Analisis descriptivo de la calidad del vino

A continuación se realiza un analisis descriptivo de la base de datos winequality-red.csv

# Importar la base de datos y realizar un resumen de la data:
BD <- read.csv("C:/Users/Nelson/Desktop/BUSINESS ANALITYCS - PUCP/Statistics Programming for Business Analytics/PRACTICA 1/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"
# La cantidad de columnas 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 ...
# El 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.   :8.000

Histograma de la base de datos

indexn <- NULL
indexc <- NULL

par(mfrow = c(3,4))

for (i in 1:columna){
  if(is.numeric(BD[ , i])==TRUE){
    titulo <- paste("Variable: ",colnames(BD[i]))
    hist(BD[ , i], col = i, main = titulo)
    indexn <- c(indexn,i)
  } else{
    titulo <- paste("Variable: ",colnames(BD[i]))
    pie(table(BD[ , i]), main = titulo)
    indexc <- c(indexc,i)
  }
}

Boxplot de la base de datos

par(mfrow = c(3, 4))
for (i in 1:ncol(BD)) {
  if (is.numeric(BD[, i])) {
    boxplot(BD[, i], main = paste("Variable", colnames(BD)[i]), col = "orange", horizontal = TRUE)
  }
}

Comentarios:

# - Fixed.acidity: La mayoría de los vinos tienen niveles moderados de acidez fija, con valores ligeramente sesgados hacia el extremo superior.
# - Volatile.acidity: La distribución está centrada, lo que sugiere que los niveles de acidez volátil en los vinos son consistentes.
# - Citric.acid: La mayoría de los vinos tienen niveles bajos de ácido cítrico, con una distribución uniforme.
# - Residual.sugar: La distribución está sesgada hacia la derecha, indicando que la mayoría de los vinos tienen niveles bajos de azúcar residual.
# - Chlorides: Los niveles están concentrados en valores bajos, lo que es favorable, ya que valores altos pueden afectar la calidad. Los registros con valores altos deben de realizarse una investigacion a profundidad.
# - Free.sulfur.dioxide: La mayoría de los vinos tienen niveles bajos de dióxido de azufre libre, con una distribución sesgada hacia valores más altos. 
# - Total.sulfur.dioxide: Similar al dióxido de azufre libre, los niveles totales están sesgados hacia valores bajos, indicando que los vinos tienden a tener cantidades moderadas de azufre
# - Density: La densidad se concentra en un rango muy estrecho, lo que indica una gran homogeneidad entre los vinos. 
# - pH: Predominan valores ligeramente ácidos, con una ligera asimetría hacia valores altos.
# - Sulphates: DLos niveles de sulfatos están distribuidos uniformemente, indicando que los vinos tienen una variedad de concentraciones de este compuesto, que puede influir en el sabor y la conservación.
# - Alcohol: La mayoría de los vinos tienen un contenido de alcohol moderado, con una ligera asimetría hacia valores más altos.
# - Quality: La calidad del vino está distribuida en un rango de 3 a 8, con mayor concentración en los valores 5 y 6, indicando que la mayoría de los vinos tienen una calidad media.