Objetivo

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).

# Cargar el archivo CSV desde la ruta especificada
file_path <- "C:/Users/USER/Desktop/Whisky.csv"
whisky_data <- read.csv(file_path)
head(whisky_data)
##                  X.price.malt.type.aging.taste
## 1;70;20;low;5;3                               
## 2;60;20;low;5;2                               
## 3;65;20;low;7                              5;2
## 4;74;25;low;12;2                              
## 5;70;25;low;12;3                              
## 6;73;30;low;5;0
# Cargar el paquete FactoClass
if (!requireNamespace("FactoClass", quietly = TRUE)) {
  install.packages("FactoClass", repos = "http://cran.us.r-project.org")
}
library(FactoClass)
## Warning: package 'FactoClass' was built under R version 4.2.3
## Loading required package: ade4
## Warning: package 'ade4' was built under R version 4.2.3
## Loading required package: ggplot2
## Warning: package 'ggplot2' was built under R version 4.2.3
## Loading required package: ggrepel
## Warning: package 'ggrepel' was built under R version 4.2.3
## Loading required package: xtable
## Loading required package: scatterplot3d
## Warning: package 'scatterplot3d' was built under R version 4.2.3
# Cargar el conjunto de datos "Whisky" desde el paquete FactoClass
data("Whisky", package = "FactoClass")
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]

# Cargar FactoMineR
if (!requireNamespace("FactoMineR", quietly = TRUE)) {
  install.packages("FactoMineR", repos = "http://cran.us.r-project.org")
}
library(FactoMineR)
## Warning: package 'FactoMineR' was built under R version 4.2.3
## 
## Attaching package: 'FactoMineR'
## The following object is masked from 'package:ade4':
## 
##     reconst
# Cargar factoextra
if (!requireNamespace("factoextra", quietly = TRUE)) {
  install.packages("factoextra", repos = "http://cran.us.r-project.org")
}
library(factoextra)
## Warning: package 'factoextra' was built under R version 4.2.3
## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa
# Realizar el ACP no normado
acpc <- PCA(Y, scale.unit = FALSE)
## Warning: ggrepel: 5 unlabeled data points (too many overlaps). Consider
## increasing max.overlaps

# Obtener los valores propios
eigenvalues <- get_eigenvalue(acpc)

# Mostrar los valores propios
print(eigenvalues)
##       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
# Visualizar los valores propios en un gráfico
fviz_eig(acpc, addlabels = TRUE)

# Basado en los resultados del análisis de componentes principales (ACP) no normado, se puede observar que las dos primeras dimensiones explican conjuntamente el 99.45% de la varianza en los datos.

# Realizar el ACP normado
acpc_norm <- PCA(Y, scale.unit = TRUE)

# Obtener los valores propios
eigenvalues_norm <- get_eigenvalue(acpc_norm)

# Imprimir los valores propios
print(eigenvalues_norm)
##       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
# Justificación del ACP normado
cat("El ACP normado es el más adecuado para los objetivos de este taller por las siguientes razones:\n")
## El ACP normado es el más adecuado para los objetivos de este taller por las siguientes razones:
cat("- Diferentes escalas de medida pueden afectar la comparabilidad de las variables. La estandarización asegura que todas las variables contribuyan de manera equitativa al análisis.\n")
## - Diferentes escalas de medida pueden afectar la comparabilidad de las variables. La estandarización asegura que todas las variables contribuyan de manera equitativa al análisis.
cat("- La estandarización elimina el efecto de las diferentes varianzas entre las variables, lo que garantiza que todas tengan la misma importancia relativa en el análisis.\n")
## - La estandarización elimina el efecto de las diferentes varianzas entre las variables, lo que garantiza que todas tengan la misma importancia relativa en el análisis.
cat("- Los coeficientes asociados a cada variable en los componentes principales son más fácilmente comparables entre sí después de la estandarización, lo que facilita la interpretación de los resultados.\n")
## - Los coeficientes asociados a cada variable en los componentes principales son más fácilmente comparables entre sí después de la estandarización, lo que facilita la interpretación de los resultados.
### Pregunta 3

#¿Cuántos ejes retiene para el análisis? ¿Por qué?

#Para el análisis, retendremos los dos primeros ejes principales, ya que explican conjuntamente el 99.45% de la varianza en los datos, lo que indica que contienen la mayoría de la información relevante.

### Pregunta 4
#¿Cuál es la variable que más contribuye al primer eje? ¿Cuál es la que menos? (indique los porcentajes).
# Obtener los coeficientes de correlación entre las variables originales y el primer eje
correlations <- cor(Whisky[, -3], acpc$ind$coord[, 1])

# Ordenar los coeficientes de correlación de mayor a menor
correlations_sorted <- sort(correlations, decreasing = TRUE)

# Obtener el nombre de la variable que más y menos contribuye al primer eje
variable_mas_contribuye <- names(correlations_sorted)[1]
variable_menos_contribuye <- names(correlations_sorted)[length(correlations_sorted)]

# Obtener el porcentaje de contribución de cada variable
porcentaje_mas_contribuye <- max(correlations_sorted) * 100
porcentaje_menos_contribuye <- min(correlations_sorted) * 100

# Imprimir los resultados
cat("La variable que más contribuye al primer eje es", variable_mas_contribuye, "con un porcentaje de contribución del", round(porcentaje_mas_contribuye, 2), "%.\n")
## La variable que más contribuye al primer eje es con un porcentaje de contribución del 96.77 %.
cat("La variable que menos contribuye al primer eje es", variable_menos_contribuye, "con un porcentaje de contribución del", round(porcentaje_menos_contribuye, 2), "%.\n")
## La variable que menos contribuye al primer eje es con un porcentaje de contribución del 30.29 %.
### Pregunta 5

#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?
# Calcular el círculo de correlaciones y mostrarlo
fviz_pca_var(acpc, axes = c(1, 2), col.var = "blue", gradient.cols = c("#FF0000", "#00FF00"), repel = TRUE)

### Matriz de Correlaciones
# Calcular la matriz de correlaciones
correlation_matrix <- cor(Y)

# Imprimir la matriz de correlaciones
correlation_matrix
##           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
#Basado en la matriz de correlaciones , podemos observar que las variables más correlacionadas son:

#Precio (price) y Malta (malt): Tienen una correlación de 0.6569.
#Precio (price) y Envejecimiento (aging): Tienen una correlación de 0.4828.
#Esto significa que hay una correlación positiva moderada a fuerte entre estas variables, lo que sugiere que a medida que el precio de un whisky aumenta, también tiende a aumentar la proporción de malta y el tiempo de envejecimiento. Esta observación es consistente con lo que se observa en la matriz de correlaciones, donde se muestran los coeficientes de correlación entre cada par de variables.

### Pregunta 6

#¿Cuál es la variable mejor representada en el primer plano factorial? #¿Cuál la peor? (escriba los porcentajes).
# Calcular la contribución de las variables al primer plano factorial
contribuciones <- fviz_contrib(acpc, choice = "var", axes = 1, top = 1, absolute = TRUE)

# Crear un dataframe con la información
tabla_contribuciones <- data.frame(Variable = rownames(contribuciones$contrib), 
                                   "Contribución (%)" = contribuciones$contrib)

# Imprimir la tabla
print(tabla_contribuciones)
## data frame with 0 columns and 0 rows
print(contribuciones)