Proyecto Estadistica
Juan Esteban Betancur
2025-10-09
Entregable 2
ncr_ride_bookings <- read.csv("ncr_ride_bookings.csv",
na.strings=c("NA","null"), stringsAsFactors=TRUE)
summary(ncr_ride_bookings)## Date Time Booking.ID
## 2024-11-16: 462 17:44:57: 16 "CNR2726142": 3
## 2024-05-09: 456 19:17:33: 12 "CNR3648267": 3
## 2024-09-18: 456 10:23:23: 11 "CNR5292943": 3
## 2024-01-26: 452 11:29:50: 11 "CNR6337479": 3
## 2024-02-06: 452 15:23:56: 11 "CNR7199036": 3
## 2024-10-12: 452 17:54:33: 11 "CNR7585544": 3
## (Other) :147270 (Other) :149928 (Other) :149982
## Booking.Status Customer.ID Vehicle.Type
## Cancelled by Customer:10500 "CID4523979": 3 Auto :37419
## Cancelled by Driver :27000 "CID5481002": 3 Bike :22517
## Completed :93000 "CID6468528": 3 eBike :10557
## Incomplete : 9000 "CID6715450": 3 Go Mini :29806
## No Driver Found :10500 "CID7828101": 3 Go Sedan :27141
## "CID8727691": 3 Premier Sedan:18111
## (Other) :149982 Uber XL : 4449
## Pickup.Location Drop.Location Avg.VTAT
## Khandsa : 949 Ashram : 936 Min. : 2.000
## Barakhamba Road: 946 Basai Dhankot : 917 1st Qu.: 5.300
## Saket : 931 Lok Kalyan Marg: 916 Median : 8.300
## Badarpur : 921 Narsinghpur : 913 Mean : 8.456
## Pragati Maidan : 920 Cyber Hub : 912 3rd Qu.:11.300
## Madipur : 919 Kalkaji : 912 Max. :20.000
## (Other) :144414 (Other) :144494 NA's :10500
## Avg.CTAT Cancelled.Rides.by.Customer
## Min. :10.00 Min. :1
## 1st Qu.:21.60 1st Qu.:1
## Median :28.80 Median :1
## Mean :29.15 Mean :1
## 3rd Qu.:36.80 3rd Qu.:1
## Max. :45.00 Max. :1
## NA's :48000 NA's :139500
## Reason.for.cancelling.by.Customer
## AC is not working : 1155
## Change of plans : 2353
## Driver asked to cancel : 2295
## Driver is not moving towards pickup location: 2335
## Wrong Address : 2362
## NA's :139500
##
## Cancelled.Rides.by.Driver Driver.Cancellation.Reason
## Min. :1 Customer related issue : 6837
## 1st Qu.:1 More than permitted people in there: 6686
## Median :1 Personal & Car related issues : 6726
## Mean :1 The customer was coughing/sick : 6751
## 3rd Qu.:1 NA's :123000
## Max. :1
## NA's :123000
## Incomplete.Rides Incomplete.Rides.Reason Booking.Value Ride.Distance
## Min. :1 Customer Demand : 3040 Min. : 50.0 Min. : 1.00
## 1st Qu.:1 Other Issue : 2948 1st Qu.: 234.0 1st Qu.:12.46
## Median :1 Vehicle Breakdown: 3012 Median : 414.0 Median :23.72
## Mean :1 NA's :141000 Mean : 508.3 Mean :24.64
## 3rd Qu.:1 3rd Qu.: 689.0 3rd Qu.:36.82
## Max. :1 Max. :4277.0 Max. :50.00
## NA's :141000 NA's :48000 NA's :48000
## Driver.Ratings Customer.Rating Payment.Method
## Min. :3.000 Min. :3.000 Cash :25367
## 1st Qu.:4.100 1st Qu.:4.200 Credit Card:10209
## Median :4.300 Median :4.500 Debit Card : 8239
## Mean :4.231 Mean :4.405 Uber Wallet:12276
## 3rd Qu.:4.600 3rd Qu.:4.800 UPI :45909
## Max. :5.000 Max. :5.000 NA's :48000
## NA's :57000 NA's :57000nuevosDatos = data.frame(ncr_ride_bookings$Driver.Ratings,
ncr_ride_bookings$Customer.Rating)library(corrplot)## corrplot 0.95 loadedy=ncr_ride_bookings$Driver.Ratings
x=ncr_ride_bookings$Customer.Rating
modelo=lm(y ~ x)
summary(modelo)##
## Call:
## lm(formula = y ~ x)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.2324 -0.1320 0.0687 0.3678 0.7696
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 4.235433 0.014483 292.439 <2e-16 ***
## x -0.001008 0.003272 -0.308 0.758
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.4369 on 92998 degrees of freedom
## (57000 observations deleted due to missingness)
## Multiple R-squared: 1.021e-06, Adjusted R-squared: -9.732e-06
## F-statistic: 0.09493 on 1 and 92998 DF, p-value: 0.758Interpretación de intercepto y pendiente
1. Intercepto = 4.235433
El intercepto representa el valor promedio estimado de la
calificación del conductor
El intercepto sirve como punto base o referencia estadística.
Por tanto, podemos decir que los conductores, en promedio,
tienen una calificación cercana a 4.23.
Asimismo pofrmos confirmar que los conductores tienden a tener evaluaciones positivas, por lo que la media o el resumen estadístico general fue de 4.23
2. Pendiente (x) = -0.001008
El coeficiente asociado a x indica cómo cambia la calificación del
conductor cuando aumenta en una unidad la calificación del
cliente.
En este caso el valor es negativo (-0.001008), pero muy cercano a cero. Esto significa que no existe una relación significativa: cuando un cliente califica mejor, el conductor no necesariamente lo hace también. Esto quiere decir que no hay relación significativa.
cor(na.omit(nuevosDatos))## ncr_ride_bookings.Driver.Ratings
## ncr_ride_bookings.Driver.Ratings 1.000000000
## ncr_ride_bookings.Customer.Rating -0.001010351
## ncr_ride_bookings.Customer.Rating
## ncr_ride_bookings.Driver.Ratings -0.001010351
## ncr_ride_bookings.Customer.Rating 1.000000000Interpretación de correlaciones
A continuación se muestra la matriz de correlación entre las siguientes variables:
· Driver.Ratings: la cual es la calificación del conductor
· Customer.Rating: Calificación del cliente
Correlación= -0.001010351
El coeficiente decorrelación mide la intensidad y dirección
de la relación lineal entre dos variables.
Su valor siempre está entre -1 y 1:
Significa que 1 es la correlación perfectamente positiva, el 0 sin correlación lineal y el -1 que la correlación es perfectamente negativa
Esto significa que no existe ninguna relación lineal entre las calificaciones que dan los conductores y las que dan los clientes. Por lo que finalmente se puede determinar que la correlación es baja, una de las razones por las que esto puede suceder es porque elcliente califica el viaje no depende directamente cómo el conductor califica el cliente. Por lo que cada uno evalúa esa experiencia dependiendo de varios factores personales por ejemplo (trato, puntualidad, comodidad etc).
library(ggplot2)
ggplot(ncr_ride_bookings, aes(y=Avg.CTAT, x=Payment.Method, fill=Payment.Method))+
geom_boxplot()## Warning: Removed 48000 rows containing non-finite outside the scale range
## (`stat_boxplot()`).
Interpretacion del diagrama de cajas
El diagrama de cajas a continuación analiza la variable Avg. CTAT (Average Customer Trip Arrival Time) en función del Payment.Method (método de pago).
1. Eje y variables
Eje X: Método de pago
(Cash, Credit Card, Debit Card, Uber Wallet, UPI)
Eje Y: Promedio del tiempo de llegada del cliente (Avg. CTAT), en una escala aproximada de 10 a 45.
Cada caja representa la distribución del tiempo promedio de llegada de los clientes según su método de pago utilizado. La línea de color negro que atraviesa las cajas por la mitad nos indica la mediana o el valor central de cada una de ellas, las líneas verticales que sobresalen las cajas indican la variabilidad que hay fuera del rango y la caja como tal representa los datos centrales.
Como interpretación general podemos decir que las 5 cajas están distribuidas de maneras similares porque los métodos son muy parecidos entre ellos en cuanro a a estadística y tamaño de las cajas. Por otro lado, también podemos denotar que las medianas oxilan entre el 28-29, por lo que nos muestra que la idea de que el método de pago no influye mucho en el tiempo llegada promedio.
En conclusión podemos decir que no hay evidencia que un método de pago produzca mayor o menor un Avg. CTAT, y que el tiempo promedio de llegada de los clientes parece independinte a los métodos de pago que ellos utilicen.
table(ncr_ride_bookings$Booking.Status, ncr_ride_bookings$Vehicle.Type)##
## Auto Bike eBike Go Mini Go Sedan Premier Sedan
## Cancelled by Customer 2680 1575 723 2097 1832 1266
## Cancelled by Driver 6643 4077 1907 5330 5031 3250
## Completed 23155 14034 6551 18549 16676 11252
## Incomplete 2260 1328 630 1815 1642 1063
## No Driver Found 2681 1503 746 2015 1960 1280
##
## Uber XL
## Cancelled by Customer 327
## Cancelled by Driver 762
## Completed 2783
## Incomplete 262
## No Driver Found 315library(ggplot2)
ggplot(ncr_ride_bookings, aes(x=Vehicle.Type, fill=Booking.Status))+
geom_bar()
Interpretación del grafico
El diagrama a continuación nos muestra la comparación entre dos variables las cuales son (Booking.Status y el Vehicle type)
Eje X: Tipos de vehículos (Auto, Bike, eBike, Go Mini, Go Sedan, Premier Sedan, Uber XL).
Eje Y: Conteo de reservas (cantidad total de viajes).
Asimismo, podemos denotar queEl tipo de vehículo
Auto tiene la mayor cantidad de reservas totales,
seguido de Go Mini y Go Sedan.
Esto indica que estos tres tipos son los más demandados
por los usuarios.
En todos los tipos de vehículo, el color verde (Completed) domina, lo
que significa que la mayoría de los viajes se completan
exitosamente, sin importar el tipo de vehículo.
Sin embargo, los Autos y Go Mini tienen la proporción
más alta de viajes completados.
En cuanto a las cancelaciones (Cancelled by driver): Este motivo de cancelación es el segundo más común, y es más visible en tipos de vehículo como: Auto, Go Mini y Go Sedan.
Cancelled by Customer (naranja): También tiene presencia, pero menor en comparación con las cancelaciones por parte del conductor.
Los estados Incomplete (azul) y No Driver Found (morado) representan una porción pequeña pero constante en casi todos los tipos de vehículos, lo cual indica cierto nivel de ineficiencia o disponibilidad limitada de conductores en algunos casos.
Por otro lado, si hacemos un análisis más detallado pordemos decir que los vehículos que menos son utilizados es eBike, Premier Sedan y Uber XL ya que tienen mucho menor volumen de reservas. Esto puede deberse a que pueden llegar a ser opciones más costosas o menos populares si lo tomamos como un supuesto.
En general, la mayoría de los viajes se completan con éxito, lo que refleja un buen desempeño del servicio. Sin embargo, las cancelaciones que son más frecuentes en los conductores evidencian las oportunidades de mejora en la gestión operativa y las opciones que haya mayor disponibilidad de conductores. Y finalmente, el uso predominante de vehículos de tipo Auto y Go Mini se puede deber a que son opciones más económicas o accesibles.