d' was built under R version 4.3.1
data("Whisky")
head(Whisky)
## price malt type aging taste
## 1 70 20 low 5.0 3
## 2 60 20 low 5.0 2
## 3 65 20 low 7.5 2
## 4 74 25 low 12.0 2
## 5 70 25 low 12.0 3
## 6 73 30 low 5.0 0
Y=Whisky[,-3]
Trabajo
Realice primero un ACP no normado y luego un ACP normado utilizando el software R y responda a las preguntas.
Para el ACP no normado utilice:
library(FactoMineR)
## Warning: package 'FactoMineR' was built under R version 4.3.2
library(factoextra)
## Warning: package 'factoextra' was built under R version 4.3.2
acpc <- PCA(Y, scale.unit = F)
## Warning: ggrepel: 20 unlabeled data points (too many overlaps). Consider
## increasing max.overlaps
get_eigenvalue(acpc)
## eigenvalue variance.percent cumulative.variance.percent
## Dim.1 953.238889 84.4467052 84.44671
## Dim.2 169.350357 15.0026188 99.44932
## Dim.3 4.980882 0.4412525 99.89058
## Dim.4 1.235178 0.1094234 100.00000
fviz_eig(acpc, addlabels=T)
En el ACP no normado, analice la contribución de las variables a la inercia(varianza). ¿Realmente se puede considerar un análisis de las cuatro variables?
observando las variables individuales podemos identificar que las variables precio y malta tienen una varianza mucho más grande que las otras, por lo que estas se pueden llevar la contribución de las componentes, por lo que desde un primer momento estaríamos subestimando la contribución que pueden tener las variables aging y taste
acpc$var$contrib
## Dim.1 Dim.2 Dim.3 Dim.4
## price 27.4806116 72.21144708 0.29901555 0.008925741
## malt 72.3644119 27.62111239 0.01361367 0.000862062
## aging 0.1411796 0.15537729 98.44155151 1.261891600
## taste 0.0137969 0.01206323 1.24581927 98.728320598
acpc$eig
## eigenvalue percentage of variance cumulative percentage of variance
## comp 1 953.238889 84.4467052 84.44671
## comp 2 169.350357 15.0026188 99.44932
## comp 3 4.980882 0.4412525 99.89058
## comp 4 1.235178 0.1094234 100.00000
apply(Y,2,var)
## price malt aging taste
## 395.563025 758.247059 6.719748 1.475630
#
Realice el ACP normado, justifique por qué es el que conviene para los objetivos de este taller.
conviene más porque al estar todas las variables en una misma escala es posible quitar el sesgo de la varianza de las variables.
pca_whisky=PCA(Y,graph=T)
¿Cuántos ejes retiene para el análisis? ¿Por qué?
Decido quedarme con 3 componentes principales porque la tercera componente principal aún me contribuye el 15% de la información
pca_whisky$eig
## eigenvalue percentage of variance cumulative percentage of variance
## comp 1 2.2332690 55.831725 55.83172
## comp 2 0.8064826 20.162065 75.99379
## comp 3 0.6295103 15.737758 91.73155
## comp 4 0.3307381 8.268451 100.00000
fviz_eig(pca_whisky,addlabels = T)
¿Cuál es la variable que más contribuye al primer eje? ¿Cuál es la que menos? (indique los porcentajes).
La variable que más contribuye a la primera componente principal es el price con un 32% y la que menos es taste con un 14%
fviz_contrib(pca_whisky, choice = "var", axes=1)
pca_whisky$var
## $coord
## Dim.1 Dim.2 Dim.3 Dim.4
## price 0.8582506 -0.23485571 -0.1393575 -0.43454368
## malt 0.8060015 -0.33043371 -0.3291630 0.36445429
## aging 0.7257302 0.01995561 0.6813660 0.09304762
## taste 0.5659967 0.80108723 -0.1936025 0.02061710
##
## $cor
## Dim.1 Dim.2 Dim.3 Dim.4
## price 0.8582506 -0.23485571 -0.1393575 -0.43454368
## malt 0.8060015 -0.33043371 -0.3291630 0.36445429
## aging 0.7257302 0.01995561 0.6813660 0.09304762
## taste 0.5659967 0.80108723 -0.1936025 0.02061710
##
## $cos2
## Dim.1 Dim.2 Dim.3 Dim.4
## price 0.7365941 0.0551572023 0.01942050 0.188828206
## malt 0.6496384 0.1091864335 0.10834827 0.132826929
## aging 0.5266843 0.0003982262 0.46425961 0.008657859
## taste 0.3203522 0.6417407545 0.03748194 0.000425065
##
## $contrib
## Dim.1 Dim.2 Dim.3 Dim.4
## price 32.98278 6.83923015 3.085017 57.0929775
## malt 29.08912 13.53859727 17.211516 40.1607634
## aging 23.58356 0.04937816 73.749324 2.6177390
## taste 14.34454 79.57279442 5.954142 0.1285201
Según el círculo de correlaciones, ¿cuáles son las variables más correlacionadas? ¿Cuánto es la correlación? ¿Si corresponden a lo que se observa en la matriz de correlaciones?
Según el circulo las variables más correlacionadas entre si son price y malt con un 66% y si corresponde con lo visto en la matriz de correlación
library(psych)
## Warning: package 'psych' was built under R version 4.3.2
##
## Attaching package: 'psych'
## The following objects are masked from 'package:ggplot2':
##
## %+%, alpha
corPlot(Y, cex = 1.2, main = "Matriz de correlación")
fviz_pca_var(pca_whisky,repel = T,col.var='contrib')
¿Cuál es la variable mejor representada en el primer plano factorial? ¿Cuál la peor? (escriba los porcentajes).
La variable mejor represtada en el plano factorial es price con un 73% y la peor es taste con un 32%
fviz_pca_var(pca_whisky,repel = T,col.var='contrib')
fviz_contrib(pca_whisky, choice = "var", axes=1)
pca_whisky$var$cos2
## Dim.1 Dim.2 Dim.3 Dim.4
## price 0.7365941 0.0551572023 0.01942050 0.188828206
## malt 0.6496384 0.1091864335 0.10834827 0.132826929
## aging 0.5266843 0.0003982262 0.46425961 0.008657859
## taste 0.3203522 0.6417407545 0.03748194 0.000425065
¿Qué representa el primer eje? ¿Qué nombre le asignaría? ¿Qué representa el segundo eje?
el segundo eje representa el sabor y el primero el precio y el whisky maltado
fviz_contrib(pca_whisky, choice = "var", axes=2)
pca_whisky$var$cos2
## Dim.1 Dim.2 Dim.3 Dim.4
## price 0.7365941 0.0551572023 0.01942050 0.188828206
## malt 0.6496384 0.1091864335 0.10834827 0.132826929
## aging 0.5266843 0.0003982262 0.46425961 0.008657859
## taste 0.3203522 0.6417407545 0.03748194 0.000425065
¿Cuál es el individuo mejor representado en el primer plano factorial? Ubique sobre el gráfico de individuos al peor representado sobre el primer plano factorial (indique los porcentajes).
El peor representado por la primera componente principal es taste con un 32%
fviz_pca_ind(pca_whisky, addEllipses = T, habillage = 4)
## Too few points to calculate an ellipse
¿Qué características tienen las marcas de Whisky según sus ubicaciones en el plano? (a la derecha, a la izquierda, arriba, abajo).
las marcas que estén a la derecha o arriba pueden tener precios más altos y ser más influenciadas por el contenido de malta. Las marcas con coordenadas negativas en la Dimensión 1 tendrán características opuestas a las de las marcas a la derecha o arriba. En este caso, podrían tener precios más bajos y quizás menos influencia de malta.
Whisky
## price malt type aging taste
## 1 70 20 low 5.0 3
## 2 60 20 low 5.0 2
## 3 65 20 low 7.5 2
## 4 74 25 low 12.0 2
## 5 70 25 low 12.0 3
## 6 73 30 low 5.0 0
## 7 70 30 low 8.0 0
## 8 55 30 low 5.0 2
## 9 77 30 low 5.5 0
## 10 93 30 low 12.0 0
## 11 82 30 low 12.0 2
## 12 73 33 med 6.5 1
## 13 62 33 med 8.0 3
## 14 87 33 med 12.0 3
## 15 78 35 med 10.0 2
## 16 73 40 med 10.5 4
## 17 87 40 med 8.5 2
## 18 80 40 med 8.5 2
## 19 85 40 med 9.5 2
## 20 87 40 med 8.5 4
## 21 80 40 med 9.5 2
## 22 83 40 med 9.5 1
## 23 90 40 med 12.5 2
## 24 110 40 med 12.0 3
## 25 87 40 med 5.5 2
## 26 113 45 med 12.0 4
## 27 96 45 med 12.0 3
## 28 82 45 med 12.0 3
## 29 127 100 pure 8.5 4
## 30 160 100 pure 12.0 3
## 31 90 100 pure 12.0 4
## 32 86 100 pure 12.0 2
## 33 100 100 pure 10.0 3
## 34 100 100 pure 11.0 3
## 35 95 100 pure 12.0 0
A partir de la posición en el plano deduzca las características de las tres categorías de whisky (lujo, estándar y pura malta).
las marcas de whisky de lujo tienden a estar en la parte derecha o superior del plano (en términos de la Dimensión 1), podrían caracterizarse por precios más altos
Las marcas de whisky estándar podrían estar en la parte izquierda o inferior del plano
Supongamos que usted desea comprar una botella de Whisky con buena apreciación y que no sea tan cara. Dé dos números de marcas que compraría. ¿Por qué? ?Cuáles son las características de las dos marcas?
Yo compraría las marcas 32 y 23 ya que no tienen mucho contenido de malta y adicional su precio no debería ser tan elevado
fviz_pca_ind(pca_whisky, addEllipses = T, habillage = 4)
## Too few points to calculate an ellipse
Whisky
## price malt type aging taste
## 1 70 20 low 5.0 3
## 2 60 20 low 5.0 2
## 3 65 20 low 7.5 2
## 4 74 25 low 12.0 2
## 5 70 25 low 12.0 3
## 6 73 30 low 5.0 0
## 7 70 30 low 8.0 0
## 8 55 30 low 5.0 2
## 9 77 30 low 5.5 0
## 10 93 30 low 12.0 0
## 11 82 30 low 12.0 2
## 12 73 33 med 6.5 1
## 13 62 33 med 8.0 3
## 14 87 33 med 12.0 3
## 15 78 35 med 10.0 2
## 16 73 40 med 10.5 4
## 17 87 40 med 8.5 2
## 18 80 40 med 8.5 2
## 19 85 40 med 9.5 2
## 20 87 40 med 8.5 4
## 21 80 40 med 9.5 2
## 22 83 40 med 9.5 1
## 23 90 40 med 12.5 2
## 24 110 40 med 12.0 3
## 25 87 40 med 5.5 2
## 26 113 45 med 12.0 4
## 27 96 45 med 12.0 3
## 28 82 45 med 12.0 3
## 29 127 100 pure 8.5 4
## 30 160 100 pure 12.0 3
## 31 90 100 pure 12.0 4
## 32 86 100 pure 12.0 2
## 33 100 100 pure 10.0 3
## 34 100 100 pure 11.0 3
## 35 95 100 pure 12.0 0
Seleccione dos marcas que definitivamente no compraría. ¿Por qué? ¿Qué características tienen? Definitivamente no compraría las marcas 23 y 27 ya que su precio debe ser elevado y deben tener un gran contenido de malta adicional de un sabor fuerte