Analisis exploratorio de la base de datos de calidad de vino

La base de datos de calidad de vino describe el comportamiento de 12 atributos y de 1599 registros.

Importacion de la base de datos calidad de vino

La base de datos esta en formato csv y fue importado al RStudio.

BD <- read.csv("C:/Users/AJEM/Downloads/BA PUCP/M2/winequality-red.csv")
summary(BD)
##  fixed.acidity   volatile.acidity  citric.acid    residual.sugar  
##  Min.   : 4.60   Min.   :0.1200   Min.   :0.000   Min.   : 0.900  
##  1st Qu.: 7.10   1st Qu.:0.3900   1st Qu.:0.090   1st Qu.: 1.900  
##  Median : 7.90   Median :0.5200   Median :0.260   Median : 2.200  
##  Mean   : 8.32   Mean   :0.5278   Mean   :0.271   Mean   : 2.539  
##  3rd Qu.: 9.20   3rd Qu.:0.6400   3rd Qu.:0.420   3rd Qu.: 2.600  
##  Max.   :15.90   Max.   :1.5800   Max.   :1.000   Max.   :15.500  
##    chlorides       free.sulfur.dioxide total.sulfur.dioxide    density      
##  Min.   :0.01200   Min.   : 1.00       Min.   :  6.00       Min.   :0.9901  
##  1st Qu.:0.07000   1st Qu.: 7.00       1st Qu.: 22.00       1st Qu.:0.9956  
##  Median :0.07900   Median :14.00       Median : 38.00       Median :0.9968  
##  Mean   :0.08747   Mean   :15.87       Mean   : 46.47       Mean   :0.9967  
##  3rd Qu.:0.09000   3rd Qu.:21.00       3rd Qu.: 62.00       3rd Qu.:0.9978  
##  Max.   :0.61100   Max.   :72.00       Max.   :289.00       Max.   :1.0037  
##        pH          sulphates         alcohol         quality     
##  Min.   :2.740   Min.   :0.3300   Min.   : 8.40   Min.   :3.000  
##  1st Qu.:3.210   1st Qu.:0.5500   1st Qu.: 9.50   1st Qu.:5.000  
##  Median :3.310   Median :0.6200   Median :10.20   Median :6.000  
##  Mean   :3.311   Mean   :0.6581   Mean   :10.42   Mean   :5.636  
##  3rd Qu.:3.400   3rd Qu.:0.7300   3rd Qu.:11.10   3rd Qu.:6.000  
##  Max.   :4.010   Max.   :2.0000   Max.   :14.90   Max.   :8.000

Grafico de las variables

A continuacion se realiza una funcion para poder evaluar cada atributo de variable a identificar si es numerico o caracter. A los datos numericos se les reportara con un histograma, y a los datos tipo caracter se les reportara como diagrama de pie.

BDN <- NULL
BDC <- NULL
dimension <-dim(BD)
par(mfrow=c(2,dimension[2]/3))

for(j in 1:dimension[2]) {
  if(is.numeric(BD[,j]) == "TRUE") {
    texto <- paste('analisis del atributo  ',colnames(BD)[j])
    hist(BD[,j],col=j, main = texto)
    
  } else {    
    texto <- paste('analisis del atributo  ',colnames(BD)[j])
    pie(table(BD[,j]), main = texto)
    }
}

Grafico de cajas

Se mostrara el grafico de cajas para un mejor analisis de los atributos

BDN <- NULL
BDC <- NULL
dimension <-dim(BD)
par(mfrow=c(2,dimension[2]/3))

for(j in 1:dimension[2]) {
  texto <- paste('Boxplot del atributo  ',colnames(BD)[j])
  boxplot(BD[,j],col=j, main = texto)
  }

Observaciones

No se encontraron variables de tipo caracter. Se recomienda hacer un tratamiento de outliers para un mejor analisis de los datos El atributo Calidad es Discreta, y es la variable objetivo