Analisis de variables BD WINE QUALITY

CONTROL 1 - GRUPO 7 - ANALISIS DE CALIDAD DE VINO

En el presente análisis se detallan las estadísticas descriptivas de la base de datos Wine Quality. Esta base contiene variables fisicoquímicas del vino y su respectiva evaluación de calidad, lo que permite realizar un análisis tanto univariado como multivariado de los factores que influyen en dicha calificación.

##1. Análisis exploratorio de los datos

#1.1 Importamos la base
winequality.red <- read.csv("winequality-red.csv")
BD=winequality.red

##1.2 Dimension de la data
dim(BD)

## [1] 1599   12

##1.3 Muestra número de columnas
length(BD)

## [1] 12

###1.4.1 Base de datos numerica es igual a null
BDN <- NULL
###1.4.2 Base de datos caracter es igual a null
BDC <- NULL 

##1.5 Muestra nombre de columnas
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"

columna <- length(BD)

##1.6 Muestra la estructura 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 ...

##2. Estadisticas descriptivas
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

##3. Análisis gráfico de los datos según tipo de variable

Se analiza los datos utilizando una función con For

par(mfrow = c(3,4))

for (i in 1:columna) {
  if(is.numeric(BD[ ,i])== TRUE){
    texto <- paste("Variable/",colnames(BD)[i])
    
    hist(BD[ ,i], col =i, main = texto, xlab=colnames(BD)[i])  ##col es para poner color al grafico
    BDN <- c(BDN,i)
  }else{
    pie(table(BD[ ,i]))
    BDC <- c(BDC,i)
  }
}

CONCLUSIONES

a.La data presenta 12 columnas y 1599 filas.

b.Observamos que casi todas las variables son númericas, con excepción de la variable “quality” el cual es entera.

c.Las variables densidad y PH presentan los graficos más simetricos.

d.Las variables fixed acidity, volatile acidity, citric acid, residual sugar, chlorides, free sulfur dioxid, total sulfur dioxid, sulphates, alcohol presentan sesgo a la derecha.

e.La variable quality se podria considerar que tambien presenta una grafica simetrica.

f.La variable fixed acidity presenta faroutlier, Q3+3*IQR = 9.20+(3x9.20-7.10)=15.5, siendo maximo=15.9

g.La variable volatile acidity presenta faroutlier, Q3+3*IQR = 0.64+(3x0.64-0.39)=1.39, siendo maximo=1.58

h.La variable residual sugar presenta faroutlier, Q3+3*IQR = 2.6+(3x2.6-1.9)=4.7, siendo maximo=15.5

i.La variable chrorides, free sulfur dioxide, total sulfur dioxide, PH, sulphates tambien presentan faroutliers

j.Para poder visualizar mejor los valores atipicos se requiere utilizar el grafico boxplot

Integrantes

-Vania Salvador

-Johan Sanchez

-Cristian Taipe

-Mauricio Triguero

-Carlos Yurivilca

Analisis de variables BD WINE QUALITY

2025-05-14

CONTROL 1 - GRUPO 7 - ANALISIS DE CALIDAD DE VINO