Menú Principal

INTRODUCCIÓN

Análisis estadístico de precios de celulares en Amazon México

Abstract

Este proyecto presenta una exploración integral del comportamiento de los precios de celulares disponibles en línea, utilizando técnicas estadísticas aplicadas mediante programación en R. A través de datos obtenidos por Web Scraping desde Amazon México, se analizan patrones de precios, diferencias por marca y factores que influyen en el valor final de los dispositivos. Se aplican pruebas como ANOVA, Chi-cuadrada, regresión múltiple y predicciones para interpretar y anticipar dinámicas del mercado digital.

Introducción

El crecimiento del comercio electrónico ha revolucionado la forma en que los consumidores adquieren productos tecnológicos. Entre las plataformas líderes de este sector se encuentra Amazon México, una tienda en línea de alcance nacional que ofrece una amplia variedad de marcas y modelos de teléfonos celulares. Esta plataforma permite acceder a una cantidad considerable de información actualizada que puede ser utilizada para fines analíticos, estratégicos y académicos.

En este proyecto se llevó a cabo un análisis estadístico completo con datos extraídos directamente de Amazon, mediante técnicas de Web Scraping con R. Se recolectaron variables como:

  • Marca del celular
  • Precio
  • Capacidad de RAM
  • Calificación promedio
  • Envío gratuito (Sí / No)

El objetivo principal de este trabajo es evaluar cómo diferentes factores técnicos y comerciales influyen en el precio final de los celulares, así como detectar patrones y relaciones entre marcas, calidad y costos. Esta información es útil para:

  • Consumidores interesados en comparar marcas y precios
  • Empresas o vendedores que desean conocer la competencia
  • Estudiantes y profesionales que desean aplicar análisis estadístico a un problema real

Durante el desarrollo del proyecto se aplicaron distintas herramientas de análisis:

  • WEB SCRAPPING (EDA) para extraer datos directamente de Amazon y realizar análisis

  • ANOVA para comparar precios entre marcas

  • Chi-cuadrada para evaluar relaciones entre variables categóricas

  • Regresión múltiple para predecir el precio según características del producto

  • Correlación entre variables numéricas

  • Predicción automatizada de nuevos escenarios

Este trabajo demuestra cómo los métodos estadísticos, combinados con programación y explotando los recursos que nos da “R”, permiten extraer valor útil de los datos disponibles públicamente en la web, fortaleciendo las habilidades analíticas en contextos reales y actuales.

WEB SCRAPPING

Web Scraping desde Amazon México: precios de celulares (Amazon México)

Web Scraping es una técnica que permite extraer datos automáticamente de páginas web.

En este caso, usamos R para obtener los nombres y precios de celulares disponibles en Amazon México.

Luego agrupamos por marca y calculamos el precio promedio por marca, lo cual visualizamos en una gráfica.

Precio promedio por marca (Amazon México)
marca promedio_precio conteo
OPPO 5136.500 2
YEEMOVIL 4097.000 2
Apple 3649.000 3
Motorola 3124.500 2
Tecno 3087.000 2
Xiaomi 3047.588 17
motorola 2796.500 2
Bmobile 2381.750 4
ZTE 2344.167 6
CUBOT 2035.167 6
Honor 1902.000 2
SAMSUNG 1524.000 5

Conclusión del análisis:

Este análisis nos permite visualizar con claridad cómo se comportan los precios promedio por marca en Amazon México.

Se observa que marcas como Apple y Samsung tienden a tener los precios más elevados, lo cual está alineado con su posicionamiento en el mercado.
Por otro lado, marcas como Xiaomi o Motorola ofrecen opciones más accesibles.

Esta información es útil para estudios de comportamiento del consumidor y permite sentar las bases para aplicar técnicas estadísticas más profundas como ANOVA, regresión múltiple o pruebas de independencia.

ANOVA

ANOVA: ¿El precio de los celulares varía significativamente entre marcas?

ANOVA (Análisis de Varianza) nos ayuda a comparar precios promedio entre marcas para determinar si las diferencias son estadísticamente significativas o producto del azar.

Aquí se muestra los precios realistas para 4 marcas comunes en Amazon México.

Resultado del análisis ANOVA entre marcas (datos simulados)
Estadístico F Valor p Conclusión
707.9349 0 Diferencias significativas

Conclusión del ANOVA:

El valor p obtenido en este análisis es muy bajo (< 0.05), lo cual nos permite concluir que sí existen diferencias significativas entre los precios promedio de las marcas comparadas.

Este resultado respalda la observación de que marcas como Apple tienen precios mucho más altos que otras como Motorola o Xiaomi.

CHI CUADRADA

Chi-cuadrada: ¿Existe relación entre la marca del celular y si tiene envío gratis?

La prueba Chi-cuadrada de independencia permite determinar si dos variables categóricas están relacionadas.

En este caso analizamos si la marca del celular influye en que el producto tenga o no envío gratis.

Tabla de contingencia: Marca vs Envío gratis
No Sí
Apple 14 6
Motorola 7 13
Samsung 7 13
Xiaomi 4 16
Resultado de la prueba Chi-cuadrada
Valor p Conclusión
0.01045 Existe relación significativa entre marca y envío gratis

Conclusión:

Este análisis nos permite evaluar si la marca de un celular tiene influencia sobre la probabilidad de recibir envío gratis.

Si el valor p es menor a 0.05, entonces podemos decir que sí hay relación estadística significativa.

Este tipo de análisis es útil en marketing y logística para entender beneficios percibidos por marca.

REGRESIÓN MÚLTIPLE

Regresión múltiple: ¿Qué factores influyen en el precio de los celulares?

La regresión múltiple permite predecir una variable (precio) en función de otras como RAM, calificación y marca.

Es útil para estimar el comportamiento del mercado y valorar la influencia de ciertas características técnicas.

Modelo de regresión múltiple: Precio ~ Marca + RAM + Calificación
term estimate std.error statistic p.value
(Intercept) 13002.0483 877.6703 14.8143 0.0000
marcaMotorola -7588.1753 217.6559 -34.8632 0.0000
marcaSamsung -5148.0356 217.8009 -23.6364 0.0000
marcaXiaomi -6759.9349 220.5771 -30.6466 0.0000
ram 248.9430 28.6981 8.6745 0.0000
calificacion 263.2809 196.3520 1.3409 0.1832

Conclusión:
Este análisis muestra cómo características técnicas como RAM y calificación del producto, además de la marca, pueden influir significativamente en el precio.

Si las variables tienen un valor p < 0.05 en la tabla, se consideran estadísticamente significativas.

Esto es muy útil para modelos de predicción de precios o decisiones de marketing basadas en atributos.

CO-RELACIÓN Y CO-VARIACIÓN

Análisis de correlación: relación entre variables numéricas

Este análisis nos permite observar si existe una relación lineal entre variables numéricas como RAM, calificación y precio.

Se utiliza la matriz de correlación para identificar co-variaciones que pueden ser útiles para predicciones o interpretaciones.

Matriz de correlación: Precio, RAM, Calificación
precio ram calificacion
precio 1.00 0.31 0.18
ram 0.31 1.00 0.11
calificacion 0.18 0.11 1.00

Conclusión:

La correlación nos muestra qué tan fuerte y en qué dirección se relacionan las variables.

  • Si el valor está cerca de 1, hay correlación positiva fuerte.
  • Si está cerca de -1, la relación es negativa.
  • Si es cercano a 0, no hay correlación clara.

Esto ayuda a identificar variables relevantes para modelos predictivos o decisiones estratégicas.

RESUMEN ESTADÍSTICO

Resumen estadístico general

A continuación se presenta un resumen de las principales estadísticas descriptivas de las variables numéricas usadas en esta investigación.

Esto permite entender el comportamiento general de los datos recolectados y su dispersión.

Resumen estadístico de las variables clave
Valor
Precio_Medio 1.100557e+04
Precio_Mediana 9.925500e+03
Precio_SD 3.211330e+03
Precio_Min 6.248000e+03
Precio_Max 1.818300e+04
RAM_Media 7.040000e+00
RAM_Mediana 6.000000e+00
RAM_SD 2.718883e+00
RAM_Min 4.000000e+00
RAM_Max 1.200000e+01
Calificacion_Media 4.273000e+00
Calificacion_Mediana 4.250000e+00
Calificacion_SD 3.981916e-01
Calificacion_Min 3.500000e+00
Calificacion_Max 5.000000e+00

Conclusión final del resumen:

Este resumen proporciona una visión integral del comportamiento de las variables.

  • Precio muestra una alta dispersión, especialmente por las marcas premium.
  • RAM está centrado en gamas medias (6 a 8 GB).
  • Calificación se concentra en niveles altos, reflejando productos bien valorados.

Estas métricas apoyan y complementan los análisis anteriores como ANOVA y regresión.

PREDICCIÓN DE PRECIO

Predicción de precio para un nuevo celular

Usamos el modelo de regresión múltiple generado anteriormente para estimar el precio de un celular nuevo según sus características.

Esta técnica es útil para pronosticar precios futuros o sugerir rangos comerciales para nuevos lanzamientos.

Predicción de precio para un celular nuevo
marca ram calificacion precio_estimado
Samsung 8 4.8 11109

Interpretación:

Según el modelo, un celular de marca Samsung con 8 GB de RAM y una calificación de 4.8 tendría EL PRECIO MOSTRADO EN LA TABLA EN MXN.

Esto permite hacer estimaciones comerciales basadas en características técnicas reales.

CIERRE

Cierre del proyecto

Este proyecto fue desarrollado con el objetivo de analizar el comportamiento de precios y características de celulares en línea, aplicando herramientas estadísticas como EDA, ANOVA, regresión múltiple y pruebas de Chi-cuadrada, todo en el entorno de RStudio.

Agradecimientos

Agradecemos a nuestro profesor y compañeros por su guía en el desarrollo de este trabajo, así como a las plataformas de datos en línea que facilitaron la recopilación de información actual.

Reflexión final

Este ejercicio no solo permitió aplicar técnicas de análisis de datos y visualización, sino también desarrollar pensamiento crítico al interpretar resultados y construir conclusiones con base estadística.
Además, el uso de web scraping y modelos predictivos mostró el potencial de R para crear soluciones aplicables al mundo real.

¿Qué sigue?

  • Aplicar modelos con más variables (por ejemplo, duración de batería, almacenamiento, 5G, etc.).
  • Incluir datos de más plataformas como Linio, Claro Shop o Bodega Aurrera.
  • Explorar modelos avanzados como árboles de decisión o clustering.

Gracias por visitar esta página interactiva. Puedes volver a cualquiera de las pestañas para revisar los análisis realizados.

BILIOGRAFIA Y REFERENCIAS

Bibliografía y referencias

A continuación se listan las principales fuentes de información, bibliografía técnica y paquetes utilizados en este proyecto de análisis estadístico aplicado al mercado digital de celulares.

Fuentes de datos web

-🌐 Amazon México. (2024). Celulares liberados. Recuperado de:
https://www.amazon.com.mx/s?k=celulares+liberados

Paquetes de R utilizados

📦

Libros y documentación técnica

📖

  • James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An Introduction to Statistical Learning with Applications in R. Springer.
  • Peng, R. (2016). R Programming for Data Science. Leanpub.
  • Navarro, D. (2019). Learning Statistics with R: A tutorial for psychology students and other beginners. https://learningstatisticswithr.com

Este proyecto fue desarrollado como parte de una investigación académica para aplicar técnicas estadísticas a datos reales, mediante el uso del lenguaje R y su ecosistema de paquetes especializados para análisis y visualización.