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)
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]
Y
## price malt aging taste
## 1 70 20 5.0 3
## 2 60 20 5.0 2
## 3 65 20 7.5 2
## 4 74 25 12.0 2
## 5 70 25 12.0 3
## 6 73 30 5.0 0
## 7 70 30 8.0 0
## 8 55 30 5.0 2
## 9 77 30 5.5 0
## 10 93 30 12.0 0
## 11 82 30 12.0 2
## 12 73 33 6.5 1
## 13 62 33 8.0 3
## 14 87 33 12.0 3
## 15 78 35 10.0 2
## 16 73 40 10.5 4
## 17 87 40 8.5 2
## 18 80 40 8.5 2
## 19 85 40 9.5 2
## 20 87 40 8.5 4
## 21 80 40 9.5 2
## 22 83 40 9.5 1
## 23 90 40 12.5 2
## 24 110 40 12.0 3
## 25 87 40 5.5 2
## 26 113 45 12.0 4
## 27 96 45 12.0 3
## 28 82 45 12.0 3
## 29 127 100 8.5 4
## 30 160 100 12.0 3
## 31 90 100 12.0 4
## 32 86 100 12.0 2
## 33 100 100 10.0 3
## 34 100 100 11.0 3
## 35 95 100 12.0 0
cor(Y)
## price malt aging taste
## price 1.0000000 0.6568555 0.4827850 0.3156480
## malt 0.6568555 1.0000000 0.3879767 0.2627287
## aging 0.4827850 0.3879767 1.0000000 0.2967513
## taste 0.3156480 0.2627287 0.2967513 1.0000000
library(psych)
##
## Attaching package: 'psych'
## The following objects are masked from 'package:ggplot2':
##
## %+%, alpha
corPlot(Y)
library("factoextra")
library("FactoMineR")
Whisky_pca=PCA(Y, graph = F)
Whisky_pca
## **Results for the Principal Component Analysis (PCA)**
## The analysis was performed on 35 individuals, described by 4 variables
## *The results are available in the following objects:
##
## name description
## 1 "$eig" "eigenvalues"
## 2 "$var" "results for the variables"
## 3 "$var$coord" "coord. for the variables"
## 4 "$var$cor" "correlations variables - dimensions"
## 5 "$var$cos2" "cos2 for the variables"
## 6 "$var$contrib" "contributions of the variables"
## 7 "$ind" "results for the individuals"
## 8 "$ind$coord" "coord. for the individuals"
## 9 "$ind$cos2" "cos2 for the individuals"
## 10 "$ind$contrib" "contributions of the individuals"
## 11 "$call" "summary statistics"
## 12 "$call$centre" "mean of the variables"
## 13 "$call$ecart.type" "standard error of the variables"
## 14 "$call$row.w" "weights for the individuals"
## 15 "$call$col.w" "weights for the variables"
obtener valores propios
get_eigenvalue(Whisky_pca)
## eigenvalue variance.percent cumulative.variance.percent
## Dim.1 2.2332690 55.831725 55.83172
## Dim.2 0.8064826 20.162065 75.99379
## Dim.3 0.6295103 15.737758 91.73155
## Dim.4 0.3307381 8.268451 100.00000
fviz_eig(Whisky_pca, addlabels=T)
fviz_pca_var(Whisky_pca,repel = T, colvar="cos2", col.var = "contrib", alpha.var = "contrib", gradient.cols=c("#FF0000","#FFFF00","#00FF00"))
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 :
library(FactoMineR)
library(factoextra)
acpc_no_normado <- PCA(Y, scale.unit = F)
## Warning: ggrepel: 20 unlabeled data points (too many overlaps). Consider
## increasing max.overlaps
get_eigenvalue(acpc_no_normado)
## 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_no_normado, addlabels=T)
Para el ACP normado :
library(FactoMineR)
library(factoextra)
acpc_normado <- PCA(Y, scale.unit = T)
## Warning: ggrepel: 7 unlabeled data points (too many overlaps). Consider
## increasing max.overlaps
get_eigenvalue(acpc_normado)
## eigenvalue variance.percent cumulative.variance.percent
## Dim.1 2.2332690 55.831725 55.83172
## Dim.2 0.8064826 20.162065 75.99379
## Dim.3 0.6295103 15.737758 91.73155
## Dim.4 0.3307381 8.268451 100.00000
fviz_eig(acpc_normado, 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?
Respuesta: Las dimensiones 1 y 2 representan 99.5% de los datos. las dimensiones 3 y 4 solo representan el 0.5% de los datos. por lo que no vale la pena considerar las 4 variables.
get_eigenvalue(acpc_no_normado)
## 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_no_normado, addlabels=T)
fviz_pca_var(acpc_no_normado,repel = T, colvar="cos2", col.var = "contrib", alpha.var = "contrib", gradient.cols=c("#FF0000","#FFFF00","#00FF00"))
Realice el ACP normado, justifique por qué es el que conviene para los objetivos de este taller.
Respuesta: Es recomendable estadarizar las magnitudes de las variables, y ejecutar el analisis con un ACP normado, asi evitamos sesgos en los datos en caso de que tengamos mucha diferencia en las escalas de los valores, en este caso entre las variables del dataset de Whisky tenemos diferencias de escalas en las variables.
acpc_normado <- PCA(Y, scale.unit = T)
## Warning: ggrepel: 8 unlabeled data points (too many overlaps). Consider
## increasing max.overlaps
get_eigenvalue(acpc_normado)
## eigenvalue variance.percent cumulative.variance.percent
## Dim.1 2.2332690 55.831725 55.83172
## Dim.2 0.8064826 20.162065 75.99379
## Dim.3 0.6295103 15.737758 91.73155
## Dim.4 0.3307381 8.268451 100.00000
¿Cuántos ejes retiene para el análisis? ¿Por qué?
Respuesta: Se retienen para el analisis las 3 primeras dimensiones, ya que explican el 91.7% de la variabilidad de los datos.
get_eigenvalue(acpc_normado)
## eigenvalue variance.percent cumulative.variance.percent
## Dim.1 2.2332690 55.831725 55.83172
## Dim.2 0.8064826 20.162065 75.99379
## Dim.3 0.6295103 15.737758 91.73155
## Dim.4 0.3307381 8.268451 100.00000
¿Cuál es la variable que más contribuye al primer eje? ¿Cuál es la que menos? (indique los porcentajes).
Respuesta: La variable que mas aporta a la primera dimension es el precio (price) con cerca del 33%. la que menos aporta es el sabor (taste) con cerca del 14.3%
get_pca_var(acpc_normado)$contrib[,1:3]
## Dim.1 Dim.2 Dim.3
## price 32.98278 6.83923015 3.085017
## malt 29.08912 13.53859727 17.211516
## aging 23.58356 0.04937816 73.749324
## taste 14.34454 79.57279442 5.954142
Según el círculo de correlaciones, ¿cuáles son las variables más correlacionadas? ¿Cuánto es la correlación? ¿Si corresponden a lo que se observa en la matriz de correlaciones?
Respuesta: Se observa que las variables mas correlacionadas son price y Malta. con una correlacion de 0.66. en el circulo de correlaciones de igual forma se puede observar que existe una correlacion alta entre ambas variables
fviz_pca_var(acpc_normado,repel = T, colvar="cos2", col.var = "contrib", alpha.var = "contrib", gradient.cols=c("#FF0000","#FFFF00","#00FF00"))
corPlot(Y)
¿Cuál es la variable mejor representada en el primer plano factorial? ¿Cuál la peor? (escriba los porcentajes).
Respuesta: La variable mejor representada es taste con un % de varianza de 96.2%. la variable peor representada es aging con un porcentaje del 52.7%
fviz_contrib(acpc_normado, choice='var', axes =1:2 )
get_pca_var(acpc_normado)$cos2[, 1:2]
## Dim.1 Dim.2
## price 0.7365941 0.0551572023
## malt 0.6496384 0.1091864335
## aging 0.5266843 0.0003982262
## taste 0.3203522 0.6417407545
¿Qué representa el primer eje? ¿Qué nombre le asignaría? ¿Qué representa el segundo eje?
Respuesta: Para el primer eje esta compuesto por el precio (price), la concentración de malta (malt) y el añejamiento (aging) le daria el nombre de calidad . al segundo eje le asignaria el nombre de la componente, el cual es Sabor
fviz_pca_var(acpc_normado,repel = T, colvar="cos2", col.var = "contrib", alpha.var = "contrib", gradient.cols=c("#FF0000","#FFFF00","#00FF00"))
¿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).
Respuesta: El individuo mejor representando es el 30 con cerca del 20%. y el peor representado es el individuo 11 cerca del 0%.
fviz_pca_biplot(acpc_normado)
fviz_contrib(acpc_normado,choice="ind", axes = 1)
¿Qué características tienen las marcas de Whisky según sus ubicaciones en el plano? (a la derecha, a la izquierda, arriba, abajo).
Respuesta: Derecha: Whisky con mejores caracteristicas (mayor Concentración de malta, mayor añejamiento) y mayor precio. Izquierda: Whisky con menos concentración de Malta, menos años de añejamiento, menor precio y menor sabor. Arriba: Whisky con mejor sabor, si se encuentra en la parte superior derecha whiskys con mejores caracteristicas y mayor precio. Abajo: Whisky con menor sabor
fviz_pca_var(acpc_normado,repel = T, colvar="cos2", col.var = "contrib", alpha.var = "contrib", gradient.cols=c("#FF0000","#FFFF00","#00FF00"))
A partir de la posición en el plano deduzca las características de las tres categorías de whisky (lujo, estándar y pura malta).
Respuesta:
pura malta(pure): Whisky con mejor calidad, mayor concentracion de
malta, mayor añejamiento mejor sabor, y precios mas altos.
Lujo (med): Whiskys con precios promedio, concentraciones promedio de
malta y un añejamiento no tan alto. estandar (low): Whisky con bajas
concetraciones de malta, poco añejamiento y precios mas bajos.
acp_cualit=PCA(Whisky, quali.sup = 3, graph = F)
acp_cualit$var$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
fviz_pca_ind(acp_cualit, addEllipses = T, habillage = 3)
### Pregunta 11
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?
Respuesta: Escogeria los whisky con mayor Taste (sabor) con el menor precio. en este caso serian los Whisky numero 16 y 20, que son justamente los que mas aportan a la segunda dimension.
order(acpc_normado$ind$coord[,2], decreasing = T)
## [1] 16 20 1 5 13 26 14 28 31 2 27 3 8 24 4 11 15 29 21 18 19 17 23 25 34
## [26] 33 12 22 32 30 7 6 9 10 35
WhiskyMayorTaste <- Whisky[Whisky$taste == max(Whisky[5]),]
WhiskyMayorTaste
## price malt type aging taste
## 16 73 40 med 10.5 4
## 20 87 40 med 8.5 4
## 26 113 45 med 12.0 4
## 29 127 100 pure 8.5 4
## 31 90 100 pure 12.0 4
Seleccione dos marcas que definitivamente no compraría. ¿Por qué? ¿Qué características tienen?
Respuesta: No escogeria Whisky del tipo Low, revisando esta categoria existen particularmente whisky con taste = 0 , con poco añejamiento y un valor mas elevado, no compraria los whisky 9 y 10
WhiskyMayorTaste <- Whisky[Whisky$type == "low" & Whisky$taste ==0 ,]
WhiskyMayorTaste
## price malt type aging taste
## 6 73 30 low 5.0 0
## 7 70 30 low 8.0 0
## 9 77 30 low 5.5 0
## 10 93 30 low 12.0 0