ANOVA

library(readxl)

## Warning: package 'readxl' was built under R version 4.3.3

library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.3.3

Datos

data <- read_excel("C:/Users/mcast/Downloads/IMDB_Top250_Tvshows.xlsx")
head(data)

## # A tibble: 6 × 7
##   Titile              Year      Total_episodes Age   Rating Vote_count Category 
##   <chr>               <chr>     <chr>          <chr> <chr>  <chr>      <chr>    
## 1 1. Breaking Bad     2008ñ2013 62 eps         18    9.5    (2.2M)     TV Series
## 2 2. Planet Earth II  2016      6 eps          PG    9.5    (159K)     TV Mini …
## 3 3. Planet Earth     2006      11 eps         PG    9.4    (221K)     TV Mini …
## 4 4. Band of Brothers 2001      10 eps         15    9.4    (533K)     TV Mini …
## 5 5. Chernobyl        2019      5 eps          15    9.3    (876K)     TV Mini …
## 6 6. The Wire         2002ñ2008 60 eps         18    9.3    (381K)     TV Series

data <- data %>% slice(1:100)
data<- data %>%
  mutate(Rating = as.numeric(Rating),
         Year = as.factor(Year))

Eliminar NAs

data_subset <- na.omit(data)

ggplot(data_subset, aes(x = Year, y = Rating)) +
  geom_jitter(width = 0.2, height = 0, alpha = 0.5) +
  theme(axis.text.x = element_text(angle = 90, hjust = 1)) +
  labs(title = "Dispersion de Rating por Año", x = "Año", y = "Rating")

Distribución General:

Observando el gráfico, se puede ver que los ratings están dispersos a lo largo de los años sin una tendencia clara de aumento o disminución consistente. Los puntos se agrupan en ciertos rangos de ratings, con varios años teniendo múltiples ratings alrededor de 9.0.

Años con Ratings Altos:

• Los años que tienen puntos más altos en el eje Y indican años con ratings más altos. Por ejemplo, 1997 y 2015 tienen puntos que alcanzan ratings alrededor de 9.4, lo que indica que en estos años hubo algunos ratings muy altos.

Años con Ratings Bajos:

• Años como 1983, 1990 y 2020 tienen puntos que caen cerca del extremo inferior del gráfico (alrededor de 8.8), lo que sugiere que en estos años hubo algunos ratings más bajos.

Variabilidad de Ratings por Año:

• Años con una mayor dispersión de puntos a lo largo del eje Y indican mayor variabilidad en los ratings. Por ejemplo, años como 1997 y 2015 tienen puntos distribuidos en un rango más amplio de ratings, mostrando mayor variabilidad.
• Años con puntos concentrados en un rango estrecho indican menor variabilidad. Por ejemplo, años como 1983 y 1996 tienen puntos más agrupados alrededor de un valor específico.

Años Notables:

• El año 2017 destaca por tener varios puntos con ratings más altos y más bajos, indicando una amplia dispersión de opiniones durante ese año.
• Años recientes como 2021 y 2022 muestran una dispersión más estrecha, con ratings más consistentes en un rango específico.

ggplot(data, aes(x = as.numeric(as.character(Year)), y = Rating)) +
  stat_summary(fun = mean, geom = "line", color = "blue") +
  labs(title = "Tendencia de Rating por Año", x = "Año", y = "Rating Medio") +
  theme_minimal()

## Warning in FUN(X[[i]], ...): NAs introducidos por coerción

## Warning: Removed 75 rows containing non-finite outside the scale range
## (`stat_summary()`).

El gráfico de tendencia de rating por año muestra que los ratings medios han experimentado fluctuaciones significativas a lo largo de los años, con varios picos y valles. Los picos en 1980, 2000 y 2015 indican años de alta calificación, mientras que los valles en 1985 y 2023 sugieren años de menor calificación

Análisis ANOVA

• Hipótesis Nula (H0): No hay diferencias significativas en las calificaciones promedio (Rating) entre los diferentes años.
• Hipótesis Alternativa (H1): Al menos una de las medias de las calificaciones (Rating) es significativamente diferente entre los años.

resultados del ANOVA

results <- aov(Rating ~ Year, data = data)
summary(results)

##             Df Sum Sq Mean Sq F value Pr(>F)
## Year        84  3.236 0.03853   0.696   0.85
## Residuals   15  0.830 0.05533

Dado que el valor p (0.85) es mucho mayor que el nivel de significancia de 0.05, no tenemos suficiente evidencia para rechazar la hipótesis nula. Esto significa que no hay diferencias significativas en las calificaciones promedio (Rating) entre los diferentes años en los primeros 100 registros del conjunto de datos.

ggplot(data, aes(x = Year, y = Rating)) +
  geom_boxplot() +
  theme(axis.text.x = element_text(angle = 90, hjust = 1)) +
  labs(title = "ANOVA de Rating por Año", x = "Año", y = "Rating")

Observando el gráfico, se puede ver que los ratings han variado a lo largo de los años sin una tendencia clara de aumento o disminución consistente. Los ratings más altos parecen concentrarse en ciertos años específicos.

Años con Mayor Variabilidad:

• Los años 1997 y 2015 muestran una gran variabilidad en los ratings, ya que tienen cajas más altas y bigotes más largos. Esto indica que durante estos años hubo una amplia gama de ratings, desde muy bajos hasta muy altos.
• Años como 1983, 1996 y 2021 muestran una menor variabilidad, con cajas más compactas y bigotes más cortos, indicando que los ratings fueron más consistentes.

Outliers:

Hay varios outliers (puntos fuera de los bigotes) a lo largo de los años, lo que sugiere que en ciertos años hubo algunos ratings que se desviaron significativamente del resto. Por ejemplo, en 2017 y 2021 hay outliers notables por encima de la mayoría de los datos.

Años con Ratings Altos:

• Los años 1997 y 2015 tienen medianas más altas comparadas con otros años, lo que indica que en estos años la mayoría de los ratings fueron relativamente altos.
• En contraste, años como 1990 y 2010 tienen medianas más bajas, lo que sugiere que los ratings en esos años fueron generalmente más bajos.

Consistencia en los Ratings:

• Años como 1983, 1996 y 2021 tienen cajas pequeñas y sin muchos outliers, indicando que los ratings en estos años fueron bastante consistentes y no variaron mucho.

Años Notables:

• El año 2017 destaca por tener una alta variabilidad con una caja relativamente grande y varios outliers. Esto podría indicar un año con opiniones polarizadas.
• Años recientes como 2020 y 2021 muestran ratings más bajos y consistentes, con menos variabilidad en comparación con años anteriores.