introduccion

Amazon es una de las compañias de entretenimiento y paqueteria con una gran afluencia en el mercado, por lo que es interesante tener un analisis de como es el nivel de aceptacion que tienen los dispositivos que ocupan los usuarios para acceder en amazon a las distintos servicios que puede ofrecer, en especial los servicios de entretenimiento, en los dispositivos como tablets, Smartphone, Smart Tv.

Hipotesis

La hipotesis planteada en este trabajo son las siguientes.

1- los dispositivos que mas ocupan las personas para acceder a amazon son los smartphones, debido al ser dispositivos moviles, son los dispositivos que tenemos todo el tiempo, por lo tanto son aptos para acceder mas rapido y en cualquier lugar

2- Entre mayor cantidad de personas, mayor sera la calificacion que tiene amazon respecto a la valoracion que les dan sus usuarios, dado que un numero amplio de usuarios significa que las personas estan conformes con los servicios que da y por ende, cada vez aumenta el numero de usuarios

Disposivos de amazon

En este analisis ocuparemos 3 dispositivos, que son los Smartphones, las Tablets y Smart Tv. Esto devido a que son los dispositivos mas recuurrentes para acceder a amazon.

amazon2 <- basedatos%>%
group_by(Devices.Used)%>%
count("Smart Tv", "Tablet", "Smartphone")
ggplot(amazon2, aes( x = Devices.Used, y = n, fill = Devices.Used)) +
         geom_bar(stat =  "identity", color = "black", size = 0.7) +
         labs( tilte = "Numero de disòsitivos ocupados",
               x = "Dispositivos",
               y = "Numero de personas")+ 
         theme_classic()+ 
scale_fill_brewer(palette =  "RdYlBu")
## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

Como podemos observar, los dispositivos que mas emplean las personas son los smartphones, aunque las tablet tambien son casi la misma cantidad empleada, sin en cambio, los dispositivos que los consumidores prefieren acceder a amazon es por medio de los smartphones, dado que estos dos dispositivos, Smartphones y tablets, al ser de facil acceso, son mas rapidos de emplear para ocupar estos servicios

Rating

Como se planteo en las hipotesis, un mayor numero de usuarios trae consigo que las personas tengan una mejor calificacion para amazon, ya que en teoria, las personas les gusta mas sus servicios que ofrece y por eso hay mas personas usandolos

para fines practicos se utilizaron los dispositivos que mas se emplean para acceder a los servicios que ofrece amazon que son los smartphones y se segmento por genero los usuarios que ingresan a amazon y en este caso son empelaremos a las mujeres

amazon <- basedatos%>%
  filter( Devices.Used == "Smartphone", Gender == "Female")%>%
  select( Devices.Used, Feedback.Ratings)%>%
  mutate(Personas_smartphones = 1:431) %>%
  select(Personas_smartphones, everything()) 
ggplot(amazon, aes(x = Devices.Used, y = Personas_smartphones, fill = Devices.Used )) +
  geom_bar(stat =  "identity", color = "pink", size = 0.7) +
  labs(tiltle = "Numero de mujeres con dispositivos Smartphones para acceder a amazon", 
       x = "Dispositivos Smartphones", 
       Y = "Numero de mujeres")+
  theme_classic()

ggplot(data = amazon, aes( x= Personas_smartphones, y = Feedback.Ratings)) +
  geom_point( alpha = 0.5) +
  labs( tiltle = "Nivel de preferencia de Smartphones", 
        x = "Mujeres  con Smartphones", 
        y = "Nivel de Preferencias")+ 
theme_classic()

Construccion del medelo de regresion lineal

Para esta parte del analisis establecemos las variables para hacer un modelo de regresion lineal simple, ocupando las variables personas que acceden a amazon con smartphones y el nivel de calificacion que tiene amazon por parte de sus usuarios.

Y=B0+B1∗X1+e

En este caso la variable Y es el nivel de calificacion y la variable X es las personas que ocupan amazon por medio de Smartphones

Rating = B0 + Usuarios de amazon con Smartphones * CoefB1 + e

x = amazon$Personas_smartphones
y = amazon$Feedback.Ratings
modelo <- lm(data = amazon, 
             formula = Feedback.Ratings ~ Personas_smartphones )
summary( modelo)
## 
## Call:
## lm(formula = Feedback.Ratings ~ Personas_smartphones, data = amazon)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1.03476 -0.50106 -0.03677  0.51176  1.03849 
## 
## Coefficients:
##                       Estimate Std. Error t value Pr(>|t|)    
## (Intercept)          3.9611407  0.0559087  70.850   <2e-16 ***
## Personas_smartphones 0.0001831  0.0002243   0.816    0.415    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.5793 on 429 degrees of freedom
## Multiple R-squared:  0.001552,   Adjusted R-squared:  -0.0007759 
## F-statistic: 0.6666 on 1 and 429 DF,  p-value: 0.4147
x = amazon$Personas_smartphones
y = amazon$Feedback.Ratings
cor( x, y )
## [1] 0.03938933

lo que podemos ver es que nuestro modelo da un coeficiente muy bajo, por lo que no existe un relacion muy directa entre el nivel de ususarios y el rating que hay en amazon, por ende nuestra hipotesis no es aceptada, en la siguiente grafica se puede ver con mejor detalle como es que nuestra regresion lineal simple no es valida para este modelo.

car::scatterplot(data = amazon,
       Feedback.Ratings ~ Personas_smartphones,
      smooth= FALSE)

como se puede ver, la linea obtenida es muy horizontal, por lo que no hay una relacion muy grande entre estas variables que definimos al modelos, ya que el rating puede ser que se determine por otros factores y no por el nivel de usuarios que ingresan a los servicios de amazon.

Concluciones

En este analisis pudimos ver que los usuarios acceden mas a los servicios de amazon por medio de los dispositivos moviles como Smartphones, aunque estan casi a la par de las tablets, esto se puede responder, porque al ser dispositivos moviles, podemos acceder desde cualquier lugar y esto lo hace muy sencillo, a comparacion con las Smart Tv que solo podemos esta en un solo lugar para acceder a ellos. Por otro lado pudimos comprovar que cuanto aumenta el numero de usuarios esto no quiere decir que tenga una relacion con el rating que tiene amazon, por lo que puede haber otros factores que determinen esta variable, por ende no tiene una correlacion en nuesto modelo obtenido en nuestro analisis