Contro 01
Felipe Escudero
2024-12-16
Analisis descriptivo de la calidad de vino
A continuacion se realiza un analisis descriptivo de los datos de la base “Calidad de vino”:
#importar la base de datos de y realizar el resumen de la data
BD <- read.csv("~/Documents/Cursos/Business Analytics/Statistics programming for business analytics/winequality-red.csv")
#imprimir la dimension de la base de datos
dim (BD)## [1] 1599 12#los nombres de la base de datos
names(BD)## [1] "fixed.acidity" "volatile.acidity" "citric.acid"
## [4] "residual.sugar" "chlorides" "free.sulfur.dioxide"
## [7] "total.sulfur.dioxide" "density" "pH"
## [10] "sulphates" "alcohol" "quality"colnames(BD)## [1] "fixed.acidity" "volatile.acidity" "citric.acid"
## [4] "residual.sugar" "chlorides" "free.sulfur.dioxide"
## [7] "total.sulfur.dioxide" "density" "pH"
## [10] "sulphates" "alcohol" "quality"#la cantidad de columnnaas de la base de datos
columna <- dim(BD)[2]
columna## [1] 12#la composicion de la data
str(BD)## 'data.frame': 1599 obs. of 12 variables:
## $ fixed.acidity : num 7.4 7.8 7.8 11.2 7.4 7.4 7.9 7.3 7.8 7.5 ...
## $ volatile.acidity : num 0.7 0.88 0.76 0.28 0.7 0.66 0.6 0.65 0.58 0.5 ...
## $ citric.acid : num 0 0 0.04 0.56 0 0 0.06 0 0.02 0.36 ...
## $ residual.sugar : num 1.9 2.6 2.3 1.9 1.9 1.8 1.6 1.2 2 6.1 ...
## $ chlorides : num 0.076 0.098 0.092 0.075 0.076 0.075 0.069 0.065 0.073 0.071 ...
## $ free.sulfur.dioxide : num 11 25 15 17 11 13 15 15 9 17 ...
## $ total.sulfur.dioxide: num 34 67 54 60 34 40 59 21 18 102 ...
## $ density : num 0.998 0.997 0.997 0.998 0.998 ...
## $ pH : num 3.51 3.2 3.26 3.16 3.51 3.51 3.3 3.39 3.36 3.35 ...
## $ sulphates : num 0.56 0.68 0.65 0.58 0.56 0.56 0.46 0.47 0.57 0.8 ...
## $ alcohol : num 9.4 9.8 9.8 9.8 9.4 9.4 9.4 10 9.5 10.5 ...
## $ quality : int 5 5 5 6 5 5 5 7 7 5 ...#resumen de los cuartiles de la data
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. :8.000Grafica de la base de datos
indexn <- NULL
indexc <- NULL
par(mfrow = c(2,5))
for(i in 1:columna){
if(is.numeric(BD[ , i])== TRUE){
titulo <- paste("Analisis de la variable: ", colnames(BD[i]))
hist(BD[ , i], col = i, main = titulo)
indexn <- c(indexn,i)
} else{
titulo <- paste("Analisis de la variable: ", colnames(BD[i]))
pie(table(BD[ , i]), main = titulo)
indexc <- c(indexc,i)
}
}
fixed.acidity: Estadísticas: La acidez fija varía entre 4.6 y 15.9, con una media de 8.32. La mayoría de los valores están concentrados entre 7.1 y 9.2. Gráfico: La distribución tiene una forma aproximadamente normal, con una ligera asimetría hacia valores más altos. La mayoría de los vinos tienen una acidez fija cercana a 7-9.
volatile.acidity: Estadísticas: La acidez volátil va desde 0.12 hasta 1.58, con una media de 0.527. La mayoría de los valores se encuentran entre 0.39 y 0.64. Gráfico: La distribución está sesgada hacia la derecha, con muchos valores pequeños (alrededor de 0.4-0.6) y pocos valores más grandes.
citric.acid:
Estadísticas: Los valores oscilan entre 0 y 1.0, con una media de 0.271. La mayoría de los vinos tienen valores bajos (entre 0.09 y 0.42). Gráfico: La distribución tiene una caída gradual; la mayoría de los valores se concentran entre 0.1 y 0.4.
residual.sugar: Estadísticas: Los valores van desde 0.9 hasta 15.5, con una media de 2.539. El 50% de los datos están entre 1.9 y 2.6. Gráfico: La distribución está altamente sesgada hacia la derecha, con la mayoría de los valores por debajo de 5.
chlorides: Estadísticas: Los valores están entre 0.012 y 0.611, con una media de 0.087. La mayoría de los datos se encuentran entre 0.07 y 0.09. Gráfico: La distribución presenta una concentración muy alta de valores pequeños (cercanos a 0.1), con pocos casos de valores más altos.
free.sulfur.dioxide: Estadísticas: Los valores oscilan entre 1 y 72, con una media de 15.87. La mayoría de los datos están entre 7 y 21. Gráfico: La distribución está sesgada hacia la derecha, con muchos valores bajos (entre 0 y 20).
total.sulfur.dioxide: Estadísticas: La variable varía entre 6 y 289, con una media de 46.47. El 50% de los datos están entre 22 y 62. Gráfico: La distribución muestra una asimetría positiva, con valores bajos predominando.
density: Estadísticas: Los valores varían entre 0.9901 y 1.0037, con una media de 0.9967. La mayoría de los valores están entre 0.9956 y 0.9978. Gráfico: La distribución es aproximadamente simétrica y centrada alrededor de 0.996.
pH: Estadísticas: Los valores oscilan entre 2.74 y 4.01, con una media de 3.311. La mayoría de los vinos tienen valores de pH entre 3.21 y 3.4. Gráfico: La distribución es casi simétrica, con un pico alrededor de 3.3.
sulphates: Estadísticas: Los valores van desde 0.33 hasta 2.0, con una media de 0.658. La mayoría de los datos se concentran entre 0.55 y 0.73. Gráfico: La distribución está sesgada hacia la derecha, con valores bajos predominando.
alcohol: Estadísticas: Los valores varían entre 8.4 y 14.9, con una media de 10.42. La mayoría de los vinos tienen valores entre 9.5 y 11.1. Gráfico: La distribución tiene una asimetría negativa, con más vinos concentrados en niveles bajos de alcohol (entre 9 y 11).
quality: Estadísticas: Los valores oscilan entre 3 y 8, con una media de 5.636. La mayoría de los vinos tienen una calidad de 5 o 6. Gráfico: La distribución es discreta y bimodal, con picos en las calificaciones de 5 y 6.
En general, los gráficos muestran que muchas variables presentan distribuciones asimétricas hacia la derecha (sesgadas), indicando que la mayoría de los valores están en rangos bajos, mientras que unos pocos valores más altos se presentan como extremos.